Makine öğreniminin yaygın kullanım örneklerinden birkaç tanesini paylaşabilir misiniz? 

Daha önce de belirttiğim gibi, makine öğrenimi başlangıçta sayılı sektörler, müşteriler ve kuruluşlar ile sınırlıydı. Ancak AWS’nin üç farklı katmanda yaptıkları sayesinde giderek daha yaygın bir şekilde kullanılabilir hale geliyor, karmaşıklıklar da artık yavaş yavaş azalıyor. Bu nedenle, artık çok daha fazla müşterinin makine öğrenimi tabanlı çözümler uyguladığını ve makine öğrenimini kendi ürün ve çözümlerine dahil ettiğini görmeye başladık. Akla gelebilecek her sektörden müşterinin makine öğrenimini keşfetmeye başladığını görüyoruz. Müşterilerimizin neler yaptığına ve makine öğrenimi kullandıkları ilginç alanlara göz atabilmeniz için size dört farklı sektörden kullanım örnekleri vereceğim.

Ev aletleri alanında en büyük üreticilerden biri olan Türkiye merkezli bir müşteri ile başlayayım: Arçelik. Çok fazla üretim tesisine sahipler ve ellerinde ürünlerle, nasıl üretildikleri ile, üretimde kullanılan çeşitli bileşenlerle ve ürün satıldıktan sonra verilen servis ve bakım hizmetleriyle alakalı çok fazla veri var. Arçelik’in gelişmiş analitik için ve bu veriler üzerinde makine öğrenimi uygulamak için AWS üzerinde bir platform oluşturmasının ilk adımı bir data lake oluşturmaktı. Bir data lake, müşterilerin üretim, satış, tahminler, bakım sistemleri, müşteri destek sistemleri gibi normal operasyonları için kullanılan çeşitli sistemlerden verilerin taşınmasına olanak tanır.

Data lake ile tüm bu farklı sistemlerden gelen verileri AWS’de merkezi bir konuma getirebilirsiniz. Veriler lake’e getirildikten sonra onların üzerine artık yenilikçi bazı özellikler sağlamak için Amazon SageMaker kullanılarak geliştirilen makine öğrenimi modelleri uygulayabilirsiniz. Örneğin, üretim süreçleri ile alakalı olan verilere bakarak, bu süreçlerin nasıl geliştirileceği ile ilgili alanları ortaya çıkarmak için makine öğrenimi modelleri uygulayabiliyorlar. Örneğin büyük üretim tesislerinde bir ürünün pek çok üretim aşaması oluyor.

Tüm bu süreç içerisinde iyileştirme yapılabilecek alanları belirleyebilirseniz, mesela israfı azaltarak süreci kısaltabiliyorsanız, bu, ürünün yapım, sevk ve üretme maliyetine ilişkin genel süreci de iyileştirir. Bu nedenle Arçelik, makine öğrenimi modelleri kullanarak pek çok süreç iyileştirmesi sağlayabiliyor. Ayrıca ilginç olduğunu düşündüğüm birkaç alan daha var. Perakendecilerin ve diğer satış noktalarının verilerini getirip anlayarak, daha sonra bunları üretim tarafının verileri ile eşleştirerek ne zaman üretime geçilmesi gerektiğini ya da ürünlerin ne zaman kalite kontrole gitmesi gerektiğini belirleyebiliyorlar. Böylece ürünleri önceden üretip depolamak ve satış gerçekleşmesini ummak yerine, ürünler gerektiği zamanda gerektiği miktarda satışa hazır oluyor. Yani üretimden satışa kadar olan döngünün tamamını optimize edebiliyorlar.

Bir adım daha ileri giderek, SageMaker’ı kullanarak bir beceri geliştirdiler. Burada anonim bir şekilde müşteri hizmetlerine gelen çağrıların verilerinden hangi ürünlerin ve hangi parçaların bakıma gitmesi gerektiğini ve tam olarak hangi parçaların üretilmesi gerektiğini anlayabiliyor, böylece bir müşteri destek çağrısı geldiğinde harekete geçmek yerine, gelen çağrılara önceden hazırlıklı olduklarından çok daha iyi bir şekilde karşılık verebiliyorlar. Makine öğrenimi, Arçelik’in üretim hatlarını iyileştirme, müşterilerine hizmet verme, ürünlerin bakımı konusunda müşterilerini destekleme, satış döngüsünü anlama gibi alanlarda neler yapabileceğini etkiliyor ve doğru zamanda üretime gitme, doğru zamanda kalite kontrol yapabilme gibi operasyonların iyileştirilmesine yardımcı oluyor. Yani onlara uçtan uca işlemlerini iyileştirme fırsatı sağlıyor. Biz de onlarla iş birliği yapmaktan ve süreçlerini iyileştirmek için makine öğrenimi uygulamalarına yardımcı olmaktan büyük heyecan duyuyoruz.