Data science/ML problemi cozerken, meseleyi ayni sonuca goturecek baska bir cerceveden bakip, problemi yeniden tanimlamak, 'reframing' uzerine hatirlatma babinda kisa bir not.

link.medium.com/KFm4DmuixGb

Burda mesele github olmasi degil. Githuba koyacak biseyler yapmis olmak. Isi yaptiktan sonra ister githuba koy ister blog yaz mediuma koy nereye koyarsan koy.

Cografya kaderdir mi diyolardi nasildi. Pek de oyle degil aslinda, ben de 10 sene yasadim orda, mal gibi bir tane ai meetup a gitmedim. Net salaklik.

🚀 Introducing AlphaCodium -

A first-of-its-kind open-source code generation tool that surpasses most human competitors in code contests ⭐️

Inspired by DeepMind's AlphaCode❤️‍🔥, but beats it (judge by yourself!)

1/

If you are good at software/system design, there is an “easy” path into MLE from software development. If you lack those, sticking to business focused data science is way to go for “outsider”/non-software developers.

Bir satir kod yazmadan oglen ettik. One of those days…

1998 de yayinlanmis '10 yilda yazilim ogrenin', ve 25 sene onceki ipuclarini hala farkedememis olanlar var. Benim en begendigim: 'Talk to other programmers; read other programs. This is more important than any book or training course.'
web.archive.org/web/1998020622…

“Self-criticism” tabirini gördüm bugün. Kendini eleştirmek. Bir işe başlarken bunu ertele diyordu. Muhtemelen çoğu işi erken bırakmamıza sebep şeylerin başında geliyor. Başkalarını umursamamak self-criticism den daha kolay benim için, bazen kendimi çok kafaya takıyorum belki de.

I wonder if “love what you do” is specifically chosen over “do what you love”. What i love may not turn out to be great/interesting, but i can learn to love working on things with bright future.

Sr/jr tartismasina katilmis :) Bence tek etken sadece AI degil, yas/hayat cizgisinde ilerledikce risk alip yeni seyler deneme arzusu ister istemez azaliyor. Bulundugu yeri koruma vs yeni seyler ogrenme denklemi yavasca birinciye dogru kayiyor, cok normal bir sosyal davranis.

Fantastik isler basarmis insanlara bakip, onlarin calisma rutinleri ya da “verimlilik” hacklerini uygulamaya calismayi, basarililarin hirs ve doyumsuzluklarina sahip olmadan yapmak muhtemelen eldeki gonul rahatligi ve ferahligini da kaybeder.

Daha az is/mesai fikirleri kendi motive ya da hayatta ne yapmak istedigini bilen insanlar icin cok iyi, fakat kalan zamani youtube/twitter/netflix de heba etme potansiyeli yuksek olan buyuk populasyon icin “bos” yatma riskiyle beraber geliyor.

Dashboard review edip, hata analizi yapmak >= fantastik model optimizasyonlarina ugrasmak

A good argument against going all in and focusing only one thing. Diversification in skills or interest may open you that 100x path.

Data scientist olarak projemi anlatan grafikleri, bir gazetenin ana sayfasinda basilacak kalite/guzellik/orjinallikte cizdirmeye calisirim.

Axisleri belli olmayan, rakamlari okunmayan, wow dedirtmeyen, kisaca 'elegant' olmayan grafikler, sizi onlari aciklatmak zorunda birakir.