Konuklar: Cenk Çivici, İlker Mutluer ve Nezir Alp
Bu bölümde, Trendyol'da Makine Öğrenimi'ni ele aldık. Neler yaptığımızı, gelecekteki planlarımızı ve teknoloji stratejimizdeki yerini konuştuk. Konuklarımız Cenk, İlker ve Nezir’den Makine Öğrenimi'nin Trendyol'daki rolünü ve geleceğini dinleyin.
Transkript
Merhaba arkadaşlar, hoş geldiniz her şeyden önce.
Bugün aslında Trendyol'da makine öğrenmesi üzerine neler yaptık, neler yapacağız, neler hayal ediyoruz'u konuşmak üzere Terminator 2'nin sonunu ağlayan 3 kişi olarak bir araya geldik.
Nereden nereye değil mi?
Yani zamanında acaba makineler...
Erayız edecek mi falan derken bugün aslında biz bunu nasıl yaparızı konuştuğumuz günlere geldik.
Ben kendimi tanıtarak başlayayım.
Ben İlker Mutler, Data Management ekibinde çalışıyorum.
7 yıldır da tren yoldayım deyip Cenk sözü sana vereyim.
Ben de Cenk Çivici. Kaç yıldır çalışıyorum?
Çok. Hiç yılları sayma.
Şeyim yok ki 7,5 yıl oldu galiba tren yolda çalışmaya başlayalı.
Her yılda kaç yıl gibi geçti?
Çarkı 3. Çarkı 3 gibi geçti.
Teknoloji ekibine liderlik yapıyorum ben de.
Merhaba ben de Nezir.
7 sene oldu benim de tren yolları.
Aynı dönemde başlamışız. Hepimiz aynen aynı dönemde başladık.
O zamandan beridir de algoritmalarla uğraşıyoruz.
Algoritmalarla oynuyorum. Oynamaya çalışıyoruz, oluşturmaya çalışıyoruz.
Detaylarını zaten konuşuruz algoritmalarda.
Tamamdır. Bugün de zaten olabildiğince neler yaptık, neler yapmayı hedefliyoruz.
Bundan sonrasında bunları yapmak için nelerle uğraşacağız?
Sohbet havası da geçirmeye çalışacağız deyip.
Cenk abi ilk sana bir soruyu yönelteyim hemen.
Çok zor olmasın. Çalıştığın yerden soracağım abi.
Uzun süredir buna kafa yordun da biliyorum.
O yüzden çalıştığın yerden gelecek diye düşünüyorum.
Trendyon'un teknoloji stratejisini anlatmakla başlasak ne dersin?
Ve bunun içerisinde sence ilerleyen dönemde makine öğrenmesinin rolü nedir?
Strateji deyince böyle çok...
Risk oynayasın geliyor değil mi?
Çok önemli kelimeler ya stratejiler, vizyonlar.
Ben şöyle özetleyeyim.
Yani tren yolda yapmaya çalıştığımız ana amacımız aslında tren yolun yapmaya çalıştığı şeyi teknoloji dünyasına map etmek.
Yani onu implement etmek, gerçeğe dönüştürmek.
Tren yolda Türkiye ve çevresinde çok büyük bir e-ticaret oyuncusu olma hedefiyle gidiyor.
Bunu da gerçekleştirmenin yolu teknolojiden geçiyor.
Değerlerinin en önemlerinden bir tanesi müşteri odaklıyız diyoruz.
Ekibimizde yaptığımız işler hep müşteri odaklı.
Müşterinin uygulamalarımız, platformlarımız içindeki akışı açısından map ediyoruz aslında.
Şimdi İngilizce kelimeler kullanıyorum.
Kimse kusura bakmasın.
Alıştığımız için. Burada da aslında ilk yıllardan 7,5 yıl dedim.
İlk yaptığımız şey ne oldu?
Bu platformları geliştirmek oldu.
Platformlar milyonlarca insana ulaştı.
Terabaytlarca data değil mi?
Evet abi. Bu datayı saklayan insan olarak.
Her gün, her klik, her yapılan hareket, siparişler, bütün her şeyi saklamaya başladık sonra.
Sonra da bu müşteri hareketlerini, müşteriye verdiğimiz değeri daha iyi hale nasıl getiririz demeye başladık.
O da tamamen nereden geçiyor?
Machine Learning'den geçiyor.
Optimizasyon, iyileştirme.
Orada çünkü teknolojinin geldiği yerde artık tüm dünyada biz bu konulara böyle trend olmadan çok önceleri başlamıştık.
Değil mi? 7 yıl önce, 8 yıl önce.
Ama artık herkesin gözünün önünde bu konular.
Biz de burada yani çok fazla konuda müşterinin o tren yoldaki yarattığı faydayı...
maksimize edecek şekilde birçok ürün geliştiriyoruz.
Ürünlerimiz artık şey değil.
Makine öğrenmesiyle yaptığımız çözümler de var.
Başka şekillerde uyguladığımız çözümler de var.
Önemli olan orada ürün.
Ürünün etkisini arttırmak.
Ama şey diyebilirim net olarak yani artık tren yolun Bu kadar fazla data ile etkisini arttırma zamanı geldi.
Çünkü yaptığımız işlerin etkisinin böyle çok fazla olduğu her konuya baktığımızda orada datayı görüyoruz.
Makine öğrenmesini görüyoruz.
Stratejimizin de ana odağında bel kemiği data, data science.
Her gün konuşuyoruz. Her gün konuştuğumuz konular aynen.
Dönüp dolaşıp yani. Bir de bu şey diyeyim uzatmadan.
Bir konu daha var o da teknik platformlar.
Evet. Yani security'den tutun.
güvenlikten tutun. Diğer konulara kadar standartların uygulanması, yazılımcıların güvenlik...
Yani birçok konuda şey var gene önümüzde.
Yapay zeka ile çözülebilecek çok konu var.
Sadece ben tren yol müşterisi demem.
Biz de kendimiz iş yapış şeklimize bakınca gene yapay zekanın birçok konuyu optimize edecek konular da var.
Hem optimize hem otomasyon açısından da fırsat sunduğu birçok nokta var.
Doğru söylüyorsun abi. Kısa oldu değil mi?
Bence gayet yerinde ve sürekli konuştuğumuz konular olunca artık böyle şey gibi oluyor.
Omurilikten geliyor değil mi abi söyleyeceğimiz şeyler?
7 yıl önce hep beraber bir araya geldiğimizde 1 megabaytlardan 2,5 terabaytlık datalardan petabaytlarca scale'e geldik.
Bir petabyte ne kadardır?
Hadi abi. Oradan geriye doğru çarpa çarpa kaç megabyte datamız var'a doğru gidiyoruz galiba.
Artık şey oldu abi. Bunları bile yapay zekalı soruyoruz.
Petabyte bizim normalimiz oldu her gün.
Doğru bu arada. Bir de değil mi?
International'da açılınca. Tabii.
Tabii yani gün ve gün aslında işlediğimiz, yönettiğimiz, bundan değer ürettiğimiz data hacmi arttı.
Şimdi tabii bununla beraber birçok yatırım da yaptık aslında.
Çünkü ilk zamanları hatırlarsın Nezir yani böyle sisteme sorgu bile atamadığımız yerlerden nerelere geldik.
Şimdi bu yaptığımız yatırımların aslında data science tarafında ne gibi faydalar oluyor?
Size nasıl iğme kazandırıyor?
Bunlarla beraber elde ettiğimiz bazı somut sonuçlar da var mutlaka.
Onlara örnek verebilir misiniz?
Tabii. Biz bu alana 7 senedir aslında çok ciddi yatırım yapıyoruz.
7 sene dediğim 7 senedir makine öğrenmesine, yapay zeka algoritmalarına yatırım yapıyoruz.
Ondan önce de veriye çok ciddi yatırım yapıyorduk trend yolu olarak.
Her kararımızı veriden esinlenerek almaya çalışıyorduk.
Evet. Datanın daha iyi bir fikri var yazıyor.
Her zaman. Her zaman.
Aynen onu da ekleyelim.
O yüzden de ciddi bir birikimde elde ediyoruz.
edebildik ve şimdiye kadar da şirketimize ciddi bir katkı sunabildik bu algoritmalar sayesinde.
Bunu nasıl yaptık? Şirketimizin vizyonundan yararlanarak aslında aynı paralellikte çalışıyoruz.
Nedir? Petrandiol bir müşterilerle satıcıları buluşturan bir teknoloji firması.
Bu platformu sağlayan bir teknoloji firması.
Teknolojiyi kullanarak hem müşteri deneyimini iyileştirmeye çalışan ve satıcı deneyimini iyileştirmeye çalışan ve bu ticaretin gerçekleşmesini sağlayan bir platformuz.
Hızlı araya gireyim. Burada hep bizim söylediğimiz bir şey var.
Tren yolu teknoloji platformu yaptığımız işte e-ticaret aslında.
Tersi daha farklı bir anlama gelebiliyor mesela.
Bu yüzden teknoloji vizyonuna sahip bir ekibiz, şirketiz.
Ürün geliştirmeye çalışıyoruz.
O da ticari sektöründe kullanılıyor aslında.
Aynen öyle. O yüzden de bizim algoritmalarımızın da amacı da birincisi müşterilerimizin deneyimini çok iyileştirmek.
Buna yönelik algoritmalar yazmaya çalışıyoruz ki kullanıcılarımız daha mutlu ayrılsınlar ve ticareti yapabilsinler.
İkincisi tabii hani platformumuzda satıcılarımızın ürününü satıyoruz.
O yüzden de satıcı deneyimini de çok iyileştirmemiz gerekiyor.
Bu da ikinci amaç.
Karşılarımızdan biri. Tabii bu da büyük bir ticarete neden oluyor satıcılarla müşterileri buluşturunca.
O yüzden de bu ticareti de verimli yapmamız gerekiyor.
Çünkü bunun bir lojistiği var, operasyonu var.
Çok ciddi operasyon süreçler var.
Ben bir kullanıcıyım.
Tren yola geldim. Başta ne yapmam gerekiyor?
Doğru ürün ne? Bulmam.
Oradan başlıyor konu.
İlk önce bir karşılamamız gerekiyor ana sayfada.
Ana sayfada hangi banner'ı göreceksiniz?
Hangi ürünleri göreceksiniz? Belki de banner görmemeniz gerekiyor.
Daha önce geldim mi? Evet.
Geçmiş deneyiminize göre, o anki verinize göre şekillenmesi gerekiyor.
Size özel bir ana sayfa olması gerekiyor.
Sonra bir arama yaptığınızda hangi ürünleri size göstermemiz gerekiyor?
Hangi ürünleri alma ihtimali daha yüksek?
Bunu hesaplamamız gerekiyor ki.
Tüm ürünler üzerinde hesaplamamız gerekiyor ki onları gösterebilir.
Doğru indirimleri. görünmesi gerekiyor.
Aynen öyle. Sadece bu arada şey değil.
Kullanıcının aradığı ürünü gösterme konusu değil.
İlgisini çekebilecek bir ürünü gösterme esasında.
Her zaman ilgi alanında değil.
Belki ilgi alanı olabilme ihtimali olan ürünleri zaten onlar daha çok oluyor bu arada.
Daha çok satıyor. Kesinlikle. Kesinlikle her zaman zaten sepet öyle büyüyor.
Aynen. Evet. Bunları sağlamaya çalışıyoruz kullanıcı tarafında.
Tabii tek amacımız kullanıcıya bir şey satmak değil.
Bu satışı sağlıklı bir şekilde yapabilmek.
Yani kullanıcılarımız o ürünü satın aldıktan sonra eline ulaştıktan sonra mutlu olması.
İyi bir deneyim sonucunda o ürününü almış olması.
Bunun için de kullanıcıları iyi bir şekilde bilgilendirmeye çalışıyoruz yine platformumuzda.
Örneğin neler var? Mesela ürünlerin hepsinde çok ciddi yorum var.
Hani binlerce yorumlar var hatta bazı ürünlerde.
Onların hepsini kullanıcı okuyamaz. O yüzden o yorumlardan en verimliliğini en hızlı görebilmesi gerekiyor.
Biz de ne yapıyoruz? Sıralama algoritmalarıyla yorumları sıralıyoruz kullanıcılar önden ki kullanıcı en faydalı yorumları görebilsin.
Veya bu yorumlardan kelime grupları çıkarmaya çalışıyoruz ki kullanıcıya özet sunalım bir yandan.
Yani her şeyi okumak zorunda kalmasın veya ilgi duyduğu bir kelime grubuna tıklasın, filtrelensin o yorumlar.
Sadece o tarz yorumları görebilsin ki...
Almayacağı bir ürünse veya almaması gereken bir ürünse örnek veriyorum iade edebileceği bir ürünse almaması gerekiyor.
Ki hem müşteri de memnun.
hem de bizler de bu maliyete girmeyelim.
Çünkü İHD'nin de normal olarak ciddi bir maliyeti var.
Bu müşteri tarafıydı.
Tabii bir yandan da satıcılarımızı deneyimliyleştirelim.
Bu buzlarının görünen kısmı.
Evet. Birçok konu var aslında değil mi?
Yani tren yolu ekosistemini düşününce ben de böyle dışarıdan bir gözle bakınca değil mi?
Yani klasik bir e-ticaret platformu gibi görünüyor ama içeride böyle Kargolar, kuryeler, yurt dışına giden ürünler, onların iade...
Yurt dışına giden ürünlerin, geçenlerde bahsediyorlardı, uçağa nasıl yerleştirilmesi gerektiğine kadar optimizasyon problemleriyle dolar.
Evet, çok hızlı edecek adım adım birçok konu var böyle.
Tren yolu ekspresinden tut şeye kadar.
Ve çok şanslıyız ki çok büyük bir verimiz var.
Her adımı logluyoruz.
Hem kullanıcının her hareketini.
Hem satıcının.
Yani her türlü verimiz var.
Bu da bizim için çok büyük bir fırsat.
Yani bu veriye bakarak geçmişte neler yaşanmış, hangi durumlarda müşteri memnun olmuş, hangi durumda satın alım yapmış, hangi durumda iade gerçekleştirmiş, hangi durumda satıcı satış
yapamamış, satışlarını artıramamış veya nasıl artırmış bunların hepsini görebiliyoruz.
Bu sayede de bu veriden yararlanan algoritmaları geliştirebiliyoruz.
Bu bizim için mükemmel fırsat.
Sadece verinin olması değil, bir yandan da et ticaret, İşini yapıyor olmamız da büyük bir şans esasında.
Çünkü tüm sektörlerde olan farklı problemlerin hepsini görebiliyoruz.
Bunların çözümlerini birleştirebildiğimiz zaman asıl güç ortaya çıkıyor bu arada.
Çünkü bir yandan mesela satıcılarımıza kredi verebilmek için de bazı çalışmalarımız var.
O yüzden kredi risk skoru hesaplamaya çalışıyoruz bir yandan.
Bir yandan kuryeye...
Siparişi esayen etmemiz gerekiyor.
Hangi ruttan gideceğini karar vermemiz gerekiyor.
Operasyon research problemleriyle uğraşıyoruz.
Bir yandan satış tahminlemeye çalışıyoruz.
Bir yandan hangi kullanıcı hangi ürün satın alacak bunu tahminlemeye çalışıyoruz vs.
Bir sürü farklı problemi...
Bir de üstüne şey geliyor. Bunun Türkiye'de yaptığımız bu işi...
Evet. Kaç tane ülkeye yaydık şu an.
Bütün Türkiye ve çevresindeki ülkelere de yaydığımız durumda.
Şu an birçok ülkede operasyon yapıyoruz zaten.
Ondan fazla ülke için ayrı algoritmalar çalıştırıyoruz.
İş çalıştırmamız gerekiyor. 10 kat, 20 kat daha zorlu hale geliyor.
Kesinlikle. En zor tarafı ama şunu söyleyeyim.
Şimdi mesela Türkiye'de çok ciddi bir hacme ulaştık.
Şu an kurabileceğimiz algoritmalarla mesela örneğin Suudi Arabistan'da da satışa çıktık.
Orada kurabileceğimiz algoritmalar çok farklı.
Neden? Çünkü hacimden dolayı, müşteri profilinden dolayı farklı yaklaşmamız gerekiyor.
Hadi bu aynı. modeli iki tarafta da eğitelim gibi bir seçeneğimiz yok.
Onun yerine işte her faza uygun şekilde nasıl algoritma geliştirebileceğimizi öğrenebiliyoruz.
Bu da bizim için büyük bir şans aslında.
Aslında dönüp dolaşıp iterasyon doğru algoritma diye bir şey yok aslında.
Bizim de sürekli üstüne durduğumuz daha fazla test yapabilmek.
Yani yeni algoritmalar train ederek, eğiterek aslında hepsinin etkisini gerçek ortamda deneyerek görebilmek.
Sürekli fırsat arama aslında.
İşimiz o. Nerede bir fırsat var.
Hipotezler oluşturup. Zaten o yüzden data science deniyor.
Aynen öyle. Veri bilimin denmesinin en büyük nedeni değil mi?
Bildiğim kadarıyla şey. Evet.
Yeni yeni hipotezler. Sürekli neyi iyi yapıyoruz, neyi kötü yapıyoruz bunlardan.
Hipotez üretip. Laboratuvar ortamında hipotezler.
Sonra bunun deneylerini yapmaya çalışıyoruz.
Nezir'le bunları ne zaman böyle anlatsa ben hep ona şey de söylüyorum.
Ben senin hayatın nasıl kolaylaştı?
Bir sürü şey anlatıyorsun. Biz engineers çünkü.
scientist olan nezir.
Aynen. Yani senin hayatına nasıl destek olabilirim?
Bu sorunları çözmene nasıl destek olabilirim?
Trend yolda onu da gördük aslında.
Şimdi algoritmanın kalitesi ayrı bir etki yaratırken altında yatan mühendislik ve o mühendisliğin kalitesi ise bunu gerçekten kat ve kat artırıyor bu etki.
Bunu çok fazla yaşadık.
Sen de biliyorsun. Doğru. Örneğin bir algoritmayı gerçek zamanlığa çektiğimiz zaman performansı bir anda iki katan neredeyse çıktığını gördüm.
Ben hep şey diyorum ya orada aslında mühendis yolu inşa ediyor.
Otoyolu. Evet. Scientist ise o otoyolda o modeliyle 200 kilometre kaç olsun?
250 kilometre hızla gitmek istiyor.
Radara girmeden artık nereye kadar gidebiliyorsun?
Ne kadar hızlı gidebildiği aslında tamamen mühendisliğin verdiği güçte oluyor.
Bir de bazen farklı yollar açıyor mühendis ekiplerde.
Bu farklı yollardan da geçme şansımız oluyor.
Bu da bizim en büyük şeylerimizden galiba.
Şu andaki en büyük vizyonumuz, şeyimiz o.
Makine öğrenmesi ve data scientist gibi rollerin aslında akışta...
nasıl birlikte çalışması gerektiğini oturtmuş bir ekibiz mesela.
Farklı olan değil mi?
Dünyada genelde baktığımızda data scientistlerin yani en çok yoruldukları konular genelde mühendislerin çözüm bulabileceği ölçek problemleri.
İşte GPU'lar falan hepsi bunlar için.
O akışın güzel olması, otoyolların inşa edilmesi.
Bizim de zaten en çok odaklandığımız konu bu.
En büyük gündemimiz şu anda bu aslında.
Yani şimdi Nezir bu kadar konudan bahsetti ama bunun gerçekten hızlı ve iteratif bir şekilde yapılabilmesi için düzgün pipeline'larla, feature'larla, bunun infer
ödülmesine kadar o bütün o ML lifecycle içerisinde Nezir'in sadece ben bu modeli nasıl iyileştireceğim odaklanmasını sağlamak.
Önlüğünü giyip böyle hipotezi oluşturup deney sayısı.
23 işte. O noktada aslında hem platformlar geliştirmeye çalışıyoruz hem bu platformu data quality ile desteklemeye çalışıyoruz ki datanın kalitesi senin için en önemli konulardan bir tanesi abi.
Ve aslında 7 yıldır da uğraşıyoruz yani.
Bu arada böyle bayağı iyi bir yere geldik.
7 yıldır uğraşıyoruz yani.
O şeyi söyleyelim mi?
Tren yolda hep kullandığımız bir şey var ya.
Kötü günler geride kaldı.
Biz böyle ne zaman bir zor şeyin üstesinden gelsek işte daha kötü günler gelecek de bizi bekliyor.
Çünkü şey var. Hiçbir zaman aslında tren yolda biz olduk, bittik, bunu yaptık demediğimiz için aslında bu lafın altında o yatıyor.
Daha ne yapabiliriz?
Daha iyiye nasıl götürebiliriz?
Hep konuyu bir adım öteye taşımaya çalıştığımız için aslında hiçbir zaman problem bitmiyor.
Kesinlikle. İşte bu bitmeyecek de bu.
Daha da kompleks hale geliyor.
Product mindset ile yaklaşmamızın bence çok faydası da oluyor, etkisi de oluyor.
Yani tamamen bunu bir ürün olarak görüyor algoritmayı.
Bunun bir sürü parçası var.
Her parçasını nasıl itere ederiz?
Nasıl sürekli daha iyiye götürürüz?
Zaten fırsat var. Hiç bitmeyecek.
Bitmemesi gerekiyor. Teorik olarak da zaten bitmemesi gerekiyor.
O yüzden de bizde de hedefi sürekli fırsat var.
Şimdi 7 yılı düşündüğün zaman kaç...
tavsiye, ürün tavsiyeleriyle ilgili model denemesi yapmışsınızdır mesela.
Yüzlerce. Yüzlerce yapmışsınızdır ve çok radikal değişimlerimiz de oldu.
Yani çok inandığımız metodolojilerden vazgeçtiğimiz veya sonra geri döndüğümüz zamanlar da oldu.
Bunların hepsi birer öğrenmeydi tabii.
Ve değişiyor. Çok dinamik bir dünya zaten.
O yüzden de yani daha kesinlikle.
Bunlara da adapte olmamız gerekiyor.
Adapte olabilmemizin yolu da iyi bir teknolojiden.
iyi bir mühendisten ve iyi bir üründen geçiyor.
Bunlar da sağlanabiliyor.
Bunun yanı veri de olunca ve kaliteli olunca, temiz olunca.
Tertemiz veri olunca. Problem çözmekte.
Burada sana vakti için. Göz göze geldik ama ben şöyle kaçırdım gözlerimi.
Ya bu arada şey kısmına da sonuna kadar katılıyorum.
Yani bizim aslında şu anda konsantre olduğumuz problemlerin dışında da daha bilmediğimiz Problemler de var ve yarın onlar çıkacak karşımıza.
Ve öğrenmeye de çalışıyoruz bu süreçte.
Şimdi bundan 7 yıl öncesine baktığımızda abi Nezir sen nasıl çalışıyordun?
Bugün nasıl çalışıyorsun? Burada çalışma pratiklerimiz de değişiyor.
Daha efektif nasıl oluruz onları sürekli keşfetmeye çalışıyoruz.
Bu sadece tren yolu da değil.
Kendi çalışma şeklimiz de bir mühendis olarak.
Ben yapay zekanın verdiği avantajları nasıl kullanayım?
kullanırım da daha efektif çalışırım.
Bu da çok şey bir konu.
Bu arada sadece yani şey gibi de değil.
İşte bir data scientist'in, data engineer'in sorunu da değil.
Aslında software engineer'in, domain engineer'in.
Bütün herkesin artık şeyi düşünmesi lazım.
Ya ben bugün abi bu bardağı buradan buraya kaldırıp koyuyorum ama bunu acaba bu kadar efer harcamadan yapabilir miyim?
Bunun da bir sürü cevabı var ve bir tane metodu da yok aslında.
Orada da Dediğim gibi her gün hep beraber öğrenmeye devam ediyoruz.
Çok şanslı olduğumuz konuda o tren yol bize birçok konuyu...
Bu imkanı sağlıyor. O zor çözmemiz gereken problemleri o 7 yıl, 8 yıla bakınca...
Her sene farklı farklı problemler var.
Hatta fazlası bile oluyor.
İşte mesela çalışanlarımızın MPS'i yapılıyor.
Komentleri, yorumları geliyor.
Onu bile hadi klasifay edelim.
Sınıflandıralım da buradan şey çıkaralım, aksiyon çıkaralım.
Hani buralara kadar geldik. Ekip büyüyünce artık data da büyüdü.
Orada bile data büyüdü abi.
Eskiden bir şeydi Excel'de değil mi?
30 satırda. Abi yine gerçekten şey gibi oldu.
Nereden nerelere geldik diye.
Teknoloji ekibi kaç kişi olduk?
Şu anda 2000'in üzerinde.
Ben 113.ydim galiba.
Biz hepimiz aynı zamanda.
Peki ya Cenk abi sana bir soru sorayım.
Şimdi bir sürü az önceden beri bahsediyoruz.
Bir sürü algoritmalar geliştiriliyor.
Bu algoritmaları destekleyecek platformlar geliştirmeye çalışıyoruz.
Bu arada buralara bayağı recruiting de yapıyoruz.
Hemen şuraya bir ürün yerleştirme.
İş ilanlarımızı şu adresten takip edebilirsiniz.
Yapabiliyor muyuz bunu? Süper.
Hemen şuraya. Tekrar abi sana döndüm.
Şimdi bu kadar işte platform geliştirme yapıyoruz, algoritma geliştirme yapıyoruz ama bu konu gerçekten Terminatör'e gidecek mi?
Yani bir gün böyle makineler bütün her şeyin kontrolünü alacak mı?
Sen nasıl görüyorsun? Bu makine öğrenmeyi...
Evet, veri bilimi nereye geliyor?
Tren yolda daha neler yapacağız?
Nasıl görüyorsun vizyon olarak?
Şimdi 97'den beri çalışıyorum.
Sektördeyim diyeyim.
Yaşım ortaya çıksın. Yani ne oldu aslında?
Bu değişimi ben gördüm mesela.
Önce ben ilk mezun olduğumda web dünyası yeni yeni başlıyordu.
Ondan sonra bir 2000'lerin ortalarına doğru 2005-2006 gibi mobi dünyaya...
Geçtik işte Nokia telefonlar 2000'lerin başında falan başlamıştı galiba.
Nokia falan da yok değil mi artık?
Var da öyle yok yani abi.
Mobil dünya başladı.
Ondan sonra cloud değil mi?
Bulut dünyası hayatımıza girmeye başladı.
Bulut dünyasıyla beraber biz aslında daha önce kurduğumuz o web, mobil dünyanın tüm datasını saklayabilir hale geldik.
Sonra da datayın...
Nasıl kullanabiliriz demeye başladık.
O anda da artık bu işlemci teknolojilerindeki gelişimlerle beraber işte Nvidia'nın herkes zaten farkında neler yaptığının GPU'larla beraber bu datayı çok
kolay işlemeye başladık.
Bu işlemci gücü arttıkça da algoritmalar da...
Eskiden aslında birçok algoritmaya bakılınca değil mi 1980'lerde falan konuşulduğu, bunlarla ilgili bilimsel makalelerin yazıldığı, yapay sinir ağları gibi konuların çok eski
olduğu görülüyor ama bunlar belki o teknolojinin verdiği...
Avantajlar olmadığı için yapılamıyordu.
Gerçekçi değildi. Kesinlikle kesinlikle.
ChatGPT'yi düşünelim. 4 sene önce de aslında aynı metodolojide üretilmiş ChatGPT vardı.
Ama hani kalitesi neden fark ediyor?
Birincisi veri boyutu çok arttı.
İkincisi bunu hesaplayabilecek bilgisayar gelmeye başladı.
Hem kaydedebiliyoruz datayı hem de kullanabiliyoruz artık işleyebiliyoruz.
O yüzden bu döngü hızlanarak devam ediyor değil mi?
Yeni yeni çip teknolojileri sürekli.
Gelmeye devam ediyor.
İşte Nvidia Blackwell platformunu duyurmaya hazırlanıyor yakında.
Bu akış devam edecek.
Şu an Nvidia'nın...
GPU'larına yatırım yapan şirketlere bakınca zaten en büyükler.
İşte teknoloji şirketleri alıyor.
İşte Metas'ı, Google'ı, Microsoft'u.
Biz de bu arada GPU alıyoruz mesela.
A100'ler, A100'ler.
Biz de kendi GPU farmı oluşturmaya çalışıyoruz.
Doğru. O yüzden bir altına hücum gibi bir durum var.
Evet. Yani çok insanın da o daha tek bir yerde olunca tüm insanlığı ne oluyor?
Büyük zıplamalar, paradigma değişiklikleri oluyor.
O yüzden dünya büyük bir değişime gebe bence şey olarak.
Ama bu tabii birçok kural, regulasyon bunların da gelmesi gerekiyor.
Genelde bunlar büyük problemler yaşamaya başladıktan sonra çıkabiliyor.
Yani orada bir şey noktası var ama beni yani heyecanlandıran konu bunun hızlanarak devam etmesi.
Trianyolda da bu sorunlara, bu problemlere, müşteri problemlerine direkt aşina olmamız.
Abi international açılmamızın en kolay yönlerinden biri o dil çeşitliği ve anlık translation yapabilmek.
Dinleyenler için bir örnek verelim mesela o konuyu.
Farklı farklı ülkelerde farklı dilleri konuşan alıcılarımız var.
Satıcımız işte Tokat'tan bir satıcı.
Bu Polonya'daki, Romanya'daki, işte Suudi Arabistan'daki alıcıyla onların verdiği sorulara, yolladığı sorulara nasıl cevap verebilir?
Tam nokta atışı mesela şey.
chatbotlar falan da var bu arada.
Yani ürününü sadece bir cümle yazıyor.
Sadece bir başlık koyuyor.
O başlıktan sonra bizler bunun özelliklerini çıkarıyoruz.
Fotoğraftan. Sonra gidip bir açıklama yazıyoruz.
Yine fotoğrafa bakarak ve bu başlığa bakarak daha iyileştirmeye çalışıyoruz.
Yanlış bir bilgi varsa onu değiştirmeye çalışıyoruz vs.
Sonra çeviriyoruz diğer dillere ve tüm farklı ülkelerde hemen satışa çıkmasını sağlıyoruz.
Sonra da dediğin gibi soru cevabına kadar aslında bu çevirileri...
yaparak destek oluyoruz. Ve yani bu temel modeller aslında dünyada artık yaygınlık kazanıyor bence.
Evet. Artık bir sonraki değil mi şeye geldi konu.
Bunların üstüne neler yapılabilir?
Evet. İşte kodlamadan tutun şeye kadar işte müşteri botlarını bunlar daha akıllı hale nasıl bunlar da hep yapılıyordu.
Sadece evrimsel süreç.
Değil mi? Hepimiz şeyi görüyoruz.
Bir anda böyle bir gelişim olduğu gibi hissediliyor.
Aslında öyle değil. Aslında öyle değil.
Bir anda olmadı da değil mi şey oldu bunu iyi bir ürün haline getiren bir şirket oldu ama ondan öncesinde de konuyu takip edenler.
Kitlesel bir değişim başlıyor şimdi onun ucundayız aslında.
Herkes böyle bir baktı ya bu mümkün müymüş demeye başladı.
Evet aynen inanç arttı.
Eskiden çok zordu ikna etmek.
Bir algoritma bunu yapabilir vesaire demek.
Hadi canım. Artık daha rahatsız.
Erişilebilir de oldu. Bence o da çok önemli.
Kesinlikle. Bugün chatgbt.com'a girip herkes kullanabiliyor.
Türkçe de destekliyor.
Çok erişilebilir. Herkes öğrenmeye başlayınca şey de artıyor değil mi?
Birçok farklı düşünen insan bu konuya odaklanınca fikirler de arttı.
Her gün bir şey görüyoruz mesela.
Farklı faydaları çıkıyor. İşte bir sürü inovasyon.
İyi fikirler hep şey olur abi.
O teknolojinin arka planında nasıl çalıştığını bilmeyen insanlar o teknolojiyi daha rahat çalınca.
Yani işte bir müşteri bakış açısıyla düşün.
Sen çok teknik bir software engineer'sın.
Sana gelip ya şunu şuraya koyamıyor muyuz?
Çok basit iş. der.
Aslında o bir anda şey diyor. Aa evet aslında niye bunu buraya zorlamıyoruz?
Lambasını yakabilirsen de ama arkadaki teknik altyapıyı bilen adam ilk başta şey diye girebilir.
Ya bu burada olmalı.
Bunun yeri burası. Haliyle bugün herhangi bir kişinin işte bu tarz tool'lara erişebilmesi oradaki yaratıcılığı, farkındalığı başka bir level'a taşıyor
bence. Burada gene tren yolu reklamı alalım mı?
Alalım abi. Tren yolda bu problemlerle fazlasıyla uğraşıyoruz.
Fazlasıyla uğraşmak istiyorsanız.
Bu arada gerçekten öyle.
Hatta... bazı problemleri şu an tespit edememiş bile olabiliriz.
Doğru mu? Kesinlikle. Çok problem.
Nezir'in dediği gibi konu sadece eticaret değil.
Bunun lojistiği var, depo organizasyonu var.
Bir sürü konu var.
Bize gelen bir başvuruyu doğru ekipteki doğru arkadaşlarımıza nasıl buluşturabiliriz?
O bile çok güzel bir problem.
Aynen öyle. Peki abi bu kadar zamandır buradasın tekrardan.
7 yıl oldu ama. Niye buradasın?
Öyle bir girdim gerçekten öyle oldu değil mi?
Gitmiyor. Yok o yıl demek istemiyorum.
Bu arada gerçekten seni buraya ne bağlıyorsun cevabını az önce verdik.
Problemler. Çok fazla problem çözdüm.
Peki bu kadar problemimi çözerken abi neler öğrendin?
Neler öğrenme fırsatı yakaladın burada?
Çok öğrendiğim şeylerden biri şuydu.
Yani ortada bir teknoloji var.
Hadi bunu nerede kullanalım vesaire aramasından ziyade ortada bir problem var.
Bu problemi nasıl çözerize odaklanabiliyoruz.
Bu bizim için. Bence trend yolunun en güçlü taraflarından biri de bu.
Yani bu hani az önce yapay zekanın ne kadar popüler olduğundan falan bahsettik de.
Yani yaklaşımımız bence bu teknoloji nerede kullanılır değil de.
Bizim böyle gelişim alanlarımız var.
Buradan fayda sağlayabiliriz.
Burada hangi teknolojiyi kullanabiliriz?
Nasıl geliştirebiliriz bunu? Bu olması gerekiyor.
Bence bunu iyi yapıyoruz.
Bunu da çok ısrarcı olduk.
O yüzden iyi önceliklendirmeler.
yaptık. Doğru tarafla doğru problemleri çözmeye çalıştık.
Bu da çok ciddi bir kazanç sağladı.
Bence benim en büyük öğrenimim buydu açıkçası.
Çünkü çok savrulabiliyoruz.
Özellikle yapay zekanın da bu kadar gelişmesiyle hızlı gelişmesiyle savrulma da daha da arttı normal olarak.
Çünkü yapabileceğinin sınırı yok.
Bir hype olan değil mi? Trend olan bir şey.
Onu takip etmiyoruz da biz problemler ne diye bakıyoruz.
Biraz önce dedim ya 2000 kişiyiz diye ben de ona ekleyeyim.
2000 kişi nasıl organize oluyor falan diye bazen sorular alıyorum ben.
En kolay aslında pratik yolu nezirinde bahsettiği gibi problemleri çözecek çözümler o etki çevresinde küçük küçük startuplar
gibi organize oluyor trend teknoloji.
Küçük basketbol takımları gibi en doğru tabir o.
Ve o maçı kazanmaya çalışıyorlar.
Aynı anda belki 200 tane maç oynuyor.
O yüzden de bir anda bakıyorsunuz işte bir ay içinde farklı takımın 200 maçından çok güzel sayılar elde ediyoruz.
Ben onu hep şey diye anlatıyorum ekibe de.
Çözüme sorun bulmaya çalışmayın.
Bir sorun var. Ona çözüm bulmaya çalışın.
Yani bazen çünkü insanlara çözüme o kadar aşık olur ki.
Ya buna bir sorun bulalım da bir yere koyalım.
O startupların batma nedeni değil mi?
Çok zaman abi. Bir de şey derler ya elindeki tek şey çekişse bütün...
problemler çivi gibi görünür.
Aynen öyle abi. Peki artık böyle bu arada şey zamanımızı da verimli kullanmak adına son bir soruyla da.
Son bir soru. Bana mı?
İkinize bir tane abi. Bir de sen cevapla.
Sen sor abi. Bu arada arada sohbet havasında geçtiği için ben valla fazlasıyla girdim abi.
Bugün aslında hepimizin aklında bir şey kalsın istesek.
Ne dersiniz? Bu arada şunu da şöyle düşünebilirsiniz.
önümüzdeki bir yıl iki içerisinde trend yolda biz işte makine öğrenmesiyle şu şu alanlara damga vurmak istiyoruz.
Veya şu alanlarda gelişim noktamız var ve buralara odaklanacağız.
Veyahut da odaklanacağımız yerleri de bilmiyoruz ama şunları şunları yapıp keşfetmeye çalışacağız.
Deseniz aklınıza ne gelir?
Problemler açısından düşününce.
Yani problem havuzumuz çok çeşitli.
O yüzden de her alanda belli bir yere gelme hedefimiz var.
Tabii bence ilk odağımız şu aslında bunun, çok iyi bir altyapısını kurmak ki seviyemizi dünya çapında bir yere çıkarabilelim.
Çünkü en önemli... Ben de aynı şeyi derdim bu arada.
Bence altyapı çok önemli bir konu.
Yani bu deneyleri gerçek hayatta yapabiliyor olmamız lazım.
Uygulamamızı da hayata geçirebiliyor olmamız gerekiyor.
O yüzden de en önemlisi ben gerçekten bu altyapının dünya çapında olması ve dünya çapında algoritmaları da kurabilmemiz olarak adlandırdım.
Ben de buna bir gene engineer şapkasıyla cevap vereyim.
Yani Türkiye'deki böyle belki çoğu ekosistemin gözden kaçırdığı bir konu.
Data Science ile Data arasındaki o ML Engineering, Data Engineering köprüsünün kurulması.
Burada genç arkadaşlara da tavsiyem.
Değil mi? Birçok farklı teknoloji var.
Bizden bahsetmiyorsun değil mi abi gençlerken?
Yok, data engineering'den bahsetmiyorum.
Gençlerken bizden bahsediyorlar.
Yani şey yaparken işte birçok front-end teknolojisi var, back-end teknolojisi var.
Full-stack level diye bir şey var.
Back-endçiler front-end falan kodluyor.
Şimdiye kadar benim hissettiğim bu data konusu çok böyle back-end engineering ya da front-end sayıcı olarak fazla o sınıftaki arkadaşlarımızın çok girdiği
bir konu değildi. Bence yeni dünyada artık o şeyin farkındalığın, ilginin artması gerekiyor.
Yani iyi bir backend engineer'ın, bir principal, bir staff engineer'ın mesela data konularını kesinlikle bilmesi, konularda birçok işte data scientistlerle çalışıyor olması, yani
şey, bu yetenekleri de kazanması gerekiyor bence.
Ben böyle 20 yıl öncesine gitsem, neyi farklı yapardım kariyerimde diye bugün başlasaydım kesinlikle işte backend falan gibi konular haricinde bu konulara da çok ilgi zamanımı
buna da harcardım diyorum.
En önemli şey de orada. Ya bu arada bu yine bir problemden doğuyor aslında.
Baktığınızda scale küçükken bir kişi bir data scientist pipeline'da yazıyor, datayı da alıyor, modeli de oluşturuyor ama scale büyüdükçe Odaklanması
gerekiyor. Modeli odaklanmak.
O yüzden aslında bu roller doğal olarak oluyor.
Ve şu anda çok net kazanıyorum.
Trendyol'un önümüzdeki dönemdeki en önemli konularından bir tanesi.
Ve bu konuda da sunacağımız altyapılar.
Bunun da her gün gelişmesi. Şu anda da ekip bayağı üzerinde efor harcıyor.
Nezirlerle de yakın çalışıyorlar.
İnşallah daha iyiye gidecektir diyelim.
Data scientist sanki machine learning engineering ile o aradaki disiplin, rol farkı, tanımı Türkiye'de %100 oturmuş değil.
Dünyada da değil. Aslında ölçek problemi.
O yüzden tren yolunda bu konularda önce olması gerekiyor diye düşünüyoruz biz.
O yüzden Machine Learning platform ekiplerimiz var.
Machine Learning Engineering konusunda ekibimizi yönlendiriyoruz.
Çok farklı yani. İlker'in dediği gibi aklımız, fikrimiz gece gündüz bizi uykusuz bırakan konular.
Çok da keyifli. Zaten Bak 7 yıl, 7 yıl, 7 yıl diyoruz.
Sebebi bu işleri yaparken keyif alıyor olmamız lazım.
Yoksa zaten kimse zul gördüğü bir yerde bu kadar uzun süre durmaz.
Şey olmuyor mu? İlker mesela öğrendikçe bu konuları farklı disiplinden gelen insanlar, ben mesela İlker, senle çalışınca, Nezir'le çalışınca birçok konuyu böyle bir backend engineering'den gelen bir insan olarak bir
problemin farklı yollardan nasıl çözülebildiğini de gördükçe o...
Çeşitli disiplinlere de aşina oldukça şey oluyor.
Farklı düşünme yeteneği kazanıyor insan.
Farklı da data, servis mesh, data mesh bunlar da aslında...
Hepsi değil mi? Aynı şeyin iz düşümleri gibi.
O tarafa yakınlaşması, ölçek sorunlarını çözmesiyle ortaya çıkan konular.
Haliyle önümüzde challenge bitmez güzel konular.
Hiç bitmedi. Bir ürün yerleştirmeden sizleri de aramızda görmek isteriz deyip.
Valla çok keyifliydi benim açımdan.
Bizim için güzeldi. O zaman bir çay kahve içelim.
Bir çay kahve arası vermek için biz de yavaş yavaş vedalaşalım.
Umarım sürçülisan etmemişsinizdir.
Etmeyecekti affola. Olabildiğince kendi aramızdaki bir sohbeti paylaşmak istedik.
Aynen kameraları şimdi fark ettik.
Aaa orada mıydınız?
Bundan sonraki yayınlarımız, podcastlerimiz için lütfen bizi takipte kalın.
Bu arada Nezire, Cenk abiye, bana LinkedIn'den de her zaman ulaşıp sorularınızı yetebilirsiniz.
Olabildiğince hızlıca dönmeye çalışıyoruz.
Bizi takipte kalın.
Bu transkript otomatik olarak çıkarıldı; kayıtla küçük farklar olabilir.