Tanım
Training Data, bir makine öğrenimi veya yapay zekâ modelinin örüntüleri, ilişkileri ve görev davranışını öğrenmesi için kullanılan eğitim veri kümesidir. Türkçede eğitim verisi olarak açıklanabilir.
Model training sürecinde model, training data üzerinde çalışarak input ile output arasındaki ilişkileri öğrenir. Supervised learning senaryolarında bu veri etiketli olabilir. Unsupervised learning senaryolarında ise model etiketsiz veride örüntü arar.
Training data kalitesi, model performansını doğrudan etkiler. Eksik, hatalı, dengesiz, eski veya yanlı eğitim verisi modelin yanlış öğrenmesine neden olabilir.
Kökeni
Training Data kavramı, makine öğreniminin temel prensibinden doğar: Model açıkça tüm kurallarla programlanmak yerine örnek verilerden öğrenir.
İstatistiksel modelleme ve veri bilimi alanlarında eğitim verisi, modelin öğrenme aşamasında kullandığı temel kaynaktır. Test data ve validation data ise modelin yeni veride nasıl çalıştığını değerlendirmek için ayrılır.
Modern AI sistemlerinde training data çok büyük ölçekli olabilir. LLM modelleri geniş metin koleksiyonlarıyla eğitilirken, özel iş modelleri müşteri, ürün, kampanya veya davranış verileriyle eğitilebilir.
Nerelerde Kullanılır?
Training Data; churn prediction, lead scoring, recommendation system, fraud detection, NLP, computer vision, generative AI, sentiment analysis ve forecasting modellerinde kullanılır.
Bir lead scoring modeli için geçmiş leadlerin şirket bilgileri, davranışları, kampanya kaynakları ve satışa dönüşüp dönüşmediği training data olarak kullanılabilir.
AI projelerinde training data hazırlığı; veri temizleme, etiketleme, örnekleme, özellik mühendisliği, veri bölme ve kalite kontrol adımlarını içerir.
Örnek Kullanım
Bir model, geçmiş müşteri davranışları ve churn etiketlerinden öğrenerek yeni müşterilerin churn riskini tahmin ediyorsa bu geçmiş veri training data olarak kullanılmıştır.
Bir data scientist, “Training Data içinde hedef değişken sızıntısı var; model gerçek dışı yüksek performans gösteriyor olabilir” diyebilir.
Karıştırılan Kavramlar
- Training Data ve Test Data: Training Data modelin öğrendiği veridir. Test Data modelin yeni veride performansını ölçmek için kullanılır.
- Training Data ve Dataset: Dataset genel veri kümesidir. Training Data bu veri kümesinin eğitim için ayrılmış bölümüdür.
- Training Data ve Label: Label modelin öğrenmeye çalıştığı doğru çıktı olabilir. Training Data input özellikleri ve bazen label bilgisini içerir.
- Training Data ve Synthetic Data: Synthetic Data yapay üretilmiş veridir. Training Data gerçek veya sentetik veri içerebilir.
İlgili Terimler
- Model Training
- Dataset
- Test Data
- Validation Data
- Label
- Feature Engineering
- Data Quality
- Machine Learning
- Supervised Learning
Büyüme Mimarisi Notu
Training Data, büyüme mimarisinde AI modellerinin neyi ve nasıl öğreneceğini belirleyen temel kaynaktır. Model kalitesi, eğitim verisinin temsil gücüyle sınırlıdır.
Growth ve pazarlama modellerinde eğitim verisi iş gerçeğini doğru yansıtmalıdır. Yanlış etiketler, eksik segmentler veya geçmiş yanlılıklar gelecekteki kararları bozabilir.