Büyük veri daha iyi veridir
-
0:01 - 0:05Amerika'nın en sevilen turtası nedir ?
-
0:05 - 0:08İzleyici: Elmalı turta.
Kenneth Cukier: Elmalı turta. Tabii ki o. -
0:08 - 0:09Bunu nasıl biliyoruz?
-
0:09 - 0:12Veri sayesinde.
-
0:12 - 0:14Süpermarket satışlarına bakın.
-
0:14 - 0:17Dondurulmuş, 30 santimlik
turtaların süpermarket satışlarına -
0:17 - 0:21bakın ve elmalı turta kazanır, şüphesiz.
-
0:21 - 0:26En çok satılanlar elmalı turtalardır.
-
0:26 - 0:29Fakat sonra süpermarketler daha küçük,
-
0:29 - 0:3211 santimlik turtalar satmaya başladı
-
0:32 - 0:36ve aniden elmalı turta dördüncü ya da
beşinciliğe düştü. -
0:36 - 0:39Neden? Ne oldu?
-
0:39 - 0:42Tamam, bir düşünün.
-
0:42 - 0:4630 santimlik bir turta aldığınızda
-
0:46 - 0:48bütün aile hemfikir olmalı
-
0:48 - 0:52ve elmalı turta herkesin
ikinci favori tercihidir. -
0:52 - 0:54(Gülüşmeler)
-
0:54 - 0:57Ama 11 santimlik tek turta aldığınızda
-
0:57 - 1:01istediğinizi alabilirsiniz.
-
1:01 - 1:05İlk tercihinizi alabilirsiniz.
-
1:05 - 1:07Daha fazla veriniz var.
-
1:07 - 1:08Ondan daha küçük miktarlarda
-
1:08 - 1:09sizde olunca daha önce
-
1:09 - 1:13göremediğiniz bir şeyi görebilirsiniz.
-
1:13 - 1:16Şimdi, buradaki anafikir ise
daha fazla veri -
1:16 - 1:18bizim sadece daha fazla görmemizi değil,
-
1:18 - 1:20baktığımız şeyin daha fazlasını
görmemizi sağlar. -
1:20 - 1:23Daha fazla veri, yeniyi görmemizi sağlar.
-
1:23 - 1:27Daha iyi görmemizi sağlar.
-
1:27 - 1:30Farklı görmemizi sağlar.
-
1:30 - 1:33Bu durumda da bize
-
1:33 - 1:36Amerika'nın en sevdiği turtanın
-
1:36 - 1:39elmalı turta olmadığını gösteriyor.
-
1:39 - 1:42Şimdi, hepiniz büyük ihtimalle büyük veri
terimini duymuşsunuzdur. -
1:42 - 1:44Hatta, belki de büyük
veri terimini -
1:44 - 1:46duymaktan bıkmışsınızdır.
-
1:46 - 1:49Terimin etrafında bir çok aldatıcı
olduğu doğru -
1:49 - 1:52ve bu çok talihsiz bir durum
-
1:52 - 1:55çünkü büyük veri toplumun ilerleyeceği
-
1:55 - 1:59çok önemli bir araçtır.
-
1:59 - 2:02Geçmişte küçük verilere bakardık
-
2:02 - 2:04ve dünyayı anlamaya
çalışmanın nasıl -
2:04 - 2:05bir şey olacağını düşünürdük
-
2:05 - 2:07ve şu an daha fazlasına sahibiz,
-
2:07 - 2:10daha önce sahip olabileceğimizden
de daha fazlasına. -
2:10 - 2:12Bulduğumuz şey ise, geniş bir veriye sahip
-
2:12 - 2:15olduğumuzda küçük miktarlara
sahip olduğumuz -
2:15 - 2:18zaman yapamadığımız şeyleri
temel olarak yapabilmemizdir. -
2:18 - 2:21Büyük veri önemlidir ve büyük veri yenidir
-
2:21 - 2:22ve bunun hakkında düşündüğünüzde
-
2:22 - 2:25bu gezegenin küresel zorluklarını ---
-
2:25 - 2:27insanları beslemek; sağlık hizmetini,
enerjisini, -
2:27 - 2:30elektriğini sağlamak ve
küresel ısınma yüzünden -
2:30 - 2:33onların yanıp kül olmadığından
-
2:33 - 2:34emin olmak —
-
2:34 - 2:36verinin verimli kullamıyla
-
2:36 - 2:40üstesinden gelebileceği tek yoldur.
-
2:40 - 2:44Peki büyük veri hakkında gelişmeler ne?
Önemli olan ne? -
2:44 - 2:46Peki, bu soruyu cevaplamak için
-
2:46 - 2:48geçmişte fiziksel olarak
-
2:48 - 2:51bilginin neye benzediğini düşünelim.
-
2:51 - 2:551908'de Girit Adası'nda
-
2:55 - 3:00arkeologlar bir kil disk buldular.
-
3:00 - 3:04Milattan önce 2000 tarihli olduğunu
söylediler, yani kil 4000 yaşında. -
3:04 - 3:06Diskin üzerinde yazılar var fakat
-
3:06 - 3:07ne anlama geldiklerini bilmiyoruz.
-
3:07 - 3:09Bu tamamen bir gizem, fakat önemli olan
-
3:09 - 3:11bunun bize bilgilerin 4000 yıl
önce nasıl -
3:11 - 3:13göründüğünü göstermesidir.
-
3:13 - 3:16Toplum, bu şekilde bilgiyi
-
3:16 - 3:19kaydetmiş ve aktarmış.
-
3:19 - 3:23Şu an toplum o kadar da fazla ilerlemedi.
-
3:23 - 3:27Biz hâlâ bilgileri disklerin
üzerine kaydediyoruz -
3:27 - 3:30fakat şu an daha fazla
bilgi depolayabiliyoruz, -
3:30 - 3:31her zamankinden de fazla.
-
3:31 - 3:34Arama daha kolaydır.
Kopyalama daha kolaydır. -
3:34 - 3:38Paylaşmak daha kolaydır.
İşlemek daha kolaydır. -
3:38 - 3:41Ve yapabildiğimiz şey ise bilgileri
ilk topladığımızda -
3:41 - 3:42hiç hayal etmediğimiz kullanımlar için
-
3:42 - 3:46tekrar tekrar kullanabilmemizdir.
-
3:46 - 3:48Bu açıdan, veri bir depodan
-
3:48 - 3:51bir akıma, yani durağan
-
3:51 - 3:55ve dengeli olan bir şeyden akışkan
-
3:55 - 3:59ve hareketli olan bir şeye gitti.
-
3:59 - 4:03İsterseniz, bilgide bir akıcılık var.
-
4:03 - 4:064000 yaşındaki Girit'te
-
4:06 - 4:10keşfedilen disk ağır,
-
4:10 - 4:12çok fazla bilgi depolamıyor
-
4:12 - 4:15ve bu bilgi değiştirilemez.
-
4:15 - 4:19Buna zıt olarak, Edward Snowden'ın
-
4:19 - 4:21Birleşik Devletler'deki Ulusal Güvenlik
-
4:21 - 4:24Ajansından aldığı bütün dosyalar
-
4:24 - 4:26bir tırnak büyüklüğündeki
-
4:26 - 4:29bir hafıza kartına sığıyor
-
4:29 - 4:34ve ışık hızında paylaşılabiliyor.
-
4:34 - 4:39Daha fazla veri. Daha fazla.
-
4:39 - 4:42Bugün dünyada bunca veri
olmasının bir nedeni ise -
4:42 - 4:43daha önce üzerinde bilgi
-
4:43 - 4:46biriktirdiğimiz şeyleri toplamamızdandır
-
4:46 - 4:49ancak diğer bir sebep ise
daha önce bilgili -
4:49 - 4:51olduğumuz fakat öncesinde
hiç veri formatı -
4:51 - 4:54hâline getirilmememiş şeyleri almamız
-
4:54 - 4:56ve onları verilerin içine koymamızdır.
-
4:56 - 5:00Örneğin, yer mevzusunu düşünün.
-
5:00 - 5:02Mesela Martin Luther'i ele alın.
-
5:02 - 5:03Eğer Martin Luther'in yaşadığı
-
5:03 - 5:061500'lü yılları bilmek isteseydik
-
5:06 - 5:08onu her zaman takip etmek
zorunda olacaktık, -
5:08 - 5:10belki bir kuş tüyü ve
mürekkep hokkası ile -
5:10 - 5:12onu kaydetmek zorunda olacaktık
-
5:12 - 5:14ama şimdi bugün bu nasıl
görünür bir düşünün. -
5:14 - 5:16Bilirsiniz bir yerde, muhtemelen
-
5:16 - 5:19telekomünikasyon
taşıyıcılarının veri tabanında, -
5:19 - 5:22bütün zaman nerede olduğunuza dair bilgi
-
5:22 - 5:24kaydeden bir hesap çizelgesi veya
-
5:24 - 5:26en azından bir veri tabanı girişi vardır.
-
5:26 - 5:27Cep telefonunuz varsa
-
5:27 - 5:30ve bu cep telefonunun GPS'i varsa
hatta GPS'i yoksa bile -
5:30 - 5:33bilginizi kaydedebilir.
-
5:33 - 5:37Bu bakımdan konum verilendirilmiştir.
-
5:37 - 5:41Şimdi düşünün, örneğin şu anki
-
5:41 - 5:42hepinizin oturuş biçimini,
-
5:42 - 5:45sizin oturuş biçiminizi,
-
5:45 - 5:47sizin oturuş biçiminizi,
sizin oturuş biçiminizi. -
5:47 - 5:49Hepsi de farklı, sizin
bacak uzunluğunuzun, -
5:49 - 5:51sırt ve sırt konturünün fonksiyonudur
-
5:51 - 5:54ve eğer herbirinizin sandalyesine belki
-
5:54 - 5:56bütün sandalyelere toplamda
-
5:56 - 5:59100 sensör koysaydım,
parmağınızın olmasa da -
5:59 - 6:04parmak iziniz gibi size özel bir
indeks yaratabilirdim. -
6:04 - 6:07Peki bununla ne yapabilirdik?
-
6:07 - 6:09Tokyo'daki araştırmacılar bunu arabalarda
-
6:09 - 6:14potansiyel hırsızlık önleme aracı
olarak kullanıyorlar. -
6:14 - 6:16Fikir şu ki; araba hırsızı
direksiyona geçer, -
6:16 - 6:19yola çıkmaya çalışır ama
araba direksiyonda -
6:19 - 6:21izinsiz bir sürücünün olduğunu tanımlar
-
6:21 - 6:23ve belki de motor birden durur, tabii eğer
-
6:23 - 6:26"Hey, kullanmak için yetkim var" diye
-
6:26 - 6:31şifre yapmadıysanız. Harika.
-
6:31 - 6:33Avrupa'daki her arabada bu teknoloji
-
6:33 - 6:35olsa ne olurdu?
-
6:35 - 6:38Ne yapabilirdik o zaman?
-
6:38 - 6:40Belki, verileri kümelersek
-
6:40 - 6:44belki belirtileri, en iyi öngörüyü
-
6:44 - 6:475 dakika içerinde bir araba kazasının
-
6:47 - 6:53gerçekleşebileceğini tanımlayabiliriz.
-
6:53 - 6:55Ve daha sonra verileştireceğimiz ise
-
6:55 - 6:57sürücü yorgunluğudur
-
6:57 - 6:59ve servis otomatik olarak bilir,
-
6:59 - 7:03kişi birden o pozisyona düştüğünde araba
-
7:03 - 7:07bunu algılayarak direksiyonu titretecek
-
7:07 - 7:09içeride korna çalacak ve
-
7:09 - 7:11"Hey, Uyan ve daha dikkatli ol. "
-
7:11 - 7:12diyecek bir iç alarm kurar.
-
7:12 - 7:14Yaşamımızın diğer yönlerini
-
7:14 - 7:17verileştirirken yapabileceğimiz
şeylerdendir bunlar. -
7:17 - 7:21Peki büyük verinin değeri nedir?
-
7:21 - 7:23Peki, bir düşünün.
-
7:23 - 7:25Daha fazla bilginiz var.
-
7:25 - 7:29Önceden yapamadığınız
şeyleri yapabilirsiniz. -
7:29 - 7:30Bu konseptin yer aldığı
-
7:30 - 7:32en etkileyici alanlardan bir tanesi
-
7:32 - 7:35ise makine öğrenmesi.
-
7:35 - 7:39Makine öğrenmesi yapay zekânın bir dalıdır
-
7:39 - 7:42ki o da bilgisayar biliminin bir dalıdır.
-
7:42 - 7:43Genel fikir ise, bir bilgisayarı
-
7:43 - 7:46yapacağı şey için talimat vermek yerine
-
7:46 - 7:48adeta verileri probleme yönelteceğiz ve
-
7:48 - 7:51bilgisayara yolunu bulmasını söyleyeceğiz.
-
7:51 - 7:53Ve temelini görerek
-
7:53 - 7:57anlamanıza yardımcı olacaktır.
-
7:57 - 7:591950 'lerde, IBM'de Arthur Samuel
-
7:59 - 8:03adında bir bilgisayar
bilimci dama oynamayı seviyordu -
8:03 - 8:04ve bilgisayara karşı
-
8:04 - 8:07oynayabilmek için bir program yazdı.
-
8:07 - 8:10Oynadı. Kazandı.
-
8:10 - 8:12Oynadı. Kazandı.
-
8:12 - 8:14Oynadı. Kazandı.
-
8:14 - 8:16Çünkü bilgisayar sadece
geçerli hamlenin -
8:16 - 8:18ne olduğunu biliyordu.
-
8:18 - 8:21Arthur Samuel başka bir şey biliyordu.
-
8:21 - 8:25Arthur Samuel strateji biliyordu.
-
8:25 - 8:28Bu yüzden yanına ufak
bir alt-program yazdı -
8:28 - 8:30arkaplanda işyelen ve tüm yaptığı
-
8:30 - 8:32verilen bir dama tahta düzeninin
-
8:32 - 8:34olası kazanan ya da kaybeden taraf
-
8:34 - 8:36olma ihtimalini tutmasıydı
-
8:36 - 8:38her hamle sonrası.
-
8:40 - 8:43Bilgisayarla oynar. Kazanır.
-
8:43 - 8:45Bilgisayarla oynar. Kazanır.
-
8:45 - 8:48Bilgisayarla oynar. Kazanır.
-
8:49 - 8:51Ve daha sonra Arthur Samuel bilgisayarı
-
8:51 - 8:53kendi kendine oynamaya bırakır.
-
8:54 - 8:56Kendi kendine oynar,
daha fazla veri toplar. -
8:56 - 9:01Daha çok veri toplar.
Tahminlerinin doğruluk oranını yükseltir. -
9:01 - 9:03Sonra Arthur Samuel yine
bilgisayarın başına geçer -
9:03 - 9:06oynar ve kaybeder,
-
9:06 - 9:08oynar ve kaybeder,
-
9:08 - 9:10oynar ve kaybeder
-
9:10 - 9:13ve Arthur Samuel kendi
öğrettiği bir işte, -
9:13 - 9:17kendi becerilerini aşan
bir makine yaratmıştır. -
9:19 - 9:21Ve bu makine öğrenimi fikri
-
9:21 - 9:23her yerde kullanılıyor.
-
9:25 - 9:29Kendi kendini süren arabaları
nasıl yapıyoruz zannediyorsunuz ? -
9:29 - 9:31İnsanlık olarak bir yolun tüm kurallarını
-
9:31 - 9:34bir yazılıma yüklemekten
daha iyisini yapabiliyor muyuz ? -
9:34 - 9:36Hayır. Bellek daha ucuz. Hayır.
-
9:36 - 9:39Algoritmalar daha hızlı. Hayır.
İşlemciler daha iyi. Hayır. -
9:40 - 9:43Bunların hepsi önemli,
fakat asıl mesele bunlar değil. -
9:43 - 9:46Asıl mesele, bizim sorunun doğasını
değiştirmiş olmamızdır. -
9:46 - 9:48Sorunun doğasını açık şekilde
-
9:48 - 9:50bizim bilgisayara arabayı nasıl
-
9:50 - 9:52süreceğini anlattığımız noktadan,
-
9:52 - 9:54"İşte, aracın etrafında
bir sürü veri var. -
9:54 - 9:55Sen bunları çözersin.
-
9:55 - 9:57Sen onun bir trafik
ışığı olduğunu anlarsın, -
9:57 - 9:59bu trafik ışığı kırmızı, yeşil değil
-
9:59 - 10:00ve bu durman gerektiği
-
10:00 - 10:03ileriye gitmemen gerektiği
anlamına gelir." -
10:03 - 10:05noktasına değiştirdik.
-
10:06 - 10:08Makine öğrenimi temelinde
-
10:08 - 10:10bizim internette yaptığımız
çoğu şey vardır: -
10:10 - 10:12arama motorları,
-
10:12 - 10:15Amazon'un kişiselleştirme algoritması,
-
10:15 - 10:17bilgisayar çevirisi,
-
10:17 - 10:19ses tanıma sistemleri.
-
10:21 - 10:24Araştırmacılar yakın zamanda
-
10:24 - 10:26biopsi ve kanserli biopsi sorusu
-
10:26 - 10:29ile ilgilenmeye başladılar
-
10:31 - 10:34ve bilgisayardan verilere ve hayatta kalma
-
10:34 - 10:37oranlarına bakarak
hücrelerin aslında -
10:37 - 10:39kanserli olup olmadığına
-
10:39 - 10:42karar vermesini istediler ve
-
10:42 - 10:45bilgisayara makine öğrenimi algoritması
-
10:45 - 10:47aracılığıyla bir veri verdiğinizde
-
10:47 - 10:50makine göğüs kanseri hücre
-
10:50 - 10:51biopsilerininden en iyi 12 tane
-
10:51 - 10:54gerçekten de kanserli hücre belirtisini
-
10:54 - 10:56bulmayı başardı.
-
10:57 - 10:59Sorun şu: Sağlık literatürü
-
10:59 - 11:02bunların sadece 9 tanesini biliyordu.
-
11:02 - 11:06Belirtilerden üçü, onların
-
11:06 - 11:08araştırma ihtiyacı duymadıklarıydı
-
11:08 - 11:10fakat bilgisayar bunları buldu.
-
11:14 - 11:18Şimdi, büyük verinin karanlık
tarafları da var. -
11:19 - 11:21Hayatlarımızı kolaylaştıracak fakat
-
11:21 - 11:24farkına varmamız gereken sorunlar da var
-
11:24 - 11:25ve ilki de
-
11:25 - 11:28tahminler yüzünden cezalandırılabiliriz,
-
11:28 - 11:32polis büyük veriyi kendi amaçları
için kullanabilir, -
11:32 - 11:35"Azınlık Raporu"' ndaki gibi.
-
11:35 - 11:38Öngörüsel polislik adı
verilen bir terim var -
11:38 - 11:40veya algoritmik suçbilim olarak
-
11:40 - 11:42olay şu, bir sürü veri toplarsak
-
11:42 - 11:44meselâ geçmiş suçlar nerede
gerçekleşti gibi -
11:44 - 11:46devriyeleri nereye
göndereceğimizi de biliriz. -
11:46 - 11:49Mantıklı duruyor fakat,
sorun şu ki -
11:49 - 11:52bu öyle konum bilgisiyle bitmeyecek
-
11:53 - 11:56bu kişisel sınırlara kadar inecektir.
-
11:56 - 11:58Neden birinin lisedeki
not dökümünü -
11:58 - 12:01veri olarak kullanmıyoruz ?
-
12:01 - 12:03Belki de, işsiz olsalar da olmasalar da
-
12:03 - 12:04kredi notlarını,
-
12:04 - 12:06internette gezinme davranışlarını,
-
12:06 - 12:08gece ayakta olup
olmadıklarını kullanmalıyız. -
12:08 - 12:11Fitbit'leri, biyokimyalarını
tanımlayabildiğinde -
12:11 - 12:14agresif fikirleri
olduğunu bize gösterecek. -
12:15 - 12:17Ne yapacağımızı tahmin edebilecek
-
12:17 - 12:19algoritmalara sahip olabiliriz
-
12:19 - 12:21hatta harekete geçmeden önce
-
12:21 - 12:22sorumlu bile tutulabiliriz.
-
12:22 - 12:24Mahremiyet, küçük veri devrinde
-
12:24 - 12:26esas zorlu işimiz idi.
-
12:28 - 12:30Büyük veri devrinde ise
-
12:30 - 12:33zorlu iş hür iradeyi,
-
12:33 - 12:37ahlaki seçimleri, insani istekleri ve
-
12:37 - 12:39insanın benliğini korumak olacak.
-
12:42 - 12:44Başka bir sorun daha var:
-
12:44 - 12:48Büyük veri mesleklerimizi
elimizden alacak. -
12:48 - 12:51Büyük veri ve algoritmalar birlikte
-
12:51 - 12:54ofis çalışanlarına, 21. yüzyıldaki
mesleki becerilere -
12:54 - 12:57meydan okuyacak
-
12:57 - 13:01sanayi devriminin 20. yy'da
otomasyon ve seri üretim hattı ile -
13:01 - 13:04mavi yakalı işçilere yaptığı gibi.
-
13:04 - 13:07Bir laboratuar teknisyeni düşünün
-
13:07 - 13:09bir mikroskopla kanser biopsisine bakıyor
-
13:09 - 13:12ve kanserli olup olmadığına
karar veriyor. -
13:12 - 13:14Bu kişi üniversiteye gitti.
-
13:14 - 13:16Bu kişi mülk ediniyor.
-
13:16 - 13:18Oy kullanıyor.
-
13:18 - 13:20Toplumda paydaş bir kimse.
-
13:20 - 13:23Ve bu kişinin işi
-
13:23 - 13:24ve diğer onun gibi
-
13:24 - 13:26profesyoneller filosunun
-
13:26 - 13:27mesleklerinin tamamiyle
-
13:27 - 13:29başka bir şeye dönüştüğünü
-
13:29 - 13:31ya da artık yok olduğunu görecekler.
-
13:31 - 13:33Biz kısa ve geçici bir
-
13:33 - 13:34alt üst olmadan sonra
-
13:34 - 13:37teknolojinin bizlere yeni
meslekler -
13:37 - 13:39yaratacağını düşünmeyi seviyoruz
-
13:39 - 13:41ve bu hakikaten doğru,
hepimizin yaşadığı -
13:41 - 13:44önümüzdeki endüstri
devrimi örneğine bakınca -
13:44 - 13:46çünkü gerçekte olan tam olarak bu.
-
13:46 - 13:48Fakat bu tahlilde bir şeyi unutuyoruz:
-
13:48 - 13:50Bazı meslek grupları var
-
13:50 - 13:51öylece yok olan ve
-
13:51 - 13:53bir daha geri gelmeyecek olan.
-
13:53 - 13:55Endüstri Devrimi pek iyi olmazdı
-
13:55 - 13:57eğer bir at olsaydınız.
-
13:59 - 14:02Yani dikkatli olmamız gerekiyor
-
14:02 - 14:04büyük veriyi ele alıp ihtiyaçlarımıza
-
14:04 - 14:05göre şekillendirmemiz gerekiyor
-
14:05 - 14:07tümüyle insani ihtiyaçlarımıza göre.
-
14:08 - 14:10Bu teknolojinin ustası olmamız gerekiyor,
-
14:10 - 14:11hizmetçisi değil.
-
14:11 - 14:14Daha henüz büyük
veri devrinin başındayız -
14:14 - 14:17ve doğrusu, toplayabildiğimiz
-
14:17 - 14:21veri ile başa çıkmak
konusunda pek iyi değiliz. -
14:22 - 14:24Bu sadece
Ulusal Güvenlik Teşkilatı -
14:24 - 14:25için bir sorun değil.
-
14:25 - 14:27İşletmeler oldukça veri topluyorlar
-
14:27 - 14:28ve bunu suistimal de ediyorlar
-
14:28 - 14:30ve bu konuda daha iyi
olmamız gerekiyor, -
14:30 - 14:32tabii ki bu da zaman alacak.
-
14:32 - 14:33Bu biraz zorlu bir iş,
-
14:33 - 14:36ilkel insanın ateşle karşılaşması gibi.
-
14:36 - 14:39Bu bir araç fakat dikkatli olmazsak
-
14:39 - 14:40bizi yakabilecek bir araç.
-
14:44 - 14:47Büyük veri yaşayış
şeklimizi değiştirecek, -
14:47 - 14:50çalışma şeklimizi
ve düşünme şeklimizi de. -
14:50 - 14:52Kariyerimizi yönetmemize
yardımcı olacak -
14:52 - 14:55hayatlarımıza tatmin
ve umut getirecek, -
14:55 - 14:58mutluluk ve sağlık getirecek
-
14:58 - 15:00fakat geçmişte sıkça
-
15:00 - 15:02bilgi teknolojilerine baktık ve
-
15:02 - 15:04gözlerimiz yalnızca
teknolojinin -T' sini gördü -
15:04 - 15:05teknoloji, donanım
-
15:05 - 15:08çünkü fiziksel olanlar onlardı.
-
15:08 - 15:09Şimdi gözlerimizi daha az
-
15:09 - 15:12meydanda olan
bilginin -B' sine -
15:12 - 15:14çevirmemiz gerekiyor
-
15:14 - 15:16ki bazı açılardan
çok daha önemlidir kendisi. -
15:17 - 15:21İnsanlık en sonunda toplayabileceğimiz
-
15:21 - 15:23bilgiden bir şeyler öğrenebilir,
-
15:23 - 15:25bu dünyayı ve içindeki yerimizi
-
15:25 - 15:27anlamamızı sağlayacak olan
-
15:27 - 15:29ebedi görevimizin bir parçası olarak
-
15:29 - 15:34ve bu sebeple büyük veri
büyük bir meseledir. -
15:34 - 15:38(Alkışlar)
- Title:
- Büyük veri daha iyi veridir
- Speaker:
- Kenneth Cukier
- Description:
-
Sürücüsüz arabalar sadece bir başlangıçtı. Büyük veri odaklı teknoloji ve tasarımın geleceği nedir? Heyecanlandırıcı bir bilim konuşmasında, Kenneth Cukier makine öğreniminin ve insan bilgisinin devamına odaklanıyor.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 15:51
Meric Aydonat approved Turkish subtitles for Big data is better data | ||
Figen Ergürbüz accepted Turkish subtitles for Big data is better data | ||
Figen Ergürbüz edited Turkish subtitles for Big data is better data | ||
Figen Ergürbüz edited Turkish subtitles for Big data is better data | ||
Figen Ergürbüz edited Turkish subtitles for Big data is better data | ||
pinar sadi edited Turkish subtitles for Big data is better data | ||
pinar sadi edited Turkish subtitles for Big data is better data | ||
pinar sadi edited Turkish subtitles for Big data is better data |