<!DOCTYPE html><html lang="tr"><head> <meta charset="UTF-8"> <title>Veri Tezgahı: Gerçek Dünya ML Deneyimleri</title></head><body> <h1>Veri Tezgahı: Derin Öğrenme, Derin Dertler - Gerçek Dünya ML Deneyimleri</h1> <p>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.</p> <p>Özellikle Covid-19 sonrası değişen dinamikler, gizlilik kaygıları, dinamik batching, Kubernetes ile GPU yönetimi ve MLOps’un incelikleri üzerine derinlemesine sohbetler gerçekleştiriyoruz.</p> <h2>Bölüm Başlıkları</h2> <ul> <li>00:00 – Giriş ve Konuk Tanıtımı</li> <li>02:17 – Doktora Süreci ve Araştırma Alanları</li> <li>05:33 – Multiple Instance Learning Yöntemi</li> <li>10:16 – AlexNet ve Derin Öğrenme Dönemi</li> <li>14:36 – CAFE Framework ve Uygulamaları</li> <li>18:29 – Video Özetleme Çalışmaları</li> <li>23:27 – Video Özeti Yöntemleri ve Değerlendirme Süreci</li> <li>30:27 – Akademik Çalışmalar ve Kod Paylaşımı Üzerine Tartışmalar</li> <li>35:14 – Devlet Kurumunda Çalışma Deneyimi ve Zorluklar</li> <li>38:50 – <a href="https://www.ouva.co/" target="_blank">Ouva</a>'da Yapay Zeka Projeleri ve Uygulamaları</li> <li>48:09 – Covid'in Etkileri ve Hastaneler</li> <li>49:20 – Gizlilik Endişeleri ve On-Prem Çözümleri</li> <li>50:47 – Hastanelerde Cihaz Kullanımı ve Hijyen</li> <li>52:38 – Veri Toplama ve Sensör Kullanımı</li> <li>54:25 – Model Servisi ve Dağıtım Süreçleri</li> <li>58:18 – Triton Server ile Performans Optimizasyonu</li> <li>01:01:20 – Dinamik Batching ve Model Dağıtımı</li> <li>01:04:06 – GPU Ölçeklendirme Zorlukları</li> <li>01:07:57 – Kubernetes ile Otomatik Ölçeklendirme Çözümleri</li> <li>01:13:04 – GPU ve Fractional Kullanımının Derinlikleri</li> <li>01:16:02 – Gerçek Zamanlı İhtiyaçlar ve Çözüm Arayışları</li> <li>01:18:48 – MLOps ve En İyi Uygulamalar Üzerine Tartışmalar</li> <li>01:25:17 – Akademiden Endüstriye Geçişteki Zorluklar</li> <li>01:30:55 – Dokümantasyonun Önemi ve Uygulama Stratejileri</li> </ul> <h2>Sosyal Medya</h2> <ul> <li>YouTube: <a href="https://www.youtube.com/@veritezgahi" target="_blank">youtube.com/@veritezgahi</a></li> <li>Twitter: <a href="https://x.com/veritezgahi" target="_blank">x.com/veritezgahi</a></li> <li>Spotify: <a href="https://open.spotify.com/show/6xh1JvolfduK8j5sb1WnoC" target="_blank">Veri Tezgahı Podcast</a></li> </ul> <h2>Linkler</h2> <ul> <li><a href="http://veritezgahi.com/" target="_blank">veritezgahi.com</a></li> </ul> <p>Podcast ile ilgili düşüncelerinizi, sorularınızı ve geri bildirimlerinizi yorumlarda paylaşabilirsiniz.</p> <p>İyi dinlemeler!</p></body></html>

Veri Tezgahı

veri tezgahi

#30 Çağdaş Baş : Derin Öğrenme, Derin Dertler - Gerçek Dünya ML Deneyimleri

MAR 28, 202595 MIN
Veri Tezgahı

#30 Çağdaş Baş : Derin Öğrenme, Derin Dertler - Gerçek Dünya ML Deneyimleri

MAR 28, 202595 MIN

Description

<!DOCTYPE html><html lang="tr"><head> <meta charset="UTF-8"> <title>Veri Tezgahı: Gerçek Dünya ML Deneyimleri</title></head><body> <h1>Veri Tezgahı: Derin Öğrenme, Derin Dertler - Gerçek Dünya ML Deneyimleri</h1> <p>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.</p> <p>Özellikle Covid-19 sonrası değişen dinamikler, gizlilik kaygıları, dinamik batching, Kubernetes ile GPU yönetimi ve MLOps’un incelikleri üzerine derinlemesine sohbetler gerçekleştiriyoruz.</p> <h2>Bölüm Başlıkları</h2> <ul> <li>00:00 – Giriş ve Konuk Tanıtımı</li> <li>02:17 – Doktora Süreci ve Araştırma Alanları</li> <li>05:33 – Multiple Instance Learning Yöntemi</li> <li>10:16 – AlexNet ve Derin Öğrenme Dönemi</li> <li>14:36 – CAFE Framework ve Uygulamaları</li> <li>18:29 – Video Özetleme Çalışmaları</li> <li>23:27 – Video Özeti Yöntemleri ve Değerlendirme Süreci</li> <li>30:27 – Akademik Çalışmalar ve Kod Paylaşımı Üzerine Tartışmalar</li> <li>35:14 – Devlet Kurumunda Çalışma Deneyimi ve Zorluklar</li> <li>38:50 – <a href="https://www.ouva.co/" target="_blank">Ouva</a>'da Yapay Zeka Projeleri ve Uygulamaları</li> <li>48:09 – Covid'in Etkileri ve Hastaneler</li> <li>49:20 – Gizlilik Endişeleri ve On-Prem Çözümleri</li> <li>50:47 – Hastanelerde Cihaz Kullanımı ve Hijyen</li> <li>52:38 – Veri Toplama ve Sensör Kullanımı</li> <li>54:25 – Model Servisi ve Dağıtım Süreçleri</li> <li>58:18 – Triton Server ile Performans Optimizasyonu</li> <li>01:01:20 – Dinamik Batching ve Model Dağıtımı</li> <li>01:04:06 – GPU Ölçeklendirme Zorlukları</li> <li>01:07:57 – Kubernetes ile Otomatik Ölçeklendirme Çözümleri</li> <li>01:13:04 – GPU ve Fractional Kullanımının Derinlikleri</li> <li>01:16:02 – Gerçek Zamanlı İhtiyaçlar ve Çözüm Arayışları</li> <li>01:18:48 – MLOps ve En İyi Uygulamalar Üzerine Tartışmalar</li> <li>01:25:17 – Akademiden Endüstriye Geçişteki Zorluklar</li> <li>01:30:55 – Dokümantasyonun Önemi ve Uygulama Stratejileri</li> </ul> <h2>Sosyal Medya</h2> <ul> <li>YouTube: <a href="https://www.youtube.com/@veritezgahi" target="_blank">youtube.com/@veritezgahi</a></li> <li>Twitter: <a href="https://x.com/veritezgahi" target="_blank">x.com/veritezgahi</a></li> <li>Spotify: <a href="https://open.spotify.com/show/6xh1JvolfduK8j5sb1WnoC" target="_blank">Veri Tezgahı Podcast</a></li> </ul> <h2>Linkler</h2> <ul> <li><a href="http://veritezgahi.com/" target="_blank">veritezgahi.com</a></li> </ul> <p>Podcast ile ilgili düşüncelerinizi, sorularınızı ve geri bildirimlerinizi yorumlarda paylaşabilirsiniz.</p> <p>İyi dinlemeler!</p></body></html>