Makine Öğrenmesi Staj Projesi

Makine Öğrenmesi, Staj Projesi

Tam verimli ve istenilen şekilde çalışabilmem için gerekli altyapılar oturtulduktan sonra benim yönelmek istediğim alanla ilgili ana staj projesine stajın 2. haftasında başladım. Biliyorsunuz kargo şirketleri Desi adı verilen ölçü birimleriyle maliyet ve lojistik hesabı yapıyorlar. Ancak ürünün boyutlarını ve o siparişte kaç tane paketlenecek olduğunu bilseniz dahi teorik hesapla kutuladıktan sonra boşluklar dahil desi hesabı arasında bir uyuşmazlık var. Projemde sipariş veritabanından çekilen kısıtlı sayıda bilgiyle bir neural network(derin öğrenmenin temel yapıtaşlarından biri) algoritması yazıp bu hesap hatasını ortadan kaldırmam istendi. 

Zaten uzun süredir bu alanla ilgili çeşitli istatistik algoritmalarını araştırmakla ilgileniyordum ve ufak da olsa karşılaşacağım aşamalar ve zorluklarla ilgili bilgi sahibiydim fakat başkası tarafından düzenlenmiş veriyle bir algoritma geliştirmenin, veriyi kendi başına düzenleyip eldeki veriye göre algoritma geliştirme ile aynı şey olmadığını işe koyulunca anladım. Projeyi tamamlamak için gerekli aşamaları üstünkörü yazmak istiyorum.

•  Problemi belirle ve gerekli datanın(verinin) ne olduğunu listele.
• Gerekli kütüphaneleri belirle ve bilmiyorsan öğren. 
• Gerekli datayı elde et.
•  Elde edilen datayı makine öğrenimi için uygun hale getir. 

             (Görselleştir, Düzenle, Filtrele,  Aykırı değer ayıkla)

•  Programın eğitilebilmesi için Train Data ve test edilebilmesi için Test Data oluştur.
•  Problemin aşılabilmesi için gerekli istatistik algoritmalarını belirle.
•  Eldeki data için en uygun modeli kur.
•  Eldeki datayı kullanarak modeli eğit. 
•  Eğittiğin modeli görselleştir.
•  Gerekli düzenlemeleri yap.
•  Tasarladığın modeli ve weights dediğimiz eğitilmiş modelin parametrelerini ayrı ayrı kaydet.

•  Kaydettiğin yerden geri çağırabildiğin ve eğitilmiş model üzerinde tahmin yapabildiğin ayrı bir python dosyası oluştur.
•  Program yeterince iyi çalışıyorsa Altınkaya Odoo sistemine algoritmayı entegre et. 

POSTGRESQL

İlişkisel veri tabanı dediğimiz, excell tablosu gibi ve ortak kolonlarla birbirine anahtar kilit mekanizması oluşturan yapılar var. Bu yapılar yüz binlerce belki on milyonlarca satır bilgiyi çok verimli bir şekilde depolamaya, istediğimiz zaman bu bilgileri geri çağırmaya veyahut filtreleyip çağırmamıza olanak sağlıyor. Tabii ki bazı veritabanlarının verimli bir şekilde veri manipülasyonu yapabilmesi için bazı komutlar girmemiz gerekiyor bu komutlar da zamanla sorgu dillerini oluşturmuş. Altınkaya Odoo adı verilen bir sistem kullanmaya karar vermiş ve bu sistem veri alışverişi yaparken PostgreSQL adı verilen bir dil kullanıyor. Stajım süresinde bu dili yetkin seviyede kullanmayı öğrendiğimi de yan bilgi olarak vermek istedim.