TRAI Meet-Up #14 Derin Öğrenme

TRAI Meet-Up’ın ondördüncüsü, her zamanki yerinde, İTÜ ARI6’da, dopdolu bir salonda gerçekleşti. Bu ay etkinlik konusu olarak Derin Öğrenme seçildi. Gelecekhane’nin Yönetici Ortağı, Mine Uğur Karahüseyin yaptığı açılış konuşmasında derin öğrenme konusuna giriş yaptı ve genel kavramları aktardı. Bilim İlaç‘tan Jülide Karagöz, sağlık alanında derin öğrenme örneklerini anlattı. İnsan ömrünün uzamasıyla birlikte ortalama yaş artmakta ve bunu sağlık harcamaları takip etmekte. Bu da sağlık alanındaki yapay zeka çalışmalarında hız kazandırmakta. Robotic cerrahi, iş yükünün azaltılması, ilaç dozu ayarlamada hatalarının azaltılması gibi bir çok alanda yapay zeka ya kullanılıyor ya da kullanılacaktır. ABD’de sağlık verilerinin dijitale geçirilmesiyle birlikte işlenmesi gereken yüksek miktarda ham veri oluştu ve bu da yapay zeka alanına ilgiyi arttırdı. Karagöz konuşmasını alandan örnekler vererek sonlandırmadan önce, bu alanda ürün geliştirecek bir girişimin dikkat etmesi gereken üç etmeni aktardı:

• Popülasyon sağlığını iyileştirmek
• Bakım maliyetlerini düşürmek
• Hasta memnuniyetini arttırmak

Miletos’dan Berkin Malkoç, derin öğrenme alanındaki son gelişmeleri aktardı. Teknik ağırlıklı olan sunumda derin öğrenme alanındaki güncel bir çok makaleye değinildi. Kaggle‘a benzeyen fakat performansa odaklanan başka bir yarış platformu olan DAWNBench‘i gösteren Malkoç, derin öğrenmede artık meyin nasıl yapılacağına dair çözümlerin olgunlaştığını ve alanın performans arayışına geçtiğini aktardı. İTÜ Simit Lab‘dan Anıl Genç, Çekişmeli Üretici Ağlar üzerine bir sunum gerçekleştirdi. Genç sunumunda, bir video kaydındaki şehri başka bir şehre benzetebilen, gerçekçi insan yüzü üretebilen, video kaydındaki bir insanı başka bir kayıttaki dans hareketlerine göre dans ettiren birçok ilginç yapay zeka örneğini paylaştı. Gelecek etkinlik: TRAI Meet-Up #15 Yapay Zeka Altyapıları TRAI ile ilgili yorumlarınızı paylaşmak, talepte bulunmak ya da tanışmak için bize e-posta atabilirsiniz: info@turkiye.ai