Veri Seti Nedir? Kendi Veri Setini Oluşturmak

Bir yapay zeka modeli, ona verdiğimiz örneklerden öğrenir. Bu örneklerin düzenli bir koleksiyonuna veri seti denir. Yapay zeka projelerinin çoğunda en çok zaman alan ve en çok önem taşıyan iş, modeli kurmak değil, iyi bir veri seti hazırlamaktır.

Bu yazı biraz farklı: sadece veri setinin ne olduğunu anlatmayacağız, sizinle birlikte küçük bir veri seti de oluşturacağız. Bir defter, bir kalem ve biraz merak yeterli.

Veri seti: yapay zekanın ders kitabı

Bir öğrencinin iyi yetişmesi için iyi bir kitaba ihtiyacı vardır. Kitap eksikse, hatalıysa ya da tek bir bakış açısıyla yazılmışsa, öğrencinin öğrendikleri de eksik ve hatalı olur. Yapay zeka için veri seti, bu kitabın yerini tutar.

Bir veri seti genellikle bir tablo gibi düşünülebilir:

• Her satır bir örnektir (bir fotoğraf, bir cümle, bir ölçüm).
• Her sütun o örneğe dair bir bilgidir, yani bir özelliktir.
• Çoğu zaman bir sütun da etikettir: modelin tahmin etmesini istediğimiz doğru cevap.

Örneğin meyveleri tanıyan bir model için küçük bir veri seti şöyle olabilir:

Ağırlık (gram)	Renk	Yüzey	Etiket
150	Kırmızı	Pürüzsüz	Elma
120	Sarı	Pürüzsüz	Muz
15	Kırmızı	Noktalı	Çilek
170	Yeşil	Pürüzsüz	Elma
130	Turuncu	Pürüzlü	Portakal

Bu tablodaki her satır bir meyveyi, her sütun bir özelliği anlatır. Son sütun, modelin öğrenmesini istediğimiz cevaptır.

Veri setleri farklı biçimlerde olabilir

Her veri seti yukarıdaki gibi düzgün bir tablo değildir:

• Tablo verisi: Hava durumu kayıtları, bir oyunun skor listesi
• Görüntü verisi: Etiketlenmiş fotoğraf klasörleri
• Metin verisi: Cümleler, yorumlar, kitaplardan alıntılar
• Ses verisi: Kayıtlı konuşmalar, müzik parçaları, hayvan sesleri

Biçim ne olursa olsun, temel soru aynıdır: Bu örnekler, modelin öğrenmesini istediğimiz şeyi doğru ve dengeli bir şekilde temsil ediyor mu?

İyi bir veri setinin beş özelliği

1. Yeterince örnek

Üç fotoğrafla bir kedi tanıyıcı eğitemezsiniz. Ne kadar örneğin yeterli olduğu göreve göre değişir, ama genel kural şudur: görev ne kadar zorsa, o kadar çok örnek gerekir.

2. Çeşitlilik

Bütün kedi fotoğraflarınız gündüz, bahçede ve turuncu kedilerle çekildiyse, model gece evin içinde gri bir kediyi tanımakta zorlanabilir. İyi bir veri seti, modelin gerçek hayatta karşılaşacağı durumların çeşitliliğini yansıtır.

3. Denge

Bir veri setinde 95 elma ve 5 muz varsa, model “her şeye elma de” stratejisiyle bile çoğu zaman doğru çıkar ama aslında hiçbir şey öğrenmemiş olur. Sınıflar arasında makul bir denge önemlidir.

4. Doğru etiketler

Bir muza yanlışlıkla “elma” etiketi yapıştırılırsa, model yanlış şeyi öğrenir. Etiketleme, dikkat isteyen bir iştir.

5. İzin ve gizlilik

Veriyi nereden aldığınız önemlidir. İnsanların fotoğrafları, sesleri, kişisel bilgileri izinsiz toplanmamalıdır. Çocuk projelerinde en güvenli yol, kişisel olmayan konular seçmektir: nesneler, bitkiler, hava durumu, oyuncaklar.

Adım adım: kendi veri setinizi oluşturun

Şimdi uygulamaya geçelim. Proje fikrimiz: “Bugün dışarıda oynamak için uygun mu?” Bir hafta ya da iki hafta boyunca her gün kayıt tutacağız.

Adım 1: Soruyu netleştirin

Modelimiz neyi tahmin edecek? “Dışarıda oynamak uygun mu: Evet / Hayır”. Bu bizim etiketimiz olacak.

Adım 2: Özellikleri seçin

Hangi bilgiler bu karara yardımcı olabilir? Birlikte düşünün ve 4-5 özellik seçin. Örneğin:

• Sıcaklık (termometreden ya da hava durumu uygulamasından)
• Yağmur var mı? (Evet / Hayır)
• Rüzgar durumu (Az / Orta / Çok)
• Gün (Hafta içi / Hafta sonu)
• Ödev yükü (Az / Çok)

Adım 3: Kayıt tablosunu hazırlayın

Bir deftere ya da bir çizelge programına sütun başlıklarını yazın. Son sütunun adı “Dışarıda oynadık mı?” olsun.

Adım 4: Her gün aynı saatte kayıt tutun

Tutarlılık çok önemlidir. Sıcaklığı bir gün sabah, bir gün akşam ölçerseniz, veriniz karışır. Aynı saatte, aynı yöntemle ölçün.

Adım 5: Veriyi inceleyin

İki hafta sonra tablonuza bakın ve sorular sorun:

• Kaç gün “Evet”, kaç gün “Hayır” var? Veri dengeli mi?
• Yağmurlu her gün “Hayır” mı yazılmış? Yoksa istisnalar var mı?
• Eksik bıraktığınız hücreler var mı?
• Hangi özellik kararı en çok etkiliyor gibi görünüyor?

Adım 6: Kendi “modelinizi” kurun

Verilere bakarak bir kural yazın: “Yağmur yoksa ve sıcaklık 12 derecenin üzerindeyse dışarıda oynarız.” Sonra bu kuralı tablodaki her gün için test edin. Kaç günde doğru çıktı? Yanıldığı günlerde ne farklıydı?

Bu, makine öğrenmesinin elle yapılmış bir versiyonudur. Bilgisayar aynı işi çok daha fazla veriyle ve çok daha karmaşık kurallarla yapar. Bu sürecin makine tarafını makine öğrenmesi nedir yazımızda anlattık.

Veri setinden çıkan dersler

Bu küçük projeyi tamamlayan bir çocuk şunları deneyimlemiş olur:

• Veri toplamak emek ister. Yapay zekanın “kendiliğinden” bilmediğini, birilerinin o örnekleri topladığını fark eder.
• Seçimler sonucu etkiler. Hangi özellikleri seçtiğiniz, modelin neye bakabileceğini belirler.
• Eksik veri yanıltır. İki haftalık bir kayıt, bir yılın tamamını temsil etmez. Kışın toplanan veriyle yaz günleri hakkında tahmin yapmak risklidir.
• Veri, dünyanın tamamı değil, bir kesitidir. Bu fikir, yapay zekanın neden bazen haksız ya da hatalı kararlar verdiğini anlamanın anahtarıdır. Ayrıntılar için yapay zeka önyargısı yazımıza göz atabilirsiniz.

Başka proje fikirleri

Aynı yöntemi farklı konulara uygulayabilirsiniz:

• Balkondaki bitkinin boyunu ve sulama günlerini kaydetmek
• Ailede kimin hangi meyveyi sevdiğini özelliklerle birlikte tablolamak
• Kuş gözlemi yapıp tür, renk, boyut ve saat bilgisi toplamak
• Bir masa oyununda hangi açılış hamlesinin daha sık kazandırdığını not etmek

Veriyle ilgili daha genel bir bakış için veri okuryazarlığı yazımızı öneririz.

Kapanış

Veri seti, yapay zekanın öğrendiği örneklerin düzenli koleksiyonudur ve modelin kalitesini büyük ölçüde belirler. Kendi veri setini oluşturan bir çocuk, yapay zekanın arkasındaki insan emeğini, seçimleri ve sınırları doğrudan görür.

L’Atelier AI’da her seviye proje üzerine kurulu ve Demo Day ile tamamlanıyor; öğrencilerin kendi verisini toplayıp modelini kurduğu projeler bu yolculuğun doğal bir parçası. Ayrıntılar için program sayfamıza bakabilirsiniz.