Data-Centric AI

Veri Odaklı Yapay Zeka, makine öğrenimine yönelik, model mimarisini veya hiperparametreleri ayarlamaya odaklanmak yerine, bir modeli eğitmek için kullanılan veri kümesinin kalitesini iyileştirmeye odaklanan bir felsefe ve yaklaşımdır. Geleneksel model odaklı geliştirmede mühendisler, daha iyi performans elde etmek için algoritma üzerinde yinelemeler yaparken genellikle veri kümesini sabit tutarlar. Veri odaklı yapay zeka bu paradigmayı tersine çevirerek, birçok modern uygulama için model mimarisinin zaten yeterince gelişmiş olduğunu ve performansı artırmanın en etkili yolunun verinin kendisini sistematik olarak işlemek olduğunu öne sürer. Bu süreç; verilerin tutarlı, çeşitli ve gerçek dünya problemini temsil eder durumda olmalarını sağlamak için veri kümelerinin temizlenmesini, etiketlenmesini, artırılmasını ve kürasyonunu içerir.

Temel Felsefe: Nicelikten Ziyade Veri Kalitesi#

Veri merkezli metodolojilere geçiş, machine learning alanında "çöp girerse çöp çıkar" ilkesinin temel bir gerçek olduğunu kabul eder. Gürültülü veya önyargılı verilerle karşılaşıldığında, sadece daha fazla veri eklemek her zaman çözüm değildir. Bunun yerine bu yaklaşım, importance of high-quality computer vision datasets vurgusunu yapar. Geliştiriciler, data quality ve tutarlılığa öncelik vererek büyük ve dağınık veri setleri yerine daha küçük, iyi derlenmiş veri setleriyle genellikle daha yüksek doğruluk elde edebilir.

Bu felsefe, modelin bir sonraki aşamada etiketlenmesi en değerli veri noktalarını belirlemeye yardımcı olduğu active learning ile yakından ilişkilidir. Ultralytics Platform gibi araçlar, data annotation ve yönetim süreçlerini optimize ederek ekiplerin veri seti kalitesini artırmak için birlikte çalışmasına olanak tanır. Bu durum, veri setinin genellikle statik bir varlık olarak ele alındığı tamamen supervised learning iş akışlarıyla tezat oluşturur.

Veri Odaklı Yapay Zekada Temel Teknikler#

Veri odaklı bir stratejiyi uygulamak, basit veri toplamanın ötesine geçen çeşitli pratik adımları içerir.

• Etiket Tutarlılığı: Tüm etiketleyicilerin nesneleri tam olarak aynı şekilde etiketlemesini sağlamak çok önemlidir. Örneğin, object detection sürecinde bir arabanın yan aynasının sınırlayıcı kutuya (bounding box) dahil edilip edilmeyeceğinin katı bir şekilde tanımlanması, model performance üzerinde önemli bir etkiye sahip olabilir.
• Veri Artırma: Uç durumları (edge cases) ele almak için mevcut verilere sistematik olarak dönüşümler uygulamak. Döndürme ve mozaik artırma gibi tekniklerin modellerin daha iyi genelleşmesine nasıl yardımcı olduğunu anlamak için ultimate guide to data augmentation içeriğimizi okuyabilirsin.
• Hata Analizi: Modelin başarısız olduğu belirli sınıfları veya senaryoları belirlemek ve bu boşlukları gidermek için hedefli veriler toplamak. Bu işlem genellikle zayıflıkları tespit etmek için confusion matrices incelemeyi içerir.
• Veri Temizleme: Yinelenen görüntüleri kaldırmak, yanlış etiketlenmiş örnekleri düzeltmek ve neural network kafasını karıştırabilecek düşük kaliteli verileri filtrelemek.

Gerçek Dünya Uygulamaları#

Veri odaklı yaklaşımlar, güvenilirliğin tartışılamaz olduğu sektörleri dönüştürüyor.

1. Tıbbi Görüntüleme: tumor detection in medical imaging gibi alanlarda milyonlarca görüntü elde etmek imkansızdır. Bunun yerine araştırmacılar, son derece doğru, uzman tarafından incelenmiş veri setlerini derlemeye odaklanır. Veri merkezli bir yaklaşım, belirsiz etiketler hayati tehlike yaratan hatalara yol açabileceğinden segmentasyon maskesindeki her pikselin kesin olmasını sağlar.

2. Üretim Kalite Kontrolü: visual inspection systems devreye alınırken, kusursuz parçalara kıyasla çizikler veya ezikler gibi kusurlar nadirdir. Veri merkezli bir strateji, modelin her öğe için yalnızca "geçti" tahmini yapmamasını sağlamak amacıyla veri setini dengelemek için kusur verilerini sentezlemeyi veya özel olarak yakalamayı içerir.

Veri Odaklı Yapay Zeka vs. Model Odaklı Yapay Zeka#

Veri Merkezli Yapay Zeka ile Model Merkezli Yapay Zeka kavramlarını birbirinden ayırmak önemlidir. Model merkezli bir iş akışında veri seti sabittir ve amaç, model mimarisini değiştirerek (örneğin YOLO11 yerine özel bir ResNet'e geçmek) veya learning rate gibi parametreleri ayarlayarak metrikleri iyileştirmektir. Veri merkezli bir iş akışında ise model mimarisi sabittir (örneğin YOLO26 standardizasyonu) ve amaç, etiketleri temizleyerek, çeşitli örnekler ekleyerek veya outliers ile başa çıkarak metrikleri iyileştirmektir.

Aşağıdaki kod parçacığı basit veri merkezli bir incelemeyi göstermektedir: eğitimden önce veri setini bozuk görüntülere karşı kontrol etmek. Bu işlem, training pipeline sürecinin kötü veriler nedeniyle başarısız olmamasını sağlar.

from ultralytics.data.utils import check_cls_dataset

# Validate a classification dataset structure and integrity
# This helps identify issues with data organization before training begins
try:
    # Checks the dataset defined in a YAML or path structure
    check_cls_dataset("mnist", split="train")
    print("Dataset structure is valid and ready for data-centric curation.")
except Exception as e:
    print(f"Data issue found: {e}")

Veri Odaklı Geliştirme İçin Araçlar#

Veri merkezli yapay zekayı etkili bir şekilde uygulamak için geliştiriciler güçlü araçlara güvenir. Ultralytics Platform, verilerinin yaşam döngüsünü yönetmek için merkezi bir merkez görevi görür ve tutarlılığı korurken etiketleme sürecini hızlandıran auto-annotation özellikleri sunar. Ayrıca explorer tools kullanmak, kullanıcıların dağılımı ve önyargıyı anlamak için veri setlerinde anlamsal sorgular yapmasına (örneğin "gece vakti kırmızı arabaların tüm fotoğraflarını bul") olanak tanır.

Verilere odaklanarak mühendisler, autonomous vehicles veya smart retail gibi dinamik ortamlarda dağıtım için daha sağlam, adil ve pratik sistemler oluşturabilir. Bu değişim, birçok sorun için kodun çözülmüş bir sorun olduğunu, ancak verilerin inovasyonun sınır olmaya devam ettiğini kabul eder.