Liseliler İçin Yapay Zeka Yarışmalarına Hazırlık: Takım, Veri, Rapor

Bir yapay zeka yarışmasına hazırlanan lise takımı için en önemli üç iş şunlardır: şartnameyi satır satır okumak, veriyle erken ve dürüst çalışmak, yapılanı açık bir raporla anlatmak. TEKNOFEST gibi yarışmalarda takımları zorlayan şey çoğu zaman yalnızca model kurmak değil, bu üç adımdır. Aşağıdaki rehber, hangi yarışmaya katılırsanız katılın işinize yarayacak bir hazırlık düzeni sunuyor.

Önemli bir not: Her yarışmanın kategorileri, takvimi, yaş koşulları ve rapor biçimi farklıdır ve her yıl değişebilir. Bu yazı genel bir çalışma yöntemi anlatır. Katılmak istediğiniz yarışmanın güncel şartnamesini mutlaka resmi sitesinden okuyun.

1. Şartname nasıl okunur?

Şartname, yarışmanın anayasasıdır. Jüri, projenizi sizin fikrinize göre değil, şartnamede yazana göre değerlendirir. Bu yüzden şartnameyi bir kez hızlıca, sonra da takımca kalemle okuyun.

Okurken şu soruların cevabını bir tabloya çıkarın:

Soru	Nereye bakmalı?
Kimler katılabilir, takım kaç kişi olabilir?	Katılım koşulları
Hangi aşamalar var, son tarihler ne?	Takvim bölümü
Hangi problem çözülecek, sınırlar ne?	Görev tanımı
Hangi veri verilecek, dış veri kullanmak serbest mi?	Veri ve kurallar bölümü
Başarı nasıl ölçülecek?	Değerlendirme ölçütleri
Rapor hangi başlıkları içermeli, kaç sayfa?	Rapor şablonu
Hangi durumlar eleme sebebi?	Genel kurallar

Özellikle değerlendirme ölçütlerini dikkatle okuyun. Puanın bir kısmı model başarısından, bir kısmı özgünlükten, bir kısmı da rapor ve sunum kalitesinden geliyor olabilir. Emeğinizi puanın geldiği yerlere göre dağıtmak, akıllı bir stratejidir. Anlamadığınız bir madde varsa, tahmin yürütmek yerine yarışmanın resmi iletişim kanallarından sorun.

2. Takımda roller nasıl bölünür?

Küçük bir takımda herkes her işe dokunur, ama her işin bir “sahibi” olması takımı hızlandırır. Dört kişilik bir takım için örnek bir bölüşüm:

• Veri sorumlusu: Veriyi toplar, temizler, etiketler, düzenli tutar. Verinin nereden geldiğini ve hangi izinlerle kullanıldığını kayıt altına alır.
• Model sorumlusu: Farklı yöntemleri dener, sonuçları karşılaştırır, deney kayıtlarını tutar.
• Yazılım ve entegrasyon sorumlusu: Modeli çalışan bir uygulamaya, arayüze ya da donanıma bağlar.
• Rapor ve sunum sorumlusu: Süreci baştan itibaren belgeler, raporu yazar, sunumu hazırlar.

Rapor sorumlusu en sona bırakılacak bir rol değildir. İlk günden toplantılara katılmalı, kararları ve gerekçelerini not almalıdır. Rapor yazma zamanı geldiğinde malzemenin yarısı hazır olur.

Haftada bir kısa takım toplantısı yapın: Geçen hafta ne yapıldı, bu hafta ne yapılacak, nerede takılıyoruz? Üç soruluk bu düzen, son haftadaki paniği büyük ölçüde önler.

3. Veriyle çalışma

Yapay zeka projelerinde sonucu en çok belirleyen şey çoğu zaman modelden önce veridir.

Veriyi tanıyın

Model kurmadan önce veriye bakın. Kaç örnek var? Sınıflar dengeli mi, yoksa bir sınıf diğerlerinden çok mu fazla? Hatalı etiketler var mı? Görüntü verisinde ışık, açı ve arka plan çeşitli mi? Kendi veri setinizi oluşturacaksanız veri seti nedir ve nasıl oluşturulur yazımız iyi bir başlangıç noktasıdır.

Eğitim ve test verisini ayırın

Modelin başarısını, eğitimde hiç görmediği verilerle ölçmelisiniz. Test verisini en baştan ayırın ve ayarlarınızı ona bakarak değiştirmeyin; ayar denemeleri için ayrı bir doğrulama verisi kullanın. Model eğitim verisini ezberleyip yeni örneklerde başarısız olduğunda buna aşırı öğrenme denir. Ayrı tutulmuş test verisi, bu sorunu jüriden önce sizin fark etmenizi sağlar.

İzin ve etik

Başkalarına ait fotoğraf, ses ya da kişisel bilgi kullanıyorsanız izin aldığınızdan emin olun. Hazır bir veri seti kullanıyorsanız lisansını okuyun ve kaynağını raporda belirtin.

4. Model değerlendirme

“Modelimiz çok iyi çalışıyor” cümlesi jüri için bir şey ifade etmez. Ölçülebilir bir sonuç ifade eder.

1. Ölçütü şartnameden alın. Şartname hangi ölçütü kullanıyorsa, siz de onu raporlayın.
2. Basit bir başlangıç modeli kurun. Önce en basit yöntemle bir sonuç alın. Sonraki her denemeyi bu başlangıçla karşılaştırın.
3. Her denemeyi kaydedin. Hangi veri, hangi ayar, hangi sonuç? Basit bir tablo bile yeterlidir.
4. Hatalara bakın. Modelin yanlış yaptığı örnekleri tek tek inceleyin. Hataların bir örüntüsü var mı? Belli bir sınıfı mı karıştırıyor, karanlık görüntülerde mi zorlanıyor?
5. Sınırları dürüstçe yazın. Modelin iyi çalışmadığı durumları bilmek ve söylemek, bir zayıflık değil, olgunluk göstergesidir.

5. Ön değerlendirme raporu nasıl yazılır?

Birçok yarışmada ilk eleme, bir rapor üzerinden yapılır. Başlıklar ve sayfa sınırı şartnameye göre değişir, ama iyi bir raporun omurgası genellikle şudur:

• Problem: Hangi sorunu çözüyorsunuz, neden önemli?
• Yaklaşım: Hangi yöntemi seçtiniz ve neden? Alternatifleri neden elediniz?
• Veri: Veri nereden geldi, nasıl hazırlandı, ne kadar?
• Sonuçlar: Hangi ölçütle ne elde ettiniz? Başlangıç modeline göre ne değişti?
• Özgünlük: Sizin çözümünüzü farklı kılan ne?
• Plan: Sonraki aşamada ne yapacaksınız? İş bölümü ve zaman planı nedir?

Birkaç yazım önerisi:

• Jüri raporu hızlı okur. Kısa paragraflar, net başlıklar, açıklayıcı şekil ve tablolar kullanın.
• Büyük iddialardan kaçının. Projenin gerçekte ne yaptığını anlatmak daha güven vericidir.
• Raporu teslimden önce takım dışından birine okutun. “Anladın mı?” diye sorun.
• Şablon verilmişse, başlıkları değiştirmeyin ve sırasına uyun.

6. Sunuma nasıl hazırlanılır?

Bir sonraki aşamada projenizi jüriye anlatmanız gerekebilir. İyi bir sunum şu sırayı izler: problem, çözüm, canlı gösterim, sonuçlar, sınırlar ve sonraki adımlar.

• Canlı gösterimi prova edin. Çalışmama ihtimaline karşı bir video yedeğiniz olsun.
• Herkes konuşsun. Jüri takımın projeyi birlikte sahiplendiğini görmek ister.
• Zor sorulara hazırlanın. “Veriniz dengesiz değil miydi?”, “Bu model gerçek hayatta nerede başarısız olur?” gibi soruları kendinize önceden sorun.
• Süreyi tutun. Verilen sürenin biraz altında bitirmeyi hedefleyin.

Sunum becerisi üzerine daha fazla öneri için bir yapay zeka projesini sunmak yazımıza göz atabilirsiniz.

Atölyede bu beceriler nasıl çalışılır?

L’Atelier AI bir yarışma hazırlık kursu değildir; bu yazı da herhangi bir yarışma düzenleyicisiyle iş birliğine dayanmaz. Ancak yarışmaların istediği becerilerin çoğu, atölyenin olağan çalışma düzeninde yer alır. Her seviyenin ikinci yarısı projeye ayrılır; örneğin ilk seviyede öğrenciler projelerini 2’li takımlar halinde, 3-4 haftada geliştirir: iş bölümü yapar, veriyle çalışır, modellerinin nerede yanıldığını test eder. Her seviye, öğrencilerin projelerini sunduğu bir Demo Day ile biter. Böylece takım içinde sorumluluk almak, veriye dürüst bakmak ve bir projeyi anlaşılır biçimde anlatmak, yarışma sahnesinden önce denenmiş olur.

Sık sorulan sorular

Yarışmaya katılmak için ileri düzey programlama bilmek gerekir mi?

Kategoriye ve yarışmaya göre değişir. Bazı kategoriler daha çok fikir ve tasarım odaklı, bazıları ise teknik olarak daha zorludur. Şartnameyi okuyup takımınızın seviyesine uygun bir kategori seçmek, kazanmak kadar öğrenmek için de doğru bir adımdır.

Hazırlığa ne zaman başlamalı?

Başvuru ve rapor tarihlerini şartnameden öğrendikten sonra geriye doğru bir plan yapın. Veri toplama ve temizleme genellikle beklenenden uzun sürer; bu yüzden veriyle ilgili işleri takvimin başına koyun.

Yapay zeka araçlarından yardım almak serbest mi?

Bunu şartname belirler. Serbest olduğu durumlarda bile hangi aşamada hangi araçtan nasıl yardım aldığınızı raporda açıkça belirtmeniz ve projedeki her kararı açıklayabilmeniz gerekir.

Kapanış

Yarışma bir hedef olabilir, ama asıl kazanç o yolda edinilen takım çalışması, veri disiplini ve kendini anlatma becerisidir. Lise öğrencilerine yönelik proje odaklı yaklaşımımızı lise yapay zeka kursu sayfamızda inceleyebilirsiniz.