Türkiye Yapay Zeka İnisiyatifi’nin her ayın üçüncü çarşambası düzenlediği Yapay Zeka Meet-Up’ı bu ay ilk defa Covid-19 nedeniyle online olarak gerçekleşti. Türkiye Yapay Zeka İnisiyatifi Youtube kanalından canlı olarak yayınlanan “İleri Algoritmalar” konulu 32. TRAI Meet-Up’ına Solvoyo, IBM, TAZI ve Microsoft’tan alanında uzman konuşmacılar katıldı.
“Automatized Decision Making and Data Insights”
32. TRAI Meet-Up’ının ilk konuşmacıları Solvoyo’dan Alper Öner (Predictive & AI Engine Lead Engineer) ve Sarper Uslupehlivan (Customer Insights Lead) oldu. Alper Öner ve Sarper Uslupehlivan “Automatized Decision Making and Data Insights” başlıklı sunumlarında Solvoyo tedarik zinciri konusunda Türkiye’nin ve dünyanın büyük şirketlerine verdikleri servislerinde kullandıkları ileri algoritmaları paylaştı. Alper Öner ve Sarper Uslupehlivan Solvoyo’nun yapay zeka bazlı yaklaşımlarındaki temel prensipleri şöyle sıraladılar: Müşteri gereksinimini anlama; veriyi anlamlandırma; doğru algoritmayı tespit etme; sonuçlarını açıklayabileceğin bir çözümü sosyal ve teknik bir ekip çalışması ile uygulama.“IBM Watson Studio Auto AI Talents”
32. TRAI Meet-Up’ının bir sonraki konuşmacısı IBM’den Umut Şatır Gürbüz (Veri Bilimcisi) “IBM Watson Studio Auto AI Talents” başlıklı sunumunda sürücüsüz yapay zeka çözümü olan Auto AI çözümünü şöyle anlattı: “Vatandaş veri bilimci olarak isimlendirilen, teknoloji ve algoritma tarafında derin bilgiye sahip olmayan iş kullanıcılarının veriden öngörü çıkarmasını hedeflerken, konusunda uzman veri bilimcilerin de projelerine başlarken zaman kazanmalarını, elde edilen sonuçları Python kodu olarak alıp geliştirmeye devam etmelerine imkan sağlıyor.” Auto AI çözümünde IBM Research ve IBM Design ekiplerinin ortak çalışması ile geliştirilmiş araç, arayüzünün tasarımı ve sonuç raporlarının görselleştirilmesine de önem verildiğini belirten Umut Şatır Gürbüz, “Kullanıcı Auto AI’a veri seti, hedef alan ve başarı kriterini verdikten sonra, araç bütün analizleri otomatik olarak gerçekleştiriyor. Sırasıyla veri kalite problemlerini gideriyor, en iyi sonuç veren algoritmaları belirliyor, Hyper-parameter optimization (HPO) yapıyor, yeni alanlar türetiyor, en başarılı pipeline’ları raporluyor, oluşan modeli ve çalışan Python kodunu paylaşıyor” açıklaması yaptı.“Continuous Learning Algorithms and Their Ensembles”
32. TRAI Meet-Up’ının bir diğer konuşmacısı 2019’da Gartner tarafından “Core AI Technologies” alanında dünyadaki 4 “cool vendor”dan birisi seçilen Tazi’dan Tanju Çataltepe (Co-founder) oldu. Tanju Çataltepe, “Continuous Learning Algorithms and Their Ensembles” başlıklı sunumunda AI Auto ML platformunun temelini oluşturan sürekli öğrenen algoritmaları anlattı. Sürekli öğrenen algoritmalar modelledikleri dünyadaki değişiklikleri otomatik olarak takip edebildikleri için veri bilimcilerin üzerindeki modelleri güncel tutma yükünü ortadan kaldırdığını belirten Tanju Çataltepe, sunumunda sürekli öğrenmenin aynı seviyede doğruluk performansı için çok çok daha az hesaplama (CPU) ve hafıza (RAM) kullanarak maliyet avantajı yarattığını gösteren benchmarking sonuçlarını paylaştı.“Azure Automated ML: Optimizing Model Development Processes”
32. TRAI Meet-Up’ındaki son konuşmacı Microsoft’tan Çağrı Münyas (Data & AI Technical Specialist) oldu. Çağrı Münyas “Azure Automated ML: Optimizing Model Development Processes” başlıklı sunumunda şunları anlattı: “ML ile geliştirdiğimiz modellerle günlük hayattaki iş yüklerinden manuel iş yüklerinin alarak otomasyonunu sağlıyoruz. Automated ML ile de Machine Learning model geliştirme sürecindeki manuel ve rutin iş yüklerini otomasyona bağlayıp doğru feature engineering ve Hyperparameter konfigürasyon arayışını bir compute cluster ile paralel olarak gerçekleştirebiliyor; akıllı optimizasyon algoritması ile yüzlerce konfigürasyonu kısa sürelerde deneyip, açıklanabilir (interpretable) optimum modeli elde edebiliyoruz. Böylelikle veri bilimciler, ML geliştirme sürecini tamamen veri odaklı olarak yürütebiliyor.”32.TRAI Meet-Up’ımızı tamamını Youtube kanalımızdan izleyebilirisiniz
BAĞLANTILI HABERLER “Samanlıkta İğne Aramak Yerine Hızlı Risk Modellemesi Yapılabilecek” Yapay Zeka Siber Güvenliği Nasıl Etkiledi? (Podcast) Şirket Yöneticileri “Yapay Zeka”ya Nasıl Bakıyor?