UKÜ’de yapay zekâ ve makine öğrenimi konusuna dikkat çekildi
Uluslararası Kıbrıs Üniversitesi (UKÜ), Elektrik-Elektronik Mühendisliği Bölümü Yapay Zekâ ve Makine Öğrenimi Tanıtım ve Uygulamaları hakkında seminer düzenledi.
Etkinlikte Norveç Bergen Üniversitesi’nden Yrd. Doç. Dr. Ghazal Sheikhi ve UKÜ öğretim üyesi Dr. Payam Zarbakhsh, yapay zekâ ve makine öğrenimi konularında bilgi verdiler.
Yapay zekânın sadece günlük hayatta önemli bir yere sahip olmadığını aynı zamanda son on yılda aktif bir akademik çalışma alanı oluşturduğunu aktaran Sheikhi, mühendislik öğrencileri için yapay zekânın neler yapabildiğini, nasıl çalıştığını ve kendi uzmanlık alanlarında verimli bir şeklide nasıl kullanabileceklerini öğrenmelerinin önemli olduğunu kaydetti.
Yrd. Doç. Dr. Sheikhi, konuşmasında temel yapay zekâ ve makine öğrenimi kavramları yanı sıra bir dizi örnekle derin öğrenme tekniği hakkında da bilgi vererek, “Makine Öğrenim algoritmaları ve daha özel olarak derin öğrenme tekniği karmaşık matematiksel modellere ve çoklu işlem hesaplamalarına dayanıyor” ifadesini kulandı.
Yeni gelişmekte olan Google Colab, PyTorch vb. gibi araçların öğrencilerin veya mühendislerin makine öğrenim algoritmalarını kolaylıkla uygulayabilmelerine imkân sağladığını belirten Sheikhi, makine öğrenimindeki her şeyin matematik, algoritma, matris ve çarpımlarından ibaret olduğunu söyledi.
Dr. Zarbakhsh ise konuşmasında veri, model, kayıp fonksiyonu ve optimizasyon algoritması dahil olmak üzere makine öğrenimi için dört önemli bileşen bulunduğunu aktararak, “Göreve, verinin biçimine, veri miktarına ve mevcut donanıma bağlı olarak uygun model seçilebilir” açıklamasında bulundu.
Grafik işlem birimi ve Tensör işleme biriminin ortaya çıkışı ile derin öğrenmenin son on yılda oldukça yüksek başarı elde ettiğini belirten Zarbakhsh, “Derin öğrenmenin önemli dezavantajı potansiyel başarısızlıklarıdır. Bu modeller, ne kadar zeki görünürlerse görünsünler, aslında insan kavrayışını taklit etme yeteneğine sahip değillerdir” dedi.
Dr. Zarbakhsh, makine öğreniminin etkin bir şekilde kullanılabileceği birkaç uygulama alanı bulunduğunu da dile getirerek, “Web araması, görüntü tanıma, dil çevirisi vb. gibi yaygın olarak kullanılan uygulamalara ek olarak, derin öğrenmeye dayanan geleneksel makine öğrenim algoritmaları elektrik mühendisliği, biyomedikal mühendisliği, endüstri mühendisliği, işletme ve diğer birçok alanda uygulanabilmesi için çeşitli potansiyeller bulunuyor” ifadesini kullandı.