Kod Kâşifi · 14. hafta · 21–25 Aralık 2026

6. sınıf · 14. hafta · BTY.6.5.1

Yapay zekâda verinin rolü

Yapay zekâ temasına hoş geldin! Bir yapay zekâ ne kadar akıllı olursa olsun, ancak kendisine verilen veriler kadar iyi olabilir. Bu hafta yapay zekânın veriden nasıl öğrendiğini, veriyi hangi araçlarla toplayacağımızı ve toplanan verinin doğru ve uygun olup olmadığını nasıl değerlendireceğimizi öğreniyoruz.

Tema 5 · Yapay zekâ2 ders saati21–25 Aralık 2026

Isınma · Merak et

Çöp girer, çöp çıkar

Bir öğrenci kedileri tanıyan bir model yaptı. Modeli eğitirken yalnızca kendi kedisinin, beyaz bir kedinin 50 fotoğrafını kullandı. Sonra modele arkadaşının siyah kedisini gösterdi. Model: “Bu bir kedi değil!” dedi.

Model neden yanıldı? Sorun modelde mi, yoksa ona verilen veride mi? Daha iyi bir model için hangi fotoğraflar gerekir?

Cevaba bak
Model yalnızca beyaz bir kediden öğrendiği için “kedi beyazdır” gibi yanlış bir kural çıkardı. Sorun veride: Veri çeşitli değildi. Farklı renklerde, boylarda, ortamlarda ve açılarda çekilmiş birçok kedi fotoğrafı gerekirdi. Bilgisayar bilimcileri buna “çöp girer, çöp çıkar” der.

Adım 1 · Yapay zekâ veriden nasıl öğrenir?

Örneklerden kurala

1Veri toplaKonuyla ilgili örnekleri topla.
2EtiketleHer örneğin ne olduğunu yaz: “kedi”, “köpek”.
3EğitModel örneklerdeki ortak özellikleri (örüntüleri) bulur.
4Test etModele daha önce görmediği örnekleri göster.
5Kullan ve geliştirHatalara bakıp veriyi iyileştir.
Haftanın kavramı

Girdi verisi

Yapay zekâya öğrenmesi ya da karar vermesi için verilen bilgilerdir.

Örnek: Kedi ve köpek fotoğrafları, ses kayıtları, sıcaklık ölçümleri.

Kavram

Etiket

Bir örneğin ne olduğunu belirten addır.

Örnek: Bir fotoğrafa “kedi” yazmak.

Kavram

Eğitim verisi

Modelin öğrenmek için kullandığı örneklerdir.

Kavram

Test verisi

Modelin ne kadar iyi öğrendiğini anlamak için kullanılan, eğitimde hiç görmediği örneklerdir.

Kavram

Çıktı

Modelin girdiye bakarak verdiği cevap ya da tahmindir.

Örnek: “Bu fotoğraf yüzde 92 ihtimalle bir kedi.”

Neden test verisi ayrı tutulur?

Bir öğrenci sınavda yalnızca çalıştığı soruların aynısı gelirse her şeyi biliyormuş gibi görünür. Model de eğitimde gördüğü örneklerde başarılı görünür. Gerçekten öğrenip öğrenmediğini, hiç görmediği örneklerle anlarız.

Adım 2 · Bilgi toplama aracını belirle

Hangi veri, hangi araçla?

AraçTopladığı veriÖrnek proje
Çevrim içi anket formuGörüş, tercih, seçimÖğrencilere en sevdiği kitap türünü öneren model
Algılayıcılar (sıcaklık, ışık, nem)Ölçüm sayılarıSeradaki toprağın ne zaman sulanacağını tahmin eden model
Kamera ve fotoğrafGörüntüGeri dönüşüm atıklarını ayıran model
Mikrofon ve ses kaydıSesKuş seslerini tanıyan model
Tablolama programıGözlem ve ölçüm kayıtlarıHaftalık hava durumu verisini düzenlemek
Hazır ve açık veri setleriBaşkalarının topladığı izinli verilerResmî kurumların yayımladığı istatistikler

Veri toplama aracı seçici

Önerilen araç

Adım 3 · İyi verinin özellikleri

Model, verisi kadar iyidir

DoğruEtiketler ve ölçümler doğru olmalı.
EksiksizBoş ya da yarım kalmış kayıtlar olmamalı.
YeterliHer gruptan yeterince örnek olmalı.
Çeşitli ve dengeliFarklı koşullardan ve her gruptan benzer sayıda örnek olmalı.
GüncelDeğişen konularda eski veriler yanıltır.
İlgiliYalnızca problemle ilgili veriler toplanmalı.
İzinli ve güvenliKullanım izni olmalı; kişisel veriler izinsiz kullanılmamalı.
Önyargı nedir?

Veri bir grubu çok, başka bir grubu az içeriyorsa model az gördüğü grubu tanımakta zorlanır ve haksız kararlar verebilir. Buna yapay zekâda önyargı denir. Dengeli veri toplamak önyargıyı azaltır.

Etkinlik · Dengesiz veri deneyi

Kedi mi, köpek mi?

Basit bir model hayvanları yalnızca rengine bakarak tanımaya çalışıyor. Eğitim verisinde 10 beyaz kedi ve 10 köpek (6 siyah, 4 kahverengi) var. Kaydırıcıyla eğitim verisine kaç siyah kedi ekleneceğini seç ve sonucu gör.

Model, bir rengi en çok hangi hayvanda gördüyse yeni hayvanı da öyle sanıyor.

Test: Modelin tahminleri

Bu deneyden çıkan iki ders

1) Veride bir grup hiç yoksa ya da çok azsa model o grubu tanıyamaz. 2) Renk, kediyi köpekten ayırmak için iyi bir özellik değildir; gerçek modeller kulak, burun ve vücut şekli gibi birçok özelliğe birlikte bakar.

Adım 4 · Verinin uygunluğunu ve doğruluğunu değerlendir

Modele vermeden önce kontrol et

Bir öğrenci okul bahçesindeki sıcaklığı tahmin eden bir model için bir hafta boyunca ölçüm yaptı. Tabloda dört sorunlu satır var. Sorunlu olduğunu düşündüğün satırlara tıkla, sonra “Kontrol et” düğmesine bas.

#GünÖğle sıcaklığıNot

    Veri kontrol listesi

    Etiketler doğru mu?Yanlış etiketlenmiş örnekleri düzelt.
    Eksik var mı?Boş kalan kayıtları tamamla ya da çıkar.
    Tekrar eden kayıt var mı?Aynı verinin iki kez girilmesi sonucu bozar.
    Aykırı değer var mı?Olması imkânsız değerler (250 °C gibi) ölçüm hatasıdır.
    Birimler aynı mı?Hepsi aynı birimde (°C) olmalı.
    Kaynak ve izin uygun mu?Güvenilir ve izinli kaynaklardan mı alındı?

    Özet · Deftere yazalım

    Defterine bunları yaz

    Yazılı sınava çalışırken önce bu maddeleri tekrar et.

    Yapay zekâda verinin rolü

    1. Yapay zekâ veriden öğrenir: veri topla → etiketle → eğit → test et → kullan ve geliştir.
    2. Girdi verisi: Yapay zekâya öğrenmesi ya da karar vermesi için verilen bilgilerdir.
    3. Etiket örneğin ne olduğunu belirtir. Eğitim verisi öğrenmek için, test verisi başarıyı ölçmek için kullanılır. Çıktı modelin tahminidir.
    4. Veri toplama araçları: anket formu, algılayıcılar, kamera, mikrofon, tablolama programı, hazır ve açık veri setleri. Araç, verinin türüne göre seçilir.
    5. İyi veri doğru, eksiksiz, yeterli, çeşitli ve dengeli, güncel, ilgili, izinli ve güvenli olmalıdır.
    6. Önyargı: Veride bir grup az temsil edilirse modelin o grup hakkında hatalı ya da haksız kararlar vermesidir.
    7. “Çöp girer, çöp çıkar”: Hatalı veriyle eğitilen model hatalı sonuç verir.
    8. Veri kontrolü: yanlış etiket, eksik kayıt, tekrar eden kayıt, aykırı değer, farklı birim, kaynak ve izin.

    Yazılıya hazırlık · Klasik sorular

    Önce sen yaz, sonra örnek cevaba bak

    Cevabını defterine tam cümlelerle yaz. Sonra örnek cevabı açıp kendi cevabınla karşılaştır.

    1. Yapay zekânın veriden öğrenme sürecinin adımlarını yazınız. (10 puan)

      Örnek cevabı göster
      Veri toplamak, verileri etiketlemek, modeli bu verilerle eğitmek, modeli daha önce görmediği verilerle test etmek, kullanmak ve hatalara göre veriyi geliştirmek.
    2. Girdi verisi nedir? İki örnek veriniz. (10 puan)

      Örnek cevabı göster
      Yapay zekâya öğrenmesi ya da karar vermesi için verilen bilgilerdir. Örneğin atıkları ayıran bir model için atık fotoğrafları, sıcaklık tahmini yapan bir model için sıcaklık ölçümleri.
    3. Eğitim verisi ile test verisi arasındaki fark nedir? Test verisi neden ayrı tutulur? (10 puan)

      Örnek cevabı göster
      Eğitim verisi modelin öğrenmesi için, test verisi modelin ne kadar iyi öğrendiğini ölçmek için kullanılır. Test verisi ayrı tutulur çünkü model gördüğü örneklerde başarılı görünür; gerçekten öğrenip öğrenmediği hiç görmediği örneklerle anlaşılır.
    4. Kuş seslerini tanıyan bir model için hangi veri toplama aracını kullanırsınız? Nelere dikkat edersiniz? (10 puan)

      Örnek cevabı göster
      Mikrofon ya da ses kaydedici kullanırım. Kayıtların sessiz ortamda alınmasına, her kuş türünden yeterli ve çeşitli kayıt olmasına ve her kaydın doğru etiketlenmesine dikkat ederim.
    5. Öğrencilere kantinde yemek öneren bir model için hangi aracı kullanırsınız? Neden? (10 puan)

      Örnek cevabı göster
      Çevrim içi anket formu kullanırım, çünkü öğrencilerin yemek tercihlerini, yani görüşlerini toplamam gerekir. Ankette isim gibi kişisel bilgiler sormam.
    6. İyi bir girdi verisinin dört özelliğini yazınız. (10 puan)

      Örnek cevabı göster
      Doğru (doğru etiketli), eksiksiz, yeterli miktarda, çeşitli ve dengeli, güncel, problemle ilgili, izinli ve güvenli olmalıdır.
    7. Yalnızca beyaz kedilerle eğitilen bir model siyah bir kediyi neden tanıyamaz? Bu durum hangi kavramla açıklanır? (10 puan)

      Örnek cevabı göster
      Model eğitim verisinde hiç siyah kedi görmediği için “kedi beyazdır” gibi yanlış bir örüntü öğrenmiştir. Veri çeşitli ve dengeli olmadığı için model bir grubu tanıyamaz; bu durum önyargı kavramıyla açıklanır.
    8. “Çöp girer, çöp çıkar” sözünü yapay zekâ açısından açıklayınız. (10 puan)

      Örnek cevabı göster
      Yapay zekâya hatalı, eksik ya da yanlış etiketli veri verilirse modelin sonuçları da hatalı olur. Modelin başarısı, verinin kalitesine bağlıdır.
    9. Bir sıcaklık veri setinde “250 °C” değeri ve boş bir satır var. Bunlar neden sorundur? Ne yapılmalıdır? (10 puan)

      Örnek cevabı göster
      250 °C hava sıcaklığı için imkânsız bir değerdir, ölçüm hatasıdır; düzeltilmeli ya da çıkarılmalıdır. Boş satır eksik veridir; ölçüm tamamlanmalı ya da satır çıkarılmalıdır. Aksi hâlde model yanlış öğrenir.
    10. Yapay zekâ için veri toplarken etik açıdan nelere dikkat edilmelidir? (10 puan)

      Örnek cevabı göster
      Verinin kullanım izni olmalı, insanların yüzleri, adları ve sesleri gibi kişisel veriler izinsiz toplanmamalı, veri toplanan kişilere amaç açıklanmalı ve veri dengeli toplanarak önyargıdan kaçınılmalıdır.

    Boşluk doldurma

    Kelime kutusugirdi verisietikettest verisiönyargıalgılayıcıaykırı değer
    1. Yapay zekâya öğrenmesi için verilen bilgilere denir.
    2. Bir örneğin ne olduğunu belirten ada denir.
    3. Modelin hiç görmediği, başarısını ölçmek için kullanılan verilere denir.
    4. Dengesiz veri yüzünden modelin bir grup hakkında haksız kararlar vermesine denir.
    5. Sıcaklık, ışık, nem gibi ölçümleri toplayan araca denir.
    6. Ölçümlerde olması imkânsız, hatalı değerlere denir.

    Pekiştir · Oyunlar

    Oynayarak tekrar et

    Kısa oyunlarla konuyu pekiştir. Telefonda da bilgisayarda da dokunarak ya da tıklayarak oynanır.

    Eşleştirme

    Veri sözlüğü

    Soldan bir kavram seç, sağdan açıklamasına dokun.

    0 / 7

    Hazır olduğunda soldan bir seçim yap.

    Sınıflandırma oyunu

    Hangi araçla toplanır?

    Her veri ihtiyacını uygun toplama aracına yerleştir.

    0 / 12

    Bir kart seçerek başla.

    Sıralama oyunu

    Yapay zekâ nasıl öğrenir?

    Bir modelin veriden öğrenme adımlarını sırala.

    0 / 6

    İlk adımı seçerek başla.

    Kapanış · Kendini değerlendir

    Bu hafta neler öğrendin?

    Her madde için dürüstçe seç. “Yardım istiyorum” dediğin konunun bölümüne geri dön ya da öğretmenine sor.

    Yapay zekânın veriden nasıl öğrendiğini açıklayabiliyorum.

    Eğitim verisi, test verisi ve etiket kavramlarını ayırt edebiliyorum.

    Bir yapay zekâ projesi için uygun veri toplama aracını belirleyebiliyorum.

    Verinin doğruluğunu ve uygunluğunu kontrol listesiyle değerlendirebiliyorum.

    Haftanın mini görevi · Evde

    Veri toplama planım

    Bir yapay zekâ modeli eğitmek istediğini düşün ve bir veri toplama planı hazırla.

    1. Modelin hangi problemi çözecek? Hangi grupları (sınıfları) tanıyacak?
    2. Veriyi hangi araçla, nereden ve kaç örnek olarak toplayacaksın? Çeşitliliği nasıl sağlayacaksın?
    3. Verini kontrol etmek için kullanacağın üç kontrol maddesini ve etik olarak dikkat edeceğin bir noktayı yaz.
    Öğretmen için: 2 ders saatlik akış önerisi

    1. ders (40 dk)

    1. Merak et: çöp girer, çöp çıkar (6 dk)
    2. Yapay zekâ veriden nasıl öğrenir, kavramlar (12 dk)
    3. Veri toplama araçları ve seçici (10 dk)
    4. İyi verinin özellikleri ve önyargı (12 dk)

    2. ders (40 dk)

    1. Dengesiz veri deneyi (10 dk)
    2. Veriyi denetle etkinliği ve kontrol listesi (12 dk)
    3. Oyunlar (10 dk)
    4. Deftere yazalım (8 dk)