öğrenildiğinde ufku iki katına çıkaran şeyler

• muzun ağaç değil en büyük ot olması(mısır ve ayçiçek bitkisini düşünün)
  merkur un güneşe en yakın gezeken olmasına rağmen gölgeli yerlerinin sıcaklığının eksi 173 dereceye kadar inmesi.
  yılanların kertenkele soyundan gelmesi
• orkestra enstrümanlarından brass ailesinin alto üyesinin adının ingilizce ' french horn' yani 'fransız borusu' iken woodwind ailesinin alto üyesinin adının fransızca 'cor anglais' yani 'ingiliz borusu' olmasıdır.
• hayatı daha kaliteli hale getirmek herkes için pek ulaşılabilir olamayabilir. ya da tam olarak ne ve nasıl yapacağını bilmiyor olabilirsiniz.
  youtube'da izlediğim bir videoyu sizinle paylaşmak istiyorum (içeriğin tamamı türkçe). insan kendini nasıl geliştirebilir:
  link
  
  aynı zamanda videoda önerilen beş farklı konuda tavsiye videolar:
  -öfkenize nasıl hakim olabilirsiniz? nasıl daha kontrollü bir insan olup, öfkenizi yapıcı bir enerjiye dönüştürebilirsiniz?
  -kendinizi ve hedefinizi daha doğru tanımak için swot analizi nasıl yapılır? johari penceresi tekniği nasıl kullanılmalıdır?
  -kafaya takmama sanatı nedir? kafamıza taktıklarımızdan kurtulmak. beynimize reset atmak mümkün mü? özgür bir beyin için neler yapmalısınız?
  -hayatı doğru planlamak için nelere dikkat etmeliyiz? hangi yaş grubu neyi göz önüne almalı?
  -amerika başkanı trump gerçekte nasıl birisi? amerika neden bu kadar karışık? dünya ile neden bu kadar çok sorun var?
  
  videoyu izlemeye imkanı veya zamanı olmayanlar için kısaca videoyu özetleyen bir yorumu sizinle paylaşmak istiyorum:
  
  ---
  
  "1- yabancı dil
  türkçe kaynaklar sınırlı. ingilizce kaynaklar, türkçeye göre daha fazla. daha fazla bilgi için ingilizce öğrenmemiz şart.
  
  2-genel kültür
  araştırma yap. öğren. bir ortamda konuşulacak bir şeylerin olması için, o ortamda sessiz eleman olmamak için genel kültür kas.
  
  3-30 dk kitap oku - 30 dk araştır
  her gün düzenli bir şekilde devam ettir. kısa zamanda faydasını görmesen de, uzun zaman sonra, algılarının açıldığını ve hayal gücünün genişlediğini göreceksin.
  
  4-sanat-müzik-spor-film
  konularını öğren. alışılmışın dışına çık.
  her müziği dinle. bildiğin şeyleri tekrarlaman senin hiç bir işine yaramaz.
  
  6- yenilik-teknoloji-inavasyon
  dünya nereye doğru gidiyor öğren. etrafının farkına var.
  
  7-tüketen değil üreten insan ol.
  toplumun büyük çoğunluğu zaten tüketiyor. gelişmek isteyen birey azınlığın ürettikleriyle gelişebiliyor ya da öğrenebiliyor. kullanılmayan bilgi faydasızdır. bilgini paylaş.
  
  8-ekonomiyi bil.
  kredi-faiz-dolar nasıl artıyor vb. sonra ihtiyaç duyduğunda aval aval bakma.
  
  9-tarihi bil
  dünya tarihini bil. sadece osmanlı değil, bütün dünyanın ve insanlığın gelişini ve uygarlıkların neler yaşadıklarını öğren.
  
  10-yaşamayı ve gezmeyi bil.
  etrafında koskoca dünya varken, neden sadece mahallen ile veya şehrin ile sınırlı kalasın ki?
  
  11-kendin için para harca. giyimine vb.
  bir tarzını olsun. gereksiz şeylere para harcayacağına (son model telefon vb.) kendine değer verdiğini gösterecek şeyler al.
  
  12-zamanını yönet.
  gereksiz şeylere vakit harcama. az uyu. sosyal medyayı azaltırsan zaten çok miktarda zamanın olacak, onları değerli şeyler yaparak değerlendir.
  
  13-sosyalleş.
  farklı insanlarla farklı yerlerde tanış
  kabuğunun dışına çık. yeni insanlardan çok şey öğrenebilirsin. bazı fikirlerde ortak olduğunuzu öğrenince, yalnız olmadığının farkına varırsın.
  
  14-öğretmeyi bil.
  öğren-geliş-paylaş. üstte dediğim gibi, kullanılmayan bilgi çöptür. bilgilerini paylaşırsan sende de unutulmaz hal alır.
  
  15-örnek insan bul.
  2 kişi geçmişten 2 kişi şuan yaşayan. onların yaşam tarzlarına bakıp, kendini ona göre uyarlayabilirsin. onun hatalarından ders çıkarabilirsin.
  
  16-unutmayı ve öfkeyi yönetmeyi bil. kin tutma.
  boş yere enerjini gereksiz kişilere ve duygulara harcama.
  
  17-monoton yaşama. kopyala yapıştır günler yaşama. rutinin dışına çık. sürekli aynı yaşıyorsan sen ölüsün demektir. yaşamak için sürekli farklı şeyler yap.
  
  18- 1 saatten uzun dizi izleme
  daha kısa diziler izleyip zamandan tasarruf edebilirsin.
  
  19- bencil olmayı öğren. önce kendine ne faydasını dokunacağını öğren. yoksa sürekli insanların oyuncağı olursun.
  
  20- kendini bil. analiz et.
  nelerin eksik? bunları bil. bir olay yaşandığında, objektif bakabilmeyi öğren.
  
  21- bahane etme öğren.
  sürekli bahane üreten insan, açık ve net patatestir. bahanelerin ile bir yere varamazsın, anca yerinde sayarsın. patates olma !"
  
  ---
  
  written by jack'in karışık kafası
  
  şahsen her bir maddeye katılıyorum. zira insanın çok büyük bir zekası ve aklı var. herkes aynı konumda olmayabilir ama varlık olarak çok gelişmiş bir beynimiz var. biraz konsantrasyon ve ilgi ile hayatımızı çok daha güzel yerlere getirebiliriz.
  
  nefretlerinizi ve bıkkınlıklarınızı bir kenara bırakın ve yeni güçlü bir hayata başlayın!
  :]
• statistics kelimesinin state kökünden gelmesi. bunu da star talk'a konuk olan mona chalabi'den öğrenmek ve neil degrasse tyson ile birlikte ağzın açık kalması.
• (bkz: procrastination) erteleme hastalığı imiş. tamam ertelemenin bir tür psikolojik etkilerinin olduğunu biliyor idim ama hastalık olarak nitelendirildiğini bilmiyordum.
  benim ufkumu iki katına çıkardı.
  bu hastalıktan nasıl kurtulunur onu bilmiyorum işte.
• bilimsel araştırmalardan elde edilen neticeler sonucunda;
  
  alışverişi nakit yapınca beynin ağrı merkezi uyarılırken, kredi kartı ile alışveriş tamamlandığında böyle bir etki oluşmuyormuş.
  
  bu yüzden özellikle tasarruf etmek isteyen insanların, alış verişlerinde nakit para kullanmaları tavsiye edilmekteymiş.
• farabi'nin de dediği gibi;
  "zamanın ters , sohbetin faydasız , herkesin bezgin ve her başın bir ağrı taşıdığını görünce, evime kapanıp haysiyetimi korudum."
• britanya eğitim psikolojisinin babası cyril burt zamanın en önemli psikologlarından biri. doğumu 1883, ölümü 1971. bu süre içerisinde psikoloji alanında ulaşılabilecek en üst noktaya çıkmış, ödüller almış, en büyük enstitülerin yöneticisi olmuş, dünyanın en saygın dergilerinde editörlük yapmış ve sir unvanı almış. 1971 yılında zekanın genetik temelini gösteren ikizlerle ilgili çalışmaları sayesinde ünlü olan saygın bir araştırmacı olarak ölmüştür.
  
  ancaak
  
  1976 yılında, verileri ve ortak yazarların isimlerini uydurduğu keşfedildi. ne yazık ki bilimsel topluluk neredeyse 30 yıl boyunca yanlış yönlendirilmişti.
  
  (bkz: sir cyril burt)
• trt belgesel tadında bir bilgi: tahin, susamdan yapılır.
• netflix 'in onerme sisteminin gelisimi/degisimi:
  
  basitlestirilmis problem tanimi: elinde var olan x milyon sayida kullaniciya, izledikleri y sayidaki filme gore, tavsiyeler sunan bir sistem olusturmak.
  
  detayli problem tanimi: her bir kullaniciyi, digerlerinden bagimsiz olarak ele alalim. netflix'in database'inde yaklasik 18.000 adet film olsun. ılk onermemiz, herhangi bir kullanicinin, bu database 'den ancak belirli bir oranda film izlemis oldugudur. netflix uzerinde, 1000 adet film izlemek demek, 62.5 gun boyunca kesintisiz bir sekilde film izlemek demektir (film suresini ortalama 90 dakika alirsak). dolayisiyla, onerme tutarsiz degildir, gercekcidir. filmler, ve o filmleri izlemis kisiler arasinda bir matris olusturarak baslayabiliriz.
  
  the matrix harry potter titanic
  a __4________ 5_______ 1
  b __1________ 1________4
  c __5________ 4________-
  
  uc kisi, yukarida yazan 3 filmi izlemisler, ve belirli notlar vermisler. c kisisi titanic'i izlememis. bu durumda, bu film kendisine onerilmeli mi? onerilmemeli mi? sorunun cevabi, bu kadar basit bir matris sisteminde aslinda kolay. neden? c kisisinin izledigi filmlere bakalim, ve ayni filmleri izlemis diger kisileri bulalim. c kisisi, izledigi filmler ve onlara verdigi notlar geregince, a kisisine cok yakin. a kisisi titanic'e oy vermis mi? evet, dusuk bir oy. c kisisini, a kisisine benziyor kabul edersek, titanic c kisisine onerilmemelidir.
  
  sistemde kayitli 18 bin film, ve 500 bin e yakin kisi varsa, her bir kullanicinin, diger kullanicilara benzerligi euclidean distance (in high dimensional space), rmse (root mean square error), mse (mean squared error) vb. yontemler ile hesaplanip, benzer bulunan kisiler bir kumeye uye yapilabilir. bu bir yontemdir, calisir. fakat cok iyi calismaz. neden? cunku gercekte netflix 'in 100 milyondan fazla kullanicisi var. her bir kullanicinin, bi diger kullaniciya ne kadar benzedigini bulmak, devasa bir server'iniz olsa bile gereksiz bir islemdir. kaldi ki, beklentiniz, her bir kullanicinin filmi izledikten sonra o filme oy vermesi yonundedir. fakat, bu onerme gercekci degildir. filmi izleyip, begenseniz de begenmeseniz de oy vermemis olabilirsiniz. dolayisila, farkli onermeler ile, bu 2 boyutlu matris, daha yuksek boyutlara aktarilmalidir.
  
  ornegin, 2009 yilinda lord of the rings 'i izleyip, 4 puan verip, sonrasinda harry potter 'i 2015 yilinda izleyip, 2 puan veren bir kisi dusunun. bu adam, fantezi filmlerini seviyor. fakat, harry potter i begenmemis. bir diger yandan, daha genc bir vatandasin da, 2018 yilinda harry potter i izleyip 5 puan verip, yine ayni yil lord of the rings'e 2 puan verdigini dusunun. bu vatandas da fantezi filmlerini seviyor, ama yasi, cevresi vs. gibi bilimum degiskenden oturu harry potter 'a daha yuksek not veriyor. eger ki, dumduz bir hesaplama ile bu iki kisi arasinda kumeleme yaparsak, ayni kumede olmadiklari sonucunu cikaririz. fakat, hesaplamalarimiza, bir sekilde, filmin izlenildigi yili, oylamanin yapildigi yili, hatta belki kisinin yasi ve ulkesi gibi farkli degiskenleri katarsak, modellemesi cok guc ve hesaplamasi cok zor n-boyutlu bir matris gecer elimize. buradaki n ise, elinizdeki degiskenlerin sayisina esit, veya ondan biraz daha az olabilir. klasik metodlar, boylesine buyuk bir sistemin icerisinde kumelendirme yapmak icin cok 'klasik' kalirlar.
  
  bunun yerine, sevgili netflix, k-means clustering denilen kumelendirme sistemini calistirir. fakat, bu kumelendirme sisteminin boktan tarafi, daha onceden kac cesit kume oldugunu bildirmeniz gerekmesidir. yani, bir magazadaki tum tshirtleri, boylarina gore kumelendirmek istiyorsaniz, toplam kume sayisini ve kume etiketlerini onceden belirtmeniz gerekir. xs, s, m, l, xl seklinde bir kumelendirme yaparsaniz, ve magazada xxs ve xxl boylari da varsa, o zaman kumelendirmeniz basarisiz olur. diger bir degisle, filmleri ve kullanicilari, dogru sekilde etiketlemeniz gerekir. ne eksik, ne fazla. bu da cok mumkun degildir. bunun yerine, daha bir akilli, daha bir zevkli kumelendirme methodu olan, dbscan (density-based spatial clustering of applications with noise = gurultu iceren uygulamalar icin yogunluk bazli uzaysal kumelendirme) tercih edilmistir. eldeki data, normal sartlar altinda gurultusuzdur. fakat, gurultunun getirdigi varyasyon (variance) degeri icin, insanlarin puanlandirma sistemi gurultulu olarak kabul edilmistir. (yani, normalde 4 isaretleyecek birisinin, 3 isaretlemesi, usenip bu sayiyi duzeltmemesi gibi gibi insan kaynakli gurultuler). bu sartlar altinda, dbscan klasik metodlara gore cok daha iyi calismistir. fakat dbscan 'in de sikintilari vardir. o da, cok boyutlu data setlerde problem convex degildir. belirli bir cozume ulasmasi, cok vakit alabildigi gibi, sonunda verdigi cozum cok da dogru olmayabilir. yukarida da belirttigim gibi, n boyutlu bir matris sisteminde, n ne kadar buyukse, dbscan o kadar falso verir. magaza orneginden devam edersek; thsirtleri sadece boylarina degil, renklerine ve hitap ettikleri cinsiyetlere gore de kumelendirdigimizi dusunelim. yani, boyut icin 5 kume (xs, s, m, l, xl), renk icin 5 kume (sari, kirmizi, lacivert, beyaz, siyah), cinsiyet icin de 2 kume (kadin, erkek) olsun. sonuc itibariyle, sadece 3 farkli kume olusturarak, bir thsirtun yer alabilecegi en alt kume sayisini 50ye cikartmis olduk. benzer sekilde devam edersek, alt kume sayilari, sapitmaya baslayacak ve dbscan 'in performansi dusecektir. bu amacla, netflix sistemindeki etiketlerin sayisini azaltmistir. netflix'i olup, biraz dikkatli olan kullaniclar, bu durumun da farkindadirlar.
  
  etiketleri, ve problemin boyut sayisini azaltan netflix, tabi ki bos durmaz. ve farkeder ki, aslinda problemin cok daha modern bir cozumu vardir. ki kendisi, compressive sensing (sparsity analysis) olarak da bilinir. sparsity, boslukluluk miktari olarak da cevrilebilir. yani, elinizde bir matris olsun, bu matrisin %90i 0, geriye kalani ise rastgele sekilde dagilmis 1 olsun. bu matris sparse, yani yuksek miktarda boslukludur. compressive sensing ise, belirli bir takim transformlar bularak, sparsity analysis yapilmasini saglar (sayisal isaret islemede nyquist 'in altinda ornekleme imkani da saglar fakat o konu ayri). birseyin sparse olmasi, acaip isimize yarar, cunku hem analizimizi kolaylastirir, hem de cogu eleman 0 oldugundan dolayi, sadece degerlere sahip elemanlar icin hesaplama yapilacagindan, bilgisayarlarimiza da cok yuklenmez. fakat, sparsity analysis icin var olan methodlarin bazilari convex degildir. ustune ustluk, pozitif sayilar icin var olan bu methodlar, biased (tarafli?) sonuclar verir. bu nedenle, netflix, son olarak 1den 5e puanlama sistemini kaldirmis olup, onun yerine, -1 0 1 sayilarina tekabul eden, begenmedim, oy vermedim/izlemedim, begendim, seklindeki oylama sistemine gecmistir.
  
  edit: matris kaymis, onu duzelttim.