Yapay Zeka Öğrenmenin En İyi Yolu: 6 Adım
Sıfırdan başlıyorsan yapay zeka öğrenmenin en iyi yolu şu: dar bir hedef seç, beş kursa birden başlamak yerine tek bir kursu sonuna kadar bitir ve öğrendiğini tekrar okumak yerine kendine sorarak sına. Çoğu kişi ilk kısımda değil ikincisinde takılır: kaydedilmiş video listeleri birikir, hiçbiri tamamlanmaz. Aşağıdaki altı adım, ilk hafta içinde yapay zeka araçlarını kullanmaya başlayacak ve bir ay içinde küçük de olsa bir şey yapmış olacak şekilde sıralandı.
Adım 1: "Yapay zeka öğreneceğim"i bitirebileceğin tek bir cümleye çevir
"Yapay zeka öğrenmek" bir hedef değil, bir başlık. Bunu nesnesi olan tek bir cümle olarak yeniden yaz: "Kendi metinlerimle küçük bir modeli ince ayarlamak istiyorum", "ChatGPT'nin bir cevabı nasıl ürettiğini anlamak istiyorum" ya da "yapay zeka araçlarını haftamdan iki saat kısacak kadar iyi kullanmak istiyorum".
Bu üç cümle tamamen farklı okuma listelerine çıkar. Birincisi Python ve PyTorch ister. İkincisi kavram ister, kod neredeyse hiç istemez. Üçüncüsü hiç teori istemez, sadece araçlarla bilinçli pratik. Yanlış seçmenin bedeli düşük; hiç seçmemek altı ayına mal olur.
Adım 2: Matematikten önce terimleri öğren
Konuşmanın büyük bölümünü aşağı yukarı on beş terim taşır: model, parametre, ağırlık, eğitim, çıkarım, veri kümesi, etiket, aşırı öğrenme, yapay sinir ağı, transformer, token, prompt, gömme (embedding), ince ayar, halüsinasyon. Bu kelimeler bulanıksa okuduğun her yazı olması gerekenin üç katı çaba ister.
Yeni başlayanları en çok karıştıran ikiliyle başla: eğitim sırasında ne olur, çıkarım sırasında ne olur. Eğitim, modelin veriye karşı parametrelerini ayarladığı pahalı ve tek seferlik süreçtir. Çıkarım, bitmiş modelin senin girdinle çalıştırıldığı ucuz ve tekrar tekrar yapılan süreçtir. Bu ayrım netleştiğinde "ChatGPT benim konuşmamdan öğreniyor mu?" gibi sorular kendiliğinden cevaplanır.
Bu adıma birkaç hafta değil birkaç gün ayır. Terimler bir ön koşuldur, başlı başına bir ders değil.
Adım 3: Tek bir kurs seç ve bitir
Bitirmek, seçmekten önemlidir. Aşağıdaki kursların hepsi seni gerçek bir anlayışa taşır; üçüncü derste bırakıp bir başkasına geçersen hiçbiri taşımaz.
| Geldiğin yer | Buradan başla | Neden uyar |
|---|---|---|
| Hiç kod bilmiyorum | Elements of AI, Helsinki Üniversitesi | Kavram öncelikli, ücretsiz, programlama istemiyor |
| Biraz Python biliyorum | Andrew Ng, Machine Learning Specialization | Sezgi, matematik ve kodu başlangıç temposunda birlikte kurar |
| Kod rahatım, sabrım yok | fast.ai, Practical Deep Learning for Coders | Jeremy Howard'ın yukarıdan aşağı yaklaşımı: ilk derste çalışan model, teori sonra |
| Sadece araçları iyi kullanmak istiyorum | Üreticinin kendi dokümantasyonu ve günlük pratik | Prompt yazmak tamamlanacak bir müfredat değil, tekrarla oturan bir beceri |
Kötü bir haftada bile sürdürebileceğin bir programa söz ver. Gerçekten tuttuğun haftada dört saat, şubatta bıraktığın on beş saatlik plandan iyidir. Sorun bütçeyse bu yolun ücretsiz hali gerçekten eksiksiz, ve rastgele toplamak yerine bilinçli planlamaya değer.
Adım 4: Çalışırken araçları her gün kullan
Dil modelleri hakkında okumak sana onların ne olduğunu öğretir. Bir saat boyunca birini kullanmak nerede tökezlediklerini öğretir, ki daha işe yarar yarısı budur.
Kendi haftandan gerçek işler seç ve bir yapay zeka aracından geçir: zaten okuman gereken bir metni özetlet, yazmaya bir türlü başlayamadığın maili taslak olarak yazdır, takip edemediğin dersi anlattır. Sonra yeni başlayanların atladığı şeyi yap: çıktıyı gerçekle karşılaştır. Kaynak uydurduğu yeri fark et. Kendi verdiğin yanlış öncüle katıldığı anı fark et. İsteğini nasıl ifade ettiğinin cevabı ne kadar değiştirdiğini fark et.
Kursta öğrendiğin terimleri işleyen bir sezgiye çeviren şey bu günlük temastır. Teorinin soyut geldiği haftalarda motivasyonu ayakta tutan da odur.
Adım 5: Tekrar okumak yerine kendini test et
Bu listedeki en çok işe yarayan alışkanlık bu, ve çoğu kişinin tam tersini yaptığı da bu.
Roediger ve Karpicke'nin 2006 tarihli deneylerinde, bir metni okuduktan sonra hatırlama testi çözen öğrenciler, aynı metni aynı sayıda tekrar okuyan öğrencilere göre bir hafta sonra belirgin şekilde daha fazlasını hatırladı. Tekrar okuyanlar kendilerinden daha emindi. Daha kötü sonuç aldılar. Dunlosky ve arkadaşları 2013'te on çalışma tekniğini incelediklerinde aynı sonuca vardı: deneme testi çözmek ve aralıklı tekrar yüksek fayda değerlendirmesi aldı, en yaygın iki yöntem olan altını çizmek ve tekrar okumak ise düşük fayda aldı.
Yapay zeka çalışmasına uygulayınca bu şu demek: videoyu kapat ve sesli cevapla. Parametre nedir, model neden aşırı öğrenir, temperature neyi değiştirir. Hatırlamayı zorlayan her şey işe yarar. Cevabı ezberden yazmak işe yarar. Bir arkadaşına kötü kötü anlatmak işe yarar. Soruları elle yazmak istemiyorsan Qora gibi bir uygulama kendi ders notlarını ya da bir sayfanın fotoğrafını alıp o materyalden kısa bir ders ve sorular çıkarabilir, böylece test genel bir soru bankasına değil gerçekten çalıştığın şeye bağlı kalır. Araçtan çok mekanizma önemli: kendi notlarından çıkarılmış bir deneme testi, aynı bölümü dördüncü kez okumaktan iyidir.
Adım 6: Küçük bir proje bitir
Çirkin de olsa bir şeyi bitir. Maillerini iki klasöre ayıran bir betik. Kendi PDF notların üzerinde çalışan bir sohbet botu. Açık bir veri kümesinden önemsiz bir şeyi tahmin eden bir model. Kapsamı bir hafta sonuna sığacak kadar tut.
Kursun hangi kısımlarını sadece anladığını sandığını proje sırasında keşfedersin. Biri "ne biliyorsun" diye sorduğunda gösterebileceğin şey de odur, hiçbir sertifika bunu bu kadar iyi yapmaz.
Bu yöntemin yetmediği yerler
Tek başına seni işe alınabilir yapmaz. Altı adım ve bir hafta sonu projesi, konuya hakim bir başlangıç seviyesi üretir, makine öğrenmesi mühendisi üretmez. Profesyonel olarak model kuran roller hâlâ lineer cebir, olasılık, istatistik ve üretim ortamı mühendisliği bekler, ve bu birkaç haftalık değil birkaç yıllık bir yol.
Araştırma yönünde ilerlemek isteyen için de zayıf kalır. Hedefin arXiv'deki makaleleri okumak ve türetmeleri takip etmekse, üçüncü adımdaki yukarıdan aşağı kursların izin verdiği gibi matematiği erteleyemezsin. Lineer cebir ve olasılıkta gerçek bir ders yükü gerekir, ve dürüst sıralama eğlenceli kısımları aylarca geciktirse bile önce o temeli kurmaktır.
Kendini test etmenin de bir tavanı var. Zaten karşılaştığın şeyi pekiştirir; alanın neyi önemli saydığını sana söyleyemez. Yapılandırılmış bir müfredat ve başka insanlar bunun için var.
Sık sorulan sorular
Yapay zeka öğrenmek için kod bilmek şart mı?
Anlamak için değil. Elements of AI gibi kurslar kavramları, sınırları ve uygulamaları hiç programlama olmadan anlatıyor, ve bu araçları iyi kullanmaya ve kamuoyundaki tartışmayı sağlıklı takip etmeye yeter. Modelleri kendin eğitmek, ince ayar yapmak veya yayına almak istiyorsan Python gerekir.
Gerçekte ne kadar matematik lazım?
Araçları kullanmak için hiç. Modellerin nasıl çalıştığını kavramsal düzeyde anlamak için temel cebire ve fonksiyon fikrine aşinalık. Model kurmak için lineer cebir, türev-integral ve olasılık. Pratik yaklaşım, ilginç hiçbir şeye dokunmadan üç ay ön koşul çalışmak yerine, belirli bir kavram önünü tıkadığında o matematiği öğrenmektir.
Sıfırdan yapay zeka öğrenmek ne kadar sürer?
Konuyu bilerek konuşmak ve araçları yetkin kullanmak için: birkaç hafta istikrarlı çaba. Basit modeller kurup eğitmek için: düzenli pratikle üç ila altı ay. Alanda profesyonel çalışmak için: yıllar. Otuz günde kariyer değişimi vaat eden biri sana kurs satıyordur.
Kursa para vermeli miyim?
Başta hayır. Yeni başlayanlar için en güçlü materyaller, Elements of AI, fast.ai ve Google'ın Machine Learning Crash Course'u dahil, ücretsiz. Tam olarak hangi boşluğu kapattığını öğrendikten sonra öde, çünkü bitirdiğin ücretli bir kurs, yarım bıraktığın ücretsizden çok daha değerli, ve o noktada hangisinin hangisi olduğunu biliyor olacaksın.
Bu hafta başla
Birinci adımdaki tek cümleni yaz, tablodan sana uyan kursu seç ve bu hafta takvimine dört saat ayır. Sonra ikinci dersi açmadan önce notlarını kapat ve ilk dersten hatırladığın beş şeyi yaz. O küçük ve rahatsız edici hatırlama çabası, çok sayıda yapay zeka içeriği izlemiş biriyle bir şeyler öğrenmiş biri arasındaki farktır.