Makine Öğrenmesi: Teachable Machine ile Model Eğitelim

Makine öğrenmesinin dört adımı

1. Veri toplama: Modelin öğreneceği örnekler toplanır ve etiketlenir ("bu bir kalem", "bu bir silgi").
2. Eğitim: Model, örneklerdeki ortak özellikleri bulmaya çalışır.
3. Test: Model daha önce görmediği örneklerle denenir.
4. İyileştirme: Sonuç kötüyse daha fazla ya da daha çeşitli veri eklenir.

Teachable Machine nedir?

Teachable Machine, Google'ın tarayıcıda çalışan ücretsiz bir aracıdır. Kod yazmadan görüntü, ses ve vücut pozu tanıyan modeller eğitmeyi sağlar. Eğitim bilgisayarınızın tarayıcısında yapılır; araca erişmek için arama motoruna adını yazmanız yeterlidir.

Etkinlik: Masamdaki nesneleri tanıyan model

1. Teachable Machine'de Görüntü Projesi ve standart görüntü modelini seçin.
2. Üç sınıf oluşturun: Kalem, Silgi, Boş masa.
3. Her sınıf için kamerayla en az 50 örnek çekin. Nesneyi farklı açılardan, yakından ve uzaktan gösterin.
4. Modeli eğit düğmesine basın ve eğitim bitene kadar sekmeyi kapatmayın.
5. Önizleme bölümünde nesneleri kameraya gösterip modelin tahminlerini ve güven yüzdelerini izleyin.
6. Daha önce göstermediğiniz farklı renkte bir kalemle deneyin. Model doğru tahmin ediyor mu?

Gizlilik notu: Kamera görüntüleri modeli eğitmek için kullanılır. Öğrenci yüzleri yerine nesnelerle çalışmak en güvenli yoldur.

Deney: kötü veri, kötü model

Şimdi bilerek hata yapın: Kalem sınıfına yalnızca 5 örnek, diğerlerine 50 örnek ekleyin ya da bütün kalem örneklerini aynı açıdan çekin. Modeli yeniden eğitin. Tahminler nasıl değişti?

Bu deney makine öğrenmesinin en önemli dersini gösterir: Model, ancak ona verdiğimiz veri kadar iyidir. Az, tek tip ya da yanlış etiketlenmiş veri, hatalı bir model üretir.

Güven yüzdesi ne anlama gelir?

Model "%92 kalem" dediğinde bu, modelin tahminine ne kadar emin olduğunu gösterir; doğru olduğunun garantisi değildir. Model, emin göründüğü hâlde yanılabilir.