{
  "baslik": "Yapay Zeka Uygulamaları — 2. Hafta",
  "aciklama": "Veri ve ön işleme: veri kalitesi, eksik değer, öznitelik çıkarımı, eğitim/test ayrımı",
  "sorular": [
    {
      "soru": "\"Model, veride ne varsa onu öğrenir\" cümlesi en çok hangisini anlatır?",
      "secenekler": [
        "Yeterince güçlü bir model, kötü veriyi kendi kendine düzeltir.",
        "Veri ne kadar büyükse model o kadar doğru çalışır.",
        "Model yalnızca sayısal sütunları dikkate alır.",
        "Model, veriyle birlikte gelen hataları ve önyargıları da öğrenir; niyetimizi bilmez.",
        "Model, eğitim verisini ezberlediği için her zaman %100 başarılıdır."
      ],
      "dogru": "D",
      "aciklama": "Model korelasyon arar, niyet değil. Cilt lezyonu fotoğraflarıyla eğitilen bir model \"cetvel varsa kanserdir\" kuralını çıkarabildi; çünkü doktorlar şüphelendikleri lezyonların yanına cetvel koyuyordu. Güçlü model, kötü verideki hatalı örüntüyü düzeltmez — daha iyi öğrenir."
    },
    {
      "soru": "Bir veri tablosunda satır, sütun ve etiket sırasıyla neye karşılık gelir?",
      "secenekler": [
        "Satır = öznitelik, sütun = örnek, etiket = tablo adı.",
        "Satır = örnek (gözlem), sütun = öznitelik, etiket = modelin tahmin etmesi istenen doğru cevap.",
        "Satır = etiket, sütun = model, etiket = tahmin.",
        "Satır = veri kümesi, sütun = satır sayısı, etiket = dosya adı.",
        "Üçü de aynı şeyin farklı adlarıdır."
      ],
      "dogru": "B",
      "aciklama": "Her satır tek bir gerçek olaydır (bir ev, bir hasta, bir işlem). Sütunlar modelin bakacağı ipuçlarıdır. Sütunlardan biri ise hedeftir: etiket. \"Hangi algoritmayı kullanacağım?\" sorusunun cevabı da etiket sütununda saklıdır — etiket sayıysa regresyon, kategoriyse sınıflandırma."
    },
    {
      "soru": "Ev verisinde bir dairenin m² değeri `0` olarak girilmiş. Bu neden en tehlikeli eksik veri türüdür?",
      "secenekler": [
        "Çünkü boş hücre gözümüze çarpar, ama 0 bir sayıdır: uyarı vermeden hesaplara girer ve ortalamayı aşağı çeker.",
        "Çünkü sıfır değerler modeli daha yavaş eğitir.",
        "Çünkü 0 değeri veritabanında daha fazla yer kaplar.",
        "Çünkü 0 değerini hiçbir kütüphane okuyamaz.",
        "Çünkü 0 girilen satırlar otomatik olarak silinir."
      ],
      "dogru": "A",
      "aciklama": "\"Bilinmiyor\" bilgisi 0, −1, 999 veya 1900-01-01 gibi değerlerle kodlandığında ölçüm gibi görünür. Bir sütunda olağandışı sıklıkta bu değerleri görüyorsanız, büyük olasılıkla eksik verinin kılık değiştirmiş hâliyle karşı karşıyasınız."
    },
    {
      "soru": "Eksik sayısal değerleri doldururken medyan çoğu zaman ortalamaya tercih edilir. Neden?",
      "secenekler": [
        "Medyanın hesaplanması daha hızlıdır.",
        "Medyan kullanınca eksik veri sorunu tamamen ortadan kalkar.",
        "Medyan her zaman ortalamadan büyüktür.",
        "Ortalama yalnızca tam sayılarla çalışır.",
        "Medyan tek bir uç (aykırı) değerden etkilenmez; ortalama ona doğru sürüklenir."
      ],
      "dogru": "E",
      "aciklama": "85, 92, 97, 104, 110 m²'lik evlerin arasına 900 m²'lik bir kayıt girdiğinde ortalama 231'e fırlar ama medyan 100,5'te kalır. Ortalamayla doldursaydık, uydurduğumuz değer hiçbir evi temsil etmeyecekti."
    },
    {
      "soru": "Aykırı bir değerle karşılaştığınızda ilk sorulacak soru hangisidir?",
      "secenekler": [
        "Bu değer alışılmış mı?",
        "Bu değer ortalamanın üstünde mi?",
        "Bu değer mümkün mü?",
        "Bu satır kaçıncı sırada?",
        "Bu sütunda kaç tane aykırı değer var?"
      ],
      "dogru": "C",
      "aciklama": "Mümkün ama alışılmadık değerler çoğu zaman verinin en değerli kısmıdır. Dolandırıcılık tespitinde aykırı değer zaten aradığınız şeydir; onları temizlerseniz modeli tam da bulması gereken örneklerden mahrum bırakırsınız. Yalnızca fiziksel olarak imkânsız ya da bağlamla açıkça çelişen değerler düzeltilir."
    },
    {
      "soru": "Şehir sütununu Ankara=1, İstanbul=2, İzmir=3 diye kodlarsak model ne \"düşünür\"?",
      "secenekler": [
        "İzmir'in Ankara'nın üç katı, İstanbul'un ise tam ortada olduğunu varsayar.",
        "Üç şehrin de eşit uzaklıkta olduğunu varsayar.",
        "Şehirler arasında hiçbir ilişki kurmaz, sadece etiket olarak görür.",
        "Sütunu metin olarak görüp yok sayar.",
        "Şehir sayısı kadar yeni sütun oluşturur."
      ],
      "dogru": "A",
      "aciklama": "Model bu sütunu sayı olarak görür ve olmayan bir sıralama uydurur. Şehirler arasında büyüklük ilişkisi yoktur. Çözüm one-hot encoding'dir: her kategori kendi 0/1 sütununu alır, hepsi birbirine eşit uzaklıkta kalır. Label encoding yalnızca gerçekten sıralı kategorilerde (S < M < L < XL gibi) doğrudur."
    },
    {
      "soru": "Yaş (20–70) ve maaş (20.000–80.000) sütunlarıyla uzaklık hesaplayan bir model kuruyorsunuz. Ölçekleme yapmazsanız ne olur?",
      "secenekler": [
        "Model çalışmaz, hata verir.",
        "Yaş sütunu baskın çıkar, maaş etkisiz kalır.",
        "İki sütun da otomatik olarak 0–1 arasına çekilir.",
        "Maaş sütunu uzaklığı neredeyse tek başına belirler, yaş kararı etkilemez.",
        "Sonuç değişmez; ölçekleme yalnızca görsellik içindir."
      ],
      "dogru": "D",
      "aciklama": "Maaş binlerle, yaş onlarla ölçülür; uzaklık hesabında büyük sayılar küçükleri bastırır. 30 yaşındaki bir referansa, maaşı 200 TL yakın olan 58 yaşındaki biri \"en benzer kişi\" çıkabilir. Ölçekleme veriyi değiştirmez, sütunları eşit şartlara getirir. KNN ve sinir ağları buna muhtaçtır; karar ağaçları etkilenmez."
    },
    {
      "soru": "Eksik değerleri doldurma ve ölçekleme işlemleri eğitim/test bölmesine göre ne zaman yapılmalıdır?",
      "secenekler": [
        "Bölmeden önce, tüm veri üzerinde — böylece tutarlı olur.",
        "Bölmeden sonra, yalnızca eğitim kümesinden hesaplanıp aynı değerler teste uygulanır.",
        "Bölmeden sonra, eğitim ve test için ayrı ayrı hesaplanır.",
        "Model eğitildikten sonra, tahminler üzerinde yapılır.",
        "Hiç fark etmez, sonucu değiştirmez."
      ],
      "dogru": "B",
      "aciklama": "Tüm veri üzerinde hesaplanan bir ortalama, test satırlarının değerlerini de içerir; model görmemesi gereken örneklerden hesaplanmış bir sayıyı kullanmış olur. Buna veri sızıntısı (data leakage) denir ve test sonucunu sistematik olarak iyimser gösterir. Test için ayrı hesaplamak da yanlıştır: teste eğitimden gelen aynı değerler uygulanır."
    },
    {
      "soru": "300 banka işleminin 6'sı dolandırıcılık. \"Her işleme normal de\" diyen bir model %98 doğruluk alıyor. Buradan çıkan ders nedir?",
      "secenekler": [
        "Model başarılıdır, sahaya çıkarılabilir.",
        "Doğruluk yüksekse model mutlaka bir şey öğrenmiştir.",
        "Dolandırıcılık oranı arttıkça doğruluk da artar.",
        "Veri kümesi çok küçüktür, tek sorun budur.",
        "Dengesiz veride doğruluk yanıltıcıdır; asıl soru kaç dolandırıcılığın yakalandığıdır."
      ],
      "dogru": "E",
      "aciklama": "Model hiçbir şey öğrenmeden yüksek not aldı ve yakaladığı dolandırıcılık sayısı sıfır. Sınıflar dengesizse doğruluk anlamını yitirir; precision ve recall gibi ölçüler kullanılır. Deneyimli ekiplerde beklenenden çok yüksek bir skor bir başarı değil, bir alarm sinyalidir."
    },
    {
      "soru": "II. Dünya Savaşı'nda, dönen uçaklardaki kurşun deliklerine bakarak zırh kararı veren ekibin hatası neydi?",
      "secenekler": [
        "Yeterince çok uçak incelememişlerdi.",
        "Delikleri yanlış saymışlardı.",
        "Veriyi yalnızca geri dönebilen uçaklardan topladılar; vurulup düşenler tabloya hiç giremedi.",
        "Zırhı çok ağır bir malzemeden yapmak istediler.",
        "Uçakların modelini hesaba katmamışlardı."
      ],
      "dogru": "C",
      "aciklama": "Buna hayatta kalma yanlılığı (survivorship bias) denir. Tabloda hiçbir hücre boş değildi; eksik olan, tabloya hiç girememiş satırlardı. Abraham Wald zırhın deliklerin OLMADIĞI yerlere konmasını önerdi — oralardan vurulan uçaklar geri dönememişti. En tehlikeli veri, elinizde olmayan veridir."
    }
  ]
}
