Enver KOÇAK
NVIDIA, tablo verisi için geliştirdiği açık temel modeli Kumo Tabular‘ı 29 Eylül 2026’da tanıttı. Model, Excel tablosu ya da veritabanı gibi satır ve sütunlardan oluşan veriler üzerinde tahmin yapıyor. En dikkat çekici yanı, her yeni iş için ayrıca eğitilmesine gerek olmaması.
Yapay zekâ haberlerinde çoğunlukla metin, görüntü ve ses modelleri konuşuluyor. Oysa şirketlerdeki verinin büyük kısmı tablo hâlinde duruyor. Satış kayıtları, müşteri listeleri ve finans verileri bunun örnekleri.
Ne Değişti?
Geleneksel yöntemde her tahmin işi için ayrı bir model kurulur. Veri hazırlanır, özellikler mühendislikle üretilir ve ayarlar denenir. Kumo Tabular bu süreci kısaltıyor. Modele etiketli birkaç satır ve tahmin edilecek satırlar birlikte veriliyor. Model, tek bir ileri geçişte etiketleri tahmin ediyor. Hem sınıflandırma hem regresyon yapılabiliyor.
Model bir Transformer. İlginç olan, eğitiminde hiç gerçek veri kullanılmamış olması. NVIDIA modeli, nedensel yapı modellerinden üretilmiş yapay tablolarla eğitti. Üç boyut var: Small, Medium ve Large. Parametre sayıları yaklaşık 28 milyon ile 215 milyon arasında. Büyük model 137 milyon civarında yapay tabloyla eğitildi.
Kimi İlgilendiriyor?
Veri bilimciler, analistler ve tahmin modeli kuran yazılım ekipleri bu modelin hedef kitlesi. Müşteri kaybı tahmini, risk skorlaması ya da talep tahmini gibi işlerde hızlı bir ilk model elde etmek için kullanılabilir.
NVIDIA’nın paylaştığı sonuçlar güçlü. Model TabArena’da 1950 ELO puanıyla genel sıralamada birinci. BeyondArena ve TALENT testlerinde de ilk sırada. ScoringBench’te Large ve Medium sürümler ilk iki sırayı alıyor. Şirket, aynı donanımda rakibi LimiX-2’den çok daha hızlı çalıştığını da söylüyor.
Bu yaklaşım, büyük dil modellerinin metinde yaptığına benzer bir şeyi tablolara getiriyor. Nasıl ki bir dil modeli birkaç örnekten yeni bir görevi kavrayabiliyorsa, Kumo Tabular da birkaç etiketli satırdan tahmin kuralını çıkarıyor. Bu, özellikle hızlı prototip ihtiyacı olan ekipler için değerli. Klasik yöntemlerle günler sürebilecek bir ilk deneme, çok daha kısa sürede yapılabiliyor.
Kütüphane model ağırlıklarını ilk kullanımda kendisi indiriyor. On sınıftan fazla kategori içeren işler için hata düzeltici kodlama yöntemiyle çözüm sunuluyor.
Kumo Tabular, NVIDIA’nın Kumo Structured adlı model koleksiyonunun bir parçası. Bu da şirketin yalnız donanım değil, yapılandırılmış veri için açık modeller alanında da iddialı olduğunu gösteriyor. Makalede çok sayıda NVIDIA araştırmacısı yazar olarak yer alıyor.
Modelin küçük boyutu da avantaj. En büyük sürüm bile yaklaşık 215 milyon parametreye sahip. Bu, milyarlarca parametreli dil modellerine kıyasla çok hafif bir yapı ve sıradan donanımda çalıştırmayı kolaylaştırıyor.
Lisans ve Sınırlar
Model OpenMDW-1.1 lisansıyla yayımlandı. Bu lisans ticari kullanıma izin veriyor. Ağırlıklar Hugging Face’te, kodlar ise açık kaynak structured-data-models kütüphanesinde. Eğitim tarifi ve veri üreticilerinin daha sonra yayımlanacağı belirtiliyor.
Bazı sınırlamalar da var. Model yalnız sayısal ve kategorik sütunlarla çalışıyor. Serbest metin sütunlarını işlemiyor. Bir geçişte en fazla 10 sınıf destekleniyor. Eğitim aralığının çok dışındaki tablolarda ya da veri dağılımı farklılaştığında doğruluk düşebiliyor. NVIDIA, kullanıcıların sonuçları kendi ayrılmış test verileriyle doğrulamasını öneriyor.
Türkiye’deki şirketler için de pratik bir fayda var: model küçük olduğu için verileri dışarı göndermeden kendi sunucularında çalıştırılabiliyor. Bu, müşteri verisiyle çalışan ekipler için önemli bir kolaylık.
Kaynaklar
Bu yazı, yukarıdaki kaynaklardan yapay zekâ yardımıyla Türkçe olarak derlenmiş bir özettir. Ayrıntılar ve resmi bilgi için kaynaklara başvurun.
