# Kitap Rotası: Aktif Öğrenme ve Üretim Döngüsü

<div class="mlv-demo-links">
  <a class="mlv-demo-link" href="hundred_page_ml.html">Genel Harita</a>
  <a class="mlv-demo-link" href="book_distribution_shift_and_robustness.html">Shift ve Robustluk</a>
  <a class="mlv-demo-link active" href="book_active_learning_and_monitoring.html">Üretim Döngüsü</a>
  <a class="mlv-demo-link" href="interactive_book_active_learning.html">Aktif Öğrenme</a>
  <a class="mlv-demo-link" href="interactive_book_human_in_the_loop.html">İnsan Döngüde</a>
  <a class="mlv-demo-link" href="interactive_book_production_monitoring.html">Üretim İzleme</a>
  <a class="mlv-demo-link" href="book_experimentation_and_safe_deployment.html">Deneyler ve Yayın</a>
  <a class="mlv-demo-link" href="book_unsupervised_and_other_learning.html">Gözetimsiz ve Ötesi</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Kitap / Öğrenme Bir Kez Eğitip Bitmez</div>
  <p class="mlv-demo-lead">Dünya kayıyorsa yalnızca daha iyi model yetmez; hangi örnekleri etiketleyeceğini, hangi kararları insana bırakacağını ve üretimde ne zaman alarm vereceğini de tasarlaman gerekir. Bu rota, makine öğrenmesini tek seferlik eğitimden çıkarıp çalışan bir geri besleme döngüsü olarak görür.</p>
</div>

## Neden Bu Bölüm Gerekli?

- Etiket bütçesi sınırlıdır; en öğretici örnekleri seçmek gerekir.
- Tam otomasyon her zaman güvenli değildir; bazı kararlar insan incelemesine gitmelidir.
- Global doğruluk iyi görünürken alt dilimler sessizce bozulabilir.
- İyi sistem yalnızca öğrenmez; öğrenmeye devam etmek için sinyal toplar.

## Bu Projedeki Görsel Karşılıklar

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Aktif Öğrenme</strong>
    <span>Sınırlı etiket bütçesini random yerine belirsiz veya çeşitlilik taşıyan örneklere ayırdığında hangi stratejinin daha çok kazandırdığını gör.</span>
    <span><a href="interactive_book_active_learning.html">Canlı aktif öğrenme demosu</a></span>
  </div>
  <div class="mlv-demo-panel">
    <strong>İnsan Döngüde</strong>
    <span>Otomasyon eşiği, gözden geçirme kuyruğu ve reviewer kalitesi arasında nasıl bir karar dengesi kurulduğunu izle.</span>
    <span><a href="interactive_book_human_in_the_loop.html">Canlı human-in-the-loop demosu</a></span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Üretim İzleme</strong>
    <span>Drift puanı, alt dilim kapsaması ve retrain gecikmesiyle alarmı erken mi geç mi verdiğini, sessiz hasarın nasıl biriktiğini gör.</span>
    <span><a href="interactive_book_production_monitoring.html">Canlı izleme demosu</a></span>
  </div>
</div>

## Neden Shift ve Robustluktan Sonra Geliyor?

Çünkü önce dünyanın değiştiğini fark edersin; sonra şu sorular gelir: hangi yeni örnekleri etiketlemeliyim, hangi kararları insana yönlendirmeliyim ve sistemi ne zaman yeniden eğitmeliyim? Bu rota, shift teşhisinden sonra gelen operasyon katmanıdır.

<div class="mlv-demo-links">
  <a class="mlv-demo-link active" href="book_active_learning_and_monitoring.html">Bu Sayfa</a>
  <a class="mlv-demo-link" href="interactive_book_active_learning.html">Aktif Öğrenme</a>
  <a class="mlv-demo-link" href="interactive_book_human_in_the_loop.html">İnsan Döngüde</a>
  <a class="mlv-demo-link" href="interactive_book_production_monitoring.html">Üretim İzleme</a>
  <a class="mlv-demo-link" href="book_experimentation_and_safe_deployment.html">Deneyler ve Yayın</a>
  <a class="mlv-demo-link secondary" href="book_experimentation_and_safe_deployment.html">Sonraki: Deneyler ve Yayın</a>
</div>
