Amazon Mechanical Turk Eğitimi

Eğitim Hakkında

Mechanical Turk ile HIT tasarımı, kalite kontrol ve veri etiketleme iş akışları

Bu eğitim, Amazon Mechanical Turk (MTurk) ile işleri çok sayıda çalışana dağıtan crowdsourcing yaklaşımını anlatır. Requester ve Worker rolleri, HIT, assignment ve qualification kavramları, HTML ve XML ile soru formu tasarımı, Requester UI ve API, Sandbox ortamı, onay-ret süreci, çalışan kalitesi, ödül belirleme, birleştirme ve ML için veri etiketleme ile SageMaker Ground Truth karşılaştırması uygulamalı işlenir.

Süre ve Format

2 Gün. Her gün dört modül; her modülde altı konu başlığı, canlı gösterim ve uygulamalı laboratuvar.

Seviye

Temel Seviye — HIT tasarımı, Requester API, kalite kontrol ve ML veri etiketleme konularını kapsayan uygulamalı eğitim

Öğrenme Metodu

Bulut hesabında konsol ve CLI ile adım adım laboratuvarlar yapılır, ardından kısa senaryo çalışmalarıyla pekiştirilir.

Neden Bu Eğitim?

🎯Ölçekli Etiketleme

Binlerce görevi paralel çalışanlara dağıtarak veri hazırlama süresini kısaltırsınız.

🛠️Kalite Kontrol

Qualification ve çoklu atama ile sonuç doğruluğunu artıran tasarımlar kurarsınız.

🔍Etik ve Maliyet

Adil ücret, açık talimat ve bütçe kontrolüyle sorumlu crowdsourcing uygularsınız.

Anahtar Konular

Amazon Mechanical Turk eğitimiMTurk HITcrowdsourcing AWSveri etiketlemeMTurk APISageMaker Ground TruthAmazon A2IMechanical Turk qualificationmakine öğrenmesi etiketleme

“Kalabalığın gücü, yalnızca iyi tasarlanmış görevle kaliteye dönüşür.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

Temel Bulut Bilgisi

Bulut hizmet modelleri, bölge ve erişilebilirlik bölgesi kavramlarına genel aşinalık yeterlidir.

2

Veri Kavramı

Veri etiketleme ve temel HTML bilgisi faydalıdır.

3

Çalışma Ortamı

Güncel tarayıcı ve kararlı internet bağlantısı olan bir bilgisayar gerekir; laboratuvarlar için bir bulut hesabı veya kum havuzu ortamı kullanılır.

4

Komut Satırı

Terminalde temel gezinme ve JSON çıktısı okuma alışkanlığı laboratuvarları hızlandırır.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı Sandbox'ta HIT tasarlar ve yayınlar.

Modül 1

Crowdsourcing Kavramları

Requester, Worker, HIT, Assignment ve Reward
Mechanical Turk uygun görev türleri: etiketleme, transkripsiyon, anket
Mekanik Turk ile SageMaker Ground Truth, Labelbox karşılaştırması
Komisyon ve ücretlendirme yapısı
Etik: adil ücret, şeffaf talimat ve çalışan hakları
MTurk'ün kullanım koşulları ve uygun olmayan görevler

Modül 2

Sandbox ve Hesap Kurulumu

Requester hesabı ve AWS entegrasyonu
Sandbox ile risksiz test ortamı
Prepaid bakiye ve bütçe takibi
IAM kullanıcısı ve MTurk API izinleri
Worker olarak Sandbox'ta görev deneme
Üretime geçiş kontrolleri

Modül 3

HIT Tasarımı

Requester UI şablonları: metin sınıflama, görüntü etiketleme
HTMLQuestion ve ExternalQuestion yapıları
crowd-form ve MTurk HTML bileşenleri
Talimat yazımı, örnekler ve belirsizlikten kaçınma
Görev süresi (duration), yaşam süresi (lifetime) ve ödül
Mobil uyumlu form ve erişilebilirlik

Modül 4

Toplu İşler ve Girdi Dosyaları

CSV girdi ile toplu HIT oluşturma
Değişken yer tutucular ${image_url}
Sonuç CSV dosyasının indirilmesi
Batch durumu ve izleme
Görüntü ve ses dosyalarının S3 ile sunumu
Küçük pilot ile başlama ve ölçekleme

Günün hedefiKatılımcı API ile iş akışını otomatikleştirir ve sonuç kalitesini yönetir.

Modül 1

Requester API

boto3 mturk istemcisi ve sandbox endpoint
CreateHIT, ListAssignmentsForHIT ve ApproveAssignment
RejectAssignment ve gerekçe yazımı
Notification (SNS/SQS) ile HIT olayları
Bonus ödeme (SendBonus) ve ödül stratejisi
Hata yönetimi ve limitler

Modül 2

Kalite Kontrol

Qualification türleri: sistem ve özel
Onay oranı ve ülke gibi filtreler
Altın standart (gold) sorular ve dikkat testleri
Çoklu atama ve çoğunluk oyu ile birleştirme
Anlaşma oranı (inter-annotator agreement) ölçümü
Hileli yanıt tespiti ve engelleme

Modül 3

Veri Etiketleme İş Akışı

Makine öğrenmesi etiketleme hattı tasarımı
Etiket şeması ve talimat sürümleme
Sonuçları S3 ve Athena ile işleme
Amazon Augmented AI (A2I) ile insan inceleme akışı
Ground Truth ve MTurk iş gücü seçeneklerinin karşılaştırması
Etiket kalite denetimi ve örneklem kontrolü

Modül 4

Güvenlik, Gizlilik ve Maliyet

Çalışanlara gösterilen verinin gizlilik riski
Kişisel veri içeren görevler için kısıtlar
Maliyet hesaplama: HIT sayısı × atama × ödül + komisyon
Ödeme ve vergi konuları (genel bakış)
Alternatif iş gücü: özel çalışan ekipleri
Üretim kontrol listesi

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

HIT Tasarımı

Net talimatlı ve örnekli HIT şablonları hazırlayabilirsiniz.

🔧

Sandbox Testi

Sandbox'ta görev yayınlayıp çalışan deneyimini test edebilirsiniz.

📊

Toplu İş

CSV girdi ile toplu görev oluşturup sonuçları indirebilirsiniz.

🔐

API Kullanımı

boto3 ile HIT oluşturup yanıtları onaylayabilirsiniz.

🚀

Kalite Güvencesi

Qualification ve gold sorularla çalışan kalitesini yönetebilirsiniz.

🧩

Birleştirme

Çoklu atama sonuçlarını çoğunluk oyuyla birleştirebilirsiniz.

📈

ML Etiketleme

Etiket veri setini makine öğrenmesi hattına besleyebilirsiniz.

🛡️

Maliyet Planı

HIT başına toplam maliyeti ve bütçeyi hesaplayabilirsiniz.

Kimler İçin Uygundur?

Veri etiketleme
içerik moderasyonu veya anket işleri yöneten veri bilimciler
ürün ekipleri
araştırmacılar için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Veri etiketleme, içerik moderasyonu veya anket işleri yöneten veri bilimciler, ürün ekipleri ve araştırmacılar için uygundur.

Ücretli iş gücü mü kullanılır?

Evet, MTurk gerçek çalışanlara ödeme yapar; eğitimde Sandbox kullanılarak maliyetsiz test yapılır.

Kodlama gerekli mi?

Requester arayüzü kodsuz kullanılabilir, API bölümü için kısa Python örnekleri vardır.

Hangi görevler uygundur?

Görüntü ve metin etiketleme, anket ve transkripsiyon gibi küçük, net tanımlı görevler uygundur.

Sertifika verilir mi?

Katılım ve başarı koşulunu sağlayanlara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

INTRODUCTION TO AMAZON MECHANICAL TURK EĞİTİMİ