Amazon’un 20 yılı aşkın bir süredir makine öğrenimi üzerine kafa yorduğunu belirten Elaprolu, günümüzde yapılan pek çok işlemin makine öğrenimi ve deep learning (derin öğrenim) ile ilgili olduğunu söyledi ve ekledi: “Örneğin, web sitemize girip alışveriş yapmaya başladığınızda muhtemelen size bir şeyler öneriyoruz. Bunu yaparken alışveriş geçmişinizi ve benzer ürünleri satın alanların neler aldığını temel alıyoruz. Yani çok fazla kişiselleştirme ve tavsiye makinesi söz konusu. Ürün teslimatı yaparken, ürün gönderimi yaparken, bu ürünleri nerede depolamamız gerektiğini belirlemek için tedarik zinciri lojistiğini kullanıyoruz. Bu doğrultuda talep konusunda öngörüde bulunarak doğru lokasyonlarda uygun miktarda ürün depolayarak daha hızlı teslimat sunmaya odaklanıyoruz. Ve bu liste uzayarak devam ediyor… Yani makine öğrenimi oldukça uzun bir süredir oyunun içinde.”
AWS’nin Inferenta çözümünden bahseden Elaprolu, sözlerini şöyle sürdürdü: “Gerçek zamanlı sonuç elde etmek amacıyla özel tasarlanmış bir çip. Bu çip belli çıkarımlar yapmanızı sağlıyor ve bu da aslında geleceği tahmin etmek demek. NVidia GPU çiplerine oranla kayda değer performans avantajını yüzde 40 daha az maliyetle sunuyor. Yani çıkarım yapmak kayda değer oranda daha ucuz ve hızlı oluyor. Buna benzer şekilde, daha yüksek seviyede makine öğrenimi eğitimi için EC2 bulut sunucusu türlerimiz ya da işlem için optimize edilmiş bulut sunucusu türlerimiz var. Ve son olarak TensorFlow gibi, AWS altyapısı için optimize edilmiş GPU framework’lerini (iskelet) eklemenizi sağlayacak, başka yerlere göre çok daha hızlı işleyen GPU bulut sunucusu türlerimiz var. Yani en alttaki katman, uzman pratisyenleri olan bireyler ve organizasyonlar için.”
MAKİNE ÖĞRENİMİ DERİN ÖĞRENİMİ DE KAPSIYOR
‘Makine öğrenimine odaklanıyorsunuz, peki derin öğrenme konusunda ne düşünüyorsunuz’ sorusuna ‘Makine öğrenimi derin öğrenmeyi de içine alıyor’ diyen Elaprolu, sözlerini şöyle sürdürdü: “Makine öğrenimi bunun genel tanımı ve derin öğrenme de makine öğrenimi veya veri işlemenin belirli bir yöntemi. Klasik makine öğrenimi veya istatiksel temelli makine öğrenimi adı da verilen geleneksel makine öğreniminde elinizde bir algoritma, ayarlamanız gereken bazı ağırlıklar olur, verileri girersiniz ve diğer uçta tahminler elde edersiniz. Birden fazla katmanı olan sinir ağlarıyla veriyi bu katmanlardan geçirebilir, sürekli dönüştürebilir ve sonucunda son katmana yani çıktı katmanına ulaşabilirsiniz. Bu katmanda, tüm katmanlardan geçirilip elde edilen sonuçlar verilir.”
Derin öğrenimin bazı belirli kullanım durumları için uygun olduğuna dikkat çeken Elaprolu, “Temel kriter, bol verinin olması. Eğer yüksek miktarda veriniz varsa derin öğrenmeyi değerlendirmek isteyebilirsiniz; sınırlı veriye sahipseniz klasik, istatiksel temelli makine öğrenimini değerlendirmek isteyebilirsiniz. Yani farklı yaklaşımlar var. Belirli bir iş ihtiyacına, ne yapmaya çalıştığınıza, mevcut verilerinize bakarak AWS’teki ekipler sizi kesinlikle yönlendirebilir ve hangi yöntemin sizin için en iyisi olduğunu anlamanıza yardımcı olabilir. AutoML bunları düşünmenize gerek bırakmayan çok iyi bir çözüm. Bırakın AutoML veriye baksın, hangi algoritmaların uygun olduğuna kendi karar versin, verileri işlesin ve sonunda size sonuçları sunsun.” sözlerini kaydetti.
CodeGuru’nun iki önemli fonksiyonu olduğunu belirten Elaprolu, sözlerinin devamında şunları söyledi: “Biri kod analizi yapmak; yani, AWS’in en iyi örneklerini temel alarak kaynak kodunu anlamak, problemleri ve performans darboğazlarını, potansiyel güvenlik zafiyetlerini tespit etmek. Size problemin nerede olduğunu söyler, nasıl çözebileceğiniz konusunda öneriler verir ve problemle ilgilenmenizi sağlar. Diğer fonksiyonu da uygulama profilleme… Bunu geliştirdiğiniz, dağıttığınız ve çalışmakta olan bir uygulamanın performansını anlamak istediğinizde kullanabilirsiniz. Uygulamanız daha fazla CPU veya bellek kullandığında veya benzer bir durumda, uygulamanızı profilleyerek, neyin, nerede uygulamanın beklenildiği gibi çalışmamasına sebep olduğunu tespit edebilir ve gerekli düzeltmeleri yapabilirsiniz. CodeGuru’nun yaptığı şey bu.”
“Kendra ise geleneksel aramalarda olduğu gibi anahtar kelimeler bilmek yerine basit İngilizce kullanarak arama yapmanızı sağlayan bir kurumsal arama çözümü” diyen Elaprolu, sözlerinin devamında şu noktalara dikkat çekti:
“Anahtar kelimeler yerine doğal dili kullanıyor ve şirketinizin içinde bulunan oldukça büyük doküman deposu içerisinde arama yaparak hepsini çekip, indeksliyor ve bu temelde arama yapmanızı sağlıyor. Hizmetlerin bu katmanı da yüksek seviyede büyümeye devam ediyor. Yani, üç farklı hizmet katmanımız var ve organizasyonların ilgi ve deneyimleri doğrultusunda ya en alt katmandan başlıyorlar. Yaptıkları işin bir benzerinin olmaması durumunda müşterilerimizin çoğunluğu orta katmandan başlıyor. Örneğin, Intuit gibi şirketler veri hazırlığı işlemlerini SageMaker kullanarak yapıyorlar ve bu sayede aynı işlemleri önceden yaptıkları süreye kıyasla zamandan yüzde 90 seviyesinde tasarruf ediyorlar.”
MAKİNE ÖĞRENİMİNİN GELECEĞİ
Makine öğreniminin kat ettiği yola baktıklarında oldukça heyecanlı olduklarını dile getiren Elaprolu, bu alana yoğun ilgi gösteren çok sayıda işletmenin olduğunu söylerken, makine öğrenimine şirketlerin ilk adımı atmaya başladığını kaydetti. AWS’in platformunda diğer herhangi bir sağlayıcının iki katı kadar makine öğrenimi faaliyeti gerçekleştiğini belirten Elaprolu, sözlerini şöyle noktaladı: “Sadece SageMaker’a bile bakarsak, kullanan on binlerce müşterimiz var. 2019’da makine öğrenimi portföyümüze 250 yeni özellik ve hizmet ekledik. Sadece SageMaker’a 50 yeni özellik ekledik. Bunların büyük bir kısmı müşterilerden geliyor. Daha fazla müşteri makine öğrenimini kullanmaya ve bundan faydalanmaya başladıkça özel ihtiyaçlarla gelecekler ve nelerin bir özellik veya hizmet olarak oluşturulabileceğini anlamak için mühendislik ekiplerimizle çalışabilecekler. 5-10 sene içinde nerede olacağımızı bilemiyorum. Tek bir şeyden eminim, inovasyona devam edeceğiz ve müşterilerimiz istedikçe daha fazla özellik ve yetenek türeteceğiz.”