Sözlük · 161+ terim · tamamen ücretsiz

Yapay Zeka Sözlüğü

A'dan Z'ye, kısa ve net tanımlarla. Bir terime takıldığında buraya gel, aradığını bul, kaldığın yerden devam et.

A B Ç D E F G H İ J K L M N O Ö P R S T Ü V X Y Z

161 terimin tamamı aşağıda listeleniyor.

A

A/B Testi(A/B Testing)MLOps & Üretim: İki farklı model veya sürümün performansını, kullanıcıları rastgele gruplara ayırarak karşılaştırma yöntemi.
Ajan Tabanlı Sistem(Agentic System)NLP & LLM: Bir dil modelinin, araçlar kullanarak ve ara adımlar planlayarak çok adımlı görevleri özerk şekilde yürüttüğü sistem.
Aktivasyon Fonksiyonu(Activation Function)Derin Öğrenme: Bir nöronun çıktısına doğrusal olmayanlık katan, ağın karmaşık ilişkileri öğrenmesini sağlayan fonksiyon (ReLU, sigmoid gibi).
Algoritma(Algorithm)Temel Kavramlar: Bir problemi çözmek için izlenen, adım adım tanımlanmış işlem dizisi.
Algoritmik Önyargı(Algorithmic Bias)Temel Kavramlar: Eğitim verisindeki dengesizlik veya tasarım hatalarından kaynaklanan, modelin belirli gruplara karşı sistematik olarak adaletsiz sonuçlar üretmesi.
Anlamsal Arama(Semantic Search)NLP & LLM: Anahtar kelime eşleşmesi yerine anlam benzerliğine dayanan arama yöntemi.
Artık Bağlantı(Residual Connection)Derin Öğrenme: Bir katmanın girdisini, çıktısına doğrudan ekleyerek çok derin ağların eğitimini kolaylaştıran mimari öğe (ResNet'te kullanılır).
Aşırı Öğrenme(Overfitting)Makine Öğrenmesi: Modelin eğitim verisini ezberleyip yeni verilerde genelleyememesi; eğitimde yüksek, testte düşük performansla kendini gösterir.
AUC(Area Under the Curve)Makine Öğrenmesi: ROC eğrisinin altında kalan alan; modelin sınıfları ayırt etme yeteneğinin özet bir ölçüsüdür.

B

Bağlam Penceresi(Context Window)NLP & LLM: Bir dil modelinin bir seferde dikkate alabildiği maksimum token (metin birimi) miktarı.
Batch(Batch)Derin Öğrenme: Bir eğitim adımında modele birlikte verilen örnek grubunun boyutu.
Batch Normalizasyon(Batch Normalization)Derin Öğrenme: Katmanlar arası girdileri normalize ederek eğitimi hızlandıran ve kararlılığı artıran teknik.
Bayes Teoremi(Bayes' Theorem)İstatistik & Matematik: Yeni kanıtlara dayanarak bir olayın olasılığını güncellemeyi sağlayan temel olasılık formülü.
Bilgi Damıtma(Knowledge Distillation)MLOps & Üretim: Büyük ve karmaşık bir modelin bilgisini, daha küçük ve hızlı bir modele aktarma tekniği.
Bilgisayarlı Görü(Computer Vision)Bilgisayarlı Görü: Bilgisayarların görüntü ve videolardan anlamlı bilgi çıkarmasını sağlayan yapay zeka alanı.
Boyut İndirgeme(Dimensionality Reduction)Makine Öğrenmesi: Veri setindeki özellik sayısını, önemli bilgiyi büyük ölçüde koruyarak azaltma tekniği.
Budama(Pruning)MLOps & Üretim: Bir sinir ağındaki önemsiz ağırlıkları veya nöronları kaldırarak modeli küçültme tekniği.
Büyük Dil Modeli(Large Language Model (LLM))NLP & LLM: Devasa miktarda metinle eğitilmiş, metin üretme, özetleme, çeviri gibi dil görevlerinde genelleyebilen büyük ölçekli model.

Ç

Çapraz Doğrulama(Cross-Validation)Makine Öğrenmesi: Veriyi birden çok parçaya bölüp modeli farklı kombinasyonlarda eğitip test ederek performansı daha güvenilir ölçme yöntemi.
Çıkarım(Inference)Temel Kavramlar: Eğitilmiş bir modelin, yeni ve daha önce görmediği veriler üzerinde tahmin üretmesi süreci.

D

Dar Yapay Zeka(Narrow AI)Temel Kavramlar: Belirli, sınırlı bir görevde (ör. görüntü sınıflandırma) uzmanlaşmış, günümüzde yaygın olan yapay zeka türü.
Denetimli Öğrenme(Supervised Learning)Temel Kavramlar: Modelin, etiketli örneklerden (girdi-doğru çıktı çiftlerinden) öğrendiği makine öğrenmesi türü.
Denetimsiz Öğrenme(Unsupervised Learning)Temel Kavramlar: Modelin, etiket olmadan sadece verinin kendi içindeki yapıyı/örüntüleri keşfettiği öğrenme türü.
Deney Takibi(Experiment Tracking)MLOps & Üretim: Farklı model eğitim denemelerinin parametrelerini, metriklerini ve sonuçlarını kayıt altına alma pratiği.
Derin Öğrenme(Deep Learning)Temel Kavramlar: Çok katmanlı yapay sinir ağları kullanan, özellikle görüntü, ses ve metin gibi karmaşık verilerde başarılı olan makine öğrenmesi alt dalı.
Destek Vektör Makinesi(Support Vector Machine (SVM))Makine Öğrenmesi: Sınıflar arasındaki marjini maksimize eden bir ayırıcı sınır bularak sınıflandırma yapan algoritma.
Difüzyon Modeli(Diffusion Model)Derin Öğrenme: Gürültülü veriyi adım adım temizleyerek yeni görüntü veya veri üreten üretken model ailesi.
Dikkat Mekanizması(Attention Mechanism)Derin Öğrenme: Bir modelin, çıktı üretirken girdinin hangi kısımlarına daha çok odaklanacağını öğrenmesini sağlayan mekanizma.
DockerAraçlar & Kütüphaneler: Uygulamaları ve bağımlılıklarını konteynerler halinde paketleyip her ortamda tutarlı şekilde çalıştırmayı sağlayan platform.
Doğal Dil İşleme(Natural Language Processing (NLP))NLP & LLM: Bilgisayarların insan dilini anlama, yorumlama ve üretmesini sağlayan yapay zeka alanı.
Dropout(Dropout)Derin Öğrenme: Eğitim sırasında rastgele nöronları devre dışı bırakarak aşırı öğrenmeyi azaltan düzenlileştirme tekniği.
Durağanlık(Stationarity)İstatistik & Matematik: Bir zaman serisinin istatistiksel özelliklerinin (ortalama, varyans) zaman içinde değişmemesi durumu.
Duyarlılık(Recall)Makine Öğrenmesi: Gerçekte pozitif olan örnekler arasında modelin doğru tespit ettiklerinin oranı.
Duygu Analizi(Sentiment Analysis)NLP & LLM: Bir metnin taşıdığı duygusal tonu (pozitif, negatif, nötr) otomatik olarak belirleme görevi.
Düzenlileştirme(Regularization)Makine Öğrenmesi: Modelin aşırı öğrenmesini önlemek için karmaşıklığını sınırlayan teknikler bütünü (L1, L2, dropout gibi).

E

Eğitim(Training)Temel Kavramlar: Bir modelin, veri üzerindeki hatasını azaltacak şekilde parametrelerini ayarladığı süreç.
Entropi(Entropy)İstatistik & Matematik: Bir sistemdeki belirsizliğin veya rastgeleliğin ölçüsü; karar ağaçlarında bölünme kalitesini değerlendirmede kullanılır.
Epoch(Epoch)Derin Öğrenme: Eğitim verisinin tamamının model tarafından bir kez görülmesi.
Etiket(Label)Temel Kavramlar: Denetimli öğrenmede bir örneğin doğru cevabını belirten değer; modelin tahmin etmeyi öğrendiği hedef.
Evrişim(Convolution)Bilgisayarlı Görü: Bir filtrenin görüntü üzerinde kaydırılarak kenar, doku gibi yerel örüntüleri tespit eden matematiksel işlem.
Evrişimli Sinir Ağı(Convolutional Neural Network (CNN))Derin Öğrenme: Görüntü gibi ızgara yapılı verilerde uzamsal örüntüleri öğrenmek için evrişim katmanları kullanan sinir ağı türü.

F

F1 Skoru(F1 Score)Makine Öğrenmesi: Kesinlik ve duyarlılığın harmonik ortalaması; dengesiz veri setlerinde tercih edilen bir performans metriği.
FastAPIAraçlar & Kütüphaneler: Python'da hızlı, modern ve otomatik dokümantasyon üreten API'ler oluşturmak için kullanılan web çerçevesi.
Few-shot Öğrenme(Few-shot Learning)NLP & LLM: Bir modele, görevi birkaç örnekle gösterip ek eğitim yapmadan o görevi gerçekleştirmesini isteme yaklaşımı.

G

Gecikme(Latency)MLOps & Üretim: Bir isteğin gönderilmesinden yanıtın alınmasına kadar geçen süre.
Genel Yapay Zeka(Artificial General Intelligence (AGI))Temel Kavramlar: İnsan düzeyinde ve her alanda akıl yürütebilen, henüz ulaşılmamış varsayımsal yapay zeka türü.
Geri Yayılım(Backpropagation)Derin Öğrenme: Bir sinir ağındaki hatayı, çıktıdan girdiye doğru yayarak her ağırlığın güncellenme miktarını hesaplayan algoritma.
Gömme(Embedding)Derin Öğrenme: Kelime, görüntü gibi karmaşık nesneleri, anlamsal ilişkileri koruyan yoğun sayısal vektörlere dönüştürme.
Görüntü Segmentasyonu(Image Segmentation)Bilgisayarlı Görü: Bir görüntüdeki her pikseli ait olduğu nesne veya bölgeye göre etiketleme görevi.
Görüntü Sınıflandırma(Image Classification)Bilgisayarlı Görü: Bir görüntüyü, önceden tanımlı kategorilerden birine atama görevi.
Gözlemlenebilirlik(Observability)MLOps & Üretim: Bir sistemin iç durumunun, dışarıdan toplanan loglar, metrikler ve izlerle anlaşılabilmesi yeteneği.
Gradyan(Gradient)İstatistik & Matematik: Çok değişkenli bir fonksiyonun her yöndeki değişim oranını gösteren vektör; modelin hangi yönde güncellenmesi gerektiğini belirler.
Gradyan Artırma(Gradient Boosting)Makine Öğrenmesi: Zayıf modelleri sırayla eğitip her birinin bir öncekinin hatalarını düzeltmesini sağlayan güçlü bir topluluk tekniği.
Gradyan İnişi(Gradient Descent)Derin Öğrenme: Kayıp fonksiyonunu en aza indirmek için model parametrelerini, gradyanın tersi yönünde adım adım güncelleyen optimizasyon algoritması.
Gradyan Kaybolması(Vanishing Gradient)Derin Öğrenme: Derin ağlarda geri yayılım sırasında gradyanların gittikçe küçülüp ilk katmanların öğrenmesini zorlaştırması problemi.

H

Halüsinasyon(Hallucination)NLP & LLM: Bir dil modelinin, gerçeğe uymayan ama akıcı ve inandırıcı görünen bilgi üretmesi.
Havuzlama(Pooling)Bilgisayarlı Görü: Bir özellik haritasının boyutunu küçültüp en önemli bilgiyi koruyan işlem (ör. max pooling).
Hiperparametre(Hyperparameter)Makine Öğrenmesi: Eğitimden önce belirlenen ve veriden öğrenilmeyen ayar (öğrenme oranı, ağaç derinliği gibi).
Hipotez Testi(Hypothesis Testing)İstatistik & Matematik: Bir varsayımın (hipotezin) veriye dayanarak istatistiksel olarak desteklenip desteklenmediğini değerlendirme yöntemi.
Hugging FaceAraçlar & Kütüphaneler: Açık kaynak büyük dil modellerinin, veri setlerinin ve NLP araçlarının paylaşıldığı topluluk platformu ve kütüphane ekosistemi.

İ

İnce Ayar(Fine-tuning)Derin Öğrenme: Önceden eğitilmiş bir modeli, küçük bir veri setiyle belirli bir göreve uyacak şekilde ek eğitimden geçirme.
İnsan Geri Bildirimiyle Pekiştirmeli Öğrenme(RLHF)NLP & LLM: Bir modelin çıktılarını, insan tercihlerinden öğrenilen bir ödül sinyaliyle iyileştiren eğitim tekniği.

J

Jupyter NotebookAraçlar & Kütüphaneler: Kod, görselleştirme ve açıklayıcı metni tek bir belgede birleştiren, veri bilimi ve araştırma için yaygın kullanılan etkileşimli ortam.

K

K-En Yakın Komşu(K-Nearest Neighbors (KNN))Makine Öğrenmesi: Bir örneği, özellik uzayındaki en yakın k komşusunun çoğunluk sınıfına göre sınıflandıran basit algoritma.
Kademeli Dağıtım(Canary Deployment)MLOps & Üretim: Yeni bir model sürümünü, önce küçük bir kullanıcı kitlesine açarak riski sınırlayan dağıtım stratejisi.
Karar Ağacı(Decision Tree)Makine Öğrenmesi: Veriyi, bir dizi evet/hayır sorusuyla dallara ayırarak sınıflandırma veya regresyon yapan model türü.
Karmaşıklık Matrisi(Confusion Matrix)Makine Öğrenmesi: Bir sınıflandırma modelinin doğru ve yanlış tahminlerini sınıf bazında gösteren tablo.
Kavram Kayması(Concept Drift)MLOps & Üretim: Girdi ile hedef değişken arasındaki ilişkinin zamanla değişmesi; modelin eskiyen varsayımlarla hatalı tahmin üretmesine yol açar.
Kayıp Fonksiyonu(Loss Function)Makine Öğrenmesi: Modelin tahminleri ile gerçek değerler arasındaki farkı sayısallaştıran, eğitim sırasında en aza indirilmeye çalışılan fonksiyon.
Kelime Gömme(Word Embedding)NLP & LLM: Kelimeleri, anlamsal benzerliklerini yansıtan sayısal vektörler olarak temsil etme yöntemi.
KerasAraçlar & Kütüphaneler: TensorFlow üzerinde çalışan, sinir ağı modellerini hızlı ve basit bir şekilde tanımlamayı sağlayan üst düzey API.
Kesinlik(Precision)Makine Öğrenmesi: Modelin pozitif dediği örnekler arasında gerçekten pozitif olanların oranı.
Konteyner(Container)MLOps & Üretim: Bir uygulamayı ve tüm bağımlılıklarını, her ortamda aynı şekilde çalışacak şekilde paketleyen hafif sanallaştırma birimi.
Konuşan Ajan(Conversational Agent)NLP & LLM: Kullanıcılarla doğal dilde diyalog kurabilen yapay zeka sistemi (chatbot).
Konveks Fonksiyon(Convex Function)İstatistik & Matematik: Tek bir global minimuma sahip, optimizasyonu daha kolay ve öngörülebilir olan fonksiyon türü.
Korelasyon(Correlation)İstatistik & Matematik: İki değişken arasındaki doğrusal ilişkinin yönünü ve gücünü ölçen istatistiksel değer.
KubernetesAraçlar & Kütüphaneler: Konteynerleştirilmiş uygulamaların dağıtımını, ölçeklendirilmesini ve yönetimini otomatikleştiren açık kaynak orkestrasyon sistemi.
Kümeleme(Clustering)Makine Öğrenmesi: Benzer veri noktalarını, etiket olmadan gruplara ayıran denetimsiz öğrenme tekniği.

L

LoRA(Low-Rank Adaptation)NLP & LLM: Büyük bir modelin tüm parametrelerini değil, az sayıda ek parametreyi eğiterek verimli ince ayar yapan teknik.
LSTM(Long Short-Term Memory)Derin Öğrenme: Uzun vadeli bağımlılıkları öğrenebilen, kapı mekanizmalarına sahip gelişmiş bir RNN türü.

M

Makine Çevirisi(Machine Translation)NLP & LLM: Bir dildeki metni otomatik olarak başka bir dile çeviren NLP uygulaması.
Makine Öğrenmesi(Machine Learning)Temel Kavramlar: Sistemlerin açıkça programlanmadan, verideki örüntülerden öğrenerek tahmin veya karar üretmesini sağlayan yapay zeka alt dalı.
MatplotlibAraçlar & Kütüphaneler: Python'da statik, etkileşimli ve animasyonlu grafikler oluşturmak için kullanılan temel görselleştirme kütüphanesi.
Matris(Matrix)İstatistik & Matematik: Sayıların satır ve sütunlar halinde düzenlendiği, doğrusal cebirin ve sinir ağı hesaplamalarının temel yapı taşı.
Medyan(Median)İstatistik & Matematik: Sıralanmış bir veri kümesinin tam ortasındaki değer; aykırı değerlerden ortalamaya göre daha az etkilenir.
Metin Özetleme(Text Summarization)NLP & LLM: Uzun bir metnin ana fikrini koruyarak daha kısa bir versiyonunu otomatik olarak üretme görevi.
Metinden Görüntüye Üretim(Text-to-Image Generation)Bilgisayarlı Görü: Bir metin açıklamasından, o açıklamaya uygun özgün bir görüntü üreten üretken yapay zeka görevi.
MLflowAraçlar & Kütüphaneler: Makine öğrenmesi deneylerini takip etmek, modelleri paketlemek ve dağıtmak için kullanılan açık kaynak platform.
MLOps(MLOps)MLOps & Üretim: Makine öğrenmesi modellerini güvenilir, tekrarlanabilir ve ölçeklenebilir şekilde üretime almayı ve sürdürmeyi amaçlayan pratikler bütünü.
Model(Model)Temel Kavramlar: Eğitim verisinden öğrenilen örüntüleri temsil eden, yeni veriler üzerinde tahmin yapabilen matematiksel yapı.
Model Açıklanabilirliği(Explainability)MLOps & Üretim: Bir modelin neden belirli bir tahmin ürettiğinin insan tarafından anlaşılabilir şekilde ortaya konması.
Model Bağlam Protokolü(Model Context Protocol (MCP))NLP & LLM: Yapay zeka modellerinin harici araçlara ve veri kaynaklarına standart bir şekilde bağlanmasını sağlayan açık protokol.
Model Dağıtımı(Model Deployment)MLOps & Üretim: Eğitilmiş bir modelin, gerçek kullanıcıların erişebileceği bir ortama (API, uygulama) entegre edilmesi.
Model Kayıt Defteri(Model Registry)MLOps & Üretim: Eğitilmiş model versiyonlarının, meta verileriyle birlikte merkezi olarak saklandığı ve yönetildiği sistem.
Model Sunumu(Model Serving)MLOps & Üretim: Bir modelin, gelen isteklere gerçek zamanlı veya toplu olarak tahmin üretecek şekilde bir sunucu üzerinde çalıştırılması.

N

Naive Bayes(Naive Bayes)Makine Öğrenmesi: Özelliklerin birbirinden bağımsız olduğu varsayımıyla Bayes teoremini kullanan hızlı bir sınıflandırma algoritması.
Nedensellik(Causation)İstatistik & Matematik: Bir değişkendeki değişimin, doğrudan başka bir değişkende değişime yol açması; korelasyondan farklı olarak neden-sonuç ilişkisi gerektirir.
Nesne Tespiti(Object Detection)Bilgisayarlı Görü: Bir görüntüdeki birden fazla nesneyi hem sınıflandırıp hem de konumlarını (sınırlayıcı kutu ile) belirleme görevi.
Nicemleme(Quantization)MLOps & Üretim: Model ağırlıklarını daha düşük hassasiyetli sayı formatlarına dönüştürerek boyutunu ve çıkarım süresini azaltma tekniği.
Normal Dağılım(Normal Distribution)İstatistik & Matematik: Çan eğrisi şeklindeki, doğada ve istatistikte sık karşılaşılan simetrik olasılık dağılımı.
Nöron(Neuron)Derin Öğrenme: Bir sinir ağındaki temel işlem birimi; girdileri ağırlıklandırıp toplayarak bir aktivasyon fonksiyonundan geçirir.
NumPyAraçlar & Kütüphaneler: Python'da çok boyutlu diziler ve bu diziler üzerinde hızlı matematiksel işlemler sağlayan temel bilimsel hesaplama kütüphanesi.

O

Olabilirlik(Likelihood)İstatistik & Matematik: Belirli model parametreleri altında, gözlemlenen verinin ortaya çıkma olasılığı.
Olasılık Dağılımı(Probability Distribution)İstatistik & Matematik: Bir rastgele değişkenin alabileceği değerlerin ve bu değerlerin gerçekleşme olasılıklarının tanımı.
Optik Karakter Tanıma(Optical Character Recognition (OCR))Bilgisayarlı Görü: Görüntü içindeki basılı veya el yazısı metni dijital metne dönüştürme teknolojisi.
Ortalama(Mean)İstatistik & Matematik: Bir veri kümesindeki değerlerin toplamının, değer sayısına bölünmesiyle elde edilen merkezi eğilim ölçüsü.
Otomatik Kodlayıcı(Autoencoder)Derin Öğrenme: Veriyi sıkıştırıp (encode) sonra yeniden yapılandıran (decode), boyut indirgeme ve anomali tespitinde kullanılan ağ mimarisi.

Ö

Öğrenme Oranı(Learning Rate)Derin Öğrenme: Gradyan inişinde her adımda parametrelerin ne kadar değiştirileceğini belirleyen hiperparametre.
Özellik(Feature)Temel Kavramlar: Bir veri örneğini tanımlayan ölçülebilir bir nitelik; modelin girdisini oluşturan değişkenlerden her biri.
Özellik Deposu(Feature Store)MLOps & Üretim: Makine öğrenmesi özelliklerinin merkezi olarak hesaplanıp hem eğitim hem üretimde tutarlı şekilde kullanılmasını sağlayan sistem.
Özellik Mühendisliği(Feature Engineering)Makine Öğrenmesi: Ham veriden, modelin performansını artıracak yeni ve anlamlı özellikler türetme süreci.

P

p-değeri(p-value)İstatistik & Matematik: Gözlemlenen sonucun, sıfır hipotezi doğruyken rastgele ortaya çıkma olasılığını gösteren istatistiksel değer.
PandasAraçlar & Kütüphaneler: Python'da tablo biçimli (DataFrame) verilerle çalışmayı kolaylaştıran, veri temizleme ve analiz için yaygın kullanılan kütüphane.
Pekiştirmeli Öğrenme(Reinforcement Learning)Temel Kavramlar: Bir ajanın, ortamla etkileşime girerek aldığı ödül/ceza sinyallerinden davranış öğrendiği öğrenme türü.
Poz Tahmini(Pose Estimation)Bilgisayarlı Görü: Bir görüntü veya videoda insan vücudunun eklem noktalarının konumunu tespit etme görevi.
Prompt(Prompt)NLP & LLM: Bir dil modeline verilen, istenen çıktıyı yönlendiren girdi metni.
Prompt Mühendisliği(Prompt Engineering)NLP & LLM: Bir dil modelinden istenen sonucu almak için girdi metnini (prompt) etkili şekilde tasarlama pratiği.
PyTorchAraçlar & Kütüphaneler: Meta tarafından geliştirilen, araştırma ve üretimde yaygın kullanılan, dinamik hesaplama grafiğine sahip derin öğrenme çerçevesi.

R

RAG(Retrieval-Augmented Generation)NLP & LLM: Bir dil modelinin, yanıt üretmeden önce harici bir bilgi kaynağından ilgili belgeleri getirip bağlama eklediği mimari.
Rastgele Orman(Random Forest)Makine Öğrenmesi: Çok sayıda karar ağacının tahminlerini birleştirerek daha kararlı ve doğru sonuçlar üreten topluluk yöntemi.
Regresyon(Regression)Makine Öğrenmesi: Sürekli sayısal bir değeri tahmin etmeyi amaçlayan denetimli öğrenme türü.
ROC Eğrisi(ROC Curve)Makine Öğrenmesi: Bir sınıflandırıcının farklı eşik değerlerindeki doğru/yanlış pozitif oranlarını gösteren grafik.

S

Scikit-learnAraçlar & Kütüphaneler: Python'da klasik makine öğrenmesi algoritmalarını (regresyon, sınıflandırma, kümeleme) tutarlı bir API ile sunan kütüphane.
SeabornAraçlar & Kütüphaneler: Matplotlib üzerine inşa edilmiş, istatistiksel grafikleri daha kolay ve estetik şekilde oluşturmayı sağlayan görselleştirme kütüphanesi.
SHAP(SHAP (SHapley Additive exPlanations))MLOps & Üretim: Her özelliğin bir tahmine katkısını oyun teorisi temelli olarak hesaplayan model açıklama yöntemi.
Sınıf Dengesizliği(Class Imbalance)Makine Öğrenmesi: Bir sınıflandırma probleminde sınıflardan birinin diğerlerine göre çok daha az örneğe sahip olması durumu.
Sınıflandırma(Classification)Makine Öğrenmesi: Bir örneği önceden tanımlı kategorilerden birine atamayı amaçlayan denetimli öğrenme türü.
Sorumlu Yapay Zeka(Responsible AI)MLOps & Üretim: Yapay zeka sistemlerinin adil, şeffaf, güvenli ve hesap verebilir şekilde geliştirilmesini ve kullanılmasını amaçlayan yaklaşım.
Standart Sapma(Standard Deviation)İstatistik & Matematik: Veri noktalarının ortalamadan ne kadar uzaklaştığını gösteren, yayılımı ölçen istatistik.
Sürekli Entegrasyon/Sürekli Dağıtım(CI/CD)MLOps & Üretim: Kod değişikliklerinin otomatik olarak test edilip üretime alınmasını sağlayan yazılım geliştirme pratiği.

T

Tavsiye Sistemi(Recommender System)Makine Öğrenmesi: Kullanıcıların geçmiş davranışlarına dayanarak onlara ürün, içerik veya hizmet öneren sistem.
Tekrarlayan Sinir Ağı(Recurrent Neural Network (RNN))Derin Öğrenme: Sıralı verilerdeki (metin, zaman serisi) bağımlılıkları yakalamak için önceki adımların bilgisini taşıyan sinir ağı türü.
Temel Bileşenler Analizi(Principal Component Analysis (PCA))Makine Öğrenmesi: Veriyi, varyansı en çok açıklayan yeni ve birbirinden bağımsız eksenlere dönüştüren boyut indirgeme yöntemi.
Temel Doğruluk(Ground Truth)Temel Kavramlar: Bir veri örneği için kabul edilen, doğru olduğu bilinen gerçek etiket veya değer.
TensorFlowAraçlar & Kütüphaneler: Google tarafından geliştirilen, büyük ölçekli derin öğrenme modellerini eğitmek ve dağıtmak için kullanılan çerçeve.
Tensör(Tensor)İstatistik & Matematik: Skaler, vektör ve matrisleri genelleyen, çok boyutlu sayı dizisi; derin öğrenme çerçevelerinin temel veri yapısıdır.
Tokenizasyon(Tokenization)NLP & LLM: Metni, model tarafından işlenebilecek kelime, alt kelime veya karakter birimlerine (token) ayırma işlemi.
Topluluk Öğrenmesi(Ensemble Learning)Makine Öğrenmesi: Birden fazla modelin tahminlerini birleştirerek tek bir modelden daha iyi performans elde etme stratejisi.
Transfer Öğrenme(Transfer Learning)Derin Öğrenme: Bir görevde eğitilmiş bir modelin bilgisini, benzer başka bir göreve aktarıp yeniden kullanma yaklaşımı.
Transformer(Transformer)NLP & LLM: Dikkat mekanizmasına dayanan, günümüz büyük dil modellerinin temelini oluşturan sinir ağı mimarisi.
Türev(Derivative)İstatistik & Matematik: Bir fonksiyonun bir noktadaki değişim oranı; gradyan inişi gibi optimizasyon yöntemlerinin temelini oluşturur.

Ü

Üretken Çekişmeli Ağ(Generative Adversarial Network (GAN))Derin Öğrenme: Birbirine karşı yarışan bir üretici ve bir ayırt edici ağdan oluşan, gerçekçi veri üretebilen mimari.
Üretken Yapay Zeka(Generative AI)Temel Kavramlar: Metin, görüntü, ses gibi yeni ve özgün içerik üretebilen yapay zeka sistemlerinin genel adı.

V

Varlık İsmi Tanıma(Named Entity Recognition (NER))NLP & LLM: Bir metindeki kişi, yer, kurum gibi özel isimleri tespit edip sınıflandırma görevi.
Varyans(Variance)İstatistik & Matematik: Veri noktalarının ortalamadan sapmalarının karelerinin ortalaması; standart sapmanın karesidir.
Vektör(Vector)İstatistik & Matematik: Büyüklük ve yön taşıyan, makine öğrenmesinde genellikle bir veri noktasının sayısal temsilini ifade eden matematiksel nesne.
Vektör Veritabanı(Vector Database)NLP & LLM: Gömme vektörlerini depolayıp benzerlik araması yapmaya özel olarak tasarlanmış veritabanı türü.
Veri Artırma(Data Augmentation)Makine Öğrenmesi: Mevcut veriyi döndürme, kırpma, gürültü ekleme gibi dönüşümlerle çoğaltarak modelin genelleme yeteneğini artırma tekniği.
Veri Kayması(Data Drift)MLOps & Üretim: Üretimdeki girdi verisinin istatistiksel özelliklerinin, modelin eğitildiği veriden zamanla farklılaşması.
Veri Seti(Dataset)Temel Kavramlar: Bir modeli eğitmek veya değerlendirmek için kullanılan, düzenli şekilde bir araya getirilmiş veri koleksiyonu.
Veri Sızıntısı(Data Leakage)Temel Kavramlar: Eğitim sırasında modelin, gerçek dünyada erişemeyeceği bilgilere (örn. test verisine) yanlışlıkla erişmesi; yanıltıcı yüksek performansa yol açar.
Verim(Throughput)MLOps & Üretim: Bir sistemin birim zamanda işleyebildiği istek veya örnek sayısı.

X

XGBoostAraçlar & Kütüphaneler: Gradyan artırma algoritmasının hızlı ve ölçeklenebilir bir uygulaması; yapılandırılmış veri yarışmalarında sıkça tercih edilir.

Y

Yanlılık-Varyans Dengesi(Bias-Variance Tradeoff)Makine Öğrenmesi: Modelin basitliği (yanlılık) ile veriye duyarlılığı (varyans) arasındaki, genelleme performansını belirleyen denge.
Yapay Sinir Ağı(Artificial Neural Network)Derin Öğrenme: Biyolojik beyinden ilham alan, birbirine bağlı katmanlardan oluşan, karmaşık örüntüleri öğrenebilen hesaplama modeli.
Yapay Zeka(Artificial Intelligence)Temel Kavramlar: İnsan zekâsı gerektiren görevleri (öğrenme, akıl yürütme, problem çözme) yerine getirebilen sistemlerin genel adı.
Yarı Denetimli Öğrenme(Semi-Supervised Learning)Temel Kavramlar: Az miktarda etiketli veri ile büyük miktarda etiketsiz veriyi birlikte kullanan öğrenme yaklaşımı.
Yetersiz Öğrenme(Underfitting)Makine Öğrenmesi: Modelin veri içindeki örüntüyü yeterince yakalayamayacak kadar basit olması; hem eğitim hem test performansı düşüktür.
Yüz Tanıma(Face Recognition)Bilgisayarlı Görü: Bir görüntüdeki yüzü, bilinen kimliklerle eşleştirerek tanıma teknolojisi.

Z

Zero-shot Öğrenme(Zero-shot Learning)NLP & LLM: Bir modelin, daha önce hiç örnek görmediği bir görevi, sadece talimata dayanarak gerçekleştirmesi.
Zincirleme Düşünce(Chain-of-Thought)NLP & LLM: Bir modelin, nihai cevaba varmadan önce ara akıl yürütme adımlarını açıkça üretmesini teşvik eden istem tekniği.

Sözlük her zaman ücretsiz kalacak

Terimleri öğrenmek başlangıç. Onları gerçek projelerde kullanmaya müfredatla devam et.

Öğrenime Başla