hesabın var mı? giriş yap

  • kör topal bir eğitim aldıktan sonra askere gidiyorsun. sonra dönerci oluyorsun. tamam belki öncesinde de birkaç ufak tefek başka işler yapıyorsundur. ama sonuçta dönercisin. döner kesip duruyorsun.

    günler geceler böyle geçiyor. az buçuk yıllık izinlerinde yaşamaya çalışıyorsun. geceleri düşündüğün tek şey toplumun geldiği nokta. gündüzleri ise 1 m2 alanda döner başındasın. gören gözler, işiten kulaklar, milyarlarca nöron ne için?

    bazen bir taşa imreniyor insan. arzularını hiçe sayan bir organizmanın yalnızca yaşayıp ölmesi en korkunç varoluş masalı değilse ne?!

  • yaw bir gülesim geldi, makyaj yok mu ?
    dudağının üzerindeki çizgi, göz altı ışık dolgusu, kirpik, sanırım bir de kalıcı eyeliner var yüzünde. bunlar makyaj degil de nedir ? doktor yok falan da demiş. kaldı ki burnu estetik ve elmacık kemiklerinde dolgu var diye haber dolanıyordu ortalıkta.
    gündem yaratmak için yaptıysa bu paylaşımı, tebrikler başardı !
    ekşide başlık oldu ayol.

  • şu da vardır :
    hakan şükür gol kralı olmuştur. kafasında sembolik bir taç vardır. yanındaki numune toplardan birini alıp tacın üstüne koyar ve kendisiyle roportaja gelen muhabire sorar.

    - (eliyle kafasındaki topu işaret ederek) şimdi n'oldu?
    * bilmem n'oldu ?
    - top taca çıktı...

  • gelin sizlere bu uygulamanın nasıl çalıştığını oldukça basite indirgeyerek anlatmaya çalışayım.

    bu uygulama teknik olarak "machine learning" yani "makina öğrenmesi" kullanıyor. spesifik olarak ise "generative adversarial network" ya da kısaca gan kullanıyor. adı üstünde gan'lar sıfırdan veri üretiyor ve ürettiği verileri orjinal veri setindeki verilere benzetmeye çalışıyor.

    peki nasıl oluyor da bu kadar doğal fotoğraflar üretilebiliyor?

    gan ağları 2 farklı ağdan oluşur. 1. ağ veri üretir, 2. ağ ise bir verinin gerçek mi yoksa yapay mı olduğunu ayırt etmeye çalışır. bu 2 ağ, birbiriyle kıyasıya bir yarış içinde eğitilirler. veri üreten ağ gerçeğe yakın veri üretmeye çalışıp 2. ağı kandırmak üzere eğitilirken 2. ağ da tahmin yeteneklerini güçlendirip kendisine verilen verilerin gerçek mi yoksa sahte mi olduğuna daha iyi anlamak için eğitilir.

    belli bir süre geçtikten sonra 1. ağ veri üretmede o kadar iyi hale gelir ki 2. ağ üretilen bu verinin gerçek mi yoksa sahte mi olduğunu anlayamaz. bu noktada ağların eğitimi tamamlanır ve 1. ağ artık oldukça gerçekçi veriler üretmeye hazırdır.

    işin etkileyici yanı ise, bir gan oluşturmak için uygulama alanına dair teknik bilgi bilmeye gerek yoktur. tek gereken yeterli sayıda veridir. faceapp uygulamasında ise tek gereken yeterli sayıda ve çeşitte yüz resmidir. kapsamlı bir veri seti oluşturduktan sonra yeni yüzler yaratmak için başka hiçbir bilgiye veya veriye ihtiyaç duymazsınız.

    "peki madem gan dediğimiz şey resim üretiyor, nasıl oluyor da faceapp sıfırdan resim yaratmak yerine bizim verdiğimiz bir resmi alıp onu değiştiriyor?" diye sorabilirsiniz. yukarıda anlattığım algoritma gan ağlarının genel çalışma mantığıdır. nispeten yeni bir teknik olduğu için yoğun olarak araştırılan ve yüzlerce çeşidi olan bir ağdır gan. faceapp gibi bir uygulama yapabilmek için mevcut algoritmayı biraz değiştirmeniz yeterli olacaktır. örnek olarak aşağıdaki gibi bir süreçle faceapp gibi sonuçlar elde edebilirsiniz.

    1- örneğin yaşlılık filtresini ele alalım. güzel bir gan için yüzbinlerce, hatta milyonlarca yaşlı insan yüzü içeren veri setimizi oluşturduk.

    2- sıfırdan yaşlı üretebilen bir gan ağı eğittik.

    3- eğittiğimiz ağı biraz değiştirerek verilen bir resmin üstünde oynama yaptırarak yaşlandırmaya çalışacağız. bunun için 2 kritere bakarak eğitebiliriz:
    a) resmi değiştir ama değişen resim orjinal resme mümkün olduğu kadar benzesin, bu sayede üretilen resimler resmin sahibine benzemek zorunda olacak.
    b) değiştirilen resimi gan'ın 2. ağı yapay olarak algılamasın, gerçek olarak algılasın, yani yaşlandırılmış resim doğal dursun, yapay durmasın.
    3- bu ayarlarda 2 ağı karşılıklı eğitip yeni bir tür gan elde edelim.

    bu şekilde faceapp gibi sonuçlar alabiliriz. ama fark ettiyseniz sadece yaşlılık filtresi yaptık. diğer filtreler için ayrı veri setleri ve ayrı ağlar eğitmemiz gerekecek. o yüzden yeni bir filtre eklemek biraz zahmetli bir işlem.

    gan dediğimiz ağların diğer kullanım alanları için ise aşağıdaki linke bakabilirsiniz
    https://machinelearningmastery.com/…arial-networks/

  • kamuda 10 senesi dolmak üzere olan birisi olarak gözlemlerimi belirteyim.
    belli yaşın üstünde, zamanın torpillisi (sağcısı solcusu farketmeksizin) bilgisayar ile araları iyi değil. yeniliklere kapalılar ve verim almak neredeyse imkansız.malesef ellerinden fazla iş gelmiyor.(gerçi iş yapma gibi bir dertleri de yok) 52 yaş üstü bu kesimi istisnalar haricinde yok kabul edebilirsiniz. genç memurlar ise ikiye ayrılmış durumda;
    a) genç torpilliler: burunlarından kıl aldırmıyorlar, herhangi bir işin parçası değiller, ortalıkta gezinip starbucks tartışmasından öteye gitmiyorlar, sırtları sağlam.
    b)genç torpilsizler: işte bütün yük bu kardeşlerimizin üzerindedir, her birimde bunlardan asgari 2, en fazla 5 tane bulunur. varolan işlerin bütün sorumluluğu bu arkadaşlara aittir. birimin işlerinde hata mı var? bu arkadaşlar yapmıştır. birimde iş ile ilgili bir tartışma mı var? tartışmanın göbeğinde bu arkadaşlar vardır. müfettişler soruşturma mı yapıyor? bu arkadaşları ve yaptığı işleri soruşturur. çalışmayan kesim herhangi bir iş yapmadığı için herhangi soruşturma vb. şeyler geçirmeden çay, kahve, tuvalet üçgeninde mesaisini bitirir. 657 değişirse ilk bu torpilsiz arkadaşlar topun ağzına gelir.