smaple.tr
Yapay Zeka ve Veri

Veri Etiketleme Nedir, Yapay Zeka İçin Nasıl Yapılır?

Mehmet Kurtipek
27 Mayıs 2026
13 dk okuma
Yapay Zeka ve Veri
Veri etiketleme
LLM
KVKK
Makine öğrenmesi

Veri etiketleme, ham verideki her örneğe doğru cevabın eklenmesidir: bir müşteri mesajına "iade talebi" kategorisi, depo fotoğrafındaki her palete bir kutu, faturadan okunan KDV tutarı gibi. Model bu etiketlerden ya öğrenir ya da onlarla sınanır. Etiketi insan da verebilir, model de. 2026'da en makul yol ikisini birlikte kullanmak: model taslağı çıkarır, bir kişi yazılı bir kılavuza bakarak kontrol eder. Kendi modelinizi eğitmek yerine hazır bir büyük dil modeli (LLM) kullanıyorsanız, en çok işinize yarayacak etiketli veri genellikle özenle kontrol edilmiş birkaç yüz test örneğidir.

Ankara'da küçük bir yazılım ekibiyiz. Etiketleme, müşterilerimiz için yaptığımız yapay zeka işlerinde karşımıza çıkıyor: bir yapay zeka muhasebe asistanı için kalite kontrolleri ve müşteri düzeltmelerini geri besleyen bir veri hattı, PDF saha fişlerinden veri çıkaran bir LLM iş akışı ve bir fizyoterapi kliniğinin kullandığı egzersiz programı üreticisi. Bu yazı da benzer durumdaki ekipler için: güvenebileceğiniz etiketlere ihtiyacınız var, bütçe ve teslim tarihi belli, ekipte kimsenin unvanı "etiketçi" değil.

Hangi veri nasıl etiketlenir

Etiketin biçimi, modelin yapacağı işe göre değişir.

Görev

Bir etiket neye benzer

Örnek

Sınıflandırma

Her örneğe bir ya da birkaç kategori

Müşteri mesajı → "kargo gecikmesi"

Varlık ve metin aralığı

Metnin bir parçası ve türü

"Türk Dil Kurumu" → kurum

Alan çıkarma

Belgeden anahtar-değer çiftleri

e-Arşiv fatura → VKN, KDV tutarı, genel toplam

Kutu, poligon, maske

Görüntü ya da video karesine çizilen şekiller

Her paletin etrafında bir kutu

Transkripsiyon

Sesin ya da el yazısının metni

Çağrı merkezi kaydı → döküm

Puan ve tercih

Bir puan ya da iki çıktıdan birinin seçimi

İki cevaptan hangisi daha doğru

LLM tabanlı ürünlerde son satır öne çıkar. Model çıktısını değerlendirmek ve iyileştirmek için puan ve tercih etiketleri kullanılır; tutarlı tutulması en zor etiketler de bunlardır, çünkü biri yazıya dökene kadar "daha iyi cevap" herkes için başka bir şey ifade eder.

Önce karar verin: eğitim verisi mi, test verisi mi?

Kaç örnek etiketleyeceğinizi hesaplamadan önce etiketlerin ne işe yarayacağını netleştirin.

Kendi modelinizi eğitiyor ya da ince ayar (fine-tuning) yapıyorsanız, örneğin yalnızca sizin üretim hattınızda görülen bir kusuru yakalayacak bir görüntü modeli geliştiriyorsanız, hem büyük bir eğitim setine hem de modelin hiç görmediği ayrı bir test setine ihtiyacınız olur. Bu durumda etiketleme çoğu zaman projenin en büyük maliyet kalemidir; işi hızlandıran yöntemleri (modelle ön etiketleme, aktif öğrenme) en baştan kurmaya değer.

Hazır bir dil modelini API üzerinden kullanıyorsanız çoğu zaman eğitim etiketine hiç gerek kalmaz. Gereken şey bir değerlendirme setidir: doğru çıktısı bilinen gerçek girdiler. Bu setle prompt'u ölçer, bir değişikliğin başka bir yeri bozup bozmadığını görür, yeni bir model çıktığında karşılaştırma yaparsınız. Londra'daki Jenesys AI'ın muhasebe asistanı her fatura için kategori, KDV oranı ve izleme kategorisi öneriyor; bu iş için geliştirdiğimiz özel modelleri sonradan öncü (frontier) modeller geride bıraktı. Bu yine olacak; kendi verinizden kurduğunuz bir değerlendirme seti, her yeni modeli geçmeden önce sınamanızı sağlar.

Değerlendirme seti ne büyüklükte olmalı? Bunu, sonucu ne kadar hassas ölçmeniz gerektiğine bakarak belirleyin. Örneklerin %90'ını doğru bilen bir sistemde bu oranın %95 güven aralığı 50 örnekle yaklaşık ±8 yüzde puan, 200 örnekle ±4, 1.000 örnekle ±2 yüzde puandır. İki prompt arasında üç yüzde puanlık bir fark arıyorsanız 200 örnek bile bu farkı güvenilir biçimde ayırt etmeyebilir. Nadir durumlara ayrıca dikkat edin: trafiğin %2'sinde görülen bir kategori, rastgele seçilmiş 500 örnekte yaklaşık on kez çıkar. Bu yüzden nadir örnekleri bilerek fazladan ekleyin ve sonuçlarını ayrı raporlayın. Eğitim setinde nadir bir sınıf için yeterli gerçek örnek yoksa sentetik veri boşluğu doldurmaya yardım edebilir; değerlendirme setini ise gerçek veriden kurun.

Kimse etiketlemeye başlamadan kılavuzu yazın

Etiket kalitesindeki sorunların birçoğu kılavuzda başlar. "Şikâyet" kelimesinden farklı şeyler anlayan iki dikkatli kişi farklı etiketler üretir ve hiçbir araç bunu sonradan düzeltemez.

İşe yarayan bir kılavuz kısadır ve örnek doludur:

  • Her etiket için tek cümlelik bir tanım, açıkça o etikete giren bir örnek ve benzer görünüp girmeyen bir örnek.
  • Önceden karara bağlanmış sınır durumlar ("hem iade isteyen hem de kargodan şikâyet eden mesaj iki etiketi birden alır").
  • Metin aralıklarının sınırları. Türkçede ekler yüzünden bu iş ayrı bir dikkat istiyor; aşağıda ele alıyoruz.
  • Emin olunamayan durumda ne yapılacağı. Tahmin etmek yerine işaretlemek daha iyidir, çünkü işaretlenen örnekler kılavuzun nerede zayıf kaldığını gösterir.
  • Bir sürüm numarası. Kılavuz değiştiğinde hangi etiketin hangi kurala göre verildiğini bilmek istersiniz.

Sonra bir pilot yapın. İki kişi aynı 50-100 örneği birbirinden habersiz etiketler, sonuçları karşılaştırırsınız; her anlaşmazlık ya kılavuzda bir düzeltmeye ya da kayda geçmiş zor bir duruma dönüşür. İki üç tur sürmesini bekleyin. Pilot sırasında bir örneğin kaç saniye sürdüğünü de ölçün; bütçeyi en çok bu sayı belirler.

Türkçe metin etiketlerken dikkat edilecekler

Türkçe metinle çalışıyorsanız kılavuza birkaç madde daha eklemeniz gerekir.

Ekler ve varlık sınırları

Yazım kurallarına göre özel adlara gelen ekler kesme işaretiyle ayrılır, kurum ve kuruluş adlarına gelenler ayrılmaz. "Ankara'dan" yazılışında kökü ayırmak kolaydır; "Türk Dil Kurumundan" yazılışında ise ek kelimeye bitişiktir. Kullanıcı metinlerinde kesme işareti zaten çoğu zaman yoktur ("ankaradan"). Etiketçiler eki varlığın içine mi alacak, dışında mı bırakacak? NER verisi çoğunlukla kelime düzeyinde (BIO etiketleriyle) tutulduğu için kelimeyi ekiyle birlikte bütün olarak işaretlemek genellikle daha pratiktir. Hangisini seçtiğiniz, herkesin aynı şeyi yapması kadar önemli değildir.

Özensiz yazım ve eksik Türkçe karakterler

Müşteri mesajlarında "sikayet", "iade edicem", "kargom gelmedi hala" gibi yazımlar çok sık görülür. Kılavuza açıkça yazın: etiketçi metni düzeltmez, anlamına göre etiketler. Model canlıda aynı metinleri göreceği için bu yazımların etiketli veride kalması iyidir.

Büyük-küçük harf dönüşümü

Python'un str.lower() metodu Türkçeyi bilmez. "I" harfini "ı" yerine "i" yapar; "İ" harfini ise "i" ve üstüne binen ayrı bir nokta işareti olmak üzere iki karaktere çevirir. Bu yüzden bir etiketçinin "İade", diğerinin "iade" yazdığı etiketler küçük harfe çevrildikten sonra bile eşleşmez. En temizi etiket adlarını serbest yazdırmamak, sabit bir listeden seçtirmektir; metni kodda normalleştirecekseniz dönüşümü açıkça yazın (aşağıdaki örnekte tr_lower).

Kimlik numaraları

VKN 10, TC kimlik numarası 11 hanedir ve ikisinin de son hanesi ya da haneleri bir kontrol hesabıyla doğrulanabilir. Alan çıkarma etiketlerinde bu tür biçim kurallarını otomatik kontrol edin; kuralı tutmayan bir değer ya etiketin ya da belgenin hatalı olduğunu gösterir. Aynı desenler, etiketçiye göstermeden önce maskelenecek alanları bulmanıza da yarar.

Etiketlemeyi kim yapmalı

Seçenek

Uygun olduğu durum

Dikkat edilecek nokta

Kurum içi alan uzmanları

Tıp, hukuk, finans gibi yorum gerektiren işler

Pahalı ve yavaş; uzmanlar da kendi aralarında anlaşamayabilir

Ürün ekibinin kendisi

Küçük değerlendirme setleri, ilk pilotlar

Hacim artınca yetişmez; insan görmeyi beklediğini görür

Etiketleme firması

Kalite kontrolü dahil yüksek hacim

Alışma süresi, verinizi kimin gördüğü, firmanın aracına bağımlılık

Kitle platformları

Basit ve tekrar eden, çok sayıda iş

İnce ayrımlarda zayıf; araya cevabı bilinen kontrol soruları serpiştirmek gerekir

İnsan kontrollü LLM

Kılavuzu net olan metin ve belge işleri

Makul görünen ama sistematik olarak tekrarlanan hatalar

İlk değerlendirme setini, ürünün sahibi olan kişilerin bizzat etiketlemesini öneririz. Dışarıya vermekten daha yavaş olur ama kılavuzdaki boşlukları bir öğleden sonrada bulurlar ve sonradan çıkacak skorları yorumlayacak olan da onlardır.

LLM ile etiketleme: kendinizi kandırmadan

LLM'ler birçok metin görevinde iyi birer etiketçidir. 2023'te PNAS'ta yayımlanan bir çalışmada, ChatGPT'nin hiç örnek görmeden (zero-shot) verdiği etiketler, tweet ve haber metinlerinde ilgililik, tutum, konu ve çerçeve tespiti gibi görevlerin çoğunda Amazon Mechanical Turk'teki kitle çalışanlarının etiketlerinden daha doğru çıktı. Etiket başına maliyet 0,003 doların altındaydı ve modeller o günden bu yana daha da gelişti.

Ancak LLM yanıldığında da çok tutarlıdır. Aynı çalışmada ChatGPT'nin kendi tekrarlı çalıştırmaları arasındaki uyum, eğitimli insan etiketçilerin kendi aralarındaki uyumdan yüksekti. Yüksek uyum, benzer her örnekte tekrarlanan bir hatayı gizleyebilir. O yüzden modele işe yeni başlamış bir etiketçi gibi davranın:

  1. Önce aynı kılavuzla insanlara bir altın set etiketletin (doğru cevabı kesinleşmiş örnekler).
  2. Modeli altın set üzerinde çalıştırın ve sonuçları her sınıf için ayrı karşılaştırın. Toplam doğruluk zayıf sınıfları gizler.
  3. Altın setle iyi örtüştüğü sınıflarda modelin etiketini kabul edin. Geri kalanları ve modelin emin olmadığını belirttiği örnekleri insana gönderin.
  4. Modelin ürettiği her etiketle birlikte model adını, sürümünü ve prompt'u saklayın.
  5. Örneklemeye devam edin: otomatik etiketlerin küçük bir kısmı her hafta bir insanın önüne gitsin.

Dördüncü adım, bir şey bozulana kadar gereksiz bir kayıt işi gibi görünür. Bir ajans iş ortağıyla birlikte Kanada'daki bir petrol sahası hizmet şirketi için saha fişi otomasyonu kurduk: bir n8n iş akışı, günde yaklaşık 100 PDF saha fişinden müşteriyi, lokasyonu, AFE/PO numarasını, kalemleri ve saatleri bir LLM ile çıkarıyor. Canlıda işi en çok bozan, LLM API'sinin istek sınırı (HTTP 429) oldu; çözüm de alternatif modellere geçmekti. Aynı yedek yol bir etiketleme hattında kullanılırsa etiketlerin bir kısmı başka bir modelden gelir ve bu etiketlerin de altın setle ayrıca karşılaştırılması gerekir.

Etiket kalitesi nasıl ölçülür

Etiket kalitesini iki sayıyla ölçersiniz ve bu ikisi kolayca birbirine karıştırılır.

Altın sete göre doğruluk, etiketlerin ne sıklıkla doğru olduğunu söyler. Bunun için doğru cevabı özenle belirlenmiş, tercihen bir uzmanın ya da iki etiketçinin tek tek tartışarak kesinleştirdiği örnekler gerekir.

Etiketçiler arası uyum ise etiketçilerin birbiriyle ne kadar tutarlı olduğunu gösterir; kılavuzun etkilediği kısım budur. İki etiketçi için Cohen kappa katsayısı, ham uyumu şans eseri beklenecek uyuma göre düzeltir. Üç ve daha fazla etiketçide Fleiss kappa ya da Krippendorff alfa katsayısı kullanılır. Yaygın olarak kullanılan Landis ve Koch ölçeği, 0,61-0,80 arasındaki kappa değerlerini "önemli", 0,80'in üstünü "neredeyse mükemmel" uyum olarak sınıflandırır. Bu aralıklar bir uzlaşıdan ibarettir: ses tonu gibi öznel bir görev daha düşük bir değerle de işe yarayabilir, faturadaki genel toplam gibi bir alanda ise uyumun neredeyse tam olması gerekir.

Kappa hesaplamak birkaç satır sürer. Pilotu her satırda bir örnek, her sütunda bir etiketçi olacak şekilde bir CSV dosyasına aktarın. Aracınız her etiketi ayrı bir satıra yazıyorsa önce df.pivot(index="ornek_id", columns="etiketci", values="etiket") ile bu biçime getirin ve iki sütunu koddaki adlarla yeniden adlandırın. Tabloyu Türkçe Excel'den CSV olarak kaydettiyseniz ayraç genellikle noktalı virgüldür: read_csv çağrısına sep=";" ekleyin; "CSV UTF-8" yerine düz CSV seçtiyseniz encoding="cp1254" de gerekir. Sondaki çapraz tablo hangi etiketlerin birbirine karıştığını gösterir; kılavuzun bir sonraki sürümünde düzeltilecekler listeniz budur.

import pandas as pd
from sklearn.metrics import cohen_kappa_score

def tr_lower(s: str) -> str:
    # str.lower() Türkçe I/İ dönüşümünü bilmez
    return s.replace("I", "ı").replace("İ", "i").lower().strip()

df = pd.read_csv("pilot_etiketler.csv").dropna(subset=["etiketci_a", "etiketci_b"])
a = df["etiketci_a"].astype(str).map(tr_lower)
b = df["etiketci_b"].astype(str).map(tr_lower)

print(f"Cohen kappa: {cohen_kappa_score(a, b):.2f}")

farkli = a != b
print(pd.crosstab(a[farkli], b[farkli]))

Hatasız etiket de beklemeyin. Yaygın kullanılan on kıyaslama veri setinin test kümelerini inceleyen araştırmacılar, ortalama etiket hatası oranının en az %3,3 olduğunu tahmin etti; ImageNet doğrulama setinde bu oran en az %6. Aynı fikri kendi verinize de uygulayabilirsiniz: çapraz doğrulamayla bir model eğitin, modelin verilen etiketle güvenle çeliştiği örnekleri bulun ve önce onları yeniden kontrol edin. Açık kaynaklı cleanlab kütüphanesi bu yöntemi hazır sunar.

Araçlar

Birkaç yüz sınıflandırma örneği için, izin verilen değerleri açılır listeden seçtiren paylaşımlı bir tablo yeterlidir. Bundan fazlası ya da metin aralığı, görüntü veya ses etiketlemesi için bir etiketleme aracı kullanın.

Label Studio açık kaynaklıdır; metin, görüntü, ses, video ve zaman serisi verisiyle çalışır. Ücretsiz Community sürümü, bağladığınız bir modelin tahminlerini ön etiket olarak gösterebilir. Ancak inceleyici (reviewer) atama, bir örneği kaç kişinin etiketleyeceği ayarı ve uyum metrikleri ücretli sürümlerde yer alıyor. Community ile çalışıyorsanız etiketleri dışa aktarıp uyumu yukarıdaki gibi kendiniz hesaplarsınız.

CVAT da açık kaynaklıdır (MIT lisansı); görüntü, video ve 3B nokta bulutları için tasarlanmıştır. SAM ya da YOLO gibi modelleri sunucusuz fonksiyon olarak çalıştırıp şekilleri önceden çizdirebilirsiniz; etiketçi yalnızca düzeltir.

Labelbox gibi yönetilen platformlar ve etiketleme firmaları, yazılımın yanında etiketçi ekibine de ihtiyacınız varsa mantıklıdır. Verinin nerede saklandığını, kimin görebildiğini ve etiketleri geçmişleriyle birlikte açık bir formatta eksiksiz dışa aktarıp aktaramayacağınızı sorun. Kişisel veri söz konusuysa bu soruların bir de KVKK tarafı var. Eski yazılarda sık önerilen Amazon SageMaker Ground Truth'u ise AWS 30 Temmuz 2026'dan itibaren yeni müşterilere kapattı; artık yalnızca zaten kullanan hesaplar için bir seçenek.

Ürününüz de etiket toplayabilir

En iyi etiketlerin bir kısmı, insanların zaten yaptığı işten çıkar. Kullanıcı bir öneriyi değiştirdiğinde ya da bir alanı düzelttiğinde, doğru cevabın ne olduğunu size söylemiş olur. Bir spor fizyoterapi kliniği için geliştirdiğimiz egzersiz programı üreticisinde antrenörler üretilen programlara olumlu ya da olumsuz oy veriyor, egzersizleri alternatifleriyle değiştiriyor ve programı yeniden ürettiriyor. Bu yıl sisteme, yapay zekanın programı ile antrenörün programının karşılaştırmalarını saklayan bir özellik ekliyoruz; böylece programı üreten mantık geçmiş sporcular üzerinde sınanabilecek. Jenesys'in asistanında da mühendisimiz, müşteri düzeltmelerini modellerin yararlandığı embedding deposuna geri besleyen veri hattını kurdu.

Bunu baştan tasarlıyorsanız her yapay zeka çıktısı için üç şeyi kaydedin: modelin ne ürettiğini, kullanıcının sonunda neyi bıraktığını ve bu çıktının hangi model ve prompt sürümüyle üretildiğini. İlk ikisi arasındaki fark, parasını ödemediğiniz bir etikettir. Ancak bu veri taraflıdır: sadece kullanıcıların düzeltmeye üşenmediği hataları içerir. O yüzden altın setle birlikte kullanın.

KVKK açısından dikkat edilecekler

Etiketleme çoğu zaman gerçek veriyi, normalde görmeyecek kişilere ya da üçüncü taraf bir modele göstermek demektir. Türkiye'de bunun birkaç somut sonucu var. Aşağıdakiler hukuki görüş yerine geçmez; veri sorumlusu olarak kendi hukukçunuzla netleştirin.

  • Görevin gerektirmediği alanları maskeleyin. Müşteri mesajlarını sınıflandıran birinin ad, telefon ya da TC kimlik numarası görmesine gerek yok.
  • Doğrudan tanımlayıcıları silmek tek başına anonimleştirme sayılmaz. 6698 sayılı Kanun, anonim hâle getirmeyi verinin başka verilerle eşleştirilerek dahi bir kişiyle ilişkilendirilemeyecek hâle getirilmesi olarak tanımlar. İlçe, yaş ve tarih bilgisi kalan bir mesaj hâlâ kişisel veri olabilir.
  • Sağlık verisi, Kanunun 6. maddesine göre özel nitelikli kişisel veridir. Hasta notları ya da tetkik görüntüleri etiketletecekseniz işlemenin hukuki dayanağını en baştan netleştirin.
  • Sunucuları yurt dışında olan bir LLM API'sine ya da yurt dışındaki bir etiketleme firmasına kişisel veri göndermek, yurt dışına aktarım olarak değerlendirilir ve Kanunun 9. maddesine tabidir. Aktarım standart sözleşmeyle yapılıyorsa, sözleşme imzalandıktan sonraki beş iş günü içinde Kişisel Verileri Koruma Kurumuna bildirilmelidir.

Sık sorulan sorular

Veri etiketleme ile veri anotasyonu aynı şey mi?

Pratikte evet: ikisi de modelin öğreneceği ya da sınanacağı doğru cevabı veriye eklemek demektir. Bazı ekipler kutu, metin aralığı ve transkripsiyon gibi ayrıntılı işaretlemeye "anotasyon", bir sınıf seçmeye "etiketleme" der; araçlar ve firmalar ise iki kelimeyi birbirinin yerine kullanır.

Veri etiketleme maliyeti nasıl hesaplanır?

Maliyetin büyük kısmı insan zamanıdır: örnek sayısı × örnek başına süre × tur sayısı, buna kılavuz yazımı ve gözden geçirme eklenir. Örnek başına 20 saniye süren 2.000 müşteri mesajı tek turda yaklaşık 11 saat eder; uyumu ölçmek için beşte birini ikinci bir kişiye etiketletmek yaklaşık 2 saat daha ekler. Süreyi tahmin etmeyin, pilotta ölçün. Firmalar genellikle örnek ya da saat başına fiyat verir ve fiyatlar görevin türüne göre çok değişir.

Kaç etiketli örnek gerekir?

Değerlendirme seti için, nadir durumlardan fazladan örnek eklenmiş birkaç yüz gerçek örnek makul bir başlangıçtır (yukarıdaki güven aralıklarına bakın). Kendi modelinizi eğitiyorsanız sayı göreve göre değişir; bir pilot setle eğitin ve veri ekledikçe test skorunun nasıl değiştiğini izleyin.

Etiketlemeyi dışarıya vermeli miyiz?

Etiketçiler arası uyum oturduktan sonra hacmi bir firmaya verebilirsiniz. Kılavuzu, altın seti ve anlaşmazlıkların incelenmesini ise ekipte tutun; bunlar ürününüzün ne yapması gerektiğine dair kararlardır.

Bir yapay zeka özelliği planlıyorsanız ve değerlendirme setini ya da etiketleme planını konuşmak isterseniz veri ve yapay zeka sayfamızdan bize ulaşabilirsiniz.

İlgili Makaleler

10 Ağustos 2026

MLOps Nedir? ML Modelini Canlıya Almanın Pratik Yolu

MLOps, bir modeli canlıya taşıyan ve orada işe yarar tutan pratiklerin toplamı. Hangi sırayla kurulacağını güncel MLflow ve DVC örnekleriyle anlattık, LLM tarafını da ekledik.

Devamını Oku: MLOps Nedir? ML Modelini Canlıya Almanın Pratik Yolu
8 Ağustos 2026

Bilgisayarlı Görü Uygulamaları: Nerede İşe Yarar, Nerede Zorlanır?

Fabrikadaki kalite kontrolden faturaya, tomografiden plaka tanımaya: bilgisayarlı görü nerede iş görüyor, nerede zorlanıyor, hazır modeller neyi değiştirdi?

Devamını Oku: Bilgisayarlı Görü Uygulamaları: Nerede İşe Yarar, Nerede Zorlanır?
5 Ağustos 2026

AI Agent Geliştirme: Ne Zaman Gerekir, Nasıl Kurulur?

AI agent, araçlarla döngü içinde çalışan bir dil modeli. Ne zaman gerektiğini, Python'da çalışan bir döngüyü, framework seçimini, güvenliği, KVKK'yı ve maliyeti anlattık.

Devamını Oku: AI Agent Geliştirme: Ne Zaman Gerekir, Nasıl Kurulur?