<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Sunay IŞIK on Medium]]></title>
        <description><![CDATA[Stories by Sunay IŞIK on Medium]]></description>
        <link>https://medium.com/@sunaybkm?source=rss-fef670d53432------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*38gWqoYEqjmr6Jl6.jpeg</url>
            <title>Stories by Sunay IŞIK on Medium</title>
            <link>https://medium.com/@sunaybkm?source=rss-fef670d53432------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 03:57:55 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@sunaybkm/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Makine Öğrenmesi için Öznitelik Seçimi(Feature Selection)]]></title>
            <link>https://medium.com/@sunaybkm/makine-%C3%B6%C4%9Frenmesi-i%C3%A7in-%C3%B6znitelik-se%C3%A7imi-feature-selection-8a88e3707627?source=rss-fef670d53432------2</link>
            <guid isPermaLink="false">https://medium.com/p/8a88e3707627</guid>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[features]]></category>
            <category><![CDATA[feature-engineering]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <dc:creator><![CDATA[Sunay IŞIK]]></dc:creator>
            <pubDate>Thu, 31 Dec 2020 17:32:05 GMT</pubDate>
            <atom:updated>2020-12-31T17:32:05.036Z</atom:updated>
            <content:encoded><![CDATA[<p>Bu yazımda sizlere BKM’de yaptığımız yapay zeka projelerindeki deneyimlerimi de aktarmaya çalışarak makine öğrenmesi için öznitelik seçiminin öneminden ve seçme yöntemlerinden bahsedeceğim.</p><p>Peki öznitelik tam olarak nedir? Sözlük anlamına bakacak olursak gözlemlenen bir olgunun ölçülebilir bir niteliğine veya anlamlandırılmış bir özelliğine öznitelik denir. Örnek vermek gerekirse işyerinin skorlandığı bir yapay zeka modelinde işyerinin açılma tarihi, çalışılan banka sayısı, daha önce sahtekarlık kaydı olup olmadığı, ortalama işlem tutarı, toplam cirosu gibi bilgiler özniteliklerden bazıları olabilir. Kartlı işlemlerin riskli olup olmadığını tahminlemeye çalışan bir modelde ise işlemde kullanılan kart bilgisi, işlem tutarı, pos kullanım yöntemi, işlemin e-ticaret işlemi olup olmadığı, harcama yapılan sektör gibi bilgiler öznitelik olarak kullanılabilir.</p><p>Öznitelik seçimi makine öğrenmesi algoritmasında kullanacağımız özniteliklerin belirlenmesi sürecidir. Makine öğrenmesi için en kritik süreçlerden biri öznitelik seçimidir. Seçilen özniteliklerin tahmin edilmek istenen durumu doğru göstermesi gerekir. Doğru öznitelikler algoritmanızın doğru tahminlerde bulunmasını sağlarken, yanlış seçilenler sizi yanlış yere yönlendireceği için algoritmanızın hatalı tahminler üretmesine ve gereksiz efor harcamanıza neden olabilir. Bu sebepten modelin başarısı için doğru öznitelik seçimi olmazsa olmazdır. Peki neden veri setimizdeki tüm alanları öznitelik olarak tanımlamıyoruz da sadece belirli olanları seçip kullanıyoruz? İsterseniz öncelikle bu soruyu cevaplayalım.</p><p><strong>Aşağıdaki sebeplerden dolayı makine öğrenmesi için öznitelik seçmeliyiz:</strong></p><p>· Basit modelleri yorumlamak ve değerlendirmek daha kolaydır. Mesela 10 değişken ile çalışan modelin çıktısını anlamak, 100 değişken ile çalışan modelin çıktısını anlamaktan daha kolaydır.</p><p>· Modelin öğrenme/eğitim sürelerinin kısalması. Değişkenlerin azalması hesaplama maliyetini azaltacağı için modelin hazırlanma süresi kısalacaktır. Basit modeller daha hızlı skor üretmektedirler. Özellikle canlı ortamda çalışan bir modeliniz varsa modelin başarısı kadar hızı da önemli olacakdır.</p><p>· Yazılımcılar için implementasyon kolaylığı. Yazılımcılar genellikle çıktı üretmek için modeli besleyecekleri değişkenleri çağırmak için kod yazarlar. 50 değişken için kod yazmak 500 değişken için kod yazmaktan daha az zaman alır. Ayrıca daha az kod daha az hata demektir.</p><p>· Model kullanımında veri hatalarının azalması. Değişken sayısı arttığında farklı kaynaklardan toplanan veri miktarı artacağı için veri toplama ve depolama sürecinde olası hataların azalması sağlanır.</p><p>· Gereksiz değişkenler. Çok sık kullanılan birbiriyle korole değişkenler aslında aynı bilgiyi içermektedır. Birlikte hareket eden çoklu değişkenlerden biri tutularak bilgi kaybetmeden diğerleri çıkartılarak gereksiz değişkenlerden kurtulunabilir.</p><p>Öznitelik seçmenin gerekliliği konusunda anlaştığımıza göre öznitelik seçiminde kullanılabilecek yöntemlere geçebiliriz. Öznitelik seçiminde genel olarak aşağıdaki üç ana yöntem kullanılmaktadır.</p><p><strong>Öznitelik Seçme Yöntemleri</strong></p><p><em>1.</em> <em>Filtre Yöntemleri</em></p><p><em>Varyans, korelasyon, tek değişkenli seçim</em></p><p><em>2.</em> <em>Sarmalayıcı(Wrapper) Yöntemler</em></p><p><em>İleri doğru seçme, geri doğru seçme, tam arama ile seçme</em></p><p>3. <em>Gömülü(Embedded) Yöntemler</em></p><p><em>LASSO, regresyon kaysayısı</em></p><p><a href="https://bkm.udemy.com/course/feature-selection-for-machine-learning/learn/lecture/22427122#overview">Kaynak</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8a88e3707627" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Yapay Zeka Dönüşümü İçin Gerekli Beş Adım]]></title>
            <link>https://medium.com/baybaynakit/yapay-zeka-d%C3%B6n%C3%BC%C5%9F%C3%BCm%C3%BC-i%CC%87%C3%A7in-gerekli-be%C5%9F-ad%C4%B1m-ddd1f52ad86d?source=rss-fef670d53432------2</link>
            <guid isPermaLink="false">https://medium.com/p/ddd1f52ad86d</guid>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[makine-öğrenmesi]]></category>
            <category><![CDATA[derin-ogrenme]]></category>
            <category><![CDATA[yapay-öğrenme]]></category>
            <category><![CDATA[dönüşüm]]></category>
            <dc:creator><![CDATA[Sunay IŞIK]]></dc:creator>
            <pubDate>Mon, 09 Dec 2019 22:31:49 GMT</pubDate>
            <atom:updated>2019-12-25T10:55:02.323Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>Yapay Zeka Dönüşümü için Gerekli Beş Adım</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*VyTsKOt8SY9g7_9xpPGjrw.png" /></figure><p>Önceki yazım <a href="https://medium.com/@sunaybkm/herkes-i%CC%87%C3%A7in-yapay-zeka-8f228372ba3a"><strong>Herkes için Yapay Zeka</strong></a>’da şirketlerin “yapay zeka dönüşümü” için gerekli olan beş adımdan bahsetmiştim. Şimdiyse, <a href="https://www.wikizeroo.org/index.php?q=aHR0cHM6Ly9lbi53aWtpcGVkaWEub3JnL3dpa2kvR29vZ2xlX0JyYWlu">Google Brain</a> kurucularından olan, Stanford Üniversitesi profesörü, makine öğrenmesi ve benzeri alanlarda 100&#39;ü aşkın makalesi olan yapay zeka gurusu Andrew Ng’nin deneyimleriyle oluşturduğu bu adımları detaylandıracağım. Google ve Baidu gibi yapay zeka alanında öncü dünya devlerinin yapay zeka yolculuklarına eşlik etmiş olan NG’nin tavsiyeleri bu yolun henüz başında olan firmalar için yol gösterici nitelikte. Gelin bu adımlara sırasıyla inceleyelim.</p><p><strong>1.</strong> <strong>Pilot Projelerin Uygulanması</strong></p><p>Pilot projelerin amacı şirkete ivme kazandırmaktır. İlk 6–12 ay arasında elde edilecek başarılar her şeyi daha da hızlandıracaktır. <strong>Pilot projenin başarılı olması, bu projenin firma için en fazla değer yaratan proje olmasından daha önemlidir.</strong> İlk projenin başarısı değişime direnç gösterenlerin yaptığı eleştirilerin dozunu azaltacak ve sadece yapay zeka kullanan ekibin başarısını artırmakla kalmayıp diğer ekiplerin de yapay zeka projeleri yapma konusunda iştahını arttıracaktır. Bu sebepten <strong>pilot proje seçerken başarı şansı yüksek olan bir proje seçmeye dikkat edin.</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/508/1*UvzcJYn8zMUqcO7wlncadQ.png" /></figure><p><strong>2.</strong> <strong>Şirket içinde yapay zeka ekibinin oluşturulması</strong></p><p>Hızlı sonuçlar alabilmek için ilk projeler dışarıdan destek alınarak yapılabilir fakat <strong>uzun vadede sürdürülebilir başarı için kurum içinde bir yapay zeka ekibinin oluşturulması gerekmektedir</strong>. Bu ekip bir iş birimine bağlı olmamalı, daha merkezde konumlandırılıp tüm iş birimlerine hizmet vermelidir. İş birimi yöneticileri alanında uzman ve çok başarılı olabilir fakat yapay zeka konusunda yeterli bilgi ve beceriye sahip değilse yapay zeka ekibinin oluşturulması, ekibe yeni kişilerin alınması ve yönetilmesi konusunda zorlanabilir. Oluşturulacak bu ekip CTO, CIO, CDO(Chief Data Officer/Chief Digital Officer) veya CAIO(Chief AI Officer)’a bağlı olabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*1X_0h3bgdJnFx6ftd9jH2Q.png" /></figure><p><strong>3.</strong> <strong>Yapay zeka eğitiminin alınması</strong></p><p>İyi bir yapay zeka firması olmak için sadece yapay zeka uygulamaları geliştirebilen iyi mühendislere sahip olmak yeterli değil. Aynı zamanda çalışanların yapay zeka konusunda bilgili ve yapay zekanın rollerine etkilerinin farkında olması gerekmektedir. Üst düzey yöneticiler dahil herkes pozisyonuna göre aşağıdaki eğitimleri almalıdır.</p><p>i. <strong>Üst düzey yöneticiler:</strong> Başlangıç seviye yapay zeka teknolojileri, yapay zeka firmanız ve sektörünüz için ne yapabilir, yapay zekanın kurum stratejisine etkisi (4+ saatlik bir eğitim)</p><p>ii. <strong>Yapay zeka projelerinde çalışan birim yöneticileri: </strong>Başlangıç seviye yapay zeka teknolojileri, temel teknik gereksinimler ve algoritmalar, yapay zeka neyi yapabilir ve neyi yapamaz, yapay zeka proje süreçleri, iş akışları, roller ve sorumluluklar (12+ saatlik bir eğitim)</p><p>iii. <strong>Yapay zeka mühendisleri: </strong>Makine öğrenmesi ve derin öğrenme, yapay zeka araçları kullanımı, veri toplanması ve aktarımı, güncel teknolojilerin takibi için devamlı eğitimler (100+ saatlik bir eğitim).</p><p>Yapay zeka alanında uzman yeteri kadar kişi olmadığı için oluşturulacak ekibe kurum içindeki uygun çalışanların eğitilerek dahil edilmesi büyük önem taşımaktadır.</p><p><strong>4.</strong> <strong>Firmanın Yapay Zeka Stratejisinin Belirlenmesi</strong></p><p>Stratejinin birinci adımda belirlenmesi gerekir diye düşünebilirsiniz fakat yapay zeka deneyimi ve bilgisi olmadan oluşturulan stratejiler ayakları yere basmayan hedefler olabilmekte ve bazen fazla akademik kalabilmektedir. Örneğin veri yeni elektrik veya yeni benzin diyerek veri toplamaya odaklanmak yanlış bir strateji olabilir. Elinizdeki veri düşündüğünüz kadar değerli olmayabilir. Stratejiyi belirlemeden önce küçük bir ekip kurmak, pilot projeler yapmak, yapay zekayı ve onun yaptığınız işe etkilerini iyi anlamak doğru karar olacaktır. Özellikle yapay zekanın yapabileceklerinin ve yapamayacaklarının neler olduğunun farkında olmanız ve yapay zeka verimlik döngüsüne uygun bir strateji belirlemeniz firmanız için iyi sonuçlar elde etmenizi sağlayacaktır.</p><figure><img alt="Virtuous Cyclex of AI" src="https://cdn-images-1.medium.com/max/203/1*-D7MFjszvS9U8hPfDWsAiQ.png" /></figure><p><strong>Verimlilik döngüsünü</strong> açıklayacak olursak, eğer iyi bir ürününüz varsa bu ürünü birçok kişi kullanacaktır. Daha fazla kullanıcı sayesinde daha fazla veri toplanır. Daha fazla veri yapay zeka ile işlendiğinde daha iyi ürün elde edilir. Daha iyi ürün ise daha da fazla kullanıcı getirir. “Daha fazla kullanıcı -&gt; daha fazla veri -&gt; daha iyi ürün -&gt; tekrar daha fazla kullanıcı” döngüsü böylece sürüp gider.</p><p>Yapay zeka firmaları için veri en değerli varlık. Bu sebepten çok iyi yapay zeka firmalarında olduğu gibi çok yönlü bir <strong>veri stratejisi oluşturmalısınız</strong>. Çünkü öncü yapay zeka firmalarının tamamı stratejik veri elde etme konusunda çok başarılılar.</p><p>Yapay zeka destekli bir dünyada yaşayacağız. Doğru stratejiler bu değişime uyum sağlamamıza veya öncülük etmemize yardımcı olacaktır. Yapay zeka bir nevi bir kaldıraç görevi görüp sizi sektörünüzdeki diğer firmalardan ayrıştırıp ayrıcalıklı bir konuma getirebilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/602/1*ia1tiRBsneKCbU9i5CoT4Q.png" /></figure><p><strong>5.</strong> <strong>Yapay Zeka Konusunda Öncülük Edilen Rolün Şirket İçinde ve Dışında İletişimi</strong></p><p>Yapay zeka bir firmayı ve onun ürünlerini değiştirebilir, dönüştürebilir. Bu durum firmanın tüm paydaşlarını etkilediği için onlar ile doğru iletişim kurulması gerekmektedir. Herkesin aynı bilgi seviyesinde olduğuna emin olmak için aşağıdaki gruplar için bir iletişim program yürütülmelidir.</p><p><strong>Yatırımcı İlişkileri:</strong> Yapay zekanın firmanızda yaratacağı değeri, artan yapay zeka yetkinliklerinizi ve yapay zeka stratejinizi açık ve net bir şekilde aktarın. İyi iletişimin kurulması yatırımcıların firmanızı daha doğru değerlendirmesini sağlayacaktır. Google ve Baidu gibi firmalarının değerleri yapay zeka yetkinliklerinden dolayı çok fazla yükselmiş durumda.</p><p>Yatırımcı ilişkileri ayrıca devlet yönetimi ilişkilerini de kapsamaktadır ve devlet yönetimi ile ilişki kurmak bulunduğunuz sektöre göre çok önemli olabilir. Regülasyonların olduğu sektörlerde uyumlu olma zorunluluğu vardır. Mesela sağlık sektöründe yapılan yapay zeka projelerinde hastaların verilerinin korunması gibi pek çok düzenleme ve regülasyon bulunmaktadır. Yapay zekanın etkilediği bu sektörlerde özel sektör ve devlet iş birlikleri insanlara faydalı olacak projeler yapılmasına vesile olabilir.</p><p><strong>Kullanıcı Eğitimi:</strong> Ürününüz değişiyorsa kullanıcı eğitimi önem kazanmaktadır. Doğru pazarlama yapıldığından ve doğru mesajın yaygın olarak verildiğinden emin olun.</p><p><strong>Kurum içi İletişim: </strong>Her ne kadar yapay zeka son zamanlarda fazlaca abartılmış olsa da genel olarak yapay zekanın ne olduğunu tam olarak bilmiyor ve insanlar bu konuya kuşku ile yaklaşıyor.<strong> </strong>Bazı çalışanlar ise yapay zekanın işlerini elinden alacağından endişe ediyor. Kurum içinde yapılacak doğru iletişim ve bilgilendirmeyle çalışanların endişeleri ve yapay zeka dönüşümüne karşı dirençleri azaltılabilir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*4RkoeN0sshnz514G1yY-aA.png" /></figure><p>Son olarak, sıradan bir firma derin öğrenme teknolojileri kullandığında bir yapay zeka firmasına dönüşmez. Eğer bu alanda öncü olmak istiyorsanız yapay zekanın başarılı olduğu konularda çalışmak için firmanızı organize etmeniz gerekmektedir.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ddd1f52ad86d" width="1" height="1" alt=""><hr><p><a href="https://medium.com/baybaynakit/yapay-zeka-d%C3%B6n%C3%BC%C5%9F%C3%BCm%C3%BC-i%CC%87%C3%A7in-gerekli-be%C5%9F-ad%C4%B1m-ddd1f52ad86d">Yapay Zeka Dönüşümü İçin Gerekli Beş Adım</a> was originally published in <a href="https://medium.com/baybaynakit">Bankalararası Kart Merkezi</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Herkes İçin Yapay Zeka]]></title>
            <link>https://medium.com/baybaynakit/herkes-i%CC%87%C3%A7in-yapay-zeka-8f228372ba3a?source=rss-fef670d53432------2</link>
            <guid isPermaLink="false">https://medium.com/p/8f228372ba3a</guid>
            <category><![CDATA[yapay-zeka]]></category>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <category><![CDATA[veri]]></category>
            <category><![CDATA[makine-öğrenmesi]]></category>
            <dc:creator><![CDATA[Sunay IŞIK]]></dc:creator>
            <pubDate>Thu, 31 Oct 2019 20:56:28 GMT</pubDate>
            <atom:updated>2019-12-25T10:52:00.540Z</atom:updated>
            <content:encoded><![CDATA[<h3>Herkes için Yapay Zeka</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*J7uaovZV-cpToijMkbFYgg.jpeg" /></figure><p>Bana da mı yapay zeka! demeyin. Evet herkes için yapay zeka çünkü pek farkına varmasak da yapay zeka hepimizin hayatını değiştiriyor ve değiştirmeye devam edecek. Gartner’e göre yapay zekanın üreteceği değerin 2022 yılında 4 trilyon dolar, PricewaterhouseCoopers’a göre ise 2030 yılında 16 trilyon dolar olması bekleniyor. Daha iyi anlaşılması için bir de şu şekilde yazayım: $ 16.000.000.000.000</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/624/1*g7RqLiZXfW5B1DAbdg4ajA.png" /></figure><p>Değişen ve gelişen dünyada ayakta kalabilmek için yapay zekanın ürettiği katma değerden faydalanmamız gerekiyor. Sanayi devrimini kaçırdık. Bilişim devrimini kaçırmamak ise elimizde. Yapay zekanın iş hayatını ve yaşamımızı nasıl değiştirdiğini daha iyi anlamak, değişimin bir parçası olmak ve ona öncülük etmek için öncelikle yapay zekayı anlamamız gerekiyor. Bu yazımda teknik detaylara girmeden yapay zekanın ne olduğundan ve onu nasıl kullanabileceğimizden bahsedeceğim.</p><p><strong>Makine Öğrenmesi ve Yapay Zeka</strong></p><p>Yapay zekanın altındaki başarı aslında makine öğrenmesi tarafından sağlanmaktadır. En çok kullanılan makine öğrenmesi yöntemi gözetimli öğrenme(supervised learning) yani A’dan B’ye veya girdiden çıktıya eşleştirme yöntemiyle öğrenmedir. Örnek olarak gözetimli öğrenme yöntemiyle email spam filtresi yapmak isteyelim. Eğer Girdi(A) email olursa ve Çıktı(B) emailin spam olup olmadığı(1 veya 0) olursa bu veriler spam filtresi oluşturmak için gerekli ana yapıyı oluşturur. Sistemin öğrenmesi için yeterli kadar çok spam olan ve olmayan email ile sistem beslenirse makine öğrenmesi girdiye(A) yani emaile bakarak, çıktı(B) yani mailin spam olup olmadığını(1/0) tahmin edebilir. Gözetimli öğrenme yöntemiyle en çok kullanılan bazı makine öğrenmesi örnekleri aşağıdaki gibidir:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/601/1*O-itYY-8NzQOb66NA_6ogQ.png" /></figure><p><strong>Yapay Zeka ve Robotlar İnsanlığın Sonununu Getirecek mi?</strong></p><p>Son dönemlerde yapay zeka alanında heyecan verici pek çok gelişme olmasına rağmen maalesef yapay zekanın abartılmış bir popülerliği de bulunmaktadır. Bunun ana sebebi yapay zeka için iki farklı görüş olmasından kaynaklanmaktadır. Bu görüşlerden biri olan ANI(Artificial Narrow Intelligence) akıllı asistanlar, sürücüsüz araçlar, arama motorları, üretimde kullanılan yapay zeka uygulamaları gibi tek bir alana odaklanmaktadır. Yapay zekanın ürettiği katma değer aslında bizim de gündelik hayatta gördüğümüz ve kullandığımız ANI çözümlerinden gelmektedir. Diğer görüş olan AGI(Artificial General Intelligence) ise yapay zekanın gitmeye çalıştığı yerdir ve AGI’nin amacı insanın yapabileceği her şeyi yapmaktır. ANI alanında birçok gelişme olmasına rağmen AGI için durum tam tersidir. AGI alanında daha yolun başındayız. Bu sebepten (ne yazık ki:)) robotların dünyayı ele geçirmesi ve insanlığı yok etmesi yakın gelecek için pek olası görünmüyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/402/1*YJS7ROxGu4xHZsFxuub9UQ.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*P8Bm4D2cjCxsgkIx_RSYxQ.jpeg" /></figure><p><strong>Yapay Zeka için Doğru Zaman mı?</strong></p><p>Bildiğiniz üzere yapay zeka hem fikir hem de teknoloji olarak yeni değil. Yapay zekanın tarihine baktığımızda fikir olarak 1300&#39;lu yıllara kadar gittiğini görüyoruz. Bu alanda ilk bilimsel makale olan bilgisayar temelli “sinir ağları” ise 1943 yılında yayınlandı. Geçtiğimiz yıllarda yapay zekanın popülerliğinin arttığı ve gözden düştüğü dönemler oldu. Peki şimdi yapay zeka neden tekrar gündemde ve bu yine geçici bir durum mu? Aynı soruyu farklı bir şekilde de sorabiliriz: Yapay zeka daha önce popüler olduğu dönemlerde neden başarılı olamadı ve gözden düştü? Bunun iki nedeni var: yetersiz veri ve yetersiz teknoloji. Günümüzde ise durum tam tersi. İnternetin yükselişiyle son yıllarda veri miktarında önemli bir artış yaşandı ve büyük veri dediğimiz kadar fazla veriyi işleyebilecek güçlü bilgisayarlar üretildi. Önceden sadece belli başlı firmalar yeterli GPU gücü olan bilgisayarlara erişebilirken şu an pek çok firma kendi yapay zeka modelini geliştirebilecek güçte bilgisayarlara erişebilmektedir.</p><p><strong>Verinin Hatalı Kullanıldığı Durumlar</strong></p><p>Herkesin konuştuğu gibi veri artık yeni petrol peki biz onu doğru işleyip, verimli kullanabiliyor muyuz? Verinin yanlış kullanıldığı iki genel durum bulunmaktadır.</p><p>Birinci büyük hata, önce veriyi toplayalım sonra neler yapacağımıza bakarız yaklaşımıdır. Veriyi toplarken bir yandan da onu yapay zeka ekibine göstermek ve onlardan geri dönüş almak en doğru yaklaşım olacaktır. Yapay zeka ekibi alınan veri setine eklenme yapılmasını, mevcut verinin farklı detaylarda toplanmasını veya IT’ye kurulmasını istediği altyapı ile ilgili taleplerde bulunabilir.</p><p>Veri kullanımındaki diğer yanlış ise zaten elinde hazır veri olan firmaların bu verileri topluca yapay zeka ekibine verip onlardan harikalar yaratmalarını beklemektir. Ne kadar fazla veri olursa o kadar iyi ama her zaman daha fazla veri daha iyi çıktı anlamına gelmemektedir. Veriyi yapay zeka ekibi ile incelemeden ve verinin gerçekten değerli olup olmadığını anlamadan büyük yatırımlar yapmak doğru bir strateji olmayacaktır. Eğer elinizde güvenilir veri yoksa yapay zeka doğru çıktılar üretemeyecektir. Kısaca “çöp giren çöp çıkar”. Fakat elinizde biraz dağınık ve kirli bir veri varsa, iyi bir yapay zeka ekibi bu verinin düzeltilmesinde size yardımcı olacaktır.</p><p><strong>Nasıl Yapay Zeka Şirketi Olunur?</strong></p><p>Her firma birkaç derin sinir ağı veya derin öğrenme algoritmasına sahip olabilir fakat bunlar o firmanın bir yapay zeka firması olduğu anlamına gelmez. Yapay zeka firmaları stratejik veri toplamada çok iyidirler. Bu nedenle çok büyük teknoloji firmalarının yaklaşık üç adet ücretsiz ürünü vardır. Bu ürünlerden elde ettikleri verileri kullanarak farklı yerlerden gelir elde ederler. Yapay zeka firmalarının bir diğer özelliği ise veriyi tek bir çatı altında toplamalarıdır. On farklı veri tabanınız var ve her birinin başında farklı bir yöneticinin olduğunu düşünelim. Böyle bir yapıda bir mühendisin farklı veri tabanlarına erişmesi, verileri bir bütün olarak ele alması, veri setleri arasında ilişkileri kurması, eksik parçaları birleştirip çıkarımlarda bulunması imkansız hale gelecektir. Bu sebepten en başarılı yapay zeka firmaları öncelikle tüm verinin tek bir veri ambarında toplanması için gerekli yatırımları yapmaktadır. Yapay zeka firmalarının bir başka ortak özelliği ise otomasyon fırsatlarını görüp bu süreçlerini hemen otomatize etmeleridir.</p><p>Bir firma yapay zekada nasıl iyi olabilir? Google, Baidu, Facebook ve Microsoft gibi firmalar on yıl önce şu an oldukları kadar iyi yapay zeka firmaları değildi. Bu firmalar tüm başarılı yapay zeka firmalarının olduğu gibi çok da gizli olmayan aşağıdaki süreçlerden geçtiler.</p><p><strong>“Yapay Zeka Dönüşümü” için Gerekli Beş Adım:</strong></p><p>1. Pilot projelerin uygulanması</p><p>2. Şirket içinde yapay zeka ekibinin oluşturulması</p><p>3. Yapay zeka eğitiminin alınması</p><p>4. Firmanın yapay zeka stratejisinin belirlenmesi</p><p>5. Yapay zeka konusunda öncülük edilen rolün şirket içinde ve dışında iletişimi</p><p>Bu konu çok ilgimi çekti ve devam yazısını beklemek istemiyorum diyenlere Coursera’da Andrew Ng tarafından verilen AI for Everyone kursunu almalarını tavsiye ederim.</p><p><strong>Kaynaklar:</strong></p><p><a href="https://www.coursera.org/learn/ai-for-everyone">Coursera- AI for Everyone</a></p><p><a href="https://www.pwc.com/us/en/services/consulting/library/artificial-intelligence-predictions-2019.html">AI Predictions- Six AI priorities you can’t afford to ignore</a>(Pwc)</p><p><a href="https://www.forbes.com/sites/louiscolumbus/2019/03/27/roundup-of-machine-learning-forecasts-and-market-estimates-2019/#377037157695">Roundup Of Machine Learning Forecasts And Market Estimates For 2019</a>(Forbes)</p><p><a href="https://www.youtube.com/watch?v=__yTofXY-Kg">Emin Çapa- Türk Hamamlarında Suyun Kaldırma Kuvveti Neden Yok?</a>(Tedx)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8f228372ba3a" width="1" height="1" alt=""><hr><p><a href="https://medium.com/baybaynakit/herkes-i%CC%87%C3%A7in-yapay-zeka-8f228372ba3a">Herkes İçin Yapay Zeka</a> was originally published in <a href="https://medium.com/baybaynakit">Bankalararası Kart Merkezi</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Liderin Gelişimi]]></title>
            <link>https://medium.com/t%C3%BCrkiye/liderin-geli%C5%9Fimi-726f617102d3?source=rss-fef670d53432------2</link>
            <guid isPermaLink="false">https://medium.com/p/726f617102d3</guid>
            <category><![CDATA[türkçe]]></category>
            <category><![CDATA[motivasyon]]></category>
            <category><![CDATA[başarı]]></category>
            <category><![CDATA[merak]]></category>
            <category><![CDATA[i̇stek]]></category>
            <dc:creator><![CDATA[Sunay IŞIK]]></dc:creator>
            <pubDate>Mon, 05 Nov 2018 10:42:58 GMT</pubDate>
            <atom:updated>2019-11-26T18:13:56.047Z</atom:updated>
            <content:encoded><![CDATA[<p>StratejiForum Bankacılık etkinliğinde Acıbadem İK direktörü Tolga Eryoldaş’ın son derece keyifli sunumunu izleme şansım oldu. Kariyeri boyunca yaptığı gözlemlerini ve deneyimlerini bizimle paylaştı. Başarılı kişilerin, yöneticilerin ortak özelliklerini anlattı.</p><p>Başarılı kişilerin farklı hobileri ve uzmanlıkları olabilir ama çoğunda ortak olan bazı özellikler var. Bu özelliklere dikkat ederek işe alacağınız veya terfi ettireceğiniz kişiyi daha doğru seçebilir, seçtiğiniz kişinin başarılı olma ihtimalini arttırabilirsiniz. Kendi yorumlarımı da katarak Tolga Eryoldaş’ın liderin gelişimi konulu sunumunda ele aldığı bu özelliklerden biraz bahsedeyim.</p><figure><a href="http://www.turkceyayin.net/"><img alt="" src="https://cdn-images-1.medium.com/max/728/1*WVJ1FMfw1QBe0aNC1mfgnA.png" /></a></figure><h3><strong>Merak</strong></h3><p>Merak kediyi öldürür derler aslında diriltir. Meraklı olan kişi öğrenmeye heveslidir, daha iyiyi arar durur. Sunumu dinlerken aklıma Adam Grant’in Ted Talks konuşması “The surprising habits of original thinkers” geldi. Adam Grant konuşmasında kişinin işteki performansının hangi tarayıcıyı kullandığına bakılarak çıkarılabileceğinden bahsediyor. Firefox veya Chrome kullanan çalışanlar Internet Explorer veya Safari kullananlardan daha başarılı olduğuna dair somut kanıtlar bulunuyor. Bu kişiler daha başarılı olmakla kalmıyor ayrıca aynı işte %15 daha uzun kalıyorlar. Dört tarayıcı grubunun hızları hemen hemen aynı ve kullanmak için aynı seviyede bilgisayar becerisi gerekiyor. Peki neden Firefox veya Chrome kullananlar daha başarılı? Eğer IE veya Safari kullanıcısıysanız bu tarayıcılar bilgisayarınızla birlikte geliyor ve siz de otomatik olarak yüklü gelen bu seçeneği tercih ediyorsunuz demektir. Eğer Firefox veya Chrome kullanıcısıysanız size sunulandan şüphe etmişsiniz ve diğer seçenekleri araştırıp farklı tarayıcılar indirmişsinizdir. Bu araştırmayı duyanlar genellikle “Harika, işimde daha iyi olmak için tek yapmam gereken tarayıcımı değiştirmek!” diye düşünüyorlar. Hayır mesele size sunulanı sorgulayıp daha iyi bir seçeneği araştıran cinsten olmak. Meraklı olmak. Eğer bunu başarırsanız kendinizi deja vu’nun tersine açarsınız. Bunun da bir adı var: “vuja de”. Adam Grant’ı dinlerken şaka yaptığını sanmıştım ama biraz araştırınca deja vu’nun tersinin adı gerçekten vuja de’miş yani “bir olayı, bir şeyi daha önce defalarca yapmış olmanıza rağmen ilk defa yapıyormuş duygusuna kapılma” veya “daha önce defalarca gördüğünüz bir şeye baktığınızda onu bir anda yeni gözlerle görme” anlamına geliyor. Konuyu biraz uzattım. Adam Grant’ın konuşmasına <a href="https://www.ted.com/talks/adam_grant_the_surprising_habits_of_original_thinkers/transcript">buraya</a> bırakıp liderin bir diğer özelliğine geçiyorum.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*ZM0eDt5thHzUQlfOjNiHmg.png" /></figure><h3><strong>Çalışkanlık</strong></h3><p>Her başarının arkasında emek vardır. Bazıları başarının şans işi olduğunu düşünür ama önemli olan o şans size geldiğinde görevinizi yapmış ve onu bekliyor olmanızdır. Unutmayın ki şans sadece yeteri kadar çalışmış olanların yanındadır.</p><p>Çok çalışanın başarılı olacağının garantisi yoktur ama çalışmayanın başarılı olamayacağı kesindir. Çalışkanlık ayrıca kişiye disiplin ve alışkanlık kazandırır. Daha önce okuduğum bir araştırmaya göre davranışların %95’i alışkanlıktan geliyormuş. İş hayatında başarılı olmanın yöntemlerinden biri de kişilerin zaman içinde kazandığı alışkanlıklardan kaynaklanıyor. Bu sebepten çalışkan olmak ve doğru alışkanlıkları kazanmak çok önemli.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*YyLSfAZ4UUiDa7AIjTWNnw.png" /></figure><h3><strong>Çok Yönlülük</strong></h3><p>Tolga Eryoldaş sunumunda çok yönlülüğü anlatırken Rönesans&#39;ın doğuşunu tetikleyen aile olarak bilinen Medici ailesini örnek verdi. Aslen ticaretle uğraşan bu İtalyan aile sanata çok düşkündür ve sadece ticaretle uğraşmakla kalmayıp Leonardo Da Vinci, Michelangelo, Raphael gibi sanatçıları evlerinde ağırlarlar. Misafirleriyle sadece ticaret değil sanat dahil pek çok konu hakkında konuşurlar. Farklı disiplinlere sahip kişileri bir araya getirip onların özgürce tartışmasını ve herkesin birbirinden bir şeyler öğrenmesini sağlamışlardır. Oluşturduklar bu ekosistem Rönesans&#39;ın doğuşuna vesile olur ve dünyanın aydınlanmasında çok önemli etkisi olur. Önceleri tüccarlık yapan sonrasında işlerini büyüterek İtalya&#39;nın ve Avrupa&#39;nın en önemli bankaları arasına giren Medici ailesinin başarısının arkasındaki neden aslında aslında çok yönlü olmalarından kaynaklanmaktadır.</p><p>Yaratıcı fikirlerin ortaya çıkması için önce bu fikirlerin ortaya çıkacağı ortamın oluşması gerekmektedir. Medici ailesi de bunu yapmıştır. Şirketlerde bu duruma “Medici etkisi” deniyor ve pek çok şirket bu fikri kurum kültürü olarak benimsemiş durumda.</p><p>Çalışanlarınızda çok yönlülüğe önem verin çünkü farklı bakış açıları sorunlara farklı çözümler üretmek anlamına gelir. Google’da çalışan bir arkadaşım vaktiyle Google’ın çalışanlarının farklı kültürlerden gelen insanlar olmasına çok önem verdiğini söylemişti. İşe alımlarda özellikle buna dikkat edildiğinden bahsederken biraz şaşkınlıkla ve biraz da hayran kalarak dinlemiştim. Firmalar genellikle aynı profilde “mükemmel” kişileri almaya çalışırken onlar özellikle farklı kişileri işe alıyor ve farklı bakış açılarının birbirinden beslenmesini sağlıyorlardı. Siz de çalışan seçerken veya terfi ettirirken farklı bakabilen, farklı hobileri, farklı yönleri olan kişileri seçmeye dikkat edin.</p><p>Çok yönlülüğün diğer bir artısı da hobileri olan, farklı uğraşları olan insanların iş dışın da rahatlayabiliyor olmasıdır. Farklı uğraşları olanlar işten sinirle ve kızgınlıkla çıksa da akşam hobisiyle ilgilenirken rahatlıyor ve kafasını boşaltıp ertesi gün işe sıfırdan başlayabiliyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/306/1*NQW0nvfklnB8WQ6qCJNc7A.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/277/1*Xou4QC0LYe6qNIqKsxuaOw.png" /></figure><h3><strong>İletişim</strong></h3><p>Tek taraflı değil çift taraflı iletişim çok önemli. Sadece karşı tarafın bize gelmesini veya bizi anlamasını beklememeliyiz. İletişim hem iş hayatında hem de özel hayatta başarıya, mutluluğa giden yolda kilit role sahip. İletişim çağında olmamıza rağmen bazen iletişim kopukluğu yaşayabiliyoruz. Gözlemleyebildiğim kadarıyla bunun ana sebebi: “Söylemiyoruz, söyleniyoruz”. Toplum olarak biraz böyleyiz. Taleplerimizi, kızgınlıklarımızı, kırgınlıklarımızı açıkça söylemek yerine karşı tarafın bizi anlamasını bekliyoruz. Bizi rahatsız eden bir konu olduğunda karşı tarafa bunu rahatça aktarabilmemiz gerekiyor. Sorunları içimizde büyütmek veya iş arkadaşlarımızla dertleşip konuyu içselleştirmek yerine konuşup çözmek en doğrusu. Bir konuda rahatsız olduğunuzda bunu doğru bir üslupla karşı tarafa söyleyebilmemiz gerekiyor. Aynı şekilde karşı tarafın da gerektiğinde rahatça gelip bizimle konuşabiliyor olması gerekiyor. Bu sebepten iletişim kanallarını sürekli açık tutmalıyız.</p><p>İletişim demişken Celeste Headlee’in “<a href="https://www.ted.com/talks/celeste_headlee_10_ways_to_have_a_better_conversation">10 ways to have a better conversation</a>” konulu Ted konuşmasında dinlenmenizi tavsiye ederim. Celeste konuşmasında Stephen Covey’den alıntı yapıyor: “Bir çoğumuz anlamak amacıyla değil ancak yanıtlamak amacıyla dinliyoruz”. Konuşma yeterliliği belki de eğitimde en başarısız olduğumuz konulardan biri. Per Research’e göre Amerika’da ergenlerin üçte biri günde 100’den fazla mesaj gönderiyor ve birçoğu yüz yüze ve gerçek bir konuşma yapmak yerine arkadaşlarına mesaj gönderiyor.</p><p>İletişim konusunu Neale Donald Walsch’ın sözüyle bitirelim: “İletişimi etkin kullanabilenler, kendilerinin dünya deneyimlerini ve dünyanın onlar üzerindeki deneyimlerini değiştirebilir.”</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*hwNXMVSBL6C5ju5CRwDXHA.png" /></figure><h3><strong>Hedef Odaklılık</strong></h3><p>İnsanlar hedeflerine kendileri karar vermeli. Hedefini kendisi belirleyenler bu hedefi daha fazla sahipleniyorlar fakat kişinin kendi hedefini belirlemesi düşük hedefler belirlemesi anlamına gelmemeli. Hedef odaklı kişiler başarısızlıkla demotive olmaz hemen yeni hedefler belirlerler. Bu hedeflerin bir kısmı daha önce başarısız oldukları hedeflere ulaşmak için buldukları alternatif yöntemlerdir.</p><p>Kendimce insanları ikiye ayırırım: çözüm üretenler ve bahane üretenler. Bazı insanlar başarısızlıklarını bahanelerle örtmeyi tercih ederler. Çünkü bahane üretmek en kolayıdır. Bazılarıysa pes etmez ve bahane üretmek yerine alternatif çözümler üretmeyi denerler. Hedeflerine ulaşana kadar her başarısızlıkta yeni çözümler geliştirirler.</p><p>İş yaparken bazen süreçlerin içinde kaybolabiliyor veya detaylarla fazlaca vakit kaybedebiliyoruz. Bu sebepten iş yaparken ara ara ne yaptığımızı ve niye yaptığımızı gözden geçirmemiz, kendimizi sorgulamamız gerekir. Doğru olan, hedef odaklı olmak, soruna veya sürece değil çözüme odaklanmaktır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*kn3O0HDnRp1V-DOVA3q-Rw.png" /></figure><h3><strong>Başarıya olan açlık</strong></h3><p>Başarıya giden yolda en önemli konularda biri de başarıyı gerçekten istemek. Başarıya olan açlığın etkisinin en net görülebileceği alanlardan biri futboldur. Lig kupasını, Kral Kupasını, Şampiyonlar Ligini kazanan bir takım ben dünyanın en iyi takımıyım, artık oldum derse başarısızlığa giden yolun temellerini atmış demektir. Bu yüzden aynı sene bütün kupaları kazanan takımlar bile milyonlarca dolar harcama yapıp takımı yeniliyor ve başarıya aç oyuncuları takıma katıyorlar. Tabi bazı istisnalar vardır ki bu tip insanlar ne kadar başarılı olursa olsunlar doymazlar. Başarıya olan açlıkları sürekli devam eder. En iyi örneklerden biri çoğumuzun tanıdığı Cristiano Ronaldo. Başarılı olmak istiyorsanız çalıştığınız insanları seçerken kazanmaya hevesli olanları ekibinize almanız gerekiyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*AQPoUgi1lvOomB9x-tnAZg.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=726f617102d3" width="1" height="1" alt=""><hr><p><a href="https://medium.com/t%C3%BCrkiye/liderin-geli%C5%9Fimi-726f617102d3">Liderin Gelişimi</a> was originally published in <a href="https://medium.com/t%C3%BCrkiye">Türkçe Yayın</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Bizimkisi bir girişimcilik hikayesi, siyah beyaz film gibi biraz]]></title>
            <link>https://medium.com/@sunaybkm/bizimkisi-bir-giri%C5%9Fimcilik-hikayesi-siyah-beyaz-film-gibi-biraz-66b3aec6d040?source=rss-fef670d53432------2</link>
            <guid isPermaLink="false">https://medium.com/p/66b3aec6d040</guid>
            <dc:creator><![CDATA[Sunay IŞIK]]></dc:creator>
            <pubDate>Wed, 15 Aug 2018 11:52:26 GMT</pubDate>
            <atom:updated>2018-08-15T11:52:26.653Z</atom:updated>
            <content:encoded><![CDATA[<p>Boğaziçi Üniversitesi EMBA programında aldığım “Lean Startup” dersi kapsamında ufak bir girişimcilik deneyimim oldu. Bu süreçte öğrendiklerimi kısaca özetlemek istedim.</p><h3><strong>Lean Startup</strong></h3><p>Yazıma öncelikle “Lean Startup” yani “Yalın Girişim”i açıklayarak başlayayım. Yalın girişimin amacı hedeflenen ürünün en az maliyetle üretilmesi, hızlıca test edilmesi, müşteri geri dönüşlerine göre aynı sürecin tekrar edilerek ürünün sürekli geliştirilmesi ve şekillendirilmesi anlamına geliyor. Lean startup kavramını iş hayatında çokça kullandığımız ve son derece faydasını gördüğümüz Scrum’a benzetiyorum. İlk çalışmaya başladığım yıllarda projelerimizi waterfall yöntemiyle yapardık. İhtiyaçlar, tüm süreçler ve istenen ürün proje başında belirlenirdi. Fakat gerçekte böyle olmaz, proje başında belirlenen ihtiyaçlar sonradan değişir ve her değişiklik kriz yaratırdı. Scrum’a geçiş yaptıktan sonra projeyi bir bütün olarak görmektense, ihtiyacı parçalara ayırıp parça parça çözüm üretmeye, ufak çıktılar alıp ürünü değerlendirmeye ve daha iyi sonuçlar elde etmeye başladık. Scrum kullanmaya başladıktan sonra iş yapma şeklimiz ve verimliliğimiz son derece arttı. Lean startup yöntemi de girişimcilere benzer kolaylıklar sağlamış görünüyor. Bu yöntemle fikrini hayata geçirmek isteyen girişimcilerin ilk yapması gereken şeylerden biri MVP(Minimum Viable Product) oluşturmak. MVP, minimum/temel özelliklere sahip uygulanabilir ürün anlamına geliyor. Yalın girişim sayesinde fikirlere büyük yatırımlar yapıp hayata geçirmeden, gerçekten böyle bir ihtiyaç var mı, ürün kullanıcı ihtiyaçlarını karşılıyor mu gibi soruların cevaplanmasını mümkün hale geliyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/649/1*-v2bD-WLLFYaXRssN4hKnw.png" /></figure><p><strong>Mükemmeliyetçilik vs Ürününden Utanmak</strong></p><p>Aldığımız eğitim ve kurumsal hayatımız bizi hata yapmamak için her şeyi planlayarak yapmaya ve mükemmeliyetçi olmaya zorluyor. Fakat girişimcilik dünyasındaysa bu durumun tam tersi geçerli. Girişimci hızlı olmalı, hata yapmaktan çekinmemeli ve her hatasından ders çıkarabilmeli. Paul Graham bu konuyu “Fail early, learn early” şeklinde özetlemiş. Yrd. Doç. Dr. Oğuzhan Aygören hocamın derste sürekli tekrar ettiği gibi <strong>“Girişimci ilk ürününden utanmalı eğer utanmıyorsa geç kalmış demektir”</strong>. Fikrimizi hayata geçirirken bizim yaptığımız ise sa bunun tam tersiydi çünkü DNA’mıza sonradan işlenen mükemmeliyetçilik tekrar ortaya çıktı. İki mühendis kafa kafaya verdik, fikrimizi uzun uzun konuştuk, ürünü ve yapılacakları detaylandırdık. Daha sonra uygulama geliştirme için yazılımcılara gidip projeyi anlattık. Talebimiz bizce çok karmaşık değildi ama bu projenin hayata geçirilmesi için gerekli olan altyapı maliyeti beklentimizin çok çok üzerindeydi. Her ay dolar bazında ödeme yapabilecek bir bütçemiz yoktu. Sonradan fark ettik ki bu yaptığımız aslında lean startup değildi ve daha düşük bir bütçeyle bir MVP yapmamız gerekiyordu. O zaman öğrendik ki mükemmel ürünü yapmaya çalışmayı bırakmamız gerekiyor. Henüz fikrin tutup tutmayacağını veya böyle bir talep olup olmadığını dahi bilmiyorduk. Minimum gereksinimleri karşılayan bir ürün çıkartıp bunu test etmemiz gerekiyordu. Bunun için sosyal medya hesapları oluşturduk, hazır programlar aracılığıyla çok başarılı olmasa da mobil uyumlu bir web sitesi tasarladık. Sadece birkaç dolarlık bir reklam bütçesi ve doğru hedeflemeyle takipçi ve kullanıcı sayımızı arttırdık. Artık sayfamıza insanlar geliyordu ve artan bu trafiği yönetmekte zorlanmaya başlamıştık. Talebi karşılayamadığımız için ilk başta siteye koyduğumuz telefon numaralarımızı daha sonra kaldırmak durumunda kalmıştık. Çıkarttığımız üründen çok memnun değildik ama yaptığımız iş için bir talep olduğunu görmüş olduk.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*FPyD0ifVBIHo31vujiI8Cw.png" /></figure><p><strong>Huzurlu Rahatsızlık</strong></p><p>Girişimci sorunları gören ve buna çözümler arayan kişidir. Etrafımda gözlemlediğim çok fazla insanın fikri var fakat fikirler ucuz uygulamaysa pahalı. Önemli olan aksiyon alabilmek. Pek çok insan bir şeyler yapmak istese de konfor alanından çıkmadığı için aksiyon alamıyor. Girişimciyi diğerlerinden ayıransa gördüğü soruna çözüm üretebilmek için aksiyon alabilmesi. Aksiyon alabilmek için büyük yatırımlara gerek yok. Biraz motivasyon ve emekle fikir test edilebilir ve geliştirilebilir. Burada bahsettiğim emek gerektiğinde Starbucks kapandığı için farklı bir kafede çalışmaya devam etmek ve saat 3’te eve gitmek olabilir J ama emin olun MVP kullanıma sunulduğunda karşılaşılan ilgiyi görünce alınan keyif bütün bu emeklere değiyor.</p><p>Yalın girişim hakkında daha detaylı bilgi için Eric Ries’ın “Lean Startup” kitabını okuyabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*aLQkoYRiAns61kcmPFS60w.png" /></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=66b3aec6d040" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Future of Work Zirvesi]]></title>
            <link>https://medium.com/@sunaybkm/future-of-work-zirvesi-82586d85f941?source=rss-fef670d53432------2</link>
            <guid isPermaLink="false">https://medium.com/p/82586d85f941</guid>
            <category><![CDATA[now-business-tech-week]]></category>
            <category><![CDATA[birey-ekonomisi]]></category>
            <category><![CDATA[gig-economy]]></category>
            <category><![CDATA[future-of-work]]></category>
            <category><![CDATA[robotik-süreç-otomasyonu]]></category>
            <dc:creator><![CDATA[Sunay IŞIK]]></dc:creator>
            <pubDate>Wed, 23 May 2018 10:44:09 GMT</pubDate>
            <atom:updated>2018-05-23T10:44:09.072Z</atom:updated>
            <content:encoded><![CDATA[<p>Dünya çapında konuşmacıların yer aldığı 250 oturum yapılan ve yaklaşık 10 bin kişinin ağırlandığı <strong>&amp;Now Business&amp;Tech Week</strong> etkinliğinin kapsamında düzenlenen <strong>Future of Work Zirvesi</strong>’ne katıldım. Etkilendiğim bazı konuşmalardan alıntılar yapıp kendi yorumlarımı sizlerle paylaşacağım.</p><p>Zirvenin teması geçmişin deneyimlerini günümüzle birleştirip geleceği şekillendirmek. Konuşmalarda gelecekte hangi yetkinliklerin değer kazanacağından, liderlerin ve çalışanların geleceğe nasıl hazırlanmaları gerektiğinden, kurumların ihtiyaçlarının neler olacağından, teknolojiyle birlikte gelen dijitalleşme ve dönüşümün geleceği nasıl şekillendireceğinden bahsedildi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*xPcMo-UV_SDzeHN1AVyvfw.png" /></figure><p><strong>Robotik Süreç Otomasyonu</strong></p><p>Future of Work Zirvesindeki konuşmacılardan birisi olan AppliedAI kurucu ortaklarından eski Mckinsey’li ve BKM’ye yeni başladığım dönemlerde birlikte proje yapma fırsatı bulduğum Cem Dilmegani, zirvede otomasyon çağından, yapay zekadan ve geleceğin liderleri için veri odaklı karar vermenin öneminden bahsetti. Cem şu an San Francisco’da kurucu ortağı olduğu AppliedAI firmasında kurumsal şirketlerin robotik süreç otomasyonları(Robotic Process Automation-RPA) ile ilgili çalışıyor. Robotik süreç otomasyonu, bilgisayarların içinde yer alan işle ilgili uygulamalar ile etkileşim içinde çalışan yazılımların belli kurallar çerçevesinde otomatize edilmesini kapsıyor.</p><p>Endüstri 4.0’ı yakalayabilmemiz adına Cem’in ve benzeri girişimlerin çok önemli olduğunu ve desteklenmesi gerektiğini düşünüyorum. Buharlı makinelerin icat edildiği, mekanik üretim tesislerinin kurulduğu birinci sanayi devrimini kaçırdık. Elektriğin kullanılmaya başlamasıyla iş bölümüne dayalı seri üretime geçilen ikinci sanayi devrimini de kaçırdık. Elektronik ve bilgi teknolojilerinin kullanılmaya başlamasıyla üretim süreçlerinin otomasyonunu yani üçüncü sanayi devrimini de kaçırdık. Cihazların birbiriyle konuştuğu, big data, yapay zeka, IoT ve otonom robotların kullanıldığı Endüstri 4.0’ı da tribünden seyretmemek için benzer girişimlerin sayısının artması ve Türkiye’den çıkıyor olması gerekiyor.</p><p><strong>Dijitalleşme ve Dönüşüm</strong></p><p>Önümüzdeki 10 yıl içinde geçtiğimiz 250 yılda gördüğümüz değişikliklerden daha fazlasıyla karşı karşıya kalacağız. Değişim bundan sonra hiç bu kadar yavaş olmayacak. Dünyayı etkileyen markaların çoğu startup olarak ortaya çıktılar ve zaten dijital bir dünyanın içinde doğdukları için dijital dönüşüme geçmelerine ihtiyaçları yoktu. Geleneksel şirketlerin ise dijital dönüşümü gerçekleştirebilmeleri için ilk önce kurum liderinin zihnen dijitalleşmesi gerekiyor.</p><p><strong>Birey Ekonomisi</strong></p><p>Redesign kurucu ortağı Yiğit Kulabaş konuşmasında GIG ekonomisinden yani freelance çalışanların yarattığı bir ekonomi modeli olan birey ekonomisinden ve bu ekonominin geleceği nasıl şekillendireceğinden bahsetti. Yeni çalışma şekillerinden bahsederken, bugün okuyan çocukların %65&#39;inin henüz var olmayan meslekler edineceklerinden, yalnızca 9 yıl sonra 2027&#39;de işgücü çoğunluğunun freelance çalışacağından, şirketlerin daha az çalışanı olacağından bahsetti. Her geçen gün bireyin şirketleştiği bir birey ekonomisine doğru evriliyoruz.</p><p>GIG (engagement kelimesinden geliyor) ekonomisinin temelinde ise Y ve Z kuşaklarının getirdiği özellikler var:</p><p>Ø Dijital doğrular</p><p>Ø Tutku</p><p>Ø Bağımsızlık</p><p>Anne babalarımız ömürleri boyunca aynı işi yapıp tek firmada çalıştı. Bizlerse hayatımız boyunca ortalama 4–5 farklı işte çalışacağız. Yeni jenerasyon ise aynı anda 4–5 farklı işte çalışıyor olacak. Facebook çalışanlarının iş değiştirme frekansı 2 yıl, Google çalışanlarının 1.9 yıl, Microsoft çalışanlarının ise 1.8 yıl ve bu oranlar gittikçe düşüyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/595/1*B5HGnZolSF8CYLGwEKBlkQ.png" /><figcaption>Yiğit Kulabaş birey ekonomisinden bahsederken eski Cisco CEO’su John Chambers’ın şu sözünü alıntı yaptı: “Soon you’ll see huge companies with just two employees — the CEO and CIO”</figcaption></figure><p>Zorlu ama potansiyeli yüksek olan ve tutkularımıza alan tanıyacak GIG ekonomisindeki başarı faktörlerini Yiğit Kulabaş aşağıdaki gibi sıralıyor:</p><p>1. Marka</p><p>2. Pazar</p><p>3. Network</p><p>4. Gelişim</p><p>5. Disiplin</p><p>Eskiden ortalama yaşam süresi 30–40 sene civarındaydı. Şimdilerdeyse 70 sene civarına çıkmış durumda. Hedef ise 100 sene yaşamak. Ortalama yaşam ömrü uzadıkça insanların olaylara bakışı ve beklentileri değişiyor. Önceden insanlar liseden, üniversiteden mezun olunca kendisini hayatın ortasında görür, evlenir ve çocuk sahibi olurdu. Ortalama yaşam süresi uzadığı için artık gençler kendilerini tanımak ve hayallerinin peşinden koşmak istiyorlar. Belki master yapmak, belki dünya turuna çıkmak, kendilerinden emin olmak istiyorlar. Dedikleri gibi “50 is the new 30”. Gençlik yaşınızla değil tamamen tutkunuzla alakalı. Tutkunuzu belirleyin ve kendinize yatırım yapın. Yeniliklere açık olun. Unutun ama tekrar öğrenin. Öğrenmenin en buyuk düşmanı biliyorum demek.</p><p>“21. yüzyılın câhilleri, okuma yazma bilmeyenler değil, yanlış öğrendiklerini unutamayan, yeniden öğrenmeye, değişime ve dönüşüme açık olmayanlar olacaktır.” -Alvin Tofflerş</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=82586d85f941" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>