Representation Learning

Representation Learning (Feature Learning)

Türkçe: Temsil Öğrenmesi / Nitelik Öğrenmesi

Ayrıntılı Tanım

Sistemin, ham veriden (ham piksel, ses dalgası, ham metin) sınıflandırma veya tahmin için gereken anlamlı özellikleri insan müdahalesi olmadan kendi kendine keşfetmesi ve matematiksel vektör uzayına dönüştürmesi sürecidir.

Ne İşe Yarar / Çözülen Problem

Yıllar alan zahmetli el yapımı özellik mühendisliğini (manual feature engineering) ortadan kaldırır; ham verinin içerisindeki gizli hiyerarşik yapıları açığa çıkarır.

Nasıl Çalışır? (Teknik & Mekanizma)

Çok katmanlı ağlar ilk katmanlarda basit geometrileri (kenarlar, çizgiler), orta katmanlarda parçaları (göz, burun), son katmanlarda ise bütüncül soyut kavramları (yüz, araç) öğrenerek hiyerarşik temsil matrisleri üretir.

Örnek Senaryo & Pratik Uygulama

Bir fotoğrafın ilk katmanda sadece siyah-beyaz çizgilere, üçüncü katmanda araba tekerleğine, son katmanda ise komple bir spor arabaya dönüştüğünü gösteren katman katman açılan görsel hiyerarşi.

Benzer Terimlerden Farkı

Feature Engineering'de kuralları insan eliyle kodlarken; Representation Learning'de model bu özellikleri gradyan inişi ile bizzat kendi türetir.

İlişkili Terimler (4)

#16

Feature Engineering

Nitelik / Özellik Mühendisliği

#70

Multi-Layer Perceptron (MLP)

Çok Katmanlı Algılayıcı (Çok Katmanlı Yapay Sinir Ağı)

#115

Autoencoder

Öz-Kodlayıcı