Makine öğrenmesi, bilgisayarların açıkça programlanmadan, deneyimlerden öğrenmesini sağlayan bir yapay zeka alanıdır. Bir makine öğrenmesi modelinin "eğitilmesi" demek, o modelin belirli bir görevi yerine getirebilmesi için gerekli bilgi ve kalıpları öğrenmesidir. Şimdi seçenekleri inceleyelim:
- A) Veri: Makine öğrenmesi modelleri, tahmin yapmak veya kararlar almak için kalıpları ve ilişkileri öğrenmek amacıyla büyük miktarda veriyle beslenir. Örneğin, bir modelin kedi resimlerini tanımasını istiyorsanız, ona binlerce kedi ve kedi olmayan resim gösterirsiniz. Model, bu verilerdeki özellikleri (kulak şekli, bıyıklar vb.) öğrenerek kedileri ayırt etmeyi öğrenir. Bu süreç, modelin "eğitilmesi" olarak adlandırılır. Veri, makine öğrenmesinin temel yakıtıdır.
- B) Elektrik: Elektrik, bilgisayarların ve dolayısıyla makine öğrenmesi modellerinin çalışması için gerekli olan enerjidir. Ancak elektrik, modelin kendisini "eğiten" şey değildir; sadece çalışmasını sağlayan fiziksel bir gereksinimdir.
- C) Işık: Işık, bazı sensörler aracılığıyla veri toplamak için kullanılabilir (örneğin, kameralar görüntü verisi toplar). Ancak ışık, doğrudan modelin kendisini eğiten bir faktör değildir. Toplanan görüntü verisi, modelin eğitildiği şeydir.
- D) Ses: Ses de tıpkı ışık gibi, ses tanıma modelleri için bir veri türü olabilir. Bir modelin sesli komutları anlamasını istiyorsanız, ona ses kayıtları (veri) sağlarsınız. Ancak sesin kendisi, modelin eğitildiği şey değil, eğitildiği verinin bir biçimidir.
Özetle, makine öğrenmesi modelleri, belirli bir görevi yerine getirebilmek için gerekli kalıpları ve bilgileri öğrenmek amacıyla büyük miktarda veri ile beslenir ve bu süreç "eğitim" olarak adlandırılır.
Cevap A seçeneğidir.
