tag İstatistik

A/B Testi Nedir? Makine Öğrenmesinde A/B Testing (A/B Testi)

Bu sayfada İstatistik (A/B Testi Nedir? Makine Öğrenmesinde A/B Testing (A/B Testi)) etiketi ile işaretlenmiş 11 yapay zeka kavramını bulabilirsiniz.

A/B testi, iki farklı sürümü (A kontrol, B deney) kullanıcılara rastgele göstererek hangisinin daha iyi performans gösterdiğini belirleyen istatistiksel bir deney yöntemidir. Makine öğrenmesinde model değerlendirmesinin temel taşı olan A/B testi; web uygulamalarından öneri sistemlerine, dil modellerinden görüntü sınıflandırıcılara kadar geniş bir alanda kullanılır. Testin çalışma mantığı şu adımlara dayanır: Kullanıcılar rastgele iki gruba ayrılır. A grubu mevcut sistemi (kontrol), B grubu yeni modeli veya özelliği (deney) deneyimler. Belirli bir süre sonra tıklama oranı, dönüşüm, RMSE veya doğruluk gibi metrikler karşılaştırılır; istatistiksel anlamlılık p-değeri ve güven aralığı ile ölçülür. Makine öğrenmesi ekipleri A/B testini şu senaryolarda kullanır: Yeni model sürümünü üretim ortamında doğrulama, hiperparametre değişikliklerinin gerçek etkisini ölçme, farklı öneri algoritmalarını kullanıcı katılımıyla karşılaştırma ve özellik mühendisliği değişikliklerinin işletme metriklerine katkısını ölçme. Sık karşılaşılan tuzaklar arasında erken sonuç okuma (peeping problem), çoklu karşılaştırma yanılgısı (Bonferroni düzeltmesi gerektirir), yeterli örneklem büyüklüğü hesaplamamak ve kullanıcı segmentasyonu farklarını göz ardı etmek sayılabilir. Sıralı A/B testi (sequential testing) ise bu sorunları azaltmak için erken durdurma kuralları kullanır. Kanary dağıtımı (canary deployment) ve gölge modu (shadow mode) A/B testinin üretim ortamında uygulandığı ileri düzey varyantlardır. Kanary dağıtımında yeni model yalnızca küçük bir trafik dilimine sunularak riskler sınırlandırılır; gölge modunda ise yeni model gerçek trafiği paralel olarak işler ancak kullanıcıya hiçbir zaman yanıt vermez. Türkiye'de büyük e-ticaret ve fintech platformları üretim ML sistemlerini bu yöntemlerle doğrulamaktadır. Yaygın araçlar: MLflow Experiments, Amazon SageMaker Experiments, Optimizely ve açık kaynak Wasabi. Interleaved (karışık) A/B testi ise öneri ve arama sistemleri için özel olarak geliştirilmiş bir varyantdır: A ve B sistemlerinin sonuçları tek bir listeye interleave edilerek kullanıcı tıklamaları üzerinden hangisinin daha iyi sıralama yaptığı çıkarılır. Bu yöntem, klasik A/B testi karşılaştırmasına göre çok daha hızlı istatistiksel güç elde etmeyi sağlar.

code_blocks

A/B Testi Nedir? Makine Öğrenmesinde A/B Testing (A/B Testi)

arrow_forward sync_problem

Concept Drift (Kavram Kayması)

Kavram kayması (concept drift), makine ogrenmesi modellerinin egitiminde kullanilan verinin istatistiksel dagılımının zamanla degismesi ve bunun sonucunda modelin performansinin dusmesi olgusudur. Model deployment sonrasında gercek dunya verisi surekli degisirken model egitimde ogrendigi eski kalıpları uygulamaya devam eder; bu uyumsuzluk hatalarin artmasina yol acar. Kavram kaymasi cesitli turlerde gozlemlenir. Ani kayma (abrupt drift), baslangic tarihi gibi ani bir olayda dagılım topluca degisir. Kademeli kayma (gradual drift), uzun surede yavas yavas degisim gerceklesir. Tekrarlayan kayma (recurring drift), mevsimsel geri donusler gibi periyodik degisimler icermektedir. Kor nokta kavram kaymasi (blind spot drift) ise yeni veri tiplerinin egitim verisinde hic gozukmemesidir. Yontemi tespit etmek icin kullanilan teknikler cesitlidir: istatistiksel testler (Kolmogorov-Smirnov, Chi-square), ozellik dagılımı izleme (Population Stability Index — PSI), referans pencere ile kayarcisal pencere karsilastirma ve model performans metric'lerinin izlenmesi (accuracy, AUC, RMSE). River ve Evidently AI gibi kutuphaneler bu izleme sureclerini kolaylastirmaktadir. Yanit stratejileri arasinda geri egitim takvimi (scheduled retraining), drift algılandıgında otomatik model guncelleme (triggered retraining), online ogrenme (veriyi sirayla isleme) ve model ensembleleri (farkli doneme ait modeller birlestirme) yer almaktadir. MLOps altyapisi bu stratejilerin otomasyon ile uygulanmasini saglar.

arrow_forward diamond

Data Mining (Veri Madenciliği)

Veri madenciligi (data mining), buyuk veri kumelerinde gizli kalıpları, anlamlı ilişkileri ve bilgiyi outomatic olarak kesfetme sureci. Istatistik, makine ogrenmesi ve veritabani yonetiminin kesisiminde yer alan bu alan; ham verinin islenmesiyle anlamlı is kararlarına yol acan bilgiye donusturulmesi hedefler. Veri madenciligi sureci tipik olarak CRISP-DM (Cross-Industry Standard Process for Data Mining) metodolojisiyle yurutulur: is anlayisi, veri anlayisi, veri hazirlama, modelleme, degerlendirme ve deployment asamalarindan olusur. Bu cerceve, veri bilimiyle buyuk olcude ortusmektedir. Temel veri madenciligi teknikleri sunlardir: siniflandirma (classification) — yeni ornekleri bilinen kategorilere atama; kumeleme (clustering) — etiket olmaksizin benzer ornekleri gruplama; birliktelik kurali ogrenme (association rule learning) — birlikte gozuklenen ogeleri kesfetme; anomali tespiti (anomaly detection) — aykiri degerleri bulma; regresyon — sayisal degerleri tahmin etme. Birliktelik kurali ogrenme, sepet analizi (market basket analysis) olarak bilinen uygulamada kucuk bir ornek olarak Apriori ve FP-Growth algoritmalari kullanilir. 'Bira alan musteri bez de satin alır' gibi iliskiler bu teknikle kesfedilmistir. Bu oneri motorlarinın, cross-selling stratejilerinin ve icerik onerisinin temelini olusturur. Veri madenciligi; perakende (urun onerisindeki), finans (kredi riski, sahtekarlık tespiti), saglik (tani destegi, hasta gruplama) ve telekomunikasyon (musteri kaybı tahmini — churn) gibi alanlarda yaygin kullanim alanlarina sahiptir.

arrow_forward code_blocks

Lojistik Regresyon (Lojistik Regresyon)

Lojistik regresyon, sınıflandırma problemleri için kullanılan temel bir denetimli makine öğrenimi algoritmasıdır. İsmindeki "regresyon" sözcüğüne karşın algoritma, sürekli değer tahmini değil; olayların gerçekleşme olasılığını tahmin etmek için tasarlanmıştır. Temel matematiksel yapısı, doğrusal regresyon çıktısını [0, 1] aralığına sıkıştıran sigmoid (lojistik) fonksiyonuna dayanır. Algoritma, istatistikçi David Cox tarafından 1958 yılında literatüre kazandırılmıştır. Girdi özelliklerinin ağırlıklı toplamını hesapladıktan sonra sigmoid fonksiyonunu uygular; sonuç 0,5'in üzerindeyse pozitif sınıf, altındaysa negatif sınıf olarak etiketlenir. Bu karar eşiği kullanım senaryosuna göre ayarlanabilir; tıbbi tanı sistemlerinde yanlış negatif oranını düşürmek için eşik değeri azaltılır. Eğitim sürecinde kayıp fonksiyonu olarak ikili çapraz entropi (log-loss) minimize edilir; bu işlem stokastik gradyan inişi veya Newton-Raphson yöntemiyle gerçekleştirilir. L1 düzenlileştirme (Lasso) gereksiz özellikleri sıfıra çekerek özellik seçimi yaparken, L2 (Ridge) ağırlıkları küçük tutarak aşırı öğrenmeyi önler; ElasticNet her iki yaklaşımı dengeli biçimde birleştirir. Lojistik regresyon; e-posta spam tespiti, kredi riski değerlendirmesi, tıbbi tanı, metin sınıflandırma ve dönüşüm oranı tahmini gibi geniş bir uygulama yelpazesine sahiptir. Yorumlanabilir yapısı dolayısıyla, özellikle kararların açıklanması gereken finans ve sağlık sektörlerinde derin öğrenme modellerine tercih edilir. Scikit-learn, TensorFlow ve PyTorch kütüphanelerinde standart API'ler üzerinden hızla uygulanabilir.

arrow_forward center_focus_strong

PCA (Principal Component Analysis) (Temel Bileşen Analizi)

Temel Bileşen Analizi (Principal Component Analysis — PCA), yüksek boyutlu veri kümelerindeki boyut sayısını azaltırken verideki varyansı (bilgiyi) mümkün olduğunca korumayı hedefleyen doğrusal bir boyut indirgeme tekniğidir. 1901'de Karl Pearson tarafından önerilen bu yöntem, makine öğrenmesi, veri görselleştirme ve özellik mühendisliğinin temel araçlarından biri haline gelmiştir. PCA'nın matematiksel temeli kovaryans matrisinin özvektörlerine dayanır. Algoritma önce verinin ortalama merkezlemesini yapar, ardından kovaryans matrisini hesaplar ve bu matrisin özvektörlerini (temel bileşenleri) bulur. Her özvektöre karşılık gelen özdeğer, o bileşenin toplam varyansın ne kadarını açıkladığını ifade eder. Veriler, en yüksek özdeğerlere sahip k özvektörden oluşan yeni bir koordinat sistemine yansıtılır ve bu projeksiyon işlemiyle boyut sayısı dramatik biçimde azalır. Pratikte PCA birkaç kritik amaca hizmet eder: boyutsallık laneti sorununu hafifletmek, görselleştirme için yüksek boyutlu veriyi 2 veya 3 boyuta indirmek, gürültülü ve tekrarlayan özellikleri elemek, model eğitim süresini kısaltmak ve aşırı öğrenme riskini azaltmak. Örneğin 1000 özelliğe sahip bir tıbbi veri kümesinin ilk 50 temel bileşeni, toplam varyansın büyük çoğunluğunu açıklayabilir ve model performansını olumsuz etkilemeden hesaplama maliyetini önemli ölçüde düşürebilir. PCA'nın sınırlamaları arasında yalnızca doğrusal ilişkileri yakalayabilmesi öne çıkar; doğrusal olmayan yapılar için Kernel PCA, t-SNE veya UMAP gibi yöntemler tercih edilir. Ayrıca elde edilen temel bileşenler orijinal özelliklerle birebir yorumlanamaz; bu durum bazı alanlarda açıklanabilirlik sorunlarına yol açabilir. Veri ölçeklendirmesi (standardizasyon) PCA öncesinde zorunlu bir ön işleme adımıdır; aksi takdirde büyük ölçekli özellikler küçük ölçeklileri baskılayarak bileşenleri çarpıtır. Görüntü sıkıştırma, yüz tanıma (eigenfaces yöntemi), genomik analiz, doğal dil işlemede gizli anlam analizi (LSA) ve finans portföy analizi PCA'nın en yaygın uygulama alanları arasında yer almaktadır. Söz konusu çok yönlülük, PCA'yı veri bilimcilerinin araç kutusunun vazgeçilmez bir parçası yapmaktadır.

arrow_forward insights

Predictive Analytics (Öngörüsel Analitik)

Tahmine dayalı analitik (predictive analytics), istatistiksel modeller, makine öğrenmesi algoritmaları ve geçmiş verileri kullanarak gelecekteki olayları, eğilimleri veya davranışları tahmin eden veri bilimi disiplinidir. Geriye dönük tanımlayıcı analitiğin ötesine geçerek 'ne olabilir?' sorusuna olasılıksal yanıtlar üretir. Tahmine dayalı analitiğin en yaygın uygulaması müşteri davranışı tahminidir. E-ticaret platformları satın alma olasılığını tahmin ederek kişiselleştirilmiş öneriler sunar; bankalar kredi temerrüt olasılığını modelleyerek risk yönetimi yapar; sigorta şirketleri poliçe başvurusu alınmadan önce kaza olasılığını hesaplar. Bu modeller lojistik regresyon, karar ağaçları, rastgele orman veya gradient boosting gibi algoritmalar üzerine inşa edilebilir. Sağlık sektöründe tahmine dayalı analitik erken tanı için kritik değer taşır. Hasta taburculuk sonrası hastaneye yeniden kabul olasılığını, sepsis riskini veya ilaç uyumsuzluğunu öngören modeller klinik kararları destekler. IBM Watson Health ve Optum gibi platformlar bu kapasiteleri ölçeklenebilir biçimde sunmaktadır. Tedarik zinciri ve üretimde kestirimci bakım (predictive maintenance), ekipman arızasını önceden tespit ederek plansız duruş sürelerini ve bakım maliyetlerini azaltır. Sensör verileri, titreşim analizi ve sıcaklık örüntüleri makine sağlığını sürekli izlemek için kullanılır. Model geliştirme sürecinde özellik seçimi, eğitim-test bölmeleme, zaman serisi kayması (temporal leakage) ve sınıf dengesizliği gibi zorluklarla dikkatli biçimde başa çıkmak gerekir. Tahmin modeli doğruluğu kadar açıklanabilirliği ve adilliği de giderek daha fazla ön plana çıkmaktadır.

arrow_forward timeline

Time Series Forecasting (Zaman Serisi Tahmini)

Zaman serisi tahmini (time series forecasting), kronolojik sirada duzenlenmis gecmis veri noktalarini kullanarak gelecekteki degerleri tahmin etme surecidir. Finans, enerji, saglik, perakende ve meteoroloji gibi pek cok alanda kararları yonlendiren temel analitik tekniklerden biridir. Zaman serileri dort ana bilesenin ustu ustu eklenmesinden olusur: trend (uzun vadeli yonus), mevsimsellik (tekrarlayan donemsel desen), cevrimsellik (ekonomik dalga gibi duzensiz dalgalanmalar) ve gürültu (rastlantisal varyasyon). Bu bilesenler ayristirildiktan sonra her biri ayri modellenerek tahmin birlestirilir. Klasik istatistiksel yontemler arasinda ARIMA (AutoRegressive Integrated Moving Average), SARIMA (mevsimsel uzantisi) ve Holt-Winters Exponential Smoothing on siraya cikar. Bu modeller dogrusal iliskilerde cok iyi calisir; ancak karmasik dogrusal olmayan dinamikler icin yetersiz kalabilir. Makine ogrenmesi yaklasimlari, ozelliklerin elle tasarlanmasi (feature engineering) uzerine kuruludur: gecikme degerleri (lag features), hareketli ortalamalar ve mevsimsel gostargeleri girebilir. XGBoost ve LightGBM zaman serisi tahmininde populer tercih olmustur. Derin ogrenme yontemlerinde LSTM ve GRU, sirasal bagimlilikları yakalamak icin tasarlanmistir; Transformer tabanli modeller ise uzun donem bagimlilik iliskilerini daha etkin olarak ele alabilmektedir. Facebook (Meta) tarafindan gelistirilen Prophet, isgunu, tatvil ve mevsimsellik efektlerini kolayca modellemeye izin veren acik kaynak bir kutuphanedir. Amazon Chronos, Google TimesFM ve Nixtla'nin TimeGPT'si ise buyuk olcekte on egitilmis zaman serisi temel modelleri (foundation model) olup sifir atis veya az atis ogrenme ile kullanilabilmektedir. Hata metrikleri secimi kritiktir: MAE (Mean Absolute Error) aykiri degerlere dayaniklidir; RMSE buyuk hatalari cezalandirir; MAPE yuzdeli yorumlama sunar ancak sifira yakin gercek degerlerde patlama yapar. En iyi model secimi her zaman alan bilgisi ve is gereksinimleriyle birlikte degerlendirmelidir.

arrow_forward query_stats

Keşifsel Veri Analizi (EDA) (EDA)

Keşifsel Veri Analizi (Exploratory Data Analysis, EDA), ham veriden anlam çıkarmanın ilk ve en kritik adımıdır. John Tukey'in 1977'de kaleme aldığı aynı adlı eseriyle sistematik bir disiplin hâline gelen EDA, veri bilimcilerin bir veri kümesini modellemeden veya hipotez testine sokmadan önce derinlemesine incelediği keşifsel süreçtir. EDA'nın temel amacı şu soruları yanıtlamaktır: Veri nasıl dağılmış? Hangi değişkenler birbiriyle ilişkili? Aykırı değerler (outlier) var mı ve bunlar gerçek mi yoksa veri giriş hatası mı? Eksik değerler (missing values) hangi örüntüde oluşmuş? Hangi özellikler hedef değişkeni en çok etkiliyor? Bu soruları yanıtlamak için EDA iki temel yöntem sınıfına başvurur. Nicel yöntemler arasında merkezi eğilim ölçüleri (ortalama, medyan, mod), yayılım ölçüleri (standart sapma, varyans, çeyrekler arası aralık), çarpıklık ve basıklık katsayıları yer alır. Nitel/görsel yöntemler ise histogram, kutu grafiği (box plot), yoğunluk grafiği, dağılım matrisi (pair plot) ve korelasyon ısı haritası gibi araçlarla veriyi sezgisel biçimde anlaşılır kılar. Modern veri bilimi ekosisteminde EDA, Python'da Pandas, NumPy, Matplotlib, Seaborn ve Plotly kütüphaneleriyle; R'de ggplot2 ve dplyr ile yürütülür. Pandas Profiling ve ydata-profiling gibi otomatik EDA araçları tek bir komutla kapsamlı raporlar üretir. AutoEDA yaklaşımları büyük veri kümelerinde zaman tasarrufu sağlasa da deneyimli bir veri bilimcinin yorumunun yerini alamaz. EDA, özellik mühendisliği (feature engineering), veri temizleme ve model seçimi kararları üzerinde doğrudan etkilidir. Kötü anlaşılmış veriyle kurulan modeller ne kadar sofistike olursa olsun güvenilmez sonuçlar üretir; bu nedenle EDA 'çöp girer, çöp çıkar' ilkesinin pratikte uygulandığı kalkan katmanıdır.

arrow_forward code_blocks

Veri Bilimi (Veri Bilimi)

Veri bilimi; ham veri setlerinden anlamlı içgörüler, örüntüler ve tahminler çıkarmak için istatistik, matematik, makine öğrenmesi ve bilgisayar bilimini bir araya getiren disiplinlerarası bir alandır. İş dünyasından sağlık bilimine, finans sektöründen sosyal medya analizine kadar geniş bir yelpazede uygulanır. Bir veri bilimi projesi genellikle beş temel aşamadan oluşur: veri toplama ve temizleme (veri setlerinin %60-80'i bu aşamaya ayrılır), keşifsel veri analizi (EDA), model geliştirme ve eğitim, model değerlendirme ile son olarak dağıtım ve izleme. Bu süreç, CRISP-DM (Cross-Industry Standard Process for Data Mining) metodolojisiyle standart hale getirilmiştir. Python ve R, veri biliminin iki temel programlama dilidir. Python ekosistemi —Pandas, NumPy, Scikit-learn, TensorFlow ve PyTorch— endüstri standardı haline gelmiştir. SQL ise yapılandırılmış veritabanlarıyla çalışmak için vazgeçilmezdir. Veri bilimcisi olmak; istatistiksel düşünme, kodlama becerisi ve alan uzmanlığı üçgenini gerektirdiğinden bu meslektaşlar iş dünyasında oldukça değerlidir. 2024 verilerine göre ABD'de median veri bilimcisi maaşı yıllık 130.000 dolar civarındadır. Türkiye'de ise deneyimli veri bilimcilere olan talep her yıl hızla artmaktadır. Yapay zeka ve büyük dil modellerinin (LLM) yükselişiyle birlikte veri bilimi alanı dönüşüm geçirmektedir. Kod üretme, veri temizleme otomasyonu ve doğal dil tabanlı analiz gibi görevlerde yapay zeka desteği standart hale gelmekte; bu durum veri bilimcilerin daha stratejik ve yüksek değerli işlere odaklanmasını sağlamaktadır.

arrow_forward science

A/B Testing (A/B Testi)

A/B testi (bölünmüş test veya ikili değerlendirme olarak da bilinir), iki farklı sürüm ya da yaklaşımın kontrollü bir deney ortamında karşılaştırıldığı istatistiksel bir yöntemdir. Makine öğrenimi ve yapay zeka sistemlerinde A/B testi; iki farklı modelin, algoritmanın, hiperparametre setinin veya ürün özelliğinin hangisinin belirli bir hedef metrikte daha iyi performans gösterdiğini nesnel biçimde kanıtlamak için kullanılır. Deney, kullanıcılar veya veri örneklemleri rastgele iki gruba ayrılarak yürütülür: kontrol grubu (A varyantı) mevcut veya temel çözümü kullanırken, tedavi grubu (B varyantı) yeni yaklaşımla test edilir. Her iki varyant eş zamanlı çalışır ve yeterli örnek büyüklüğüne ulaşıldığında istatistiksel anlamlılık testi (t-testi, chi-kare veya z-testi) uygulanır. Belirlenen güven eşiği (çoğunlukla yüzde doksan beş, p küçüktür 0.05) aşıldığında B varyantının gerçekten daha iyi olduğu kabul edilir ve üretim ortamına alınır. Makine öğrenimi ve MLOps bağlamında A/B testi; öneri motorlarının, sıralama algoritmalarının, doğal dil işleme modellerinin ve üretken yapay zeka çıktılarının nesnel olarak karşılaştırılmasında kritik rol oynar. Deney öncesinde gerçekleştirilen A/A testi, her iki grupta da aynı versiyon kullanılarak sistemin güvenilirliğinin doğrulanmasını sağlar. Endüstride Netflix, Spotify, Amazon ve Google gibi şirketler yılda binlerce eş zamanlı A/B deneyi yürütmektedir. Multi-armed bandit algoritmaları, keşfetme aşamasındaki kaybı azaltmak için en iyi varyanta trafik payını dinamik olarak yönlendirir. Modern Bayesian A/B testi, posterior dağılım güncellemesiyle önceki bilgiyi analize dahil ederek daha az örneklemle güvenilir sonuçlar üretir. Arama ve sıralama sistemlerinde kullanılan interleaving yöntemi ise iki sonuç listesini iç içe geçirerek son derece az trafikte hızlı karşılaştırma yapar. A/B testi, veri odaklı karar alma süreçlerinin temel taşı olup yazılım ve MLOps ekiplerinin her özellik veya model güncellemesini kanıta dayalı biçimde değerlendirmesini sağlar.

arrow_forward code_blocks

Statistical Inference (İstatistiksel Çıkarım)

İstatistiksel çıkarım, sınırlı bir veri örnekleminden hareketle daha geniş bir kitle hakkında genellemeler ve tahminler yapma sürecidir. Veri biliminin temel taşlarından biri olan bu disiplin, gözlemlenemeyecek kadar büyük ya da erişimi kısıtlı popülasyonları anlamak için olasılık teorisinden yararlanır. Çıkarımsal istatistik iki ana ekol üzerine inşa edilmiştir. Frekansçı yaklaşım, parametreleri sabit birer değer olarak kabul eder; hipotez testleri ve güven aralıkları aracılığıyla sonuçlara ulaşır. Null hipotez (H0) belirlenerek p-değerine göre reddedilip reddedilmeyeceğine karar verilir: p < 0,05 eşiği, gözlemlerin rastlantısal değil anlamlı olduğuna işaret eder. Bayesçi yaklaşım ise olasılığı bir inanç derecesi olarak tanımlar; alan bilgisini (prior) yeni verilerle birleştirip posterior dağılım üretir. Küçük örneklemlerde ve uzman bilgisinin sürece katılması gereken durumlarda bu yöntem tercih edilir. Veri bilimi ve makine öğrenmesi bağlamında istatistiksel çıkarım birçok kritik görevi üstlenir. Model değerlendirmede çapraz doğrulama skorlarının anlamlı farklılıklar içerip içermediği test edilir. A/B testlerinde iki gruba ait dönüşüm oranı farkının istatistiksel olarak anlamlı olup olmadığı belirlenir. Regresyon analizinde katsayıların sıfırdan farklı olup olmadığını güven aralıkları ortaya koyar. Özellik seçiminde ise chi-kare, ANOVA ve t-testi gibi testler, değişkenlerin bağımlı değişkenle gerçek bir ilişki taşıyıp taşımadığını sınar. Büyük veri döneminde istatistiksel anlamlılık tuzağı önem kazanmıştır: devasa örneklemlerde pratik açıdan önemsiz etkiler bile p < 0,05 değeri üretebilir. Bu nedenle etki büyüklüğü (Cohen d, eta-kare) ve pratik anlamlılık değerlendirmesi vazgeçilmez bir tamamlayıcı hâline gelmiştir. Yapay zeka modellerinin tahminlerindeki belirsizliği ölçmek için de çıkarımsal istatistik kullanılır; konformal tahmin ve Bayesçi derin öğrenme bu alanın güncel uzantılarıdır. Büyük dil modellerinin değerlendirilmesinde iki modelin performans farkının gerçek mi yoksa örnekleme gürültüsünden mi kaynaklandığını anlamak için bootstrap yeniden örnekleme ve McNemar testi yaygın araçlara dönüşmüştür.

arrow_forward