Training Data

Eğitim verisi, bir makine öğrenimi modeline kalıpları nasıl tanıyacağını, tahminlerde bulunacağını veya belirli görevleri nasıl gerçekleştireceğini öğretmek için kullanılan başlangıç veri kümesidir. Yapay zeka sistemleri için temel bir ders kitabı görevi görerek, algoritmanın iç parametrelerini ayarlamak için analiz ettiği temel gerçeği sağlar. Denetimli öğrenme bağlamında eğitim verisi, modelin ikisi arasındaki ilişkiyi öğrenmesini sağlayan, karşılık gelen çıktı etiketleriyle eşleştirilmiş girdi örneklerinden oluşur. Bu verilerin kalitesi, miktarı ve çeşitliliği, modelin nihai doğruluğunu ve yeni, görülmemiş bilgilere uyum sağlama yeteneğini doğrudan etkiler.

Yapay Zekada Eğitim Verisinin Rolü#

Eğitim verilerinin birincil işlevi, modelin tahminleri ile gerçek sonuçlar arasındaki hatayı en aza indirmektir. Model eğitimi sürecinde, algoritma verileri yinelemeli olarak işler; bir görüntüdeki kenarlar veya bir cümledeki anahtar kelimeler gibi belirli etiketlerle korelasyon gösteren özellikleri tanımlar. Bu süreç, eğitim sırasında hiperparametreleri ayarlamak için kullanılan doğrulama verilerinden ve modelin performansının nihai değerlendirmesi için ayrılan test verilerinden farklıdır.

Yüksek kaliteli eğitim verileri, modelin karşılaşacağı gerçek dünya senaryolarını temsil etmelidir. Veri seti önyargı içeriyorsa veya çeşitlilikten yoksunsa, model, eğitim örneklerini ezberlediği ancak yeni girdilerde iyi performans gösteremediği aşırı öğrenmeden (overfitting) muzdarip olabilir. Buna karşılık, veriler modelin alttaki kalıpları yakalaması için çok basit veya yetersiz olduğunda eksik öğrenme (underfitting) meydana gelir.

Gerçek Dünya Uygulamaları#

Eğitim verisi, sistemlerin geçmiş örneklerden öğrenmesini sağlayarak hemen hemen her sektördeki yeniliklere güç verir.

• Sağlıkta Yapay Zeka: Tıbbi teşhiste eğitim verileri, "sağlıklı" veya zatürree gibi belirli patolojileri içeren olarak etiketlenmiş binlerce röntgen görüntüsünden oluşabilir. Ultralytics YOLO26 gibi modeller, bu etiketlenmiş örnekleri işleyerek potansiyel anormallikleri yüksek hassasiyetle vurgulamak suretiyle radyologlara yardımcı olmayı öğrenebilir ve teşhis sürelerini önemli ölçüde hızlandırabilir.
• Otonom Araçlar: Sürücüsüz araçlar, milyonlarca mil sürüş görüntüsü içeren devasa veri setlerine güvenir. Bu eğitim verileri; yayaları, trafik işaretlerini, diğer araçları ve şerit çizgilerini gösteren açıklamalı kareler içerir. Waymo Open Dataset veya nuScenes gibi kapsamlı kütüphanelerden sağlanan bu bilgiler, aracın algılama sistemine karmaşık ortamlarda güvenli bir şekilde seyahat etmeyi öğretir.

Veri Kaynağı Bulma ve Yönetme#

Sağlam eğitim verileri elde etmek genellikle bir makine öğrenimi projesinin en zorlu kısmıdır. Veriler, Google Dataset Search gibi genel depolar veya nesne algılama için COCO gibi özel koleksiyonlar üzerinden sağlanabilir. Bununla birlikte, ham veriler doğruluğu sağlamak için genellikle dikkatli bir veri temizleme ve etiketleme süreci gerektirir.

Ultralytics Platform gibi araçlar, veri setlerini yüklemek, etiketlemek ve yönetmek için entegre bir ortam sunarak bu iş akışını kolaylaştırmıştır. Etkili yönetim ayrıca, mevcut görüntülere çevirme, döndürme veya renk ayarı gibi dönüşümler uygulayarak eğitim setinin boyutunu yapay olarak artırmak için kullanılan bir teknik olan veri artırma (data augmentation) işlemlerini de içerir. Bu, modellerin girdi verilerindeki varyasyonlara karşı daha dirençli olmasına yardımcı olur.

Ultralytics YOLO26 ile Pratik Örnek#

Aşağıdaki Python örneği, ultralytics kütüphanesini kullanarak eğitime nasıl başlanacağını göstermektedir. Burada, önceden eğitilmiş bir YOLO26 modeli, eğitim boru hatlarını doğrulamak için tasarlanmış küçük bir veri seti olan COCO8 veri seti üzerinde ince ayara (fine-tuning) tabi tutulur.

from ultralytics import YOLO

# Load a pre-trained YOLO26n model
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset for 5 epochs
# The 'data' argument specifies the dataset configuration file
results = model.train(data="coco8.yaml", epochs=5, imgsz=640)

Veri Kalitesinin Önemi#

"Çöp girerse çöp çıkar" (garbage in, garbage out) deyişi makine öğrenimi için temeldir. Transformers veya derin Evrişimli Sinir Ağları (CNN'ler) gibi en gelişmiş mimariler bile zayıf eğitim verilerini telafi edemez. Temel gerçeklik (ground truth) etiketlerinin yanlış olduğu etiket gürültüsü gibi sorunlar performansı ciddi ölçüde düşürebilir. Bu nedenle, veri setinin bütünlüğünü korumak için genellikle insan denetimli (human-in-the-loop) doğrulamayı içeren titiz kalite güvence süreçleri şarttır.

Ayrıca, Yapay Zeka Etiği ilkelerine bağlı kalmak, eğitim verilerinin demografik veya sosyoekonomik önyargılar açısından incelenmesini gerektirir. Yapay zekada adaletli olmak, dağıtılmış uygulamalarda ayrımcı sonuçların önlenmesine yardımcı olan dengeli ve temsil edici bir eğitim veri seti ile başlar.