Data Drift (Veri Kayması (Bozulması))

#MLOps #VeriBilimi #MakineOgrenmesi #ModelEgitimi

Veri Kayması (Data Drift), bir yapay zeka modelinin canlı (prodüksiyon) ortamına alındıktan sonra tahminlerinin zamanla kötüleşmesi ve yanlış sonuçlar üretmeye başlaması durumudur.

Veri Kayması (Data Drift), bir yapay zeka modelinin canlı (prodüksiyon) ortamına alındıktan sonra tahminlerinin zamanla kötüleşmesi ve yanlış sonuçlar üretmeye başlaması durumudur. Bunun sebebi modelin kodunun bozulması değil; dünyadaki insanların, trendlerin, ekonominin veya modelin beslendiği gerçek verilerin karakteristik olarak değişmesidir (Eski eğitim verisinin bayatlaması).

insights Nasıl Gerçekleşir?

Diyelim ki 2019 yılında, insanların metinlerinden ruh halini tahmin eden mükemmel bir model eğittiniz. 2020'de Covid-19 pandemisi çıktı. İnsanlar 'Karantina', 'Zoom', 'Mutasyon' gibi daha önce kullanılmayan kelimeleri sürekli kullanmaya başladı. Sizin 2019'da eğittiğiniz model bu yeni dünyayı ve yeni kelimeleri hiç görmediği için, aslında sistemde bir sorun olmamasına rağmen gelen cümleleri yanlış analiz etmeye (Drift yaşamaya) başlar.

build Çözüm: MLOps ve Yeniden Eğitim

Veri bilimciler, canlıdaki verilerin istatistiksel dağılımı ile eğitim verisinin dağılımını sürekli karşılaştıran alarmlar kurarlar. Sistemde bir sapma (Drift) algılandığında, model hemen o günün taze verileriyle otomatik olarak yeniden eğitilir (Retraining) ve versiyon güncellenir. Bu, makine öğrenimi projelerinin bitmeyen bir bakım süreci gerektirdiğinin en büyük kanıtıdır.

Veri Kayması Türleri

  • check_circle Covariate Shift (Özellik Kayması): Giriş özelliklerinin (X) dağılımı değişir; X→Y ilişkisi sabit. Örnek: kredi modeli eğitim verisi 25-45 yaş; canlıda 18-70 yaş başvuru geliyor. Sonuç: model düşük temsil edilen yaş gruplarında kötü performans.
  • check_circle Label Shift (Etiket Kayması): Çıktı değişkeni (y) dağılımı değişir; P(y|X) sabit ama P(y) değişir. Örnek: hastalık modeli eğitimde %5 pozitif; pandemi döneminde %30 pozitif. Model azınlık sınıfını artık düşük oranda tahmin eder.
  • check_circle Feature Drift (Özellik Bozulması): Bir özellik hesaplama biçimi değişir. Örnek: 'kullanıcı aktivitesi' tanımı yazılım güncellemesiyle değişti; değer aralığı aynı görünse de anlamı farklı. Tespit zor: istatistiksel test geçebilir ama model hatası artar.

Veri Kayması Tespiti ve MLOps Entegrasyonu

Tespit yöntemleri: istatistiksel testler — KS-test (sürekli), Chi-kare (kategorik), Population Stability Index (PSI ≥ 0.25 = ciddi drift). Referans pencere: eğitim verisi dağılımı baseline; canlı veri ile karşılaştırılır. Drift olduğunda ne yapılır: hafif drift → izle; orta drift → yeni veri ile yeniden eğitimi planla; ciddi drift → acil müdahale, modeli geçici devre dışı bırak. Araçlar: Evidently AI (açık kaynak drift raporu), NannyML (gecikmiş etiket drifti), WhyLabs, Arize AI. MLOps pipeline: model izleme + otomatik yeniden eğitim tetikleyicisi drift yönetiminin üretim sınıfı çözümü.