Data Drift

Veri kayması (data drift), bir üretim ortamında gözlemlenen girdi verilerinin istatistiksel özelliklerinin, modeli oluşturmak için başlangıçta kullanılan eğitim verilerine kıyasla zamanla değiştiği makine öğrenimi (ML) olgusunu ifade eder. Bir model dağıtıldığında, karşılaştığı gerçek dünya verilerinin temel olarak öğrendiği geçmiş verilere benzeyeceği zımni varsayımı altında çalışır. Bu varsayım, değişen çevresel koşullar veya kullanıcı davranışları nedeniyle ihlal edilirse, modelin kodu ve parametreleri değişmeden kalsa bile modelin doğruluğu ve güvenilirliği önemli ölçüde düşebilir. Veri kaymasını tespit etmek ve yönetmek, yapay zeka sistemlerinin model dağıtımından sonra da değer sunmaya devam etmesini sağlayan Makine Öğrenimi İşlemleri'nin (MLOps) kritik bir bileşenidir.

Veri Kayması ve Kavram Kayması#

Yapay zeka sistemlerini etkili bir şekilde sürdürmek için veri kaymasını, yakından ilişkili bir terim olan kavram kaymasından ayırt etmek şarttır. Her ikisi de performans düşüşüne yol açsa da, bunlar ortamdaki farklı değişikliklerden kaynaklanır.

• Veri Kayması (Kovaryans Kayması): Bu durum, girdi özelliklerinin dağılımı değiştiğinde ancak girdiler ile hedef çıktı arasındaki ilişki kararlı kaldığında gerçekleşir. Örneğin, bilgisayarlı görüde (CV), bir model gündüz çekilen görüntüler üzerinde eğitilmiş olabilir. Kamera alacakaranlıkta görüntü yakalamaya başlarsa, girdi dağılımı (aydınlatma, gölgeler) kaymıştır, ancak bir "araba" veya "yaya" tanımı aynı kalır.
• Kavram Kayması: Bu durum, girdi özellikleri ile hedef değişken arasındaki istatistiksel ilişki değiştiğinde meydana gelir. Başka bir deyişle, gerçek gerçekliğin (ground truth) tanımı evrilir. Örneğin, finansal dolandırıcılık tespiti alanında, dolandırıcılar taktiklerini uyarladıkça hileli faaliyet oluşturan kalıplar genellikle değişir ve güvenli ile dolandırıcılık içeren işlemler arasındaki sınırı değiştirir.

Gerçek Dünya Uygulamaları ve Örnekleri#

Veri kayması, Yapay Zeka'nın (AI) dinamik, fiziksel ortamlarla etkileşime girdiğe endüstrilerde yaygın bir zorluktur.

1. Otonom Sistemler: Otonom araçlar alanında, algılama modelleri güvenli bir şekilde seyrüsefer yapmak için nesne tespiti özelliğine güvenir. Öncelikli olarak güneşli Kaliforniya yollarından gelen verilerle eğitilmiş bir model, yoğun kar yağışı alan bir bölgede devreye alınırsa ciddi veri kayması yaşayabilir. Görsel girdiler (karla kaplı şeritler, gizlenmiş tabelalar) eğitim setinden büyük ölçüde farklılık gösterir ve bu durum şerit tespiti gibi güvenlik özelliklerini tehlikeye atabilir.

2. Sağlık Görüntüleme: Tıbbi görüntü analizi sistemleri, hastaneler donanımlarını yükselttiğinde kaymadan etkilenebilir. Bir model belirli bir tarayıcı üreticisinin röntgenleri üzerinde eğitildiyse, farklı çözünürlük veya kontrast ayarlarına sahip yeni bir makinenin tanıtılması veri dağılımında bir kaymayı temsil eder. Model bakımı olmaksızın, teşhis performansı düşebilir.

Tespit ve Azaltma Stratejileri#

Kaymayı erken tanımlamak, modelin emin ancak hatalı tahminler yaptığı "sessiz hata" durumunu önler. Ekipler, bu anormalliklerin iş çıktılarını etkilemeden önce tespit edilmesi için çeşitli stratejiler kullanır.

Tespit Yöntemleri#

• İstatistiksel Testler: Mühendisler, gelen üretim verilerinin dağılımını eğitim temel çizgisine göre matematiksel olarak karşılaştırmak için sıklıkla Kolmogorov-Smirnov testi gibi yöntemler kullanırlar.
• Performans İzleme: Gerçek zamanlı olarak kesinlik (precision) ve duyarlılık (recall) gibi metrikleri takip etmek, kayma tespiti için bir vekil görevi görebilir. Bir YOLO26 modelinin ortalama güven puanındaki ani bir düşüş, genellikle modelin yeni veri kalıplarıyla başa çıkmakta zorlandığını gösterir.
• Görselleştirme: TensorBoard gibi araçlar veya Grafana gibi özel platformlar, ekiplerin özellik dağılımlarının histogramlarını görselleştirmesine olanak tanıyarak kaymaların görsel olarak fark edilmesini kolaylaştırır.

Azaltma Teknikleri#

• Yeniden Eğitim: En güçlü çözüm genellikle modeli yeniden eğitmektir. Bu, yeni, kaymaya uğramış verilerin toplanmasını, etiketlenmesini ve orijinal veri setiyle birleştirilmesini içerir. Ultralytics Platform, veri seti yönetimi ve bulut tabanlı eğitim için araçlar sağlayarak bu süreci basitleştirir.
• Veri Artırma: İlk eğitim sırasında parlaklığı değiştirmek, gürültü eklemek veya görüntüleri döndürmek gibi kapsamlı veri artırma (data augmentation) teknikleri uygulamak, modeli küçük çevresel değişikliklere karşı daha dirençli hale getirebilir.
• Etki Alanı Uyarlaması: Aktarımlı öğrenme (transfer learning) içindeki teknikler, modellerin daha az miktarda etiketli veri kullanarak yeni bir hedef etki alanına uyum sağlamasına olanak tanır ve kaynak eğitim ortamı ile yeni üretim gerçekliği arasındaki boşluğu kapatır.

Modelinin tahminlerinin güven düzeyini kontrol ederek temel kayma izlemesini uygulayabilirsin. Ortalama güven düzeyi sürekli olarak güvenilir bir eşik değerin altına düşerse, bu durum veri incelemesi için bir uyarıyı tetikleyebilir.

from ultralytics import YOLO

# Load the official YOLO26 model
model = YOLO("yolo26n.pt")

# Run inference on a new image from the production stream
results = model("https://ultralytics.com/images/bus.jpg")

# Monitor confidence scores; consistently low scores may signal data drift
for result in results:
    for box in result.boxes:
        print(f"Class: {box.cls}, Confidence: {box.conf.item():.2f}")

Veri kaymasını yönetmek bir defaya mahsus bir düzeltme değil, sürekli bir yaşam döngüsü sürecidir. Bulut sağlayıcıları, bunu otomatikleştirmek için AWS SageMaker Model Monitor veya Google Cloud Vertex AI gibi yönetilen hizmetler sunar. Organizasyonlar, bu kaymaları proaktif bir şekilde izleyerek modellerinin sağlam kalmasını sağlar ve yapay zeka güvenliği ile operasyonel verimlilik standartlarını yüksek tutar.