| --- |
| license: apache-2.0 |
| task_categories: |
| - question-answering |
| - visual-question-answering |
| language: |
| - en |
| tags: |
| - mathematics |
| - chain-of-thought |
| - cot |
| - qwen2.5-vl |
| size_categories: |
| - 10K<n<100K |
| pretty_name: ScienceQA Mathematics CoT Dataset |
| --- |
| |
| # ScienceQA Mathematics CoT Dataset (Turkish) |
|
|
| Bu veri seti, görsel içerikli matematik sorularının çözümü için **Qwen 2.5 VL** ve benzeri çok modlu (multimodal) modellerin ince ayar (fine-tuning) işlemleri için hazırlanmıştır. Orijinal ScienceQA verileri temel alınarak, görsel-metin eşleşmeleri optimize edilmiş ve çözüm yolları (Chain of Thought) yapılandırılmıştır. |
|
|
| ## 📊 Veri Seti Özeti |
|
|
| - **Toplam Satır Sayısı:** 16,789 |
| - **İçerik:** Görsel (Image), Soru (Question), Cevap (Answer) ve Çözüm Yolu (Solution/CoT). |
| - **Dil:** ingilizce |
| - **Format:** Hugging Face `datasets` kütüphanesi ile tam uyumlu. |
|
|
| ## 🚀 Hızlı Başlangıç |
|
|
| Veri setini projenize dahil etmek için aşağıdaki kodu kullanabilirsiniz: |
|
|
| ```python |
| from datasets import load_dataset |
| |
| dataset = load_dataset("kerembb123/scienceqa-math-cot") |
| |
| # Örnek bir veriyi inceleme |
| print(dataset['train'][0]['question']) |
| dataset['train'][0]['image'].show() |
| ## 📂 Veri Yapısı |
| |
| Bu veri seti, çok modlu (multimodal) modellerin hem görseli anlaması hem de adım adım mantık yürütmesi (Chain of Thought) için yapılandırılmıştır. Her bir örnek aşağıdaki sütunları içerir: |
| |
| | Sütun Adı | Veri Tipi | Açıklama | |
| | :--- | :--- | :--- | |
| | `image` | `image` | Sorunun görsel içeriği (PIL.Image objesi) | |
| | `question` | `string` | Modelin cevaplaması gereken matematik sorusu metni | |
| | `answer` | `string` | Sorunun kesin ve kısa doğru cevabı | |
| | `solution` | `string` | Sorunun adım adım çözüm yolu (CoT - Chain of Thought) | |
| |
| --- |
| |
| ## 🛠️ Hazırlık Notları (Pre-processing) |
| |
| Veri setinin hazırlanma sürecinde uygulanan kritik adımlar şunlardır: |
| |
| 1. **Görsel-Metin Eşleştirme:** Orijinal ScienceQA `train` ve `validation` parquet dosyalarındaki görseller, özel bir script ile `egitim_seti_CoT.jsonl` dosyasındaki ilgili sorularla ID bazlı olarak eşleştirilmiştir. |
| 2. **CoT (Chain of Thought) Yapılandırma:** Sadece cevaplar değil, modelin akıl yürütme becerisini geliştirmek için `lecture` ve `solution` alanları birleştirilerek temiz bir çözüm yolu sütunu oluşturulmuştur. |
| 3. **Veri Temizliği:** Eksik veriler (null values) ve hatalı görsel eşleşmeleri ayıklanarak 16,789 satırlık kararlı bir yapı kurulmuştur. |
| 4. **Model Uyumluluğu:** Veri seti, **Qwen 2.5 VL** gibi güncel Vision-Language modellerinin eğitim formatına (prompt template) uygun şekilde paketlenmiştir. |
| 5. **Eğitim Önerisi:** Yüksek çözünürlüklü görseller içerdiği için eğitim sırasında **A100 (40GB)** GPU ve **Unsloth** kütüphanesinin kullanılması hız açısından tavsiye edilir. |
| |
| --- |
