Hiç yaşadınız mı bilmiyorum, bazen görmeniz gereken bir e-posta gereksiz mailler arasına düşer ve size bildirim gelmediği için göremezsiniz. Bazen de gereksiz (spam) kutunuzu açtığınızda hakikaten gereksiz ve görmek istemediğiniz e-postaların burada olduklarını görürsünüz. Peki bu nasıl oluyor? Atılan mail bize gelmeden önce biri tarafından okunup ona göre gereksiz veya gerekli , gerekli ise de odaklanılmış veya diğer olarak mı ayrılıyor? Aslında mailleri bu kadar hızlı okuyup iletebilmek bir insan için imkansızdır. E-posta uygulamaları da bunun için özel algoritmalar geliştirmiş ve bunları hızlıca ayırıp önümüze sunuyor.

                                         E-posta uygulamaları, Bize gelen e-postaları öncelikle bir algoritma vasıtası ile kontrolden geçiriyor. Spam e-postalarında yaygın olarak kullanılan kelimeler tespit edilmiş ve kontrol algoritmasına bildirilmiş. Örneğin, bir ürünün tanıtımıyla ilgili bir e-posta aldığımızı varsayalım. Bu e-posta içerisinde ürünle ilgili bilgiler, indirim oranları , ‘ hemen alın ’, ‘ tükenmeden alın’  vb. şeyler bulunur. İşte bu ve bunun gibi kelimeler algoritmaya bildirilmiş. Peki algoritma ‘indirim’ sözcüğünü gördüğü anda bunu spam olarak mı işaretliyor? Tabii ki de hayır! Bundan sonraki aşamada size önceden gelen maillerin kontrolü var. Eğer bundan önce gelen e-postalarda bu kelimelerin bu kadar sık geçtiği görülmezse bir sonraki aşamaya bakabiliriz, e-posta gönderen kullanıcının e-posta adresi. Algoritmamız yine önceden bildirilmiş bazı spam e-posta adreslerine benzer yapıda bir e-posta adresi de tespit ederse muhtemelen o e-posta gereksiz olarak işaretlenecek ve spam kutunuza düşecektir. İşte burada ki örnekte gördüğümüz algoritmalar öğrenen algoritmalardır.

 Öğrenen algoritmalar, veri ile beslenerek bir olgunun, cismin bazen de olayın tanınması sağlanır. Bazen geçmiş verilere dayanarak gelecekte bir olayın tahminini yaparken, bazen bir yığın verideki kedi fotoğraflarını ayıklamak için, bazen ürünümüzü , talep eden insanlara ulaştırmak için bu algoritmalara başvururuz. Bu seride bu algoritmaları, yapay zeka ve makine öğrenmesi kavramlarına değinmeye ve bunları öğrenmeye çalışacağız. 

 Yapay zeka algoritmalarını 2 ana başlıkta inceleyebiliriz:

Supervised öğrenme, verilerinizi belirli sayıda bir gruba ayırırken, girilen ile çıktı arasında bağ kurarken kullanılır. Örneğin kedi tanıma algoritmasına bakalım. Burada grup sayımız belirlidir; kedi bulunduran, kedi bulundurmayan fotoğraflar.

Unsupervised öğrenmede ise grup sayısı belli değildir ve bunu algoritmanın bulmasını bekleriz. Örneğin, bir veri kümesinde anormal olan verilerin tespitinde verinin anormallik sınırları algoritma tarafından belirlenmesi beklenir. Bu sınır dışındakiler anormal olarak işaretlenir. Yukarıda bahsi geçen spam algoritmaları unsupervised öğrenme için güzel bir örnektir.

Peki bu algoritmalar nasıl bir yol izleyerek verilerimizi ayırabiliyor? Bir sonraki yazımızda supervised öğrenmenin özelliklerinden bahsedeceğiz.