WEBVTT - generated by wenglor-media

1
00:00:00.040 --> 00:00:01.440
Bu videoda,

2
00:00:01.440 --> 00:00:04.080
AI Lab'da eğitilmiş bir modeli nasıl inceleyeceğimizi
öğreneceğiz.

3
00:00:04.120 --> 00:00:06.640
Önceden eğitilmiş modeller içerdikleri
için

4
00:00:06.640 --> 00:00:09.720
örnek veri kümelerinden birini kullanacağız.

5
00:00:09.880 --> 00:00:12.960
“All Models” tıklayarak “Models” sayfasına
gidin

6
00:00:12.960 --> 00:00:15.400
ve incelemek istediğiniz modeli seçin.

7
00:00:18.480 --> 00:00:19.920
“Model Review” sayfasında,

8
00:00:19.920 --> 00:00:23.040
yüzde olarak dengeli doğruluk,

9
00:00:23.040 --> 00:00:25.560
yanlış tahminlerin sayısı,

10
00:00:25.560 --> 00:00:27.280
milisaniye cinsinden çıkarım süresi

11
00:00:27.280 --> 00:00:29.160
ve her sınıf için geri çağırma ve hassasiyet
dahil olmak üzere

12
00:00:29.160 --> 00:00:31.680
performansıyla ilgili ayrıntılı bilgileri
bulacaksınız.

13
00:00:40.200 --> 00:00:41.920
“Confusion Matrix”,

14
00:00:41.920 --> 00:00:45.360
gerçek temel gerçeğin tahmin edilen sonuçlarla
nasıl karşılaştırıldığını

15
00:00:45.360 --> 00:00:48.240
ve her sınıfın ne kadar doğru bir şekilde
tanımlandığını gösterir.

16
00:00:52.960 --> 00:00:54.960
Doğru ve yanlış tahminlerin

17
00:00:54.960 --> 00:00:56.960
örneklerini de görüntüleyebilirsiniz.

18
00:01:01.000 --> 00:01:02.000
“Info” sekmesinde,

19
00:01:02.000 --> 00:01:05.000
görüntü çözünürlüğü, veri kümesi
boyutu

20
00:01:05.000 --> 00:01:08.000
ve sınıf sayısı gibi ayrıntıları göreceksiniz.

21
00:01:08.000 --> 00:01:10.000
Yanlış sınıflandırılmış görüntüleri
tam boyutta incelemek için

22
00:01:10.000 --> 00:01:13.000
“Review Wrong Predictions” yi tıklayın.

23
00:01:20.000 --> 00:01:22.000
Burada, görüntünün hangi kısımlarının
tahmini

24
00:01:22.000 --> 00:01:25.000
etkilediğini anlamak için “Heatmap” nı
etkinleştirebilirsiniz.

25
00:01:33.000 --> 00:01:36.000
Gerekirse, bu görüntüleri yeniden etiketleyebilir

26
00:01:36.000 --> 00:01:38.000
ve doğruluğu artırmak için modeli yeniden
eğitebilirsiniz.

27
00:01:54.000 --> 00:01:56.000
Son olarak, tüm model performans ayrıntıları

28
00:01:56.000 --> 00:01:58.000
yazdırılabilir bir rapor olarak görüntülenebilir;

29
00:01:58.000 --> 00:02:01.000
bu, paylaşım veya belgeleme için mükemmeldir.