[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-annotation-guidelines::tr":3,"gloss-cluster-annotation-guidelines::tr":26,"gloss-next-annotation-guidelines::tr":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"annotation-guidelines","mlops","Etiketleme Kılavuzu","Etiketleme kılavuzu, insanlara veriyi nasıl etiketleyeceklerini anlatan yazılı yönergedir: her etiketin ne anlama geldiğini, etiketlerin arasında kalan durumların nasıl ele alınacağını ve doğru yanıtın gerçekten belirsiz olduğu hâllerde ne yapılacağını söyler. Bir makine öğrenmesi projesindeki en gösterişsiz ve en çok kaldıraç sağlayan üründür, çünkü sonraki bütün sayılar onun ürettiği tutarlılığı devralır.\n\nÖnemli olmalarının nedeni etiketlemenin bir yargı işi olması ve desteksiz yargının dağılmasıdır. Aynı belirsiz destek talebi verilip bunun bir şikâyet olup olmadığı sorulan iki özenli kişi farklı yanıt verir; ikisi de dikkatsiz olduğu için değil, sözcük her biri için biraz farklı bir şey ifade ettiği için. Kılavuz bunu çözmüyorsa anlaşmazlık, sinyalmiş gibi veri kümesine yazılır; onunla eğitilen model belirsizliği yeniden üretir ve değerlendirme kümesi de aynı gürültüyü taşıdığı için sorunu hiçbir şey açığa çıkarmaz.\n\nİyi kılavuzlar ilk ilkelerden değil anlaşmazlıklardan doğar. Verimli döngü şudur: kısa bir taslak yazın, aynı küçük partiyi birkaç kişiye bağımsız olarak etiketletin, nerede ayrıştıklarını ölçün ve emeği yalnızca ayrışmayı üreten sınırlara harcayın. Soyut tanımlar nadiren yardım eder; doğru etiketleri farklı olan neredeyse aynı iki örnek ve nedenini açıklayan tek bir cümle, sayfalarca tanımdan değerlidir.\n\nHer kılavuzda bulunması gereken birkaç şey vardır. Bir karar sırası: iki etiket de uyar göründüğünde açıkça belirtilmiş bir öncelik olsun. Etiketlenemeyen durumlar için açık bir seçenek, çünkü seçim dayatmak gürültü imal eder ve taksonominin eksik olduğunu gizler. Ne kadar bağlam kullanılacağına dair talimat — tüm yazışma mı yoksa yalnızca mesaj mı — yoksa etiketleyiciler sessizce farklı seçerler. Ve belirsiz bir durumda ne yapılacağına dair kural: tahmin etmek değil, yukarı taşımak.\n\nKılavuzlar kayar ve onları sürümlemek isteğe bağlı değildir. Bir kural değiştiğinde eski ve yeni sürüm altında üretilen etiketler artık aynı ölçüm değildir; bu sınırı aşan bir değerlendirme karşılaştırması, kimsenin yapmadığı bir değişiklik üretir. Her etiketin hangi sürüm altında üretildiğini kaydedin ve bir kural esaslı biçimde değiştiğinde ikisini karıştırmak yerine etkilenen dilimi yeniden etiketleyin.\n\nAynı belgenin artık ikinci bir hayatı var. Yargıç olarak bir model kullanıldığında ona verilen ölçüt, okuyucusu değişmiş bir etiketleme kılavuzudur ve aynı nedenlerle bozulur: bulanık ölçütler, beraberliği bozacak bir sıra yokluğu, çekimser kalma seçeneğinin bulunmaması. İnsan kılavuzunu önce iyi yazmak, kullanılabilir bir otomatik yargıca giden en ucuz yoldur; o kılavuza göre üretilen insan etiketleri de yargıcın herhangi biriyle uyuşup uyuşmadığını denetlemenin tek inandırıcı yoludur.","Etiketleme kılavuzu, etiketlemeyi kişiden kişiye tutarlı kılan yazılı kurallardır. Olmadığında anlaşmazlık, sinyalmiş gibi veri kümesinin içine pişirilir.",null,[11,14,17,20,23],{"slug":12,"name":13},"data-labeling","Veri Etiketleme",{"slug":15,"name":16},"golden-dataset","Altın Veri Kümesi",{"slug":18,"name":19},"inter-annotator-agreement","Etiketleyiciler Arası Uzlaşma",{"slug":21,"name":22},"llm-as-judge","Hakem Olarak LLM (LLM-as-Judge)",{"slug":24,"name":25},"rubric-prompting","Rubric Prompting",[27,31,34,37,41,44,47,50,51,54,57,60],{"slug":28,"category":5,"name":29,"updated_at":30},"baseline-model","Temel Model (Baseline)","2026-08-24T02:46:38+00:00",{"slug":32,"category":5,"name":33,"updated_at":30},"batch-inference","Toplu Çıkarım",{"slug":35,"category":5,"name":36,"updated_at":30},"canary-prompt","Kanarya Prompt",{"slug":38,"category":5,"name":39,"updated_at":40},"champion-challenger","Şampiyon-Meydan Okuyan (A\u002FB Model Testi)","2026-08-24T02:46:37+00:00",{"slug":42,"category":5,"name":43,"updated_at":30},"class-imbalance","Sınıf Dengesizliği",{"slug":45,"category":5,"name":46,"updated_at":30},"continuous-batching","Sürekli Toplu İşleme (Continuous Batching)",{"slug":48,"category":5,"name":49,"updated_at":30},"cross-validation","Çapraz Doğrulama",{"slug":12,"category":5,"name":13,"updated_at":30},{"slug":52,"category":5,"name":53,"updated_at":40},"drift-detection","Sapma Tespiti (Drift Detection)",{"slug":55,"category":5,"name":56,"updated_at":40},"eval-harness","Değerlendirme Koşumu (Eval Harness)",{"slug":58,"category":5,"name":59,"updated_at":40},"experiment-tracking","Deney Takibi (Experiment Tracking)",{"slug":61,"category":5,"name":62,"updated_at":30},"explainability","Açıklanabilirlik"]