Tanım
Yapay zeka veri toplama, makine öğrenimi modellerini eğitmek, doğrulamak ve test etmek için kullanılan ham verileri (metin, ses, görüntü, video veya yapılandırılmış kayıtlar) toplama sürecidir. Modellerin gerçek dünyadaki sorunların temsili örneklerine sahip olmasını sağlar.
Amaç
Amaç, algoritmaların kalıpları etkili bir şekilde öğrenmesini sağlayan veri kümeleri oluşturmaktır. Güvenilir veri toplama, önyargıyı azaltır ve farklı ortamlar ve popülasyonlar genelinde model doğruluğunu artırır.
Önem
- Toplanan verilerin kalitesi model sonuçlarını doğrudan etkiler.
- Kötü toplama, önyargılı veya kullanılamaz modellere yol açabilir.
- Çeşitli kaynaklar genelleştirilebilirliği artırır ve adaletsizliği azaltır.
- Etik ve yasal standartlara uyulmalıdır (örneğin GDPR, HIPAA).
Nasıl Rezervasyon Yaparım ?
- Proje hedeflerine göre ihtiyaç duyulan veri türünü tanımlayın.
- Kaynakları belirleyin (sensörler, API'ler, anketler, kayıtlar, vb.)
- Uygun onay ve gizlilik korumalarıyla verileri toplayın.
- İzlenebilirlik ve bağlam için verileri meta verilerle birlikte saklayın.
- Verileri daha sonraki açıklamalar, temizleme veya eğitim için hazırlayın.
Örnekler (Gerçek Dünya)
- ImageNet: Bilgisayarlı görme araştırmaları için büyük ölçekli görüntü veri kümesi.
- Google Street View: Haritalar ve görsel yapay zeka için toplanan veriler.
- Mozilla Common Voice: ASR için konuşma kayıtlarının açık veri kümesi.
Referanslar / İlave Okumalar
- Veri Setleri için Veri Sayfaları — Gebru ve diğerleri, ACM FAccT.
- Yapay Zeka Sistemleri için Veri Hazırlama — NIST.
- ISO/IEC TR 20547-5: Büyük Veri Referans Mimarisi — ISO.
