import pandas as pd
from datasets import Dataset
Örnek veri oluşturma
data = {
'text': [
'Bu bir örnek metindir.',
'Türkçe doğal dil işleme projesi.',
'Veri bilimi ve makine öğrenmesi.',
'Python programlama dili.'
],
'label': [0, 1, 2, 3]
}
DataFrame'e dönüştürme
df = pd.DataFrame(data)
Hugging Face Dataset'e dönüştürme
dataset = Dataset.from_pandas(df)
import unicodedata
Aksan kaldırma fonksiyonu
def remove_accents(text):
nfkd_form = unicodedata.normalize('NFKD', text)
return ''.join([c for c in nfkd_form if not unicodedata.combining(c)])
Veri ön işleme fonksiyonu
def preprocess_function(examples):
examples['text'] = [remove_accents(text) for text in examples['text']]
return examples
Veri setine uygulama
processed_dataset = dataset.map(preprocess_function)
from transformers import AutoTokenizer, AutoModelForSequenceClassification, TrainingArguments, Trainer
Model ve tokenizer yükleme
model_name = "dbmdz/bert-base-turkish-cased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels=4)
Veriyi tokenlaştırma
def tokenize_function(examples):
return tokenizer(examples['text'], padding="max_length", truncation=True)
tokenized_datasets = processed_dataset.map(tokenize_function, batched=True)
Model eğitimi için ayarlar
training_args = TrainingArguments(
output_dir="./results",
evaluation_strategy="epoch",
learning_rate=2e-5,
per_device_train_batch_size=8,
per_device_eval_batch_size=8,
num_train_epochs=3,
weight_decay=0.01,
)
Trainer tanımlama
trainer = Trainer(
model=model,
args=training_args,
train_dataset=tokenized_datasets,
eval_dataset=tokenized_datasets,
)
Modeli eğitme
trainer.train()
Eğitim sürecini değerlendirme
eval_results = trainer.evaluate()
print(f"Değerlendirme Sonuçları: {eval_results}")
