Makine öğrenmesi nedir?

Makine öğrenmesi nedir, klasik yazılımdan farkı ne?

Geleneksel yazılımda kuralı geliştirici yazar; makine öğrenmesinde kural, örnek verilerden çıkarılır. Bir model geçmiş siparişlere bakarak hangi müşterinin iade edebileceğini ya da hangi ürünlerin birlikte alındığını bu yolla öğrenir. Google'ın makine öğrenmesine giriş (yeni sekmede açılır) dokümanı bu yaklaşımı ayrıntılı anlatır.

Makine öğrenmesi nasıl çalışır?

Süreç üç adımda ilerler: veri toplanır, model bu veriyle eğitilir, eğitilen model yeni veride tahmin yapar. Model ne kadar çok ve düzgün örnekle eğitilirse tahminleri o kadar tutarlı olur.

• Eğitim verisi: geçmiş siparişler, tıklamalar, etiketli yorumlar gibi örnekler.
• Model: örnekler arasındaki ilişkiyi temsil eden matematiksel yapı.
• Tahmin: yeni bir müşteri ya da ürün için üretilen sonuç.

Makine öğrenmesi örnekleri nelerdir?

Makine öğrenmesi örnekleri e-ticarette sınıflandırma ve tahmin işlerinde görülür. Bir ürünü doğru kategoriye atamak, yorumun olumlu mu olumsuz mu olduğunu belirlemek ve müşteriye benzer ürünler önermek bunların başında gelir. Satış tahmini ve sahte sipariş tespiti de aynı yaklaşıma dayanabilir.

Makine öğrenmesi ile üretken yapay zeka arasındaki fark nedir?

Makine öğrenmesi geniş bir yaklaşımdır; üretken yapay zeka bunun yeni içerik üreten bir koludur. Klasik bir model çoğu zaman bir sınıf ya da sayı üretir: "bu yorum olumlu" ya da "bu ürün şu kategoriye girer". Üretken modeller ise bir metin, görsel ya da kod yazar. İkisi aynı iş akışında birlikte de kullanılabilir; örneğin bir model yorumu sınıflandırır, bir diğeri yanıt taslağı hazırlar.

Küçük bir mağaza makine öğrenmesine hazır mı?

Model, kaliteli ve yeterli veriyle çalışır. Sipariş kayıtlarınız dağınıksa, ürün kategorileri tutarsızsa ya da aynı müşteri üç farklı kayıtla duruyorsa önce veriyi temizlemek gerekir. Çoğu zaman ilk kazanç modelden değil, düzenli veriden gelir. Küçük başlayıp tek bir soruya, örneğin hangi ürünün stoğunun tükeneceğine odaklanmak, sonucu ölçmeyi de kolaylaştırır. Makine öğrenmesi örnekleri küçük başlar: bir iade tahmini ya da ürün önerisi. Makine öğrenmesi nasıl çalışır ayrıntısına girmeden önce hangi sonucu ölçeceğinizi seçin.

Nelere dikkat etmek gerekir?

Model, eğitildiği verinin kalitesi kadar iyidir; eksik ya da yanlış veri, yanlış tahmin demektir. Sonuçların zaman içinde yeniden ölçülmesi gerekir, çünkü müşteri davranışı değişir. Veri hazırlığı ve iş akışı kurulumu için İçerik ve Büyüme Otomasyonu sayfasına bakabilirsiniz.

e-Ticarette nerede kullanılır?

• Ürünü doğru kategoriye atama
• Müşteri yorumlarının olumlu ya da olumsuz sınıflandırılması
• Benzer ürün önerileri
• Satış ve talep tahmini

Makine öğrenmesi hakkında sık sorulanlar