|
--- |
|
language: |
|
- tr |
|
license: mit |
|
tags: |
|
- generated_from_trainer |
|
metrics: |
|
- precision |
|
- recall |
|
- accuracy |
|
- f1 |
|
widget: |
|
- text: İngiltere'de düzenlenen Avrupa Tekvando ve Para Tekvando Şampiyonası’nda millî |
|
tekvandocular 5 altın, 2 gümüş ve 4 bronz olmak üzere 11, millî para tekvandocular |
|
ise 4 altın, 3 gümüş ve 1 bronz olmak üzere 8 madalya kazanarak takım halinde |
|
Avrupa şampiyonu oldu. |
|
- text: Füme somon dedik ama aslında lox salamuralanmış somon anlamına geliyor, füme |
|
etme opsiyonel. Lox bagel, 1930'larda Eggs Benedict furyasında New Yorklu Yahudi |
|
cemaati tarafından koşer bir alternatif olarak çıkan bir lezzet. Günümüzde benim |
|
hangover yüreğim dâhil dünyanın birçok yerinde enfes bir kahvaltı sandviçi. |
|
- text: Türkiye'de son aylarda sıklıkla tartışılan konut satışı karşılığında yabancılara |
|
vatandaşlık verilmesi konusunu beyin göçü kapsamında ele almak mümkün. Daha önce |
|
250 bin dolar olan vatandaşlık bedeli yükselen tepkiler üzerine 400 bin dolara |
|
çıkarılmıştı. Türkiye'den göç eden iyi eğitimli kişilerin , gittikleri ülkelerde |
|
250 bin dolar tutarında yabancı yatırıma denk olduğu göz önüne alındığında nitelikli |
|
insan gücünün yabancılara konut karşılığında satılan vatandaşlık bedelin eş olduğunu |
|
görüyoruz. Yurt dışına giden her bir vatandaşın yüksek teknolojili katma değer |
|
üreten sektörlere yapacağı katkılar göz önünde bulundurulduğunda bu açığın inşaat |
|
sektörüyle kapatıldığını da görüyoruz. Beyin göçü konusunda sadece ekonomik perspektiften |
|
bakıldığında bile kısa vadeli döviz kaynağı yaratmak için kullanılan vatandaşlık |
|
satışı yerine beyin göçünü önleyecek önlemler alınmasının ülkemize çok daha faydalı |
|
olacağı sonucunu çıkarıyoruz. |
|
- text: Türkiye’de resmî verilere göre, 15 ve daha yukarı yaştaki kişilerde mevsim |
|
etkisinden arındırılmış işsiz sayısı, bu yılın ilk çeyreğinde bir önceki çeyreğe |
|
göre 50 bin kişi artarak 3 milyon 845 bin kişi oldu. Mevsim etkisinden arındırılmış |
|
işsizlik oranı ise 0,1 puanlık artışla %11,4 seviyesinde gerçekleşti. İşsizlik |
|
oranı, ilk çeyrekte geçen yılın aynı çeyreğine göre 1,7 puan azaldı. |
|
- text: 'Boeing’in insansız uzay aracı Starliner, birtakım sorunlara rağmen Uluslararası |
|
Uzay İstasyonuna (ISS) ulaşarak ilk kez başarılı bir şekilde kenetlendi. Aracın |
|
ISS’te beş gün kalmasını takiben sorunsuz bir şekilde New Mexico’ya inmesi halinde |
|
Boeing, sonbaharda astronotları yörüngeye göndermek için Starliner’ı kullanabilir. |
|
|
|
|
|
Neden önemli? NASA’nın personal aracı üretmeyi durdurmasından kaynaklı olarak |
|
görevli astronotlar ve kozmonotlar, ISS’te Rusya’nın ürettiği uzay araçları ile |
|
taşınıyordu. Starliner’ın kendini kanıtlaması ise bu konuda Rusya’ya olan bağımlılığın |
|
potansiyel olarak ortadan kalkabileceği anlamına geliyor.' |
|
base_model: dbmdz/bert-base-turkish-cased |
|
model-index: |
|
- name: berturk-keyword-discriminator |
|
results: [] |
|
--- |
|
|
|
<!-- This model card has been generated automatically according to the information the Trainer had access to. You |
|
should probably proofread and complete it, then remove this comment. --> |
|
|
|
# berturk-keyword-discriminator |
|
|
|
This model is a fine-tuned version of [dbmdz/bert-base-turkish-cased](https://huggingface.co/dbmdz/bert-base-turkish-cased) on an unknown dataset. |
|
It achieves the following results on the evaluation set: |
|
- Loss: 0.4196 |
|
- Precision: 0.6729 |
|
- Recall: 0.6904 |
|
- Accuracy: 0.9163 |
|
- F1: 0.6815 |
|
- Ent/precision: 0.6776 |
|
- Ent/accuracy: 0.7365 |
|
- Ent/f1: 0.7058 |
|
- Con/precision: 0.6640 |
|
- Con/accuracy: 0.6151 |
|
- Con/f1: 0.6386 |
|
|
|
## Model description |
|
|
|
More information needed |
|
|
|
## Intended uses & limitations |
|
|
|
More information needed |
|
|
|
## Training and evaluation data |
|
|
|
More information needed |
|
|
|
## Training procedure |
|
|
|
### Training hyperparameters |
|
|
|
The following hyperparameters were used during training: |
|
- learning_rate: 2e-05 |
|
- train_batch_size: 16 |
|
- eval_batch_size: 16 |
|
- seed: 42 |
|
- optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 |
|
- lr_scheduler_type: linear |
|
- num_epochs: 8 |
|
- mixed_precision_training: Native AMP |
|
|
|
### Training results |
|
|
|
| Training Loss | Epoch | Step | Validation Loss | Precision | Recall | Accuracy | F1 | Ent/precision | Ent/accuracy | Ent/f1 | Con/precision | Con/accuracy | Con/f1 | |
|
|:-------------:|:-----:|:-----:|:---------------:|:---------:|:------:|:--------:|:------:|:-------------:|:------------:|:------:|:-------------:|:------------:|:------:| |
|
| 0.1899 | 1.0 | 1875 | 0.1927 | 0.6330 | 0.6682 | 0.9163 | 0.6502 | 0.6283 | 0.7398 | 0.6795 | 0.6438 | 0.5513 | 0.5940 | |
|
| 0.137 | 2.0 | 3750 | 0.1988 | 0.6405 | 0.6959 | 0.9160 | 0.6671 | 0.6461 | 0.7475 | 0.6931 | 0.6297 | 0.6116 | 0.6205 | |
|
| 0.101 | 3.0 | 5625 | 0.2375 | 0.6494 | 0.7188 | 0.9173 | 0.6824 | 0.6497 | 0.7743 | 0.7066 | 0.6488 | 0.6281 | 0.6383 | |
|
| 0.0767 | 4.0 | 7500 | 0.2699 | 0.6533 | 0.7188 | 0.9154 | 0.6845 | 0.6575 | 0.7741 | 0.7111 | 0.6449 | 0.6285 | 0.6366 | |
|
| 0.057 | 5.0 | 9375 | 0.3188 | 0.6696 | 0.6914 | 0.9163 | 0.6803 | 0.6790 | 0.7405 | 0.7084 | 0.6518 | 0.6112 | 0.6308 | |
|
| 0.0423 | 6.0 | 11250 | 0.3646 | 0.6773 | 0.6846 | 0.9171 | 0.6809 | 0.6787 | 0.7388 | 0.7075 | 0.6746 | 0.5959 | 0.6328 | |
|
| 0.0339 | 7.0 | 13125 | 0.4007 | 0.6711 | 0.6816 | 0.9151 | 0.6763 | 0.6782 | 0.7283 | 0.7023 | 0.6575 | 0.6055 | 0.6304 | |
|
| 0.0282 | 8.0 | 15000 | 0.4196 | 0.6729 | 0.6904 | 0.9163 | 0.6815 | 0.6776 | 0.7365 | 0.7058 | 0.6640 | 0.6151 | 0.6386 | |
|
|
|
|
|
### Framework versions |
|
|
|
- Transformers 4.19.2 |
|
- Pytorch 1.11.0+cu113 |
|
- Datasets 2.2.2 |
|
- Tokenizers 0.12.1 |
|
|
