Tanım
Transfer Learning, bir makine öğrenimi modelinin daha önce öğrendiği bilgi ve temsilleri yeni, ilişkili bir görevde kullanmasını sağlayan yöntemdir. Türkçede aktarımlı öğrenme olarak açıklanabilir.
Bu yaklaşımda model sıfırdan eğitilmek yerine, önceden büyük veriyle eğitilmiş bir modelden yararlanır. Yeni göreve uyarlama için fine-tuning, feature extraction veya ek eğitim yöntemleri kullanılabilir.
Transfer learning özellikle veri az olduğunda, eğitim maliyeti yüksek olduğunda veya genel bir modelin belirli bir alana uyarlanması gerektiğinde değerlidir.
Kökeni
Transfer Learning, insanların bir alanda öğrendiği bilgiyi benzer başka bir alana aktarabilmesi fikrinden ilham alır. Bir modelin de daha önce öğrendiği genel örüntüleri yeni görevlerde kullanabilmesi hedeflenir.
Computer vision alanında önceden eğitilmiş görsel modellerin yeni görüntü sınıflandırma görevlerine uyarlanması transfer learning’in erken yaygın örneklerinden biridir.
LLM ve foundation model çağında transfer learning daha da önemli hale gelmiştir. Büyük modeller genel dil veya görsel temsilleri öğrenir, ardından belirli görevler için uyarlanabilir.
Nerelerde Kullanılır?
Transfer Learning; computer vision, NLP, speech recognition, sentiment analysis, image classification, domain adaptation, fine-tuning ve LLM tabanlı uygulamalarda kullanılır.
Bir şirket, genel dil modeli üzerine kendi destek dokümanları veya sektör verisiyle fine-tuning yaparak modeli belirli kullanım senaryosuna daha uygun hale getirebilir.
Veri bilimi ekipleri transfer learning sayesinde sıfırdan büyük model eğitme maliyetinden kaçınabilir. Ancak kaynak model ile hedef görev arasındaki uyum dikkatle değerlendirilmelidir.
Örnek Kullanım
Genel görsellerle eğitilmiş bir model, az sayıda ürün fotoğrafıyla belirli ürün kategorilerini tanıyacak şekilde uyarlanıyorsa transfer learning kullanılmış olur.
Bir AI mühendisi, “Bu görev için sıfırdan model eğitmek yerine transfer learning ile önceden eğitilmiş modeli uyarlayalım” diyebilir.
Karıştırılan Kavramlar
- Transfer Learning ve Fine-Tuning: Fine-Tuning transfer learning uygulamalarından biridir. Transfer Learning daha geniş bilgi aktarımı yaklaşımıdır.
- Transfer Learning ve Foundation Model: Foundation Model büyük genel modeldir. Transfer Learning bu modelin yeni göreve uyarlanmasını sağlayabilir.
- Transfer Learning ve Pretraining: Pretraining modelin genel veriyle ilk eğitimidir. Transfer Learning bu öğrenilen bilgiyi yeni göreve aktarır.
- Transfer Learning ve Few-Shot Learning: Few-Shot Learning az örnekle görev yapmayı ifade eder. Transfer Learning bu kapasiteyi destekleyebilir.
İlgili Terimler
- Fine-Tuning
- Foundation Model
- Pretraining
- Machine Learning
- Deep Learning
- LLM
- Computer Vision
- Few-Shot Learning
- Model Training
Büyüme Mimarisi Notu
Transfer Learning, büyüme mimarisinde AI projelerini daha hızlı ve maliyet etkin başlatmaya yardımcı olur. Sıfırdan model eğitmek yerine mevcut öğrenimi iş bağlamına taşımak çoğu durumda daha verimlidir.
Ancak uyarlanan modelin hedef veri ve görevle gerçekten uyumlu olup olmadığı test edilmelidir. Aktarılan bilgi yanlış bağlamda hatalı sonuç üretebilir.