Özdemir, ŞebnemÖrslü, Suat2021-01-292021-01-292019Özdemi̇r, Ş , Örslü, S . (2019). Makine Öğrenmesinde Yeni Bir Bakış Açısı: Otomatik Makine Öğrenmesi (AutoML) . Journal of Information Systems and Management Research , 1 (1) , 23-30 . Retrieved from https://dergipark.org.tr/tr/pub/jismar/issue/51306/6410462717-9931https://hdl.handle.net/20.500.12713/1388Veriden değer çıkartma sürecinde, kaliteli bir makine öğrenmesi yaşam döngüsünün sağlanması, sağlıklı verinin eldesi kadar, doğru araç ve doğru insan işbirliğine de bağlıdır. Teknolojik gelişmeler pek çok yeni ve başarılı aracı bu döngü için kullanılabilir hale getirmişse de yetkin insan sayısının azlığı önemli bir darboğaz yaratmaktadır. Otomatik Makine Öğrenmesi (AutoML), bu darboğazın aşılmasında, insan deneyimine bağlı sürecin daha bağımsız ve demokratik hale getirilmesi için kullanılmaktadır. Bu çalışmada, AutoML kavramına, geliştirilen araçlardaki temel yaklaşımlara yer verilmiştir. Ayrıca açık kaynaklı, startup destekli ve teknoloji devleri tarafından geliştirilen bazı araçların kapsamları hakkında da bilgi verilmektedir. Çalışmada AutoML’in insan işbirliği ile elde edebileceği başarı, bir veri seti ve üç takım üzerinden yapılan deneme süreci kapsamında sunulmaktadır. Elde edilen sonuçlar, makine öğrenmesi yarışmaları düzenleyen Kaggle’ın Mayıs 2019 tarihinde düzenlediği autoML – insan yarışmasıyla da uyumludur.In the process of extracting value from the data and having quality in machine learning life cycle depend on the right tool and the right human cooperation as well as obtaining convenient data. Although technological advances have made many new and successful tools available for this cycle, the scarcity of competent people create a major bottleneck. Automated Machine Learning (AutoML) was suggested not only overcoming that bottleneck but also creating the process with the less human effect, more independent and democratic. In this study, the concept of AutoML and the fundamental approaches and the developed tools are given. The accuracy rates, obtained by AutoML with human collaboration, is also presented within the scope of a data set and trials by three teams. The results obtained are consistent with Kaggle's AutoML - human competition in May 2019.trinfo:eu-repo/semantics/openAccessAUTOMLMakine ÖğrenmesiVeriMachine LearningDataArticle112330