Bu Reklamı Kapat
Bu Reklamı Kapat

Bir Veri Uzmanına Sorun: Yapay Öğrenme Nedir?

Bir Veri Uzmanına Sorun: Yapay Öğrenme Nedir?
9 dakika
5,116
  • Yapay Zeka
  • Veri Bilimi
Evrim Ağacı Akademi: Yapay Zekaya Giriş Yazı Dizisi

Bu yazı, Yapay Zekaya Giriş yazı dizisinin 3. yazısıdır. Bu yazı dizisini okumaya, serinin 1. yazısı olan "Yapay Zeka Hakkında Bir Rehber: Nedir, Ne Değildir, Ne Olacaktır?" başlıklı makalemizden başlamanızı öneririz.

Yazı dizisi içindeki ilerleyişinizi kaydetmek için veya kayıt olun.

EA Akademi Hakkında Bilgi Al

“Yapay öğrenme” teriminin popüler hale geldiği günümüzde, bu terimin sıklıkla robotların dünyayı ele geçirmesine denk görülmesi beni şaşırtıyor.

“Sinir ağları” ve “derin öğrenme” gibi ifadeler hayal gücümüzü kışkırtıyor, ancak biz yeni ortaya çıkan teknoloji söz konusu olduğunda konuyu hemen robotların dünyayı ele geçirmesine getiriyoruz. Bu da yapay öğrenmenin gerçekte ne kadar güçlü ve güzel olduğunu görmemizi engelliyor. Bununla birlikte endüstriyi ileri götüren, çığır açan yeni gelişmeleri kaçırmış oluyoruz.

Bu Reklamı Kapat

Aklımda bunlar dolaşırken “yapay öğrenme” ifadesini bize açıklaması için ekibimizin veri uzmanı Hilary Green-Lerman ile oturuyorum. Ona, Wikipedia’nın bile tam olarak cevaplamakta başarısız olduğu sorular soruyorum: Yapay öğrenme nedir? Bunu kim öğrenmelidir? Westworld’ü en yakın ne zaman ziyaret edebilirim? (Ç.N. Westworld: Gelişmiş yapay zekâya sahip insanımsı robotlarla ilgili bir TV dizisi ve bu dizide yer alan yapay dünya).

Yapay Öğrenme Nedir?

Hillary şöyle cevaplıyor:

Bu Reklamı Kapat

Yapay öğrenme, hâlihazırda var olan veriyi kullanarak tahminlerde bulunmamızı sağlar. Bu tanım gerçekten şık görünüyor, fakat çoğu zaman ‘tahmin’ denilen şey sadece bir etikettir.

Yapay öğrenme, örüntünün tanınması ve veriden öğrenebilen, öğrendikleriyle tahminlerde bulunabilen algoritmaların uygulanmasıyla evrimleşmiştir ve hesaplamalı istatistikle yakından ilişkilidir (Wikipedia’ya teşekkürler).

Biz insanların kullandığı terimlerle ifade edersek bir bilgisayara bir şey “öğrettiğimiz” zaman, ona yavru köpek ve çörek fotoğraflarını sürekli gösterir, bu fotoğraflar için “bu bir yavru köpektir” ve “bu ise çörektir” deriz. Bilgisayar da hesaplamalı istatistik yöntemlerini kullanarak bu şeyin köpek cinsinden, diğer şeyin ise hamur işi olduğunu tespit etmeye başlar.

Chicago’daki Loyola Üniversitesi profesörlerinden fizikçi ve bilim iletişimcisi Robert McNees’ten bir tweet.
Chicago’daki Loyola Üniversitesi profesörlerinden fizikçi ve bilim iletişimcisi Robert McNees’ten bir tweet.
Twitter

Bunun anlamı, bilgisayarınıza çok fazla sayıda veri seti verirseniz bir süre sonra sizin için tahminlerde bulunmaya başlayacak olmasıdır.

Evrim Ağacı'ndan Mesaj

Örneğin biz bilgisayarları, harfleri ve rakamları doğru bir şekilde tahmin etmek üzere eğittik. Bu eğitim, posta servisinin de kullanmış olduğu el yazısı tanıma tekniğiyle aynı temel mantığa sahiptir. Bu mantık aynı zamanda, bir kadının hamile olduğunu tahmin etmeyi sağlayan Target testinde ya da sürücüsüz arabaların geliştirilmesinde de kullanılır.

Alex Danvy, Teknoloji Pazarlamacısı, Microsoft

Bu girişimler bize geleceğe ulaştığımızı hissettirse de yapay öğrenmenin aslında sadece güçlü bir matematik ve tahmin olduğunu unutmamalıyız. Vishal Maini şöyle diyor:

Bir makinenin öğrenme algoritması, onun, gözlenen verideki örüntüleri tespit etmesini, o dünyayı açıklayan modeller oluşturmasını ve önceden açıkça programlanmış kurallar ve modellere sahip olmadan tahminlerde bulunmasını sağlar.

İşte bu nedenden dolayı yapay öğrenme algoritmalarında farklı ekiplerin çalışıyor olması kritik öneme sahiptir. Bilgisayarı, gerçek dünyada çalışabilmesi için çok çeşitli özellikler ve olasılıklar ile beslemek zorundasınız.

Örneğin, siz yüz tanıma algoritması için bilgisayara sadece beyaz ırk görüntülerini verirseniz bilgisayar diğer renkten olan yüzler konusunda eğitilmemiş olacaktır. Bu hem kötü bir formül olur, hem insanlar için hem de Google örneğinde gördüğümüz gibi halkla ilişkiler açısından kötüdür.

Yapay Öğrenmeyle İlgili Popüler Bir Yanlış Anlayış Nedir?

Tahminin bir gücü vardır. Yapay öğrenmenin ne yapabileceğini fark eden biri anında kristal küreye şu soruları sormak ister:

Bu Reklamı Kapat

  • Bir sonraki en iyi programlama dili ne olacak?
  • Bir sonraki seçimi kim kazanacak?
  • Bu yeni ürünü piyasaya çıkarmamızın bize getirisini tam olarak tahmin edebilir misin?

Ancak, veri uzmanımızı bu sorularla meşgul etmenin size bir faydası olmayacaktır. Hillary şunları söylüyor:

Popüler bir yanlış anlayış, insanların, ellerinde yeterli veri olmadığı halde öyle olduğunu düşünmeleridir. İnsanlar yapay öğrenme ifadesiyle, mevcut veriye dayanan çok geniş çaptaki tahminleri kastederler. Oysa böyle bir şey olabilmesi için, çok fazla sayıda etiketlenmiş veriye sahip olmalısınız.

Eğer hangi ürünü hangi tüketiciye önereceğinizi tahmin etmek istiyorsanız, veriye ihtiyacınız vardır. Henüz piyasada olmayan bir ürünle bunu yapamazsınız. Çok geniş çaplı bir veri setine ihtiyacınız olur, her bir ürünü satın alan her bir insan tipi için en azından bin örnek kadar… Eğer analiz etmek istediğiniz daha fazla özellikler de varsa, bu sayı üstel olarak artar. Burada ‘özellik’ olarak kastettiğimiz şey tüketicinin yaşı ya da daha önce tıkladıkları adresler gibi şeylerdir.

Yapay öğrenmeyi işiniz için kullanmak her zaman kolaylıkla erişemeyeceğiniz kadar büyük veri setleri gerektirir; hatta bu tür veri setlerine ulaşsanız bile, bu veri, makinenin okuyabileceği bir formatta olmak zorundadır. Hillary sözlerine şöyle devam ediyor:

Bu Reklamı Kapat

İnsanlar yapay öğrenmenin büyük oranda, bir algoritmada çalıştırmak üzere veriyi bir formata sokmak demek olduğunu çoğunlukla fark etmezler. Algoritmalar genelde, önceden hazırlanmış olarak mevcuttur. Birçok durumda, veriniz için en iyi doğrusal regresyon yöntemini seçmeye ihtiyacınız vardır, ancak programlamanın karmaşık süreçlerini bilmek zorunda olmazsınız. Verinizi öyle bir formata sokmalısınız ki, her satır sizin ulaşmak istediğiniz bir veri noktası olmalıdır.

Örneğin eğer algoritmanızın X müşterisini inceleyip neleri satın alıp neleri satın almadığını ortaya çıkarmak istiyorsanız “satın aldı” ve “satın almadı” için değer atamalısınız. Bu da bir sürü veri temizleme anlamına gelir. Hillary şöyle diyor:

Esas olarak, sahip olduğunuz farklı bilgi parçalarını alıp bunları bir algoritmada çalışabilecek şekilde birbirine birleştirme gibi bir yığın iş yapmalısınız.

Popüler Kültürde Yapay Öğrenmeyle İlgili En Güvenilir Referans Nedir?

Biliyoruz ki bir bilgisayar, verileri analiz edebilmek için veri temizlemenin yanı sıra, belirli özelliklere değer atanmasına ihtiyaç duyar. Bu süreç tam olarak anlaşıldığında, robot bilinci ile ilgili her türlü korku ortadan kalkmaya başlar ve Hollywood’un yol açtığı moda bakış açısının ötesini görebilmeye başlarsınız. Doğal olarak Hillary ile bundan bahsettik:

Westworld ile ilgili en büyük sorun, yani benim ‘bu artık inandırıcı olmaktan çıktı’ diye düşündüğüm nokta, Dolores ile konuştukları bir sahneydi. Bu sahnede Dolores konuşuyordu ve adam ona diyordu ki:

Dur bir dakika. Bana bunu neden söyledin?

Bu Reklamı Kapat

Agora Bilim Pazarı
Temel Üreme Endokrinolojisi Ve İnfertilite
  • Boyut: 20 X 28
  • Sayfa Sayısı: 440
  • Basım: 1
  • ISBN No: 9789944341660
Devamını Göster
₺325.00
Temel Üreme Endokrinolojisi Ve İnfertilite

Dolores bu soruyu cevaplandırabiliyordu. Günümüzdeki en gelişmiş karmaşık mekanizma, sinir ağları ve derin öğrenmedir. Sistem içinde karşılaştığımız en büyük zorluk, “sinir ağları” ifadesini kullanmamıza karşın, düşünme şeklinin insanın düşünme şeklinden çok farklı olmasıdır. Dolores’in vermesi gereken cevap, “7” gibi bir şey, yani bir sonuca atanmış bir değer olmalıydı.

HBO

Bununla birlikte, “sinir ağları” gibi bir ibarenin neden bu kadar gündeme geldiğini anlamak kolaydır. Bu ifade, duyulduğunda anlaşılan şeyi karşılamaktadır.

Sinir ağı, sinirlerin çalışma şeklini taklit etmek üzere oluşturulan küçük yapay öğrenme algoritmaları, yani küçük lojistik regresyonlar setidir. Daha sonra bu modeller bir görevi (genelde görüntü tanıma gibi karmaşık bir şey) yerine getirebilmek için “eğitilirler”. Çok yüksek bir bilgi işleme gücü gerektirirler, ancak çok etkilidirler. Burada “sanat” olarak değerlendirilebilecek şey, hangi eğitim setinin daha kullanışlı ve hangi “nöron” konfigürasyonunun daha uygun olduğuna karar vermektir.

Peki Şu Sıralar Yapay Öğrenme Neden Bu Kadar Popüler?

“Sinir ağları”, “derin öğrenme” gibi kavramların hepsi yapay öğrenmeye girer. Yapay öğrenme de günümüzde, bir zamanlar yetişkin boyama kitaplarının sahip olduğu popülariteye sahip gibi görünüyor.

Google Eğilim verisine bakarak “yapay öğrenme” kavramının popülerliğin zirvesinde olduğunu görebilirsiniz.

Yapay öğrenme eğilimleri.
Yapay öğrenme eğilimleri.
Google Trends
Yetişkin boyama kitabı eğilimleri.
Yetişkin boyama kitabı eğilimleri.
Google Trends

Peki neden şimdi? Yapay öğrenmeye atıfta bulunan, “2001: Bir Uzay Destanı” ya da “Ex Machina” gibi bilimkurgu filmleri her zaman mevcuttu. Bu kavramın popülaritesindeki yüksek çıkışın nedeni nedir? Peki bu sadece geçici bir heves mi, yoksa geleceğe damgasını vuracak bir şey midir? Bunun cevabı basitçe, yapay öğrenmeyi şimdi gerçekleştirebiliyor olmamızdır. Hillary şunları söylüyor:

Gerçekten büyük veri setlerine ihtiyacımız olduğunu söylemiştik. Eğer her bir internet sitesindeki tüm tıklamaları takip edebilsek, bu cidden devasa büyüklükte bir veri seti demek olur. Bu türden sayım sonuçları da, daha önce hiç olmadığı kadar bilgisayarımıza indirilebilir durumda.

Şunu bir düşünün: Huffington Post gazetesinden Lauro Dambrosio’ya göre, 2016-2017 yıllarında, dünyadaki tüm verinin %90’ını ürettik. Laura’nın sözleriyle devam edelim:

NoSQL veritabanları popüler oldu, SQL hızlandı, Apache Spark gibi projeler de büyük ölçekli veri işleme performansı ve hızında harikalar yarattı. Bir anda elimizde dağ gibi veri birikti, bu da bizim için, bir sonuca ulaşmamızda faydalı olabilecek hızlı ve ucuz araç demek.

Hillary de şunları ekliyor:

Bir düşünün; bugün yapay öğrenme için gereken veri satırıyla, Excel beş yıl önce başa çıkamıyordu. Bugün bizi sınırlayan tek şey hayal gücümüz ve AWS (Amazon Web Servisi) bütçemiz.

İnsanlar Yapay Öğrenme Becerilerini Neden Öğrenmeli?

Bu durumda, yapay öğrenmeyi öğrenmeli miyiz? Forbes’a göre:

Yapay Öğrenme Mühendisleri, Veri Uzmanları ve Büyük Veri Mühendisleri LinkedIn sitesindeki yeni mesleklerde üst sıralarda yer alıyor. 2012’den bu yana, veri uzmanlarının rolü %650’den fazla arttı. Buna karşın günümüzde, ABD’de, veri bilimi yetenekleri olan 35.000 kişi var ve yüzlerce şirket bu pozisyona eleman arıyor.

Bu bilgi, LinkedIn’in ABD’deki Yeni Meslekler 2017 raporuyla da onaylandı. “Yapay Öğrenme Mühendisliği”, en hızlı büyüyen meslek olarak listelendi.

Bu Reklamı Kapat

Eğer bu da yeterli değilse The New York Times’a göre geçtiğimiz dört yıl boyunca özellikle Google, Facebook, Apple, Amazon, Microsoft ve Çin firması Baidu’dan oluşan altı firma, özellikle üniversitelerden yapay zekâ yeteneklerini kapmak için bir yarış başlattılar. Bu mecrada yedi haneli maaşlar da duyulmuyor değil.

Bu spesifik alanlarda mühendislere aleni bir ihtiyaç var ve bu ihtiyaç giderek artıyor. Buna karşın, konuyla ilgili manşetlerin kaçırdığı bir noktaya ışık tutmalıyız.

Bir yüz tanıma sistemi inşa etmek ya da bir robotun duyguları tanımasını sağlamak, çok ileri seviyede bir matematik gerektirir. Ancak öğrenmek istediğiniz şey basit kümeleme (clustering) ya da regresyon yöntemlerine uygulamaya yetecek kadar yapay öğrenmeyse bu tamamen farklı bir konudur.

Ben de Hillary’ye sordum: Sana göre ben yapay öğrenme alanında anlamlı sayılabilecek ufacık bir şeye yetecek kadar programlama dilini ne kadar zamanda öğrenebilirim? Hillary şöyle yanıtladı:

Bu nasıl çalıştığına bağlı. Sanırım bunun için üniversitede bilgisayar bilimlerinde bir dönem kadar ders alman ya da altı-sekiz hafta boyunca her gün buna çalıştığın bir programa katılman gerekiyor. Eğer Python dilinde kısa bir program yazabilecek durumda değilsen veya “if (eğer)” ifadeleri ve “for (için)” döngüleri senin için bir anlam ifade etmiyorsa, daha kırk fırın ekmek yemelisin demektir. Yapay öğrenmeyi öğrenmenin temeli, kod yazmaktır.

Birçok yapay öğrenme algoritmasında kullanılan temel dil Python’dur. Python güçlü bir programlama dilidir, yeni başlayanlar için kolaydır ve iyi desteklenen bir dokümantasyonu vardır. Eğer yapay öğrenmeyi keşfetmek istiyorsanız kod yazma yeteneğiniz olup olmadığını merak ediyorsanız ya da bir kursa hazırlanıyorsanız Python kursuna bedava kayıt olabilirsiniz. Bu, size temel yetenekleri kazandırıp kod yazmanın büyülü dünyasının kapılarını açacaktır.

Okundu Olarak İşaretle

Bu içeriğimizle ilgili bir sorunuz mu var? Buraya tıklayarak sorabilirsiniz.

Soru & Cevap Platformuna Git
Bu İçerik Size Ne Hissettirdi?
  • Tebrikler! 11
  • Muhteşem! 4
  • Umut Verici! 4
  • Bilim Budur! 3
  • Merak Uyandırıcı! 2
  • İnanılmaz 1
  • Mmm... Çok sapyoseksüel! 0
  • Güldürdü 0
  • Üzücü! 0
  • Grrr... *@$# 0
  • İğrenç! 0
  • Korkutucu! 0
Kaynaklar ve İleri Okuma
  1. Çeviri Kaynağı: Code Academy | Arşiv Bağlantısı
Evrim Ağacı Akademi: Yapay Zekaya Giriş Yazı Dizisi

Bu yazı, Yapay Zekaya Giriş yazı dizisinin 3. yazısıdır. Bu yazı dizisini okumaya, serinin 1. yazısı olan "Yapay Zeka Hakkında Bir Rehber: Nedir, Ne Değildir, Ne Olacaktır?" başlıklı makalemizden başlamanızı öneririz.

EA Akademi Hakkında Bilgi Al
Bu Reklamı Kapat

Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?

Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:

kreosus.com/evrimagaci | patreon.com/evrimagaci

Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 28/09/2022 16:48:38 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/1583

İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.

Bu Reklamı Kapat
Size Özel (Beta)
İçerikler
Sosyal
Gönderiler
Maymun
Nükleik Asit
Coğrafya
Mucize
Oyun Teorisi
Bağışıklık Sistemi
Kimyasal Evrim
Filogenetik
Görüş
Kan Hastalıkları
Elementler
Covid-19
Nükleotit
Genel Halk
Tehlike
Sosyal Mesafelendirme
Olasılık
Sıvı
Bilişsel
Oyun
Eğilim
Parçacık
Köpekler
Büyük Patlama
Özel Görelilik
Aklımdan Geçen
Komünite Seç
Aklımdan Geçen
Fark Ettim ki...
Bugün Öğrendim ki...
İşe Yarar İpucu
Bilim Haberleri
Hikaye Fikri
Başlık
Kafana takılan neler var?
Bağlantı
Kurallar
Komünite Kuralları
Bu komünite, aklınızdan geçen düşünceleri Evrim Ağacı ailesiyle paylaşabilmeniz içindir. Yapacağınız paylaşımlar Evrim Ağacı'nın kurallarına tabidir. Ayrıca bu komünitenin ek kurallarına da uymanız gerekmektedir.
1
Bilim kimliğinizi önceleyin.
Evrim Ağacı bir bilim platformudur. Dolayısıyla aklınızdan geçen her şeyden ziyade, bilim veya yaşamla ilgili olabilecek düşüncelerinizle ilgileniyoruz.
2
Propaganda ve baskı amaçlı kullanmayın.
Herkesin aklından her şey geçebilir; fakat bu platformun amacı, insanların belli ideolojiler için propaganda yapmaları veya başkaları üzerinde baskı kurma amacıyla geliştirilmemiştir. Paylaştığınız fikirlerin değer kattığından emin olun.
3
Gerilim yaratmayın.
Gerilim, tersleme, tahrik, taciz, alay, dedikodu, trollük, vurdumduymazlık, duyarsızlık, ırkçılık, bağnazlık, nefret söylemi, azınlıklara saldırı, fanatizm, holiganlık, sloganlar yasaktır.
4
Değer katın; hassas konulardan ve öznel yoruma açık alanlardan uzak durun.
Bu komünitenin amacı okurlara hayatla ilgili keyifli farkındalıklar yaşatabilmektir. Din, politika, spor, aktüel konular gibi anlık tepkilere neden olabilecek konulardaki tespitlerden kaçının. Ayrıca aklınızdan geçenlerin Türkiye’deki bilim komünitesine değer katması beklenmektedir.
5
Cevap hakkı doğurmayın.
Bu platformda cevap veya yorum sistemi bulunmamaktadır. Dolayısıyla aklınızdan geçenlerin, tespit edilebilir kişilere cevap hakkı doğurmadığından emin olun.
Gönder
Ekle
Soru Sor
Daha Fazla İçerik Göster
Evrim Ağacı'na Destek Ol
Evrim Ağacı'nın %100 okur destekli bir bilim platformu olduğunu biliyor muydunuz? Evrim Ağacı'nın maddi destekçileri arasına katılarak Türkiye'de bilimin yayılmasına güç katmak için hemen buraya tıklayın.
Popüler Yazılar
30 gün
90 gün
1 yıl
EA Akademi
Evrim Ağacı Akademi (ya da kısaca EA Akademi), 2010 yılından beri ürettiğimiz makalelerden oluşan ve kendi kendinizi bilimin çeşitli dallarında eğitebileceğiniz bir çevirim içi eğitim girişimi! Evrim Ağacı Akademi'yi buraya tıklayarak görebilirsiniz. Daha fazla bilgi için buraya tıklayın.
Etkinlik & İlan
Bilim ile ilgili bir etkinlik mi düzenliyorsunuz? Yoksa bilim insanlarını veya bilimseverleri ilgilendiren bir iş, staj, çalıştay, makale çağrısı vb. bir duyurunuz mu var? Etkinlik & İlan Platformumuzda paylaşın, milyonlarca bilimsevere ulaşsın.
Podcast
Evrim Ağacı'nın birçok içeriğinin profesyonel ses sanatçıları tarafından seslendirildiğini biliyor muydunuz? Bunların hepsini Podcast Platformumuzda dinleyebilirsiniz. Ayrıca Spotify, iTunes, Google Podcast ve YouTube bağlantılarını da bir arada bulabilirsiniz.
Yazı Geçmişi
Okuma Geçmişi
Notlarım
İlerleme Durumunu Güncelle
Okudum
Sonra Oku
Not Ekle
Kaldığım Yeri İşaretle
Göz Attım

Evrim Ağacı tarafından otomatik olarak takip edilen işlemleri istediğin zaman durdurabilirsin.
[Site ayalarına git...]

Filtrele
Listele
Bu yazıdaki hareketlerin
Devamını Göster
Filtrele
Listele
Tüm Okuma Geçmişin
Devamını Göster
0/10000

Göster

Şifremi unuttum Üyelik Aktivasyonu

Göster

Şifrenizi mi unuttunuz? Lütfen e-posta adresinizi giriniz. E-posta adresinize şifrenizi sıfırlamak için bir bağlantı gönderilecektir.

Geri dön

Eğer aktivasyon kodunu almadıysanız lütfen e-posta adresinizi giriniz. Üyeliğinizi aktive etmek için e-posta adresinize bir bağlantı gönderilecektir.

Geri dön

Close
Geri Bildirim Gönder
Paylaş
Reklamsız Deneyim

Evrim Ağacı'nda reklamları 2 şekilde kapatabilirsiniz:

  1. Ücretsiz üye girişi yapmak: Sitedeki reklamların %50 kadarını kapatmak için ücretsiz bir Evrim Ağacı üyeliği açmanız ve sitemizi/uygulamamızı kullanmanız yeterli!

  2. Maddi destekçilerimiz arasına katılmak: Evrim Ağacı'nın çalışmalarına Kreosus, Patreon veya YouTube üzerinden maddi destekte bulunarak hem Türkiye'de bilim anlatıcılığının gelişmesine katkı sağlayabilirsiniz, hem de site ve uygulamamızı reklamsız olarak deneyimleyebilirsiniz. Reklamsız deneyim, sitemizin/uygulamamızın çeşitli kısımlarda gösterilen Google reklamlarını ve destek çağrılarını görmediğiniz, %100 reklamsız ve çok daha temiz bir site deneyimi sunmaktadır.

Kreosus

Kreosus'ta her 10₺'lik destek, 1 aylık reklamsız deneyime karşılık geliyor. Bu sayede, tek seferlik destekçilerimiz de, aylık destekçilerimiz de toplam destekleriyle doğru orantılı bir süre boyunca reklamsız deneyim elde edebiliyorlar.

Kreosus destekçilerimizin reklamsız deneyimi, destek olmaya başladıkları anda devreye girmektedir ve ek bir işleme gerek yoktur.

Patreon

Patreon destekçilerimiz, destek miktarından bağımsız olarak, Evrim Ağacı'na destek oldukları süre boyunca reklamsız deneyime erişmeyi sürdürebiliyorlar.

Patreon destekçilerimizin Patreon ile ilişkili e-posta hesapları, Evrim Ağacı'ndaki üyelik e-postaları ile birebir aynı olmalıdır. Patreon destekçilerimizin reklamsız deneyiminin devreye girmesi 24 saat alabilmektedir.

YouTube

YouTube destekçilerimizin hepsi otomatik olarak reklamsız deneyime şimdilik erişemiyorlar ve şu anda, YouTube üzerinden her destek seviyesine reklamsız deneyim ayrıcalığını sunamamaktayız. YouTube Destek Sistemi üzerinde sunulan farklı seviyelerin açıklamalarını okuyarak, hangi ayrıcalıklara erişebileceğinizi öğrenebilirsiniz.

Eğer seçtiğiniz seviye reklamsız deneyim ayrıcalığı sunuyorsa, destek olduktan sonra YouTube tarafından gösterilecek olan bağlantıdaki formu doldurarak reklamsız deneyime erişebilirsiniz. YouTube destekçilerimizin reklamsız deneyiminin devreye girmesi, formu doldurduktan sonra 24-72 saat alabilmektedir.

Diğer Platformlar

Bu 3 platform haricinde destek olan destekçilerimize ne yazık ki reklamsız deneyim ayrıcalığını sunamamaktayız. Destekleriniz sayesinde sistemlerimizi geliştirmeyi sürdürüyoruz ve umuyoruz bu ayrıcalıkları zamanla genişletebileceğiz.

Giriş yapmayı unutmayın!

Reklamsız deneyim için, maddi desteğiniz ile ilişkilendirilmiş olan Evrim Ağacı hesabınıza yapmanız gerekmektedir. Giriş yapmadığınız takdirde reklamları görmeye devam edeceksinizdir.

Destek Ol

Devamını Oku
Evrim Ağacı Uygulamasını
İndir
Chromium Tabanlı Mobil Tarayıcılar (Chrome, Edge, Brave vb.)
İlk birkaç girişinizde zaten tarayıcınız size uygulamamızı indirmeyi önerecek. Önerideki tuşa tıklayarak uygulamamızı kurabilirsiniz. Bu öneriyi, yukarıdaki videoda görebilirsiniz. Eğer bu öneri artık gözükmüyorsa, Ayarlar/Seçenekler (⋮) ikonuna tıklayıp, Uygulamayı Yükle seçeneğini kullanabilirsiniz.
Chromium Tabanlı Masaüstü Tarayıcılar (Chrome, Edge, Brave vb.)
Yeni uygulamamızı kurmak için tarayıcı çubuğundaki kurulum tuşuna tıklayın. "Yükle" (Install) tuşuna basarak kurulumu tamamlayın. Dilerseniz, Evrim Ağacı İleri Web Uygulaması'nı görev çubuğunuza sabitleyin. Uygulama logosuna sağ tıklayıp, "Görev Çubuğuna Sabitle" seçeneğine tıklayabilirsiniz. Eğer bu seçenek gözükmüyorsa, tarayıcının Ayarlar/Seçenekler (⋮) ikonuna tıklayıp, Uygulamayı Yükle seçeneğini kullanabilirsiniz.
Safari Mobil Uygulama
Sırasıyla Paylaş -> Ana Ekrana Ekle -> Ekle tuşlarına basarak yeni mobil uygulamamızı kurabilirsiniz. Bu basamakları görmek için yukarıdaki videoyu izleyebilirsiniz.

Daha fazla bilgi almak için tıklayın

Önizleme
Görseli Kaydet
Sıfırla
Vazgeç
Ara
Raporla

Raporlama sisteminin amacı, platformu uygunsuz biçimde kullananların önüne geçmektir. Lütfen bir içeriği, sadece düşük kaliteli olduğunu veya soruya cevap olmadığını düşündüğünüz raporlamayınız; bu raporlar kabul edilmeyecektir. Bunun yerine daha kaliteli cevapları kendiniz girmeye çalışın veya diğer kullanıcıları oylama, teşekkür ve en iyi cevap araçları ile daha kaliteli cevaplara teşvik edin. Kalitesiz bulduğunuz içerikleri eleyebileceğiniz, kalitelileri daha ön plana çıkarabileceğiniz yeni araçlar geliştirmekteyiz.

Soru Sor
Aşağıdaki "Soru" kutusunu sadece soru sormak için kullanınız. Bu kutuya soru formatında olmayan hiçbir cümle girmeyiniz. Sorunuzla ilgili ek bilgiler vermek isterseniz, "Açıklama" kısmına girebilirsiniz. Soru kısmının soru cümlesi haricindeki kullanımları sorunuzun silinmesine ve UP kaybetmenize neden olabilir.
Görsel Ekle
Kurallar
Platform Kuralları
Bu platform, aklınıza takılan soruları sorabilmeniz ve diğerlerinin sorularını yanıtlayabilmeniz içindir. Yapacağınız paylaşımlar Evrim Ağacı'nın kurallarına tabidir. Ayrıca bu platformun ek kurallarına da uymanız gerekmektedir.
1
Gerçekten soru sorun, imâdan ve yüklü sorulardan kaçının.
Sorularınızın amacı nesnel olarak gerçeği öğrenmek veya fikir almak olmalıdır. Şahsi kanaatinizle ilgili mesaj vermek için kullanmayın; yüklü soru sormayın.
2
Bilim kimliğinizi kullanın.
Evrim Ağacı bir bilim platformudur. Dolayısıyla sorular ve cevaplar, bilimsel perspektifi yansıtmalıdır. Geçerli bilimsel kaynaklarla doğrulanamayan bilgiler veya reklamlar silinebilir.
3
Düzgün ve insanca iletişim kurun.
Gerilim, tersleme, tahrik, taciz, alay, dedikodu, trollük, vurdumduymazlık, duyarsızlık, ırkçılık, bağnazlık, nefret söylemi, azınlıklara saldırı, fanatizm, holiganlık, sloganlar yasaktır.
4
Sahtebilimi desteklemek yasaktır.
Sahtebilim kategorisi altında konuyla ilgili sorular sorabilirsiniz; ancak bilimsel geçerliliği bulunmayan sahtebilim konularını destekleyen sorular veya cevaplar paylaşmayın.
5
Türkçeyi düzgün kullanın.
Şair olmanızı beklemiyoruz; ancak yazdığınız içeriğin anlaşılır olması ve temel düzeyde yazım ve dil bilgisi kurallarına uyması gerekmektedir.
Soru Ara
Aradığınız soruyu bulamadıysanız buraya tıklayarak sorabilirsiniz.
Alıntı Ekle
Eser Ekle
Kurallar
Komünite Kuralları
Bu komünite, fark edildiğinde ufku genişleten tespitler içindir. Yapacağınız paylaşımlar Evrim Ağacı'nın kurallarına tabidir. Ayrıca bu komünitenin ek kurallarına da uymanız gerekmektedir.
1
Formu olabildiğince eksiksiz doldurun.
Girdiğiniz sözün/alıntının kaynağı ne kadar açıksa o kadar iyi. Açıklama kısmına kitabın sayfa sayısını veya filmin saat/dakika/saniye bilgisini girebilirsiniz.
2
Anonimden kaçının.
Bazı sözler/alıntılar anonim olabilir. Fakat sözün anonimliğini doğrulamaksızın, bilmediğiniz her söze/alıntıya anonim yazmayın. Bu tür girdiler silinebilir.
3
Kaynağı araştırın ve sorgulayın.
Sayısız söz/alıntı, gerçekte o sözü hiçbir zaman söylememiş/yazmamış kişilere, hatalı bir şekilde atfediliyor. Paylaşımınızın site geneline yayılabilmesi için kaliteli kaynaklar kullanın ve kaynaklarınızı sorgulayın.
4
Ofansif ve entelektüel düşünceden uzak sözler yasaktır.
Gerilim, tersleme, tahrik, taciz, alay, dedikodu, trollük, vurdumduymazlık, duyarsızlık, ırkçılık, bağnazlık, nefret söylemi, azınlıklara saldırı, fanatizm, holiganlık, sloganlar yasaktır.
5
Sözlerinizi tırnak (") içine almayın.
Sistemimiz formatı otomatik olarak ayarlayacaktır.
Gönder
Tavsiye Et
Aşağıdaki kutuya, [ESER ADI] isimli [KİTABI/FİLMİ] neden tavsiye ettiğini girebilirsin. Ne kadar detaylı ve kapsamlı bir analiz yaparsan, bu eseri [OKUMAK/İZLEMEK] isteyenleri o kadar doğru ve fazla bilgilendirmiş olacaksın. Tavsiyenin sadece negatif içerikte olamayacağını, eğer bu sistemi kullanıyorsan tavsiye ettiğin içeriğin pozitif taraflarından bahsetmek zorunda olduğunu lütfen unutma. Yapıcı eleştiri hakkında daha fazla bilgi almak için burayı okuyabilirsin.
Kurallar
Platform Kuralları
Bu platform; okuduğunuz kitaplara, izlediğiniz filmlere/belgesellere veya takip ettiğiniz YouTube kanallarına yönelik tavsiylerinizi ve/veya yapıcı eleştirel fikirlerinizi girebilmeniz içindir. Tavsiye etmek istediğiniz eseri bulamazsanız, buradan yeni bir kayıt oluşturabilirsiniz. Yapacağınız paylaşımlar Evrim Ağacı'nın kurallarına tabidir. Ayrıca bu platformun ek kurallarına da uymanız gerekmektedir.
1
Önceliğimiz pozitif tavsiyelerdir.
Bu platformu, beğenmediğiniz eserleri yermek için değil, beğendiğiniz eserleri başkalarına tanıtmak için kullanmaya öncelik veriniz. Sadece negatif girdileri olduğu tespit edilenler platformdan geçici veya kalıcı olarak engellenebilirler.
2
Tavsiyenizin içeriği sadece negatif olamaz.
Tavsiye yazdığınız eserleri olabildiğince objektif bir gözlükle anlatmanız beklenmektedir. Dolayısıyla bir eseri beğenmediyseniz bile, tavsiyenizde eserin pozitif taraflarından da bahsetmeniz gerekmektedir.
3
Negatif eleştiriler yapıcı olmak zorundadır.
Eğer tavsiyenizin ana tonu negatif olacaksa, tüm eleştirileriniz yapıcı nitelikte olmak zorundadır. Yapıcı eleştiri kurallarını buradan öğrenebilirsiniz. Yapıcı bir tarafı olmayan veya tamamen yıkıcı içerikte olan eleştiriler silinebilir ve yazarlar geçici veya kalıcı olarak engellenebilirler.
4
Düzgün ve insanca iletişim kurun.
Gerilim, tersleme, tahrik, taciz, alay, dedikodu, trollük, vurdumduymazlık, duyarsızlık, ırkçılık, bağnazlık, nefret söylemi, azınlıklara saldırı, fanatizm, holiganlık, sloganlar yasaktır.
5
Türkçeyi düzgün kullanın.
Şair olmanızı beklemiyoruz; ancak yazdığınız içeriğin anlaşılır olması ve temel düzeyde yazım ve dil bilgisi kurallarına uyması gerekmektedir.
Eser Ara
Aradığınız eseri bulamadıysanız buraya tıklayarak ekleyebilirsiniz.
Tür Ekle
Üst Takson Seç
Kurallar
Komünite Kuralları
Bu platform, yaşamış ve yaşayan bütün türleri filogenetik olarak sınıflandırdığımız ve tanıttığımız Yaşam Ağacı projemize, henüz girilmemiş taksonları girebilmeniz için geliştirdiğimiz bir platformdur. Yapacağınız paylaşımlar Evrim Ağacı'nın kurallarına tabidir. Ayrıca bu komünitenin ek kurallarına da uymanız gerekmektedir.
1
Takson adlarını doğru yazdığınızdan emin olun.
Taksonların sadece ilk harfleri büyük yazılmalıdır. Latince tür adlarında, cins adının ilk harfi büyük, diğer bütün harfler küçük olmalıdır (Örn: Canis lupus domesticus). Türkçe adlarda da sadece ilk harf büyük yazılmalıdır (Örn: Evcil köpek).
2
Taksonlar arası bağlantıları doğru girin.
Girdiğiniz taksonun üst taksonunu girmeniz zorunludur. Eğer üst takson yoksa, mümkün olduğunca öncelikle üst taksonları girmeye çalışın; sonrasında daha alt taksonları girin.
3
Birden fazla kaynaktan kontrol edin.
Mümkün olduğunca ezbere iş yapmayın, girdiğiniz taksonların isimlerinin birden fazla kaynaktan kontrol edin. Alternatif (sinonim) takson adlarını girmeyi unutmayın.
4
Tekrara düşmeyin.
Aynı taksonu birden fazla defa girmediğinizden emin olun. Otomatik tamamlama sistemimiz size bu konuda yardımcı olacaktır.
5
Mümkünse, takson tanıtım yazısı (Taksonomi yazısı) girin.
Bu araç sadece taksonları sisteme girmek için geliştirilmiştir. Dolayısıyla taksonlara ait minimal bilgiye yer vermektedir. Evrim Ağacı olarak amacımız, taksonlara dair detaylı girdilerle bu projeyi zenginleştirmektir. Girdiğiniz türü daha kapsamlı tanıtmak için Taksonomi yazısı girin.
Gönder
Tür Gözlemi Ekle
Tür Seç
Fotoğraf Ekle
Kurallar
Komünite Kuralları
Bu platform, bizzat gözlediğiniz türlerin fotoğraflarını paylaşabilmeniz için geliştirilmiştir. Yapacağınız paylaşımlar Evrim Ağacı'nın kurallarına tabidir. Ayrıca bu komünitenin ek kurallarına da uymanız gerekmektedir.
1
Net ve anlaşılır görseller yükleyin.
Her zaman bir türü kusursuz netlikte fotoğraflamanız mümkün olmayabilir; ancak buraya yüklediğiniz fotoğraflardaki türlerin özellikle de vücut deseni gibi özelliklerinin rahatlıkla ayırt edilecek kadar net olması gerekmektedir.
2
Özgün olun, telif ihlali yapmayın.
Yüklediğiniz fotoğrafların telif hakları size ait olmalıdır. Başkası tarafından çekilen fotoğrafları yükleyemezsiniz. Wikimedia gibi açık kaynak organizasyonlarda yayınlanan telifsiz fotoğrafları yükleyebilirsiniz.
3
Paylaştığınız fotoğrafların telif hakkını isteyemezsiniz.
Yüklediğiniz fotoğraflar tamamen halka açık bir şekilde, sınırsız ve süresiz kullanım izniyle paylaşılacaktır. Bu fotoğraflar nedeniyle Evrim Ağacı’ndan telif veya ödeme talep etmeniz mümkün olmayacaktır. Kendi fotoğraflarınızı başka yerlerde istediğiniz gibi kullanabilirsiniz.
4
Etik kurallarına uyun.
Yüklediğiniz fotoğrafların uygunsuz olmadığından ve başkalarının haklarını ihlâl etmediğinden emin olun.
5
Takson teşhisini doğru yapın.
Yaptığınız gözlemler, spesifik taksonlarla ilişkilendirilmektedir. Takson teşhisini doğru yapmanız beklenmektedir. Taksonu bilemediğinizde, olabildiğince genel bir taksonla ilişkilendirin; örneğin türü bilmiyorsanız cins ile, cinsi bilmiyorsanız aile ile, aileyi bilmiyorsanız takım ile, vs.
Gönder
Tür Ara
Aradığınız türü bulamadıysanız buraya tıklayarak ekleyebilirsiniz.