Epoch – (Eğitim Döngüsü)

Epoch (Eğitim Döngüsü), makine öğrenmesi ve derin öğrenmede bir modelin eğitim veri kümesinin tamamını bir kez işlemesini ifade eden temel kavramdır. Başka bir ifadeyle, veri kümesindeki tüm örneklerin modele bir kez sunulması bir epoch olarak adlandırılır. Eğitim süreci genellikle tek bir epoch ile sınırlı kalmaz; model, aynı veri kümesini birçok kez inceleyerek ağırlıklarını (weights) ve bias değerlerini sürekli günceller. Böylece her eğitim döngüsünde hata oranı azalır ve modelin tahmin performansı artar. Epoch sayısı, bir yapay zekâ modelinin öğrenme sürecini belirleyen en önemli hiperparametrelerden (hyperparameters) biridir.

Bir epoch sırasında eğitim veri kümesi çoğunlukla daha küçük gruplara (mini-batches) ayrılır. Her mini-batch modele sırayla sunulur ve her grubun ardından geri yayılım (backpropagation) ile ağırlıklar güncellenir. Bir epoch tamamlandığında model, eğitim veri kümesindeki tüm örnekleri görmüş olur. Eğitim daha sonra ikinci, üçüncü ve sonraki epochlarla devam eder. Örneğin 50.000 örnekten oluşan bir veri kümesi, batch size değeri 100 olarak seçildiğinde her epoch 500 iterasyondan (iterations) oluşur. Model 20 epoch boyunca eğitildiğinde ise veri kümesinin tamamı 20 kez işlenmiş olur. Bu nedenle epoch, batch ve iteration kavramları birbiriyle ilişkili ancak farklı anlamlara sahiptir. Batch, veri kümesinin küçük bir bölümünü; iteration, tek bir batch üzerinde gerçekleştirilen ağırlık güncellemesini; epoch ise tüm batch’lerin tamamlanmasını ifade eder.

Epoch sayısının doğru belirlenmesi model performansı açısından kritik öneme sahiptir. Çok az epoch kullanılması modelin verideki örüntüleri yeterince öğrenememesine (underfitting) yol açabilir. Buna karşılık gereğinden fazla epoch kullanılması modelin eğitim verisini ezberlemesine ve yeni veriler üzerinde başarısının düşmesine (overfitting) neden olabilir. Bu riski azaltmak amacıyla Early Stopping (Erken Durdurma), Learning Rate Scheduling (Öğrenme Oranı Zamanlaması) ve Model Checkpointing gibi yöntemler yaygın olarak kullanılmaktadır. Epoch kavramı; evrişimsel sinir ağları (Convolutional Neural Networks – CNN), tekrarlayan sinir ağları (Recurrent Neural Networks – RNN), Transformer modelleri, büyük dil modelleri (Large Language Models – LLM) ve diğer tüm derin öğrenme mimarilerinde eğitim sürecinin temel ölçütlerinden biridir. Dolayısıyla uygun epoch sayısının belirlenmesi, modelin öğrenme başarısını, eğitim süresini ve genelleme performansını doğrudan etkileyen en önemli hiperparametrelerden biri olarak kabul edilmektedir.