Machine Learning ve Yapay Zeka uygulamalarının endüstri ve akademi içerisindeki kullanımlarını uzmanlarıyla tartıştığımız haftalık podcast. Twitter: @veritezgahi
Veri Tezgahı: Gerçek Dünya ML Deneyimleri Veri Tezgahı: Derin Öğrenme, Derin Dertler - Gerçek Dünya ML Deneyimleri Bu bölümde, konuğumuz Çağdaş'ın akademik geçmişi ve endüstrideki tecrübelerini, derin öğrenme devriminden video özetleme zorluklarına, start-up'lardan sağlık teknolojilerinde model dağıtımına kadar geniş bir yelpazede ele alıyoruz. Özellikle Covid-19 sonrası değişen dinamikler, gizlilik kaygıları, dinamik batching, Kubernetes ile GPU yönetimi ve MLOps'un incelikleri üzerine derinlemesine sohbetler gerçekleştiriyoruz. Bölüm Başlıkları 00:00 – Giriş ve Konuk Tanıtımı 02:17 – Doktora Süreci ve Araştırma Alanları 05:33 – Multiple Instance Learning Yöntemi 10:16 – AlexNet ve Derin Öğrenme Dönemi 14:36 – CAFE Framework ve Uygulamaları 18:29 – Video Özetleme Çalışmaları 23:27 – Video Özeti Yöntemleri ve Değerlendirme Süreci 30:27 – Akademik Çalışmalar ve Kod Paylaşımı Üzerine Tartışmalar 35:14 – Devlet Kurumunda Çalışma Deneyimi ve Zorluklar 38:50 – Ouva'da Yapay Zeka Projeleri ve Uygulamaları 48:09 – Covid'in Etkileri ve Hastaneler 49:20 – Gizlilik Endişeleri ve On-Prem Çözümleri 50:47 – Hastanelerde Cihaz Kullanımı ve Hijyen 52:38 – Veri Toplama ve Sensör Kullanımı 54:25 – Model Servisi ve Dağıtım Süreçleri 58:18 – Triton Server ile Performans Optimizasyonu 01:01:20 – Dinamik Batching ve Model Dağıtımı 01:04:06 – GPU Ölçeklendirme Zorlukları 01:07:57 – Kubernetes ile Otomatik Ölçeklendirme Çözümleri 01:13:04 – GPU ve Fractional Kullanımının Derinlikleri 01:16:02 – Gerçek Zamanlı İhtiyaçlar ve Çözüm Arayışları 01:18:48 – MLOps ve En İyi Uygulamalar Üzerine Tartışmalar 01:25:17 – Akademiden Endüstriye Geçişteki Zorluklar 01:30:55 – Dokümantasyonun Önemi ve Uygulama Stratejileri Sosyal Medya YouTube: youtube.com/@veritezgahi Twitter: x.com/veritezgahi Spotify: Veri Tezgahı Podcast Linkler veritezgahi.com Podcast ile ilgili düşüncelerinizi, sorularınızı ve geri bildirimlerinizi yorumlarda paylaşabilirsiniz. İyi dinlemeler!
Veri Tezgahı: Yapay Zeka Fabrikası ve Türkiye YZ EkosistemiBu bölümde, Türkiye'deki yapay zeka ekosisteminin gelişimi, İş Bankası tarafından kurulan Yapay Zeka Fabrikası'nın kuruluş hikayesi ve girişimcilik üzerine yapılan yatırımlar detaylı bir şekilde ele alınıyor. Barış, fabrikanın hedeflerini, Türkiye'deki yapay zeka uygulamalarını ve girişimlerin değerlendirilme süreçlerini paylaşıyor.Öne Çıkanlar:Yapay zeka fabrikası, Türkiye'nin teknoloji girişimciliğini desteklemek için kuruldu.Girişimlerde yüksek akademik donanım beklentisi bulunuyor.Yatırım süreçleri, girişimlerin büyümesine önemli katkı sağlıyor.Türkiye'deki yapay zeka ekosistemi hızla gelişiyor.Başarı hikayeleri, ekosistemin ilerlemesinde belirleyici rol oynuyor.Bölüm Başlıkları (Chapters):00:00 – Yapay Zeka Fabrikasının Tanıtımı09:05 – Yapay Zeka Uygulamaları ve Girişimcilik18:23 – Yatırım Mekanizması ve Destek Süreçleri25:50 – Yapay Zeka ve Girişimcilik İlişkisi28:50 – Yatırım ve Girişim Dengesi31:07 – Araştırma ve Geliştirme Yatırımları34:20 – Türkiye'nin Yapay Zeka Ekosistemi35:56 – Girişim Aşamaları ve Yatırım Stratejileri39:07 – Küresel Yatırımlar ve Türkiye'nin Pozisyonu43:31 – Türkiye'nin Yapay Zeka Geleceği51:11 – Başarı Hikayeleri ve Zorluklar53:32 – Global Başarı ve Destek Mekanizmaları56:13 – Türkiye'nin Güçlü Alanları ve Girişimcilik59:12 – Siber Güvenlik ve Yapay Zeka Girişimleri01:01:36 – Genç Girişimciler ve Tavsiyeler01:04:05 – Yaş ve Girişimcilik Başarısı01:07:29 – Girişim Seçim Süreci ve KriterlerSosyal Medya:Twitter: https://x.com/veritezgahiSpotify: Spotify Podcast LinkPodcast ile ilgili düşüncelerinizi, sorularınızı ve geri bildirimlerinizi yorumlarda paylaşabilirsiniz. İyi seyirler!
Veri Tezgahı: Yeniden Başlangıç, Robotik ve Yapay ZekaVeri Tezgahı'na hoş geldiniz!Ben Salih, ben Tarık. İki sezon ve yaklaşık iki yılın ardından, podcast'imizi video formatında yeniden başlatıyoruz. Bu bölümde;Geçmişte neler yaşadığımız,Kariyer ve proje değişikliklerimiz,Robotik & yapay zeka alanındaki yeni deneyimlerimizve geleceğe dair planlarımızı paylaşıyoruz.Bölüm Başlıkları:00:00 – Giriş: Yeniden Başlangıç01:30 – Kariyer Değişiklikleri & Yeni Projeler07:11 – Araştırma Süreçleri: Robotik, Generative AI ve Foundation Models16:59 – Geleceğe Bakış & KapanışSosyal Medya:Twitter: https://x.com/veritezgahiSpotify: https://open.spotify.com/show/6xh1JvolfduK8j5sb1WnoCLinkler:https://rai-inst.com/ (Boston Dynamics AI Institute)https://www.physicalintelligence.company/blog/pi0 Podcast ile ilgili düşüncelerinizi, sorularınızı ve geri bildirimlerinizi yorumlarda paylaşabilirsiniz. İyi seyirler!
Bu bölümde Huawei Research ve Innovation Müdürü Umut Demirezen'le makine öğrenmesindeki bazı trendlerden konuştuk. Özellikle üzerine çalıştığı bilimsel makine öğrenmesi (scientific machine learning) ve nöromorfik sistemlerden derinlemesine bahsetti. Çok öğretici bir bölüm oldu. İyi dinlemeler! Linkler: https://appliedmath.brown.edu/people/george-em-karniadakis https://arxiv.org/abs/2108.08481 Operator learning
Bu bölümde konuğumuz London Kings College'dan Oya Çeliktutan, araştırma konusu olan insan robot etkileşimi, ve bu kapsamdaki bilgisayar görüsü ve ml uygulamaları üzerine konuştuk. Bu alanda kullanılan çevre algılama ve harekete geçme modellerinden bahsetti. Graph metodları kullanarak insan davranışını nasıl modelleyebiliriz? Deep learning based metodlar burda nasıl kullanılıyor? Bu alanı neler bekliyor? ve daha bir çok soruyu konustuk. İyi dinlemeler. Linkler: GROWL: Group Detection With Link Prediction
Bu bölümde Google mühendisi Besim Avcı'yla "ML at Scale" konustuk. Farklı şirketlerdeki ML pratiklerini ve deployment aşamalarını konuştuk. ML uygulamalarının şirketlerde zamanla nasıl değiştiğini yakından gözlemleyen Besim bizle eğlenceli ve ilginç tecrübelerini paylaştı. Ve son olarak Google'da çalıştığı "Açıklanabilir YZ" (Explainable AI) alanından bahsetti. İşin temelinden uygulanma alanlarını konuştuk. Dolu dolu bir yayın oldu. İyi dinlemeler! Linkler: Google Explainable AI Whitepaper Pathways Language Model (PaLM): Scaling to 540 Billion Parameters for Breakthrough Performance
Bu bölümde İTÜ Mimarlık mezunu Ege Özgirin'in yapay zeka alanına geçişini ve masterdan sonra ortaklarıyla kurduğu Oda Studio'dan konustuk. Fikir aşamasından zamanla nasıl evrildiğini ve ne gibi yöntemler üzerine çalıştıklarını anlattı. İyi dinlemeler. Linkler: Oda Studio Jeanne Bamberger and Donald A. Schon. Learning as Reflective Conversation with Materials: Notes from Work in Progress. Art Education, 36(2):68–73, 1983
23. bölümde biraz farklı bir Veri Tezgahı bölümüyle sizlerleyiz. Emre Şarbak'la teknoloji girişimlerini konuştuğumuz bu bölümde eğitim, ve teknoloji girişimlerine dair Emre'nin tecrübelerini dinledik. LanchCode, Kodluyoruz, Mediate ve Patika.dev gibi bir çok başarılı girişimlerin arka planını dinledik. Çok keyifli bir yayın oldu, iyi dinlemeler! Linkler: https://www.patika.dev/bootcamp
Bu bölümde Getir veri departmanı lideri Fırat Gönen'le doktora çalışmalarını, online veri bilimi platformu; kaggle'ı, ve sektördeki veri bilimi problemlerini konuştuk. Elektronik Mühendisliği eğitimi uzerine NS uzerine doktorasını yapan ve orada istatistiksel modelleme çalışan Fıratın endüstriye nasıl geçtiğini kaggle ile nasıl tanıştığı ve neler yaptığı üzerine keyifli bir bolum oldu. İyi dinlemeler! Yayında bahsedilen bazı kaynaklar: https://psycnet.apa.org/record/1959-09865-001 https://www.kaggle.com/
Bu bölümde Amerikada bir ML-ops girişimi fal.ai (features & labels) kurucuları Burkay Gür ve Görkem Yurtseven konuk ettik. Bol bol ML-Ops konuştuğumuz bu sohbette feature storage'dan model serving'e ve ml-ops trendlerine kadar bir çok konuyu ele aldık. İletişim icin Burkay'a ve Gorkem'e email adreslerinden ulasabilirisiniz: burkay@fal.ai gorkem@fal.ai
Bu bölümde uzun yıllar veri analitiği ekosisteminde endüstri ve danışmanlık tecrübelerine sahip Hamit Hamutçu'yla son yıllarda uzerinde çalıştığı veri bilimi ve yapay zekada organizasyonel yetenek konusunu ele aldık. Endüstri standartları inşaa etmek amacıyla kurdukları Analitik ve Veri Bilimi Standartları İnisiyatifini (IADSS) konuştuk.
Bu bölümde, Finlandiya'da Tampere Üniversitesinde makine öğrenimi üzerine doktorasını yapmakta olan ve daha doktorasının ilk yıllarında kurduğu veri bilimi danışmanlık şirketi Topdatascience'da yapay zeka takım lideri olan Oğuzhan'la veri bilimi projelerinin farklı fazlarını konustuk; fikir aşamasından kavram kanıtı (proof of concept) geliştirmeye, dağıtım süreçlerinden (deployment) destek (maintenance) süreçlerine kadar yaşanan bir çok problemi ve zorlukları konuştuk. Alana dair geniş bir tecrübe sahibi olarak çok güzel noktalara değindi ve sektöre dair tecrübelerini paylaştı.
Bu bölümde Amazonda araştırmacı olarak çalışan Yağmur'la doktora ve doktora sonrası süreçlerinde yaptığı çalışmaları ele alacağız, spesifik olarak recommendation/öneri sistemleri ve bu alanadaki adaptif sıralama modellerini nasıl geliştirdiklerini konuşacağız. Linkler Adaptive Pointwise-Pairwise Learning-to-Rank for Content-based Personalized Recommendation Period-aware content attention RNNs for time series forecasting with missing values
Bu bolümde OpenAI'da araştırmacı olarak çalışan İlge Akkaya ile robotik manipülasyon, reinforcement learning, ve otomatik amaç keşfi yöntemlerini, özellikle de İlge'nin robot elle rubik küp çözümü ve self learning makalelerini konuştuk. Linkler: Robocup Solving Rubik's Cube with a Robot Hand Asymmetric self-play for automatic goal discovery in robotic manipulation
Bu bölümde konuğumuz TRT veri bilimi ekibinden ve ayni zamanda Imperial College’de Çizge Teorisi üzerine doktorasını bitirmiş olan Tarık Altuncu ile doktora çalışmalarını ve yayıncılıktaki veri bilimi uygulamalarını konuştuk. http://wwwf.imperial.ac.uk/~mpbara/Partition_Stability/ https://github.com/barahona-research-group/PyGenStability
Bu bölümdeki konuğumuz Apple'da Robotik üzerine çalışan Mahmut Demir ile sürücüsüz araçlarda algılama, haritalama ve lokalizasyon yöntemlerini konuştuk. Bu alana yönlenişini ve daha önceki tecrübelerini dinledik. Haritalama alanında neden daha geleneksel yöntemlerin kullanıldığı bu alandaki zor problemleri konuştuk. HD mapping, LIDAR ve navigasyon haritalarından ve bu alanda çalışan şirketlere kadar sohbet ettik.
Bu bölümde Huawei Yapay Zeka ekip lideri Gizem Gezici ile, doktora çalışma konusu olan arama motorları ve bu sistemlerdeki yanlı sonuçlar üzerine konuştuk, bu alana dair problemleri ve çalışmaları tartıştık. Arama motorları ne gibi tehlikelere yol açabilir yanlı sonuç döndürme problemi nasıl ölçümlenir ve ne gibi önlemler alabiliriz soruları üzerine konuştuk. Yayında bahsedilen iki paper'ı Gizem Gezici'nin ResearchGate profilinde bulabilirsiniz. https://www.researchgate.net/publication/347234149_TurkihTweets_A_Benchmark_Dataset_for_Turkish_Text_Correction https://www.researchgate.net/publication/348815885_Evaluation_metrics_for_measuring_bias_in_search_engine_results Ayrıca, BTK Akademi için hazırladıkları Türkçe Doğal Dil İşlemeye Giriş dersi şu linkte: https://www.btkakademi.gov.tr/portal/course/dogal-dil-islemeye-giris-11864#!/about
Bu bölümde Belçika Liege Üniversitesinden Uğurkan Ateş ile offline reinforcement learning konumuz! Bu alandaki metotların standart pekiştirmeli öğrenmeden farkıları, işlevselliği, problemlerini ve uygulama alanlarını konuştuk.
Bu bölümde Munich Teknik Üniversitesinden Evin Pınar Örnek konuğumuzdu. Bilgisayar görüsü alanında derinlik tahminleme çalışmalarını ve one shot few shot learning modellerini konuştuk. Linkler: https://inzva.com/ai/2020/ai-labs-joint-program
Apziva'nın kurucusu Semih Yağcıoğlu'yla doktora calışmalarını, ve multimodal öğrenmedeki modelleri konuştuk. "RecipeQA" adındaki çalışmasında yemek tarifleri alanında, resim ve yazıyı kullanarak nasıl modeller geliştirdiğini ve bu modellerin zamansal olarak nasıl çıkarım yaptıklarını, ve bu sistemlere dair çözülmüş/çözülmemiş problemleri anlattı. Linkler: Tasvir Et veri seti: https://semihyagcioglu.com/projects/tasviret/ Apziva http://www.apziva.com/
Bu bölümde Koç Üniversitesinden Fatma Güney konuğumuzdu. Bilgisayar görüsü uygulamaları, optik akış ve otonom sürüşlere dair çalışmalarını dinledik. Geleneksel yaklaşımlarla modern yaklaşımların farklılıklarını ve bu modellerde semantic bilgi kullanımının önemini konuştuk. Bazı faydalı linkler: Kitti Dataset http://www.cvlibs.net/datasets/kitti/ Kitti dataset (2012) Computer Vision for Autonomous Vehicles: Problems, Datasets and State of the Art https://ps.is.mpg.de/publications/janai2017arxiv Koç Üniversitesi Doktora pozisyonu linki: https://twitter.com/ftmguney/status/1338881743672193024?s=20
Bu bölümde konuğumuz Sabancı Üniversitesi Bilgisayar bölümü hocalarından Onur Varol'la sosyal bilimlerde makine öğrenimi ve risk tespit algoritmalarının nasıl kullanıldığını konuştuk. Sürekli gelişen tekniklerle uygulanan sosyal medya manipülasyonlarının nasıl yapıldığını ve nasıl tesbit edilebileceğine yönelik yaklaşımları anlattı. Gelişen yapay zeka metotlarının bu kampanyalarda kullanış örneklerinden, sosyal ağ üzerindeki yanlış bilgi yayılımının nasıl sosyal botlar tarafından popülerleştirilip gerçek kullanıcılarca "güvenli" bilgi izlenimi oluşturulmasına ve bu yayılım özelliklerine bakarak nasıl tesbit yapılacağı üzerine geliştirdiği sistemleri ve bu alana dair en temel problemin veri toplama ve kısıtlı teknolojik altyapılar olduğundan bahsetti. Linkler: http://www.onurvarol.com/ The spread of low-credibility content by social bots
Bu bölümde büyük veri teknolojileri uzmanı Onun Ünlü ile büyük veri ve değişen data teknolojileri üzerine konuştuk. Veri platformları uzun yıllardır üzerinde durulan bir alan. Şirketler 2000'li yıllardan bugüne yaşanan big data transformasyonu ile bir çok kabiliyet kazandı, ama bu yeni araçlar farklı problemleri de beraberinde getirdi. Onur, bu alana dair problemlerden ve çözümlerden bahsetti; Büyük veri şekil mi değiştiriyor? Hadoop ölüyor mu? Ortaya çıkan yeni teknolojiler hangi gereksinimleri gideriyor?
Bu bölümdeki konumuz robotik araştırmalarıydı. Son yıllarda machine learning ve yapay zekanın robotik calışmalarını nasıl etkilediğini, derin öğrenme ve pekiştirmeli öğrenmenin (reinforcement learning) robotik alanında nasıl uygulandığına ve bu yaklaşımların geleneksel robotik metotlarıyla nasıl birlikte çalıştığını konuştuk. Muzik: For Mr. BB by Michael Ramir C.
Bu bölümde konuğumuz Stanford Üniversitesinde "Representation Learning" üzerine doktora yapan Beliz Günel ile endüstride yapay zeka kullanımları üzerine konuştuk. Bize çalıştığı projeleri ve bu projelerde araştırma safhasından üretime dönüşüm süreçlerinden bahsetti. Keyfli dinlemeler! Linkler: Beliz'in Google'daki Blog Paylaşımı
Aurora Flight Science şirketinde algılama (percetion) üzerine çalışan Yasin Hasekioğlu, bu bölümde havacılıkta kullanılan algılama yöntemlerini anlattı. Havacılık gibi güvenlik katsayıları yüksek bir alanda, uzun bir geçmişe sahip olan otonomi metodlarının nasıl calıştıkları ve neden ML yaklaşımları kritik mekanizmalarda kullanılmadığını anlattı. Next-generation hava taksileri ve bunun gibi pilotsuz araçların önündeki problemlerden konuştuk. Linkler: Aurora Kurucu Ortak John Langford Wayfinder Otonom Ucak İnişi Garmin Otonomi
Bu bölümde İngiltere'de University of Birmingham'da hukuk doktorası yapan Abdülbaki ile birlikteydik ve yapay zekaların herhangi bir insan müdahalesi olmadan ürettiği eserlerin mülkiyet sorunlarını ve bu alandaki farklı yaklaşımları konuştuk. Linkler: The Next Rembrandt Project Margaret Boden (Creativity) AIVA (Intro Music)
Bu bölümdeki konuğumuz FalconAI’in kurucu ortaklarından Olcay Yılmazçoban’dı. Olcay’la e-spor alanındaki yapay zeka uygulamalarını ve kendi girişimlerini konuştuk.
Boston Üniversitesinde Bilgisayar Bölümünde Doktorasını yapan Feyza ve yine MIT Bilgisayar Bölümünde doktorasını yapan Ekin ile genel hatlarıyla doğal dil işleme alanına dair konuştuk. Linkler: Morse Tokenization
Hyundai-Aptiv şirketinde bilgisayar görüsü ve makina algılaması üzerinde çalışan Çağlayan Dicle, bu bölümde bize genel hatlarıyla bu alana nasıl yöneldiğini ve alana dair problemleri anlattı. Otonom araç fikrinin hayalden gerçekçi bir uygulama alanına dönüşmekte olduğunu ve bu dönüşümdeki uğraşlarını anlattı. Deep Learning öncesi klasik bilgisayar görüsü problemlerine dair farklı yaklaşımlar üzerine çalıştığından ve bu klasik problemlerin şu andaki çalıştığı alana nasıl katkı sağladığından bahsetti. Sürücüsüz araçlar üzerine çalışan farklı şirketlerin aynı probleme nasıl farklı yaklaştıklarından ve sahip oldukları farklı modelleme yöntemlerinden konuştuk. Linkler: Tesla Autonomy Day Sunumu Raquel Urtasun, Alex Kendall, Çetin Meriçli ve Oktay Arslan
Çok kısa olarak, podcastlerimizde ne gibi konulardan bahsedeceğimize, neden bu işi yaptığımıza ve ileri bölümlerdeki işleyişimizin nasıl olacağına değindik.