Veri Tezgahı: Gerçek Dünya ML Deneyimleri Veri Tezgahı: Derin Öğrenme, Derin Dertler - Gerçek Dünya ML Deneyimleri
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.
Özellikle Covid-19 sonrası değişen dinamikler, gizlilik kaygıları, dinamik batching, Kubernetes ile GPU yönetimi ve MLOps’un incelikleri üzerine derinlemesine sohbetler gerçekleştiriyoruz.
Bölüm Başlıkları
- 00:00 – Giriş ve Konuk Tanıtımı
- 02:17 – Doktora Süreci ve Araştırma Alanları
- 05:33 – Multiple Instance Learning Yöntemi
- 10:16 – AlexNet ve Derin Öğrenme Dönemi
- 14:36 – CAFE Framework ve Uygulamaları
- 18:29 – Video Özetleme Çalışmaları
- 23:27 – Video Özeti Yöntemleri ve Değerlendirme Süreci
- 30:27 – Akademik Çalışmalar ve Kod Paylaşımı Üzerine Tartışmalar
- 35:14 – Devlet Kurumunda Çalışma Deneyimi ve Zorluklar
- 38:50 – Ouva'da Yapay Zeka Projeleri ve Uygulamaları
- 48:09 – Covid'in Etkileri ve Hastaneler
- 49:20 – Gizlilik Endişeleri ve On-Prem Çözümleri
- 50:47 – Hastanelerde Cihaz Kullanımı ve Hijyen
- 52:38 – Veri Toplama ve Sensör Kullanımı
- 54:25 – Model Servisi ve Dağıtım Süreçleri
- 58:18 – Triton Server ile Performans Optimizasyonu
- 01:01:20 – Dinamik Batching ve Model Dağıtımı
- 01:04:06 – GPU Ölçeklendirme Zorlukları
- 01:07:57 – Kubernetes ile Otomatik Ölçeklendirme Çözümleri
- 01:13:04 – GPU ve Fractional Kullanımının Derinlikleri
- 01:16:02 – Gerçek Zamanlı İhtiyaçlar ve Çözüm Arayışları
- 01:18:48 – MLOps ve En İyi Uygulamalar Üzerine Tartışmalar
- 01:25:17 – Akademiden Endüstriye Geçişteki Zorluklar
- 01:30:55 – Dokümantasyonun Önemi ve Uygulama Stratejileri
Sosyal Medya
Linkler
Podcast ile ilgili düşüncelerinizi, sorularınızı ve geri bildirimlerinizi yorumlarda paylaşabilirsiniz.
İyi dinlemeler!
