Bilişim Ders Notları
Yapay Zekâ · 19. hafta · Yapay Zekâ Uygulamaları Geliştirme

Veri Seti Planlama

Yapay Zekâ Uygulamaları · 19. hafta ders notu · YZU1.3.1

Öğrenme çıktıları
YZU1.3.1
  • Bir YZ projesi için problemi tek ve net bir soru olarak yazar; modelin girdisini ve çıktısını belirler.
  • Birbirinden açıkça ayrılan sınıfları ve gerektiğinde "Boş" sınıfını tanımlar.
  • Her sınıf için yeterli, çeşitli ve dengeli örnek sayısını planlar; dengesiz verinin modele etkisini açıklar.
  • Veriyi eğitim ve test setlerine ayırmanın nedenini açıklar ve bir başarı hedefi koyar.
Bilgisayarsız sınıf alternatifi

Yapışkan notlarla veri seti

Her renk bir sınıftır (mavi kâğıt, sarı plastik, gri metal). Gruplar önce dengesiz bir deste kurar (20 mavi, 5 sarı, 2 gri), sonra dengeli desteye çevirir. Notlar karıştırılıp beşte biri "Test" zarfına konur; zarf ancak eğitim bittikten sonra açılır. Planlama kartı kâğıt üzerinde doldurulur.

Konu anlatımı

Önce konuyu aç, sonra sorulara dokun: cevap altında açılır. Soru işaretli kutulara dokununca cevap görünür.

01Model geliştirme döngüsü
Problem Veri toplama Etiketle, temizle Eğitim Test İyileştirme Uygulama Model geliştirmedöngüsüher tur modeli iyileştirir
  1. 1ProblemÇözülecek soruyu ve sınıfları netleştir: "Bu atık hangi kutuya gider?"Dokun, adını gör
  2. 2Veri toplamaHer sınıftan çok, çeşitli ve dengeli örnek topla; izinleri unutma.Dokun, adını gör
  3. 3Etiketle, temizleHer örneğe doğru etiketi ver; hatalı, tekrar eden, bulanık örnekleri ayıkla.Dokun, adını gör
  4. 4EğitimModel, eğitim setindeki örneklerden sınıfları ayırmayı öğrenir.Dokun, adını gör
  5. 5TestHiç görmediği test örnekleriyle dene; doğruluğu ve karışan sınıfları bul.Dokun, adını gör
  6. 6İyileştirmeZayıf sınıfa veri ekle, etiketleri düzelt, ayarları değiştir; yeniden eğit.Dokun, adını gör
  7. 7UygulamaModeli oyuna, robota ya da sohbet botuna bağla; gerçek kullanıcılarla dene.Dokun, adını gör

Görseldeki numaralara dokun; her aşamanın görevi açılır.

?Model geliştirme neden bir döngüdür?
İlk eğitilen model neredeyse hiçbir zaman yeterince iyi değildir. Test sonuçlarına bakıp veriyi düzeltir, yeniden eğitir ve yeniden test ederiz; her tur modeli biraz daha iyi yapar.
?Bu döngüde en çok zaman hangi aşamalara gider?
Gerçek projelerde zamanın büyük bölümü veri toplama, etiketleme ve temizlemeye gider. Eğitim düğmesine basmak birkaç dakika sürer ama iyi bir veri seti hazırlamak günler alabilir.
?"Uygulama" aşamasında ne olur?
Model bir oyuna, robota ya da sohbet botuna bağlanır ve gerçek kullanıcılar dener. Gerçek kullanımda çıkan hatalar yeni verinin kaynağı olur ve döngü yeniden başlar.
Anahtar kavramlar: ModelDöngüYineleme
02Problem ve sınıflar

Kartlara dokun.

?Sınıf sayısını neden az tutmalıyız?
Her yeni sınıf için ayrıca çok sayıda örnek toplamak gerekir ve benzer sınıflar birbirine karışır. İlk projede 3–5 sınıf hem öğrenmesi hem denemesi kolay bir sayıdır.
?Cam neden projede yok?
Kırık cam tehlikelidir ve sınıfta cam atık toplamak güvenli değildir. Planlama yaparken güvenliği ve verinin toplanabilir olmasını da düşünürüz.
03Ne kadar ve nasıl veri?

Soru işaretli kutulara dokun.

?Dengesiz veri modele ne yapar?
Model eğitimde en çok gördüğü sınıfı daha sık tahmin etmeye alışır. 120 kâğıda karşı 10 metal görmüş bir model emin olamadığı her şeye "Kâğıt" der.
?Çok ama birbirinin aynısı örnekler neden yetmez?
Aynı açıdan, aynı ışıkta çekilmiş 100 fotoğraf modele aslında tek bir durum öğretir. Kullanım sırasında ışık ya da açı değişince model şaşırır; bu yüzden sayı kadar çeşitlilik de gerekir.
Biliyor muydun?

Dengeli veri her sınıfta tam aynı sayı demek değildir; 58, 60, 62 gibi yakın sayılar yeterlidir.

Dengesiz veri 120Kâğıt30Plastik10Metal Model çoğu şeye "Kâğıt" der Dengeli veri 60Kâğıt60Plastik60Metal Her sınıf eşit öğrenilir
ÖzellikNe demek?Bizim projede
Miktar
Çeşitlilik
Denge
Doğruluk
Temsil
04Eğitim seti ve test seti
?Veriyi neden ikiye ayırırız?
Modelin gerçekten öğrenip öğrenmediğini, hiç görmediği örneklerle ölçmek için. Eğitim seti ders kitabı, test seti sınav sorularıdır.
?Ayırmadan önce neden karıştırırız?
Fotoğraflar çekiliş sırasıyla durursa son 12 fotoğrafın hepsi aynı gün ve aynı ışıkta çekilmiş olabilir. Karıştırmak iki setin de her koşuldan örnek içermesini sağlar.
?Teachable Machine bu ayrımı yapar mı?
Evet; "Under the hood" bölümündeki doğruluk hesabı için örneklerin %85'ini eğitime, %15'ini teste kendisi ayırır. Biz yine de kendi test setimizi ayrı saklarız, çünkü modeli sınıfta gerçek atıklarla da sınamak isteriz.
Anahtar kavramlar: Eğitim setiTest setiDoğrulukBaşarı hedefi
Bir sınıfın 60 fotoğrafı Karıştır, sonra ayır Eğitim seti · 48 (%80)Model bu örneklerden öğrenir.Ders kitabı gibi Test seti · 12 (%20)Model bunları eğitimde görmez.Sınav soruları gibi Aynı fotoğraf hem eğitimde hem testte olursa sonuç yanıltıcı olur.

Ders akışı

40 dakikalık bir ders saati için planlandı. Adımın başlığına dokun, ayrıntılar açılsın.

5dk

Isınma: Bu atık hangi kutuya?

Masaya bir gazete, bir pet şişe ve bir içecek kutusu koy. "Bunları ayıran bir yapay zekâ yapmak istesek ilk ne yapardık?" diye sor. Cevapları tahtaya yaz; çoğu öğrencinin "fotoğraf çekeriz" diyeceğini, oysa işin önce plan yapmak olduğunu vurgula.

8dk

Keşif: Model geliştirme döngüsü

Numaralı döngü çizimini aç; öğrenciler sırayla numaralara dokunup yedi aşamayı okusun. Döngünün tek seferlik değil, her turda modeli iyileştiren bir çember olduğunu ve önümüzdeki on haftada bu çemberi dört kez dolaşacağımızı söyle.

Problem Veri toplama Etiketle, temizle Eğitim Test İyileştirme Uygulama Model geliştirmedöngüsüher tur modeli iyileştirir
9dk

Keşif: Dengeli veri ve eğitim/test

Dengesiz ve dengeli veri çizimini göster: 120 kâğıt, 30 plastik, 10 metal ile eğitilen model neden hep "Kâğıt" der? Sonra 60 yapışkan notu karıştırıp 48'ini "Eğitim", 12'sini "Test" sütununa yapıştır. Test örneklerinin sınav soruları gibi saklandığını, eğitimde asla kullanılmadığını anlat.

Dengesiz veri 120Kâğıt30Plastik10Metal Model çoğu şeye "Kâğıt" der Dengeli veri 60Kâğıt60Plastik60Metal Her sınıf eşit öğrenilir
14dk

Etkinlik: Planlama kartını doldur

Gruplara planlama kartını dağıt. Hepsi geri dönüşüm projesini planlar; hızlı biten grup ikinci bir proje (meyve tanıyıcı, sınıf eşyası tanıyıcı) için de kart doldurur. Kartın altı satırı tamamlanınca bir grup kartını tahtaya yansıtır, sınıf eksikleri söyler.

VERİ SETİ PLANLAMA KARTIProje: Atık ayırıcı 1Problem2Sınıflar3Örnek sayısı4Çeşitlilik5Eğitim / Test6Başarı hedefi Atığı kameraya göster → hangi kutuya atılmalı? KâğıtPlastikMetalBoş Her sınıfa 60 fotoğrafdengeli IşıkAçıArka planUzaklıkEller Eğitim: 48 (%80)12Test: %20 Test doğruluğu en az %80 · her sınıfta en az %70
4dk

Değerlendirme: Planı sına

Tahtaya "Sınıflar: Plastik, Pet şişe, Metal" diye hatalı bir plan yaz. Öğrencilerden sorunu bulmalarını iste (pet şişe zaten plastiktir, sınıflar iç içe). Çıkış kartına her öğrenci "iyi bir veri setinin üç özelliği"ni yazar.

Doğru mu, yanlış mı?

Dersin sonunda tahtada ya da öğrencinin kendi cihazında çözülür.

1. Bir YZ projesine veri toplayarak değil, problemi ve sınıfları tanımlayarak başlanır.

Cevabı gösterDoğru · Ne toplayacağımızı bilmeden topladığımız veri çoğu zaman işe yaramaz.

2. Sınıflar birbirinin içine geçebilir; örneğin "Plastik" ve "Pet şişe" aynı projede iki ayrı sınıf olabilir.

Cevabı gösterYanlış · Pet şişe zaten plastiktir. Bir örnek iki sınıfa birden uyarsa etiketleyen de model de kararsız kalır; sınıflar birbirinden açıkça ayrılmalıdır.

3. Kameraya hiçbir atık gösterilmediği durumlar için "Boş" sınıfı eklemek modelin yanlış alarm vermesini azaltır.

Cevabı gösterDoğru

4. 120 kâğıt, 30 plastik ve 10 metal fotoğrafıyla eğitilen bir model dengeli bir veri setiyle eğitilmiştir.

Cevabı gösterYanlış · Sınıflardaki örnek sayıları çok farklıdır. Model çoğunluktaki "Kâğıt" sınıfını daha sık tahmin etmeye yatkın olur.

5. Dengesiz bir test setinde "her şeye Kâğıt diyen" bir model yüksek doğruluk alabilir ama işe yaramaz.

Cevabı gösterDoğru · Test setinde 90 kâğıt, 10 metal varsa her şeye "Kâğıt" demek %90 doğruluk verir; oysa model hiçbir metali tanıyamaz.

6. Test setindeki örnekler eğitimde de kullanılırsa modelin gerçek başarısı daha doğru ölçülür.

Cevabı gösterYanlış · Model o örnekleri zaten görmüştür; bu, sınavdan önce soruları öğrenciye vermek gibidir. Test örnekleri eğitimde hiç kullanılmamalıdır.

7. Aynı nesnenin farklı ışık, açı, arka plan ve uzaklıkta çekilmiş fotoğrafları veri çeşitliliğini artırır.

Cevabı gösterDoğru

8. Veri setinin %80'ini eğitime, %20'sini teste ayırmak sık kullanılan bir yöntemdir.

Cevabı gösterDoğru

9. Başarı hedefi yalnızca toplam doğruluktur; tek bir sınıfın çok kötü olması önemli değildir.

Cevabı gösterYanlış · Toplam doğruluk %85 olsa bile metalin yalnızca yarısı tanınıyorsa model metal için kullanılamaz. Bu yüzden her sınıf için de bir alt sınır konur.
← Önceki haftaTemel Bileşenler 7: Bileşenleri Birleştirme Sonraki hafta →Veri Toplama ve Etiketleme

19. hafta günlük planı

2026–2027 1. düzey Seçmeli Yapay Zekâ Uygulamaları dersi 19. hafta günlük planı. Okul ve öğretmen bilgileriyle doldurulmuş Word dosyası için etkileşimli sürümde Evraklar › Günlük planlar bölümünü kullanın.

2026–2027 EĞİTİM ÖĞRETİM YILI …………………………

SEÇMELİ YAPAY ZEKÂ UYGULAMALARI 1. SEVİYE DERSİ GÜNLÜK PLANI · 19. HAFTA

BÖLÜM I · DERSE İLİŞKİN BİLGİLER
DersSeçmeli Yapay Zekâ Uygulamaları 1. SeviyeSınıf / Düzey1. düzey (seçmeli)
Hafta / Tarih19. Hafta · 8–12 Şubat (ŞUBAT)Süre2 ders saati (40' + 40')
TemaYAPAY ZEKÂ UYGULAMALARI GELİŞTİRME
KonuVeri Seti Planlama
BÖLÜM II · ÖĞRENME ÇIKTILARI VE KAYNAKLAR
Öğrenme çıktısıYZU1.3.1 – YZU1.3.2 Yapay zekâ modelinin girdilerini hazırlama ve model geliştirme
Süreç bileşenleri
  • Bir YZ projesi için problemi tek ve net bir soru olarak yazar; modelin girdisini ve çıktısını belirler.
  • Birbirinden açıkça ayrılan sınıfları ve gerektiğinde "Boş" sınıfını tanımlar.
  • Her sınıf için yeterli, çeşitli ve dengeli örnek sayısını planlar; dengesiz verinin modele etkisini açıklar.
  • Veriyi eğitim ve test setlerine ayırmanın nedenini açıklar ve bir başarı hedefi koyar.
Araç, gereç ve kaynaklarAkıllı tahta (döngü ve planlama kartı çizimleri) · Veri seti planlama kartı çıktısı (her gruba bir tane) · Temiz atık örnekleri: gazete, pet şişe, içecek kutusu, karton bardak · 60 küçük renkli yapışkan not (eğitim/test ayırma etkinliği için) · Bilişim Ders Notları ders sayfası, sunum ve etkinlikler (bilisimdersnotlari.com)
BÖLÜM III · ÖĞRENME-ÖĞRETME UYGULAMALARI
SüreEtkinlik akışı
1. ders
5 dk		Isınma: Bu atık hangi kutuya?
Masaya bir gazete, bir pet şişe ve bir içecek kutusu koy. "Bunları ayıran bir yapay zekâ yapmak istesek ilk ne yapardık?" diye sor. Cevapları tahtaya yaz; çoğu öğrencinin "fotoğraf çekeriz" diyeceğini, oysa işin önce plan yapmak olduğunu vurgula.
1. ders
8 dk		Keşif: Model geliştirme döngüsü
Numaralı döngü çizimini aç; öğrenciler sırayla numaralara dokunup yedi aşamayı okusun. Döngünün tek seferlik değil, her turda modeli iyileştiren bir çember olduğunu ve önümüzdeki on haftada bu çemberi dört kez dolaşacağımızı söyle.
1. ders
9 dk		Keşif: Dengeli veri ve eğitim/test
Dengesiz ve dengeli veri çizimini göster: 120 kâğıt, 30 plastik, 10 metal ile eğitilen model neden hep "Kâğıt" der? Sonra 60 yapışkan notu karıştırıp 48'ini "Eğitim", 12'sini "Test" sütununa yapıştır. Test örneklerinin sınav soruları gibi saklandığını, eğitimde asla kullanılmadığını anlat.
1. ders
14 dk		Etkinlik: Planlama kartını doldur
Gruplara planlama kartını dağıt. Hepsi geri dönüşüm projesini planlar; hızlı biten grup ikinci bir proje (meyve tanıyıcı, sınıf eşyası tanıyıcı) için de kart doldurur. Kartın altı satırı tamamlanınca bir grup kartını tahtaya yansıtır, sınıf eksikleri söyler.
1. ders
4 dk		Değerlendirme: Planı sına
Tahtaya "Sınıflar: Plastik, Pet şişe, Metal" diye hatalı bir plan yaz. Öğrencilerden sorunu bulmalarını iste (pet şişe zaten plastiktir, sınıflar iç içe). Çıkış kartına her öğrenci "iyi bir veri setinin üç özelliği"ni yazar.
2. ders
10 dk		Tekrar: Sunum
9 slaytlık ders sunumu akıllı tahtada açılır; önceki saatte öğrenilen kavramlar öğrencilerle birlikte tekrar edilir.
2. ders
20 dk		Uygulama: Etkinlikler
Akıllı tahtada etkileşimli etkinlikler oynanır: Model geliştirme döngüsü; İyi plan mı, sorunlu plan mı?; Döngü: numarayı aşamayla eşleştir; Doğru mu, yanlış mı?; Kutuyu aç: konu soruları; Harf karıştırma: anahtar kavramlar.
2. ders
10 dk		Değerlendirme
9 soruluk doğru-yanlış testi tahtada birlikte çözülür; yanlış cevaplar gerekçeleriyle tartışılır.
FarklılaştırmaBilgisayarsız sınıf alternatifi: Yapışkan notlarla veri seti. Her renk bir sınıftır (mavi kâğıt, sarı plastik, gri metal). Gruplar önce dengesiz bir deste kurar (20 mavi, 5 sarı, 2 gri), sonra dengeli desteye çevirir. Notlar karıştırılıp beşte biri "Test" zarfına konur; zarf ancak eğitim bittikten sonra açılır. Planlama kartı kâğıt üzerinde doldurulur.
BÖLÜM IV · ÖLÇME VE DEĞERLENDİRME
Ölçme araçlarıKontrol listesi, dereceli puanlama anahtarı, öz ve akran değerlendirme
Doğru-yanlış soruları
  1. Bir YZ projesine veri toplayarak değil, problemi ve sınıfları tanımlayarak başlanır. (D)
  2. Sınıflar birbirinin içine geçebilir; örneğin "Plastik" ve "Pet şişe" aynı projede iki ayrı sınıf olabilir. (Y)
  3. Kameraya hiçbir atık gösterilmediği durumlar için "Boş" sınıfı eklemek modelin yanlış alarm vermesini azaltır. (D)
  4. 120 kâğıt, 30 plastik ve 10 metal fotoğrafıyla eğitilen bir model dengeli bir veri setiyle eğitilmiştir. (Y)
  5. Dengesiz bir test setinde "her şeye Kâğıt diyen" bir model yüksek doğruluk alabilir ama işe yaramaz. (D)
  6. Test setindeki örnekler eğitimde de kullanılırsa modelin gerçek başarısı daha doğru ölçülür. (Y)
  7. Aynı nesnenin farklı ışık, açı, arka plan ve uzaklıkta çekilmiş fotoğrafları veri çeşitliliğini artırır. (D)
  8. Veri setinin %80'ini eğitime, %20'sini teste ayırmak sık kullanılan bir yöntemdir. (D)
  9. Başarı hedefi yalnızca toplam doğruluktur; tek bir sınıfın çok kötü olması önemli değildir. (Y)
Belirli gün ve haftalar2. dönemin başlaması · Güvenli İnternet Günü (9 Şubat)
Dersin uygulanmasına ilişkin açıklamalarBu haftanın planlama kartlarını saklayın: 20. haftada veri toplarken, 22. haftada modeli eğitirken aynı kartlara geri dönülecek. Kartın "Başarı hedefi" satırı 22. haftadaki test sonuçlarıyla karşılaştırılır.
…………………………Bilişim Teknolojileri Öğretmeni
UYGUNDUR08.02.2027…………………………Okul Müdürü
Bu dersi sınıfta işleyinSunum, tahta modu ve etkileşimli etkinlikler için.
Etkileşimli sürümü aç →