[Tarihe Not] SpaceX Falcon Heavy roketini başarıyla fırlattı

  • 6 Şubat 2018 TSİ ile 23.45 gibi  Elon Musk'ın SpaceX adlı uzay şirketi, Falcon Heavy roketi için başarılı bir fırlatma denemesi gerçekleştirdi.
  • Falcon Heavy dünyanın en güçlü roketi oldu.
  • Tesla Roadster aracını da roketin içine yerleştirildi, Tesla aracı ile fırlatıldığı söylendi.
  • 3 roket aynı anda fırlatılmıştı. Yörüngeye yerleştikten sonra 2si daha sonra tekrar kullanılmak üzere  sorunsuz şekilde geri iniş yaptı. 3. roket okyanusta gemiye iniş yapmak üzere iken canlı yayın bağlantısı kesildi ve sağ salim iniş yapıp yapmadığına dair henüz bir açıklama gelmedi.
  • Falcon Heavy'nin 6 ay sonra Mars yörüngesine ulaşması bekleniyor.
  • İnsanlı ekipler ile uzay yolculuğu yapılmasının ilk denemeleri diyebiliriz.

 Fırlatılış anı Barış Özcan'dan canlı yayın

 SpaceX yayını

Tüm resimler: https://www.flickr.com/photos/spacex

 Geri iniş anları

Resmi Kaggle API'si Kullanarak Veriseti İndirme

Merhaba,
Kaggle, bir veri bilim yarışması platformudur. Bir çok kurumsal şirket verisetlerini paylaşarak genelde makine öğrenmesi problemlerine çözüm aramaktadırlar.

 

Kaggle, komut satırı üzerinden yarışma bilgilerine, verisetlerine ve hatta sonuçlarınızı gönderebilmeniz için Kaggle API yayınladı.

KURULUM

Python paket yönetimi olan pip ile kolayca kurulum yapabiliriz.

pip install kaggle

KİMLİK DOĞRULAMA

Web sitesi üzerinden https://www.kaggle.com/<KullaniciAdi>/account şeklindeki adresten kendi kullanıcı sayfamıza girelim.

"Create API Token" buttonuna tıklayarak profilimize ait kaggle.json dosyasını indirelim.

İndirdiğimiz kaggle.json dosyasını Linux kullanıcısı iseniz tam yolu ~/.kaggle/kaggle.json olacak şekilde  ~/.kaggle/ klasörü altına, Windows kullanıcı iseniz tam yolu C:\Users\<Windows-username>\.kaggle\kaggle.json olacak şekilde C:\Users\<Windows-username>\.kaggle klasörü altına taşıyınız.

Linux kullanıcı iseniz günvelik için diğer kullanıcıların okuma izinleri olmaması için aşağıdaki komut ile dosya yetkilendirmesini düzenleyebiliriz.

chmod 600 ~/.kaggle/kaggle.json

Şimdi kullanmaya başlayabiliriz.

 

VERİ SETİ İNDİRME

Verisetleri genel kullanım şekli aşağıdaki gibidir

usage: kaggle datasets list [-h] [-p PAGE] [-s SEARCH] [-v]

optional arguments:
  -h, --help            show this help message and exit
  -p PAGE, --page PAGE  page number
  -s SEARCH, --search SEARCH
                        term(s) to search for
  -v, --csv             print in CSV format
                        (if not set print in table format)

Aşağıdaki komut ile -s arama parametresini ekleyerek Kaggle verisetleri arasından mnist verisetlerini arayalım.

kaggle datasets list -s mnist

Aşağıdaki komut ile yukarıdaki listeden belirlediğimi klasik MNIST verisetine alternatif olarak hazırlanan, 28x28px gritonlu resimlerden oluşan 60.000 eğitim - 10.000 test için ayrılmış olan moda veriseti Fashion MNIST veriseti dosyalarını görelim.

kaggle datasets files -d zalando-research/fashionmnist

 

Ve son olarak aşağıdaki komut ile verisetinin tüm dosyalarını bulunduğumuz klasör altına indirelim.
NOT: -w parametresini bulunduğumuz klasör altına indirilmesini sağlar.

kaggle datasets download -d zalando-research/fashionmnist -w


Fashion-MNIST
verisetinin derin öğrenme algoritmalarıyla eğitilmesi ile ilgili eğlenceli ve teknik detaylı yazıyı Deep Learning Türkiye İngilzce blog sayfasından okuyabilirsiniz.

Veriseti indirmek için veya Kaggle API'nin diğer fonksiyonları için detaylı kullanımı buradan inceleyebilirsiniz.

Referanslar

 

Jupyter Notebook Önizlemesi için Visual Studio Code Eklentisi

Merhaba,

Özellikle görüntü işleme ve derin öğrenme çalışmalarımda, ön işlemler için sıklıkla kullandığım Jupyter Notebook dosyalarını sadece içeriğine bir göz gezdirmek istediğimde bile Jupyter Notebook'u başlatmak ve tarayıcı üzerinden açmak gerekiyor.

Bunun yerine Visual Studio Code üzerinde hızlıca önizleme yapabilmemizi sağlayan VS Code eklentisi geliştirilmiş.

Buradan göz atabilirsiniz.
https://marketplace.visualstudio.com/items?itemName=jithurjacob.nbpreviewer

 

Kaynak kodları: https://github.com/jithurjacob/vscode-nbpreviewer

 

Wemos D1 Mini ile Canlı Bitcoin Takibi

Merhaba,

Wemos D1 Mini'in shieldlerinden oled ekran üzerinde micropython ile çizim işlemlerini burada daha önce değinmiştik.

Şimdi, masanızda sürekli gözünüzün önünde tutabileceğiniz mini bir bitcoin saati yapalım;
Coinmarketcap üzerinden USD değerini ve Paribu üzerinden de TL değerini çekelim ve daha önce değindiğimiz oled ekran üzerine bu değerleri otomatik yenilenecek şekilde çizdirelim.
Sonuç aşağıda gördüğünüz gibi :)



Kaynak kodlara buradan ulaşabilirsiniz.

Uzaktan Algılanmada Akademik Çalışmalar için Hiperspektral Görüntüler

Merhaba,
Uzaktan algılamada test olarak kullanılan hiperspektral görüntüler vardır.
Bu  hiperspektral görüntüleri, gerçek referans değer (ground-truth) değerleri ile birlikte buradan indirebilirsiniz.

Üzerinde çalışma yapılacak test görüntülerinin bazılarının detayına bakalım;
Pavia Centre ve Pavia University ROSIS-03 ile elde edilmiştir. ROSIS-03, 115 banda sahiptir. Gürültüden dolayı 12 bant çıkartılmıştır. Uzamsal çözünürlük piksel başına 1,3 m'dir.

Pavia Centre

Italya'daki Pavia Üniversitesi'nde Mühendislik Fakültesi yakınlarında elde edilmiştir.
610x340 pikseldir. 103 banda sahiptir. 9 sınıftan oluşmaktadır.