Herkese merhaba, 11 Şubat Uluslararası Bilimde Kadın ve Kız Çocukları Günü’ne özel bu yazımda, güncel veriler eşliğinde, önemli buluşlar yapan, korkusuzca düşüncelerini savunan, büyük bir potansiyele sahip olmalarına rağmen ciddiye alınmayan bilim kadınlarının hikayelerinin nasıl devam ettiğine göz atacağız.
Giriş Reaktif Programlama, genel olarak olay tabanlı metodları tanımlamayı sağlar. Bu yaklaşımda bir olay gerçekleştiğinde, o olayı dinleyen metodların çağrılması beklenir. Böylece kullanıcı etkileşimi, paralel işlemler ve zamandan bağımsız devam eden süreçler gerçekleştirilebilir. Bu programlama metodolojisi, özellikle günümüzde web geliştiricilerinin birçok sorununa çözüm sağlar. Kullanıcı etkileşiminin önemli olması nedeniyle, örneğin yeni yaygınlaşan SPA(Single Page Application) projelerinde, mobil projelerinde, oyun projelerinde ve daha akla gelebilecek birçok projede sıklıkla Reaktif Programlama kullanılmaktadır. Temel Kavramlar: Event(Olay): Olaylar kullanıcının butona basması veya bir sürecin başlaması gibi etkileşimler ile tanımlanabilir. Observable(Gözlemlenebilir): Gözlemlenebilir, bir olaya bağlanan ve o olayın son durumunu saklayan nesnelerdir. Bu nesneler tek bir dinleyici içindir. Subscription(Katılım): Observable bir nesneyi dinlemeye başlamak için ona Subscribe(Katılmış) olmamız gerekir. Buna Subscription denir. Subject(Konu): Konu, içinde olayların tüm durumlarını saklar ve birden fazla dinleyiciyi kabul eder. Bu açıdan Gözlemlenebilir nesnelerin genişletilmiş hali denebilir. State(Durum): Durum, konu veya gözlemlenebilir nesnenin son halini tanımlar. Observer(Gözlemci): Gözlemci, bir olay tetiklendiğinde gerçekleşecek Callback metoda/metodlara verdiğimiz isimdir. Dinleyici olarak da isimlendirilebilir. Observer Design Pattern İlk yazımda Reactive Programlamayı, Typescript dili ile sıfırdan tamamen kendi örneklerim ile işleyeceğim. Yazdığım kodları Typescript Playground üzerinde deneyebilirsin. Tanım: Observer Design Pattern, olayların Subject ve Observable nesneleri üzerinden dinlendiği olay tabanlı bir tasarım desenidir. Bu tasarım deseni, abonelikler sayesinde tüm olayları yöneterek etkileşimleri karşılamak için tasarlanmıştır. Çeşitli örnekler ile bu tasarım deseninin çözdüğü problemleri anlamak mümkündür. Örneğin; gerçek hayatta bankalarda sıra almamız ve sıramız geldikten sonra işlemlerimizi halletmemiz veya bir restoranda yemek siparişi vermemiz ve yemeğimiz hazır olduğunda çağrılmamız bu tasarım deseninin yaklaşımını anlamak için oldukça basit örneklerdir. Subject içerisinde Observable nesnelerini ve Observable nesneler ise içlerinde Subscriberları saklar. Daha iyi anlamak için aşağıya bir diagram çizelim. Emitter burada Event’i tetikliyor ve Subject bunu diğer Observable objelerine bildiriyor. Observable objeler ise Event’in içerisinde yer alan mesajı Subscribe olan Observer’a ileterek akışı tamamlıyor. Observable Öncelikle Observable sınıfını yazarak başlayalım. state$: Bu değişken Observable sınıfının son değerini saklar. observer: Bu değişken son Observer(Gözlemci) metodunu saklar. subscribe: Bu metod ile Observer metodumuzun Subscribe(Abone) olmasını sağlar. unsubscribe: Bu metod ile mevcut aboneliği bitiriyor. next: Bu metod State’i güncelleyerek Abone olan Observer’a yeni değer ile çağrı yapıyor Sınıfımızı da yazdığımıza göre küçük bir örnek ile nasıl çalıştığını gözlemleyelim. Aşağıya örnek kodu yazıyorum; Burada tek bir Observer ile subscribe olduğunda doğrudan onu işleme aldı. Peki iki Observer ile subscribe olunca ne yapacak onu deneyelim. Görüldüğü gibi bu örnekte konsola “2. Observer: 24” yazdı. Çünkü sonradan eklediğimiz Observer ilkini ezmiş oldu. Bu önemli bir nokta, ileride çok işimize yarayacak. Subject Şimdi Subject sınıfı ile devam edelim. Burada Observable sınıfını da referans alacağız. states$: Bu liste sınıf içinde ki tüm değerleri saklamak içindir. observables: Bu liste ise sınıfa bağlı Observable nesnelerini tutar. subscribe: Bu metod Observable içinde ki metoddan farklıdır. Burada yeni bir Observable nesnesi oluşturup Observer’ın ona subscribe olmasını sağlıyoruz. Ayrıca Observable’a Subject sınıfının son durumunu ekliyoruz. getState: Bu metod ile Subject’in son durumunu döndürür. next: Bu metod states$ listesine gelen son değeri ekleyerek diğer Observable sınıflarına değerin iletilmesini sağlar. Şimdi bir önceki örneği Subject ile deneyip iki Observer subscribe ettiğimizde nasıl bir sonuç alacağımıza bakalım. Evet sonuca bakarsak iki Observer da tetiklendi. Böylece Subject sınıfı ile birden fazla Observer tanımlamış olduk. Bunlar giriş örnekleriydi. Bir sonra ki yazıda bu sınıfları kullanarak çok daha detaylı örnekler tasarlayacağız. Sevgilerimle.
Uzay araştırmaları bir kesim tarafından kaynak israfı olarak görülmektedir. Yazımızda uzay araştırmalarının neden önemli olduğunu, bu araştırmalar sonucu geliştirilen ve icat edilen hangi ürün ve sistemlerin günlük hayatımıza etki ettiğini, biyolojiden teknolojiye katkılarını inceledik. İyi okumalar dileriz.
Sağlık alanı insanlık tarihi boyunca gelişim göstermiştir. Zaman ilerledikçe yeni teknolojiler dahil olmuş, yeni tedaviler ve teknikler ortaya çıkmıştır. Bu gelişmeler neticesinde insan ömrü uzamaya ve hastalıklara karşı daha dirençli hale gelmeye başlamıştır. Ortaya farklı ilaçlar çıkmakta ve bu ilaçlar hastalıklar ile savaşmaktadır. Günümüzde ise teknoloji son hızla daha iyi bir konuma gelmektedir. Uzun zamandır teknoloji süreci içinde olan bir kavram mevcuttur: Yapay zeka. Bugün bu yazımızda önce yapay zeka nedir, hangi alanlarda aktif rol almaktadır ve en son sağlık alanında şu ana kadar yaptığı işler nelerdir onlardan bahsedeceğiz. Yapay Zeka Nedir? Genel yaklaşıma göre yapay zeka, insana özgü olan algılama, öğrenme, çoğul kavramları bağlama, düşünme, fikir yürütme ya da fikrini belirtme, sorun çözme, iletişim kurma, çıkarım yapma ve karar verme gibi yüksek bilişsel fonksiyonları veya otonom davranışları sergilemesi beklenen yapay bir işletim sistemidir. Bu sistem aynı zamanda düşüncelerden tepki üretebilmeli ve bu tepkileri fiziksel olarak dışa vurabilmelidir. “Yapay zekâ” kavramının geçmişi modern bilgisayar bilimi kadar eskidir. Fikir babası, “Makineler düşünebilir mi?” sorunsalını ortaya atarak makine zekasını tartışmaya açan Alan Turing’dir. Modern bilgisayarın atası olan bu makineler aslında insan zekasından ilham almıştır. Ancak sonraları, günümüz bilgisayarları daha çok uzman sistemler diyebileceğimiz programlar ile gündelik hayatımızın sorunlarını çözmeye yönelik kullanım alanlarında yaygınlaşmaya başlamıştır. 1970’li yıllarda büyük bilgisayar üreticileri olan Microsoft, Apple, Xerox, IBM gibi şirketler kişisel bilgisayar modeli ile bilgisayarı popüler hale getirdiler. Yapay zekâ çalışmaları ise daha dar bir araştırma çevresi tarafından geliştirilmeye devam etmiştir. Yapay Zeka Kullanım Alanları Eğlence: Gelecek yıllarda evinizde otururken, seçtiğiniz sanal aktörleri içeren özel bir film izlemek isteyebilirsiniz. Gelişmiş tahmin programları sayesinde, bir film senaryosunun hikayesi analiz edilirken, gişe potansiyeli de tahmin edilebilecektir. Siber Güvenlik: Şirketler bilgisayar korsanlarından bir adım önde olmak için mücadele etmektedir. USC uzmanları, yapay zekâ tarafından sağlanan kendi kendine öğrenme ve otomasyon yeteneklerinin, verileri daha sistematik ve uygun fiyatlı bir şekilde koruyabileceğini ve insanları terörizmden veya daha küçük ölçekli kimlik hırsızlığından uzak tutabileceğini belirtmektedir. Yaşamsal Faaliyetler: AI asistanları, yaşları itibariyle birinin yardımına ihtiyaç duyan kişilerin bağımsız olarak yaşamasına ve kendi evlerinde daha uzun süre kalmasına yardımcı olacaktır. Yapay zekâ sistemi evdeki yiyecekleri hazır tutacak, yüksek raflarda bulunan eşyalara güvenli bir şekilde ulaşacak ve kişilerin evindeki hareketlerini her daim kontrol edecektir. Ulaşım: AI’ın yakın zamanda en büyük etkiye sahip olabileceği durum otomobillerdir. İnsanlardan farklı olarak AI sürücüleri; asla radyoya veya telefona bakmamakta, arka koltuktaki çocuklarla tartışmaya girmemektedir. Google sayesinde günümüzde kullanılan otonom araçların 2030 yılına kadar kullanımının daha da artması beklenmektedir. Eğitim: Yapay zekâ ve eğitim teknolojileri, öğrencilerin eksik alanlarını analiz edebilecek ve programı bireye uygun bir şekilde tasarlayabilecektir. Kişiye özel oluşturulan eğitim programı ile öğrencilerin, hem daha verimli olacağı hem de gelecekte işini seven bir birey olarak çevresine yarar sağlayacağı öngörülmektedir. Eğitim yazılımlarını öğrenci ihtiyaçlarına göre kişiselleştiren yapay zekâ, öğrencilerin eksiklerini daha iyi analiz etmekte ve gelişim için kişiye özel destek oluşturmaktadır. Akıllı bilgisayar sistemleri ile desteklenen akıllı veri toplama, günümüzde aktif olarak birçok okul tarafından uygulanan bir işlemdir. Bugün bazı okullar, öğrencilerin gelişim sürecini takip edebilmek ve bu analiz ile öğrencinin performansını artırabilmek için de yapay zekâ teknolojisini kullanmaktadır. Yapay zekanın bazı kullanım alanlarını ele aldık. Daha başka alanlar da mevcuttur. İleride de bu alanlar artacak ve neredeyse her yerde yapay zekayı görmeye başlayacağız. Şimdi ise asıl konumuz olan sağlık alanından bahsedeceğiz. Sağlıkta Yapay Zekâ Sağlık hizmetlerinde yapay zeka, karmaşık tıbbi ve sağlık hizmetleri verilerinin analizinde, insan bilişini taklit etmek için makine öğrenimi algoritmalarını, yazılımlarını veya yapay zekayı tanımlamak için kullanılan kapsamlı bir terimdir. Sağlıkla ilgili AI uygulamalarının ilk amacı, hastalığı önleme veya tedavi teknikleri ile hasta sonuçları arasındaki ilişkileri analiz etmektedir. Tanı süreçleri, tedavi protokolü ve ilaç geliştirme, kişiye özel tıp, hasta izleme ve bakım gibi uygulamalar için yapay zeka programları uygulanmaktadır. AI algoritmaları, hastalığın önlenmesi ve teşhisi için elektronik sağlık kayıtları aracılığıyla büyük miktarda veriyi analiz etmek için de kullanılabilir. IBM ve Google gibi büyük teknoloji şirketleri de sağlık hizmetleri için AI algoritmaları geliştirmiştir. Ayrıca hastaneler maliyeti azaltmak, hasta memnuniyetini artırmak, personel ve iş gücü ihtiyaçlarını karşılamak, girişimleri desteklemek için AI yazılımlarına ihtiyaç duymaktadır. Şu anda, Amerika Birleşik Devletleri sağlık hizmetlerinde yapay zekanın gelişimini ilerletmek için milyarlarca dolar yatırım yapmaktadır. Şirketler, yatılı hasta sayısını ve kalış süresini azaltarak, personel seviyelerini uygun hale getirmektedir. Bu sayede sağlık yöneticilerinin işlerinin iyileştirilmesine yardımcı teknolojiler geliştirilmektedir. Sağlık alanına baktığımızda bazı branşlarda yapay zekanın kullanımı görmekteyiz. Bu alanlardan bazıları şunlardır: Dermatoloji: Dermatoloji, görüntülemesi diğer alanlara göre fazla olan bir uzmanlık alanıdır. Derin öğrenmenin gelişimi görüntü işlemeye güçlü bir şekilde bağlanmıştır. Bu nedenle dermatoloji ile derin öğrenme arasında doğal bir uyum bulunmuştur. Radyoloji: Bilgisayarlı Tomografi (BT) ve Manyetik Rezonans (MR) görüntüleme ile hastalıkları tespit ve teşhis etmek için radyoloji alanında yapay zeka üzerinde çalışılmaktadır. Kuzey Amerika Radyoloji Derneği 24 Şubat 2021 tarihinde radyolojide yapay zekaya odaklanmıştır. Stanford’da yapılan bir çalışmada, hastalarda zatürreyi bu çalışmada gönüllü olarak yer alan radyologlardan daha iyi tespit edebilecek bir algoritma oluşturulmuştur. Onkolojide görüntüleme sayesinde, yapay zeka anormallikleri tespit etmek ve zaman içinde değişimi izlemek için iyi hizmet verebilmiştir. Bunlar onkolojik sağlıkta iki temel faktör olmuştur. Psikiyatri: Psikiyatride AI uygulamaları kavram kanıtlama aşamasındadır. Kanıtların hızla genişlediği alanlar arasında sohbet robotları, insan davranışını taklit eden konuşma aracıları, anksiyete ve depresyon için çalışmalar yer almaktadır. Ayrıca bu alanlar dışında sağlıkta yapay zeka çalışmaları ilerledikçe hastalık teşhisi, hasta kontrolü, ilaç etkileşimlerinin incelenmesi ve hasta kayıt bilgilerinin sisteme otomatik kaydedilme işlerinin de yapay zeka tarafından yapılmaya başlandığı not düşülmüştür. Baktığımızda yapay zeka sağlık alanında baya bir gelişme kaydetmektedir. İlerleyen süreçlerde göreceğiz ki sadece yapay zeka değil ayrıca robotik sistemler de daha aktif olacak ve tıp alanında büyük gelişmeler yaşanacaktır. Kaynakça: 1- https://hbr.org/2016/01/algorithms-need-managers-too 2- https://fortune.com/longform/ibm-watson-health-business-strategy/ 3- https://www.techtarget.com/searchhealthit/feature/Predictive-analytics-in-healthcare-helps-improve-OR-utilization 4- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7211783/ 5- https://dermnetnz.org/topics/image-acquisition-in-dermatology 6- https://www.jmir.org/2019/10/e16356/ 7- https://www.ijoms.com/article/S0901-5027(18)30299-6/fulltext 8- https://www.yapayzekatr.com/2020/01/06/yapay-zeka-ve-kullanim-alanlari/
Bu hafta Görünürlük Çalışmalarımızda DevOps ve Otomasyon Mühendisi Gülçin Yıldırım Jelinek bizlerle! Gülçin’i Twitter, Instagram ve LinkedIn üzerinden takip edebilirsiniz.
Bu hafta görünürlük çalışmalarımızda Bilgisayar Mühendisi İrem Kömürcü bizlerle! İrem’i Twitter, Instagram, Youtube, Medium ve kendi kişisel blog sayfası üzerinden takip edebilirsiniz.
