Makine Öğrenmesinin Satranç Oyunu Üzerine Uygulaması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen-Edebiyat Fakültesi, İstatistik Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Fatih Doğan Cellat
Danışman: Fatma Noyan Tekeli
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Satranç çağlar boyunca pek çok kişi tarafından oynanmış bir oyundur. İmparatorların satranç oynarken birçok taktik geliştirdikleri ve savaşlarda kullandıklarına inanılmaktadır. İlk derin öğrenme tekniklerinin satranç üzerinde geliştirilmesi nedeniyle makine öğrenmesi ve derin öğrenme için de önemli bir yere sahiptir. Makine öğreniminin bir alanı olan derin öğrenme, aynı zamanda insan beyni üzerinde modellenen yapay sinir ağlarının devrim niteliğinde bir gelişimidir. Yapay zeka, grafik modelleme, optimizasyon, örüntü tanıma ve sinyal işlemenin kesiştiği noktada ortaya çıkmıştır. Bu çalışmada öncelikle satrançtan ve tarihinden bahsedilmiştir. Daha sonra yapay zeka ve makine öğrenmesinden sonrasında makine öğrenmesinin bir alt dalı olan derin öğrenme kavramları tanımlanmıştır. Uygulama bölümünde Lichess sitesinden alınan verilerle geliştirilen modelde, satranç maçının sonucu derin öğrenme ve nöral ağlar kullanılarak tahminleyen bir uygulama geliştirilmiştir. Python açık kaynak dilinin kullanıldığı modelde derin öğrenme kütüphaneleri kullanılmış, hazırlık sürecinde beraberlik ile biten oyunlar atılmış, veriler birçok değişken azaltılarak ölçeklendirilmiş ve veriler modele uygun hale getirilmiştir. Oluşturulan model oyuncuların açılışlarını, puanlarını, maçın süresi vb. verileri giriş olarak kullanarak maç sonucunu tahminlemektedir. Çalışma üstüne yapılan veri analizleri sonucunda bu veri seti için beyaz renk ile oynayan oyuncuların yaklaşık %52 oranda ve siyah renk ile oynayan oyuncuları %48 oranda kazandığı görülmüştür. Yine aynı veri için en çok oynanılan ilk 3 açılışın sırasıyla Sicilya Defansı, Fransız Defansı ve Vezir'in Piyon Oyunu olduğu görülmüştür. Çalışmada verinin %15'i test %85'i eğitim verisi olarak kullanılmıştır. Model test verisini %65 oranda doğru eğitim verisini ise %72 oranda doğru tahminlemiştir.