Yapay Zekâ Terimleri197 sonuçAlexNet / ImageNet AnıAlexNet / ImageNet Moment (2012)Toronto Üniversitesi'nden Alex Krizhevsky, Ilya Sutskever ve Geoffrey Hinton'ın iki GPU üzerinde eğittiği derin evrişimli ağ AlexNet'in 2012 ImageNet (ILSVRC) yarışmasını yüzde 15,3 ilk-5 hata oranıyla kazanması; ikinci gelen girdinin hata oranı yüzde 26,2 idi. Derin öğrenme çağının başlangıcı kabul edilir.PerceptronPerceptron (1958)Frank Rosenblatt'ın 1957–1958'de Cornell Havacılık Laboratuvarı'nda geliştirdiği, verilerden öğrenebilen ilk yapay sinir ağı modellerinden biri; Minsky ve Papert'in 1969 tarihli 'Perceptrons' kitabının tek katmanlı perceptronların sınırlarını göstermesi, sinir ağı araştırmalarına ilgi ve fonun uzun süre azalmasına katkıda bulundu.Akıllı Hans EtkisiClever Hans EffectBir modelin görevi gerçekten çözmeden verideki istemsiz bir ipucunu (filigran, arka plan, kaynak etiketi gibi) yakalayarak doğru cevap vermesi; adını 1900'lerin başında Berlin'de 'hesap yapan' at Hans'tan alır. Oskar Pfungst 1907'de atın, soru soran kişilerin (sahibi Wilhelm von Osten dahil) farkında olmadan verdiği duruş ve yüz ifadesi ipuçlarını okuduğunu gösterdi.Core ML.mlmodel / .mlpackageApple cihazlarda cihaz üzerinde çıkarım için model formatı.NumPy Dosyası.npy / .npzNumPy dizilerinin (gömme, tensör) ikili kaydı.Checkpoint Dosyası.ckptEğitim durumunu (ağırlık + optimizasyon) kaydeden dosya; görsel üretim topluluğunda model dosyası olarak da kullanılır.TensorFlow Formatları.h5 / SavedModel / .tfliteKeras/TensorFlow model kaydı ve mobil/uç cihazlar için hafif TFLite formatı.PyTorch Ağırlık Dosyası.pt / .pth / .binPyTorch model ağırlıklarının kaydedildiği dosyalar; pickle tabanlı olduğu için güvenilmeyen kaynaklardan yüklenmesi risklidir.Pickle.pklPython nesnelerini serileştiren format; kod çalıştırabildiği için model paylaşımında güvenlik riski taşır.ONNX.onnxModelleri framework'ler arası taşınabilir kılan açık değişim formatı.Safetensors.safetensorsHugging Face'in güvenli ve hızlı model ağırlığı formatı; pickle'ın güvenlik açıklarını gidermek için geliştirildi.BERT / T5Google'ın transformer tabanlı öncü modelleri: iki yönlü anlama (BERT) ve metinden metne birleşik çerçeve (T5).Her Şeyi Segmentle ModeliSAM (Segment Anything Model)Meta'nın, nokta, kutu veya (SAM 3 ile) metin istemiyle verilen herhangi bir nesneyi ek eğitim gerektirmeden görsel ve videoda segmentlere ayıran temel modeli.AlphaFoldDeepMind'ın protein yapılarını tahmin eden, Nobel Kimya Ödülü'ne konu olan modeli.AlphaGo / AlphaZeroDeepMind'ın Go oyununda dünya şampiyonunu yenen ve kendi kendine oynayarak öğrenen pekiştirmeli öğrenme sistemleri.Dil TespitiLanguage DetectionBir metnin hangi dilde yazıldığının otomatik belirlenmesi.Anlamsal Metin BenzerliğiSemantic Textual Similarityİki metnin anlamca ne kadar benzediğinin skorlanması.Makine ÇevirisiMachine TranslationMetnin bir dilden diğerine otomatik çevirisi.Bilgi ÇıkarımıInformation ExtractionYapılandırılmamış metinden yapılandırılmış bilgi (varlık, ilişki, olay) üretme.ÖzetlemeSummarizationUzun bir metnin ana bilgilerini koruyarak kısaltılması (çıkarımsal veya soyutlayıcı).Soru CevaplamaQuestion Answering (QA)Verilen bir metin veya bilgi kaynağından soruya doğru yanıt üretme görevi.Konu ModellemeTopic Modeling (LDA)Bir belge koleksiyonundaki gizli konuların gözetimsiz olarak keşfedilmesi.Niyet Tanıma / Slot DoldurmaIntent Recognition / Slot FillingKullanıcı ifadesinin amacını (niyet) ve içindeki parametreleri (slot) çıkarma; klasik sohbet botlarının temeli.Duygu AnaliziSentiment AnalysisBir metnin arkasındaki duygusal tonun (olumlu, olumsuz, nötr) otomatik olarak tespit edilmesi.Metin SınıflandırmaText ClassificationMetni önceden tanımlı kategorilere (spam, konu, dil) atama görevi.Adlandırılmış Varlık TanımaNER (Named Entity Recognition)Metindeki kişi, yer, kurum gibi varlıkların otomatik tespiti.Eşgönderim ÇözümüCoreference ResolutionMetinde aynı varlığa işaret eden farklı ifadelerin ('Ali', 'o', 'mühendis') eşleştirilmesi.Durak KelimelerStop Words'Ve', 'bir', 'için' gibi anlam taşımayan, çoğu zaman filtrelenen yaygın kelimeler.Sözcük Türü EtiketlemePOS TaggingHer kelimenin isim, fiil, sıfat gibi dil bilgisel türünün belirlenmesi.Sözdizimsel AyrıştırmaParsingCümlenin dil bilgisel yapısının (bağımlılık ağacı) çıkarılması.Word2Vec / GloVeKelimeleri anlamsal ilişkileri koruyan yoğun vektörlere dönüştüren ilk yaygın gömme yöntemleri.Kök Bulma / LemmatizasyonStemming / LemmatizationKelimeleri kök veya sözlük biçimine indirgeme işlemleri.Torba Kelime ModeliBag of WordsMetni kelime sırasından bağımsız, kelime sayımlarıyla temsil eden basit yöntem.TF-IDFBir kelimenin belgedeki sıklığını derlemdeki yaygınlığına göre ağırlıklandıran klasik metin temsil yöntemi.Klasik Dil ModeliStatistical Language Model (n-gram)Kelime dizilerinin olasılığını sayım tabanlı n-gram istatistikleriyle tahmin eden LLM öncesi model.Doğal Dil Anlama / ÜretmeNLU / NLGDilin anlamını çözümleme (NLU) ve doğal dil metni üretme (NLG); NLP'nin iki ana kolu.Uçtan Uca Robot ÖğrenmesiEnd-to-End Robot LearningAlgıdan motor komutlarına kadar tüm hattın el yapımı modüller yerine tek bir sinir ağıyla öğrenilmesi.Deney TakibiExperiment TrackingDenemelerin (parametre, metrik, artefakt) kayıt altına alınması.Eğitim-Sunum UyumsuzluğuTraining-Serving SkewEğitim ve üretim ortamlarında verinin farklı işlenmesi sonucu oluşan performans farkı.Yeniden Eğitim / Sürekli EğitimRetraining / Continuous TrainingModelin yeni veriyle düzenli veya tetiklenmiş olarak tekrar eğitilmesi.Veri SapmasıData DriftÜretimdeki girdi verisinin dağılımının eğitim verisinden zamanla uzaklaşması.Kavram SapmasıConcept DriftGirdi ile çıktı arasındaki ilişkinin zamanla değişmesi.Model SapmasıModel DriftModelin performansının zamanla veri/ortam değişimi nedeniyle bozulması.Sapma TespitiDrift DetectionVeri veya model davranışındaki zaman içindeki değişimin tespiti.Öznitelik DeposuFeature StoreEğitim ve çıkarımda tutarlı öznitelikler sunan merkezi öznitelik yönetim sistemi.Recall@k / MRR / NDCGGetirme sistemlerinin kalitesini ölçen metrikler: ilk k sonuçta doğru belgenin bulunma oranı, ortalama karşılıklı sıra ve sıraya duyarlı kazanç.KalibrasyonCalibrationModel güven skorlarının gerçek doğruluk oranlarıyla ne kadar örtüştüğü.METEOREş anlamlılığı da dikkate alan çeviri/özetleme değerlendirme metriği.BERTScoreReferans ve çıktı arasındaki benzerliği kelime eşleşmesi yerine bağlamsal gömmelerle ölçen metrik.BLEUMakine çevirisinin referans çevirilerle ne kadar n-gram (ardışık kelime dizisi) örtüşmesi taşıdığını ölçen, kısa çıktıları cezalandıran otomatik metrik; anlamca doğru ama farklı kelimelerle yazılmış çevirileri düşük puanlayabilir.ROUGEÖzetin referans özetlerle örtüşen n-gram veya en uzun ortak alt dizi oranını ölçen, duyarlılık (recall) odaklı otomatik metrik ailesi (ROUGE-1, ROUGE-2, ROUGE-L); anlamsal benzerliği yakalayamaz.Tam EşleşmeExact MatchModel çıktısının referans cevapla birebir aynı olma oranı.ROC-AUCSınıflandırıcının tüm eşik değerlerinde doğru pozitif oranını yanlış pozitif orana karşı çizen ROC eğrisinin altında kalan alan; 0,5 rastgele tahmini, 1 kusursuz ayrımı gösterir ve eşikten bağımsız bir performans özeti sunar.MSE / MAE / RMSERegresyon hatalarını ölçen metrikler: ortalama kare hata, ortalama mutlak hata ve kök ortalama kare hata.F1 SkoruF1 ScoreKesinlik ve duyarlılığın harmonik ortalaması.Karışıklık MatrisiConfusion MatrixSınıflandırma sonuçlarını doğru/yanlış türlerine göre gösteren tablo.DuyarlılıkRecallGerçek pozitiflerin ne kadarının doğru tespit edildiği oranı.DoğrulukAccuracyTüm tahminler içinde doğru olanların oranı.KesinlikPrecisionPozitif tahmin edilenlerin gerçekten doğru olma oranı.Çekişmeli SaldırıAdversarial AttackBir yapay zekâ sistemini yanıltmak için özel olarak tasarlanmış, kasıtlı girdi.

Ana Sayfa
YZ Haberleri
YZ Linkleri