tag Matematik
Activation Function (Aktivasyon Fonksiyonu)
Bu sayfada Matematik (Activation Function (Aktivasyon Fonksiyonu)) etiketi ile işaretlenmiş 11 yapay zeka kavramını bulabilirsiniz.
Aktivasyon Fonksiyonu, bir yapay nörona gelen elektrik sinyalini (matematiksel toplamı) bir sonraki nörona iletip iletmeyeceğine karar veren mantıksal şalterdir (kapı). Ağın doğrusal olmayan (non-linear), yani gerçek dünyadaki gibi karmaşık problemleri çözebilmesini sağlar.
Activation Function (Aktivasyon Fonksiyonu)
Aktivasyon Fonksiyonu, bir yapay nörona gelen elektrik sinyalini (matematiksel toplamı) bir sonraki nörona iletip iletmeyeceğine karar veren mantıksal şalterdir (kapı). Ağın doğrusal olmayan (non-linear), yani gerçek dünyadaki gibi karmaşık problemleri çözebilmesini sağlar.
Backpropagation (Geri Yayılım Algoritması)
Backpropagation (Geriye Dönük Hata Yayılımı), bir yapay sinir ağının hatalarından ders çıkarmasını (öğrenmesini) sağlayan en önemli matematiksel kalkülüs (türev) algoritmasıdır. Derin öğrenme devriminin tam kalbinde yer alır; o olmasaydı ChatGPT veya Midjourney asla var olamazdı.
Cosine Similarity (Kosinüs Benzerliği)
Kosinüs Benzerliği (Cosine Similarity), doğal dil işlemede ve vektör veritabanlarında, iki farklı kelimenin, cümlenin veya belgenin (Embedding) anlam olarak birbirine ne kadar benzediğini hesaplamak için kullanılan trigonometrik ve matematiksel bir formüldür.
Fuzzy Logic (Bulanık Mantık)
Bulanık Mantık (Fuzzy Logic), klasik bilgisayarların "0 veya 1" (Siyah veya Beyaz / Doğru veya Yanlış) şeklindeki katı, ikili mantığına karşı çıkan; hayattaki "Biraz, Çok, Kısmen" gibi ara değerleri ve grilikleri bilgisayarın anlamasını sağlayan matematiksel bir yaklaşımdır.
Gradient Descent (Gradyan İnişi)
Gradient Descent (Gradyan İnişi), makine öğrenimi ve derin öğrenme modellerinin eğitim sürecinde, modelin yaptığı hataları (kayıp/loss) en aza indirmek için ağırlıklarını hangi yönde ve ne kadar güncellemesi gerektiğini bulan, optimizasyonun temelini oluşturan matematiksel (kalkülüs) algoritmadır.
Loss Function (Kayıp (Maliyet) Fonksiyonu)
Kayıp Fonksiyonu (Loss veya Cost Function), makine öğrenimi modelinin yaptığı tahminin, gerçek ve doğru olan cevaptan ne kadar uzak olduğunu (ne kadar kötü bir iş çıkardığını) ölçen hata hesaplama aracıdır. Makine öğreniminin tüm amacı bu "kayıp" sayısını sıfıra yaklaştırmaktır.
Markov Decision Process (MDP) (Markov Karar Süreci)
Markov Karar Süreci (MDP), Pekiştirmeli Öğrenmenin (Reinforcement Learning) ve otonom ajanların belkemiğini oluşturan, durumların (State), eylemlerin (Action), ödüllerin (Reward) ve rastgeleliğin bulunduğu ortamlarda yapay zekanın "geleceği planlayarak en mantıklı kararı" almasını sağlayan matematiksel bir modeldir.
Phi-4 (Phi-4)
Phi-4, Microsoft Research tarafından Aralık 2024'te yayımlanan ve küçük model mimarisindeki verimliliği zirveye taşıyan 14 milyar parametreli bir dil modelidir. Phi serisinin önceki üyelerine (Phi-1, Phi-2, Phi-3) kıyasla daha geniş ve daha kaliteli eğitim verisi kullanan Phi-4; matematik, mantık ve bilim kıyaslamalarında çok daha büyük modellere üstün performans sergilemiştir. Phi-4'ün en önemli özelliği 'veri kalitesi > veri miktarı' felsefesini somutlaştırmasıdır: model ham internet verisinin yanı sıra sentetik olarak üretilmiş yüksek kaliteli matematik ve akıl yürütme örnekleriyle eğitilmiştir. Bu yaklaşım, 14B parametrenin çok üzerindeki yeteneklere ulaşmayı mümkün kılmıştır. GPQA Diamond (doktora düzeyinde bilim), AMC ve MATH kıyaslamalarında Phi-4, 70B ölçekli birçok modeli geride bırakmıştır. Phi-4, Apache 2.0 lisansıyla HuggingFace'de yayımlanmıştır; tüketici GPU'larında kolayca çalışır ve ince ayar yapılabilir. Özellikle eğitim, kodlama yardımcısı ve araştırma uygulamaları için maliyet-performans dengesi açısından dikkat çekicidir. Microsoft'un Phi serisi, 'small but mighty' (küçük ama güçlü) SLM (Small Language Model) kategorisinin en güçlü temsilcilerinden biri hâline gelmiştir.
Support Vector Machines (SVM) (Destek Vektör Makineleri)
Destek Vektör Makineleri (SVM), özellikle sınıflandırma (Classification) ve regresyon problemlerinde verileri birbirinden ayırmak için kullanılan çok güçlü ve popüler bir denetimli (Supervised) makine öğrenimi algoritmasıdır. Temel amacı, iki farklı veri grubu (Örn: Elmalar ve Armutlar) arasına çizebileceği "en geniş yolu / çizgiyi" (Hiperdüzlem) bulmaktır.
Vector Space (Vektör Uzayı)
Vektör Uzayı (Vector Space), yapay zekanın (özellikle LLM'lerin) kelimeleri, resimleri ve kavramları depoladığı ve birbiriyle ilişkilendirdiği; bizim algılayabildiğimiz 3 boyutlu dünyanın aksine, binlerce hatta on binlerce matematiksel boyuttan oluşan soyut ve çok boyutlu uzaydır.
Weights and Biases (Ağırlıklar ve Sapmalar)
Ağırlıklar (Weights) ve Sapmalar (Biases), bir yapay sinir ağındaki matematiksel parametrelerin iki temel bileşenidir. Ağırlıklar, bir verinin (girdinin) sonuca ulaşırken ne kadar önemli olduğunu belirlerken; Sapmalar (Bias), nöronun tetiklenip tetiklenmeyeceğini ayarlayan eşik değerleridir.