Eğitim Verisi Nedir?
İngilizce: Training Data
Yayın: · Son güncelleme:
Eğitim Verisi Nedir? Kısaca
Eğitim verisi, bir makine öğrenmesi modelinin kalıpları öğrenmek için kullandığı örneklerin bütünüdür; modelin ne bildiğini, ne kadar doğru olduğunu ve hangi önyargıları taşıdığını büyük ölçüde belirler.
Eğitim verisi (training data), bir yapay zekâ modelinin öğrenme sırasında gördüğü örnek veri kümesidir. Bir dil modeli için bu kitaplar, makaleler ve web sayfaları; bir görüntü tanıma modeli için etiketli fotoğraflar; bir ev fiyatı tahmin modeli için geçmiş satış kayıtları olabilir.
Eğitim, doğrulama ve test verisi
Veri genellikle üç parçaya ayrılır:
| Bölüm | Amacı |
|---|---|
| Eğitim verisi | Modelin parametrelerini öğrenmesi |
| Doğrulama verisi | Ayarları (hiperparametreleri) seçmek, aşırı öğrenmeyi izlemek |
| Test verisi | Modelin hiç görmediği verideki gerçek başarısını ölçmek |
Test verisinin eğitimde kullanılmaması kritik önemdedir; aksi hâlde model sınav sorularını önceden görmüş öğrenci gibi olur ve başarı yanıltıcı biçimde yüksek görünür.
İyi eğitim verisinin özellikleri
- Doğru: Hatalı etiketler modele yanlışı öğretir.
- Temsil edici: Gerçek kullanımda karşılaşılacak durumları kapsar.
- Dengeli: Belirli grup ya da durumlar aşırı veya eksik temsil edilmez.
- Yeterli miktarda: Görevin karmaşıklığına uygun büyüklüktedir.
- Yasal: Telif ve kişisel verilerin korunması kurallarına uygun toplanmıştır.
Denetimli öğrenmede verinin etiketlenmesi gerekir; dil modellerinin ön eğitimi ise çoğunlukla etiketsiz metinle yapılır.
Nelere dikkat etmeli?
"Çöp girerse çöp çıkar" ilkesi geçerlidir. Verideki önyargılar modele aynen geçer (algoritmik önyargı). Ayrıca model, eğitim verisinin toplandığı tarihten sonraki olayları bilemez; buna bilgi kesim tarihi denir.
Sıkça Sorulan Sorular
Yapay zekâ benim verilerimle eğitiliyor mu?
Bu, kullandığın hizmetin koşullarına bağlıdır. Bazı hizmetler sohbetleri modeli geliştirmek için kullanabilir, bazıları kapatma seçeneği sunar. Gizlilik ayarlarını ve kullanım koşullarını kontrol etmek en sağlıklı yoldur.
Daha fazla veri her zaman daha iyi model mi demek?
Genellikle veri arttıkça başarı artar ama kalite de en az miktar kadar önemlidir. Hatalı, tekrarlı ya da önyargılı büyük bir veri kümesi, temiz ve küçük bir kümeden daha kötü sonuç verebilir.