2020'nin Kitaplari
2020'nin son gununde kendime soz vermistim: basladigim ve kesinlikle sonuna kadar bitirmek istedigim kitaplari blogda yazip bu sayede hem bir kitap tavsiyesi yazisi yazmak, hem de kitap yarim birakma huyumdan vazgecmek. Bu yil basladigim, hosuma giden ve faydali gordugum kitaplari begenme sirama ve okuma kolayligina gore siralayacagim.
TLDR;
The Pragmatic Programmer: Your Journey To Mastery by David Thomas, Andrew Hunt
Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and MLOps by Valliappa Lakshmanan, Sara Robinson, Michael Munn
Kubeflow for Machine Learning: From Lab to Production by Trevor Grant, Holden Karau, Boris Lublinsky, Richard Liu, Ilan Filonenko
Deep Learning (Adaptive Computation and Machine Learning series) by Ian Goodfellow, Yoshua Bengio, Aaron Courville
1. The Pragmatic Programmer: Your Journey To Mastery by David Thomas, Andrew Hunt
Teknik bir kitap olmaktan ziyade yillar icinde kazanilan tecrubelerin paylasildigi ve bana surekli tavsiye edilen bir eserdi. Bir haftada kolay bir sekilde okuyabileceginiz kitap hakkinda daha fazla spoiler vermeyecegim.
2. Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and MLOps by Valliappa Lakshmanan, Sara Robinson, Michael Munn
Design patterns, yazilim muhendisliginin yillar icinde benzer problemler icin islerligi kanitlanmis en etkili cozum yontemleri. Machine learning geleneksel programlamadan cok farkli bir paradigma olsa da bizim alanimizin da kendine ozgu design patternleri var. Mesela bir yapay sinir aginin, problemi cozebilmek icin yeterli parametreye sahip olup olmadigini gormek icin "useful overfitting" denen design patternini kullanabiliriz. Modelin loss degerinin sifir olana kadar egitmek, yani bilerek overfit ettirmek GCP Machine Learning Engineer sinavinin ornek sorularinda karsima cikmis bir konseptti ve sertifikasyon sinavina girmeden once kitabi bitirmeye karar vermemi sagladi.
3. Kubeflow for Machine Learning: From Lab to Production by Trevor Grant, Holden Karau, Boris Lublinsky, Richard Liu, Ilan Filonenko
Bir iddiaya gore machine learning modellerinin %90'i baska bir iddiaya(Full Stack Deep Learning) gore ise %85'i production'a ulasmiyor. Bu handikapi asmak icin Google 2018'de Kubeflow'u piyasaya sundu. Kubernetes uzerinde calisan, kararli surumu(1.1) 31 Temmuz 2020'de piyasaya surulen Kubeflow feature engineering'ten tutun da hyperparameter optimization'a ve serving'e kadar olan karmasik sureclerinizi otomatize etmeyi amacliyor.
Kitap hands-on seklinde ileriyor; yani size ne-neden-ne icin sorularini aciklayip, sonrasinda da elinizden tutup her seyi yaptiriyor. Kitabi ucuncu siraya koymamin sebebi ise sadece MacOS kodlarinin olmasi. Ayrica 2020'nin yeni yildiz konusu olan MLOps uzerinde calismak isteyen herkesin kesinlikle okumasini tavsiye ediyorum.
4. Deep Learning (Adaptive Computation and Machine Learning series) by Ian Goodfellow, Yoshua Bengio, Aaron Courville
Kitabin unu o kadar almis basini yurumus ki sanirim bu kitabi tanitmama bile gerek yok. Dorduncu siraya koymamin sebebi ise kitabi akici bir sekilde okuyabilmek icin saglam bir lineer cebir, kalkulus ve istatistik temelinizin olmasinin gerekmesi. Baslangic icin dogru bir kitap degil fakat machine learning alaninda calisan herkesin basucu kitabi olacak(ve olmasi gereken), basiniz sikistiginda acip bakacaginiz bir eser.
Bir sonraki yazi, kitaplar uzerine degil de bitirmeyi planladigim kurslar hakkinda olacak. Herkese yeni yilda mutluluk, saglik ve temiz datasetleri diliyorum.
