Merhaba ! Burası sadece video izlenen bir platform değil; birbirimize destek olduğumuz, birlikte öğrendiğimiz ve açık kaynak dünyasında projeler ürettiğimiz canlı bir ekosistem. Ben bu topluluğu ne kadar ciddiye alıyorsam, senin de aynı ciddiyetle yaklaşacağını umuyorum. Bu topluluktan alacağın verim, içine kattığın değerle doğru orantılıdır. 🤝 Hadi, seni tanıyalım! Aşağıdaki şablonu kopyalayıp yorum olarak paylaşarak ilk etkileşim puanlarını toplayabilirsin: 📍 Nereden Katılıyorsun? (Şehir/Kurum) 🛠️ Uzmanlık Alanın / İlgi Alanın Nedir? (Örn: Harita Mühendisi, Şehir Plancısı, Python Geliştirici, GIS Analisti vb.) 🗺️ Hangi Açık Kaynak Araçları Kullanıyorsun veya Öğrenmek İstiyorsun? (QGIS, PostGIS, GeoServer, OpenLayers vb.) 🤝 Topluluğa Hangi Konuda Destek Olabilirsin? (Örn: Veri analizi, SQL sorguları, saha tecrübesi, motivasyon vb.) 🚀 Buradaki Hedefin Ne? (Örn: Kendi WebGIS uygulamamı kodlamak, lisanslı yazılımlara alternatif üretmek vb.) 💡 Önemli Kurallar: 1. Girişini Yap: Bu yorumu yapmak, toplulukta kalıcı olman için ilk adımdır. 2. Bağ Kur: Sadece kendi postunu atıp kaçma! Senden önce kendini tanıtan en az 3 meslektaşının yorumuna "Hoş geldin" de veya bir sorusuna cevap ver. 3. Etkileşim Kazan: Yorumun ne kadar çok "Like" alırsa, liderlik tablosunda o kadar hızlı yükselir ve yeni kilitli içeriklere o kadar çabuk ulaşırsın. Unutma: Hepimiz burada öğrenciyiz ve hepimizin birbirine öğretebileceği bir şeyler var. Şimdi söz sende, seni aşağıda bekliyoruz! 👇

Uzaktan Algılama uzmanı Arzu Atasoy Karabayır tarafından; ENVI Deep Learning ile uydu görüntülerinde yapay zeka destekli nesne tespiti, segmentasyon ve sınıflandırma süreçlerinin, örnekler üzerinden ele alınacağı "Uzaktan Algılamada Yapay Zekâ ile Görüntü Analizi" webinarını, ilgili linkten takip edebilirsiniz. https://www.youtube.com/watch?v=3eOSW5VbsrU

Ücretsiz ve tamamen proje odaklı Yapay Zekâ Geliştirme kursu... Yapay zekayı sadece kullanmayı değil, kendi mimarinizi kurmayı öğrenmek istiyorsanız siteye ücretsiz olarak kayıt yaptırıp, yine ücretsiz olarak kursa erişebilirsiniz. https://turkiyeyazilimakademisi.com/

CBS Uzmanı Gamze Mungan tarafından hazırlanan bu videoda; ücretsiz olarak indirilen uydu verileriyle, ArcGIS Pro ve QGIS yazılımları kullanılarak, bir bölgenin kentsel ısı adası (Urban Heat Island) haritalamasının nasıl yapıldığı, uygulamalı olarak adım adım anlatılmaktadır. https://www.youtube.com/watch?v=ogj2yhgsoBE

Final Projeleri: Dört Ekip, Dört Şehir, Dört Farklı Mekânsal Bakış Yoğun bir atölye maratonunun sonunda final sunumlarını tamamladık. Dört ekip — Grup 1, Grup 2, Grup 5 ve Grup 6 — veri biliminden uzaktan algılamaya, akıllı altyapı izlemeden afet dirençliliğine kadar geniş bir yelpazede özgün projeler ortaya koydu. Aşağıda her bir projenin amacını, metodolojisini ve teknik altyapısını derledik. Sunumların tamamını yakında YouTube kanalımızda yayınlayacağız — takipte kalın. Grup 1 — İklim Dirençli Kentler: Karar Destek Modeli ve 3B Kentsel Morfoloji Pilot bölge: İzmir / BayraklıMentor: Büşranur GüvercinEkip: Ahmet Orbay, Doğa Durak, Seda Sakar, Hasan Efe Şabanfakı, Oğuz Baran Özalp İlk ekip, bir kenti iklim krizine karşı gerçekten dirençli kılmanın çok bileşenli bir mesele olduğundan yola çıkıyor. Proje üç ayağa oturuyor: sosyal veri analizi, karbon-mikroklima risk haritalaması ve üç boyutlu kentsel morfoloji. Sosyal veri katmanı Pilot bölge seçimi öylesine yapılmadı; veriyle savunuldu. İzmir Büyükşehir Belediyesi açık veri portalından çekilen, 2023'ten 2026 Ocak'a uzanan ve 527.251 satırlık sosyal yardım kayıt seti Python (Pandas) ile analiz edildi. Bayraklı'ya ait 35.204 satır filtrelendi; mahalle bazlı kırılımlar çıkarıldı. Öne çıkan bulgular: - Bayraklı'da 65 yaş üstü sosyal yardım kaydı 45.860; bunların %62,7'si kadın. - Bayraklı, İzmir'in 30 ilçesi arasında 65+ yardım hacminde 3. sırada (Konak ve Karabağlar'ın ardından). - Adalet Mahallesi ile Nafiz Gürman Mahallesi arasında ısınma yardımı erişiminde 37 katlık fark var. Nafiz Gürman, nüfus olarak en kalabalık mahalle olduğu hâlde ısınma yardımı erişiminde sonuncu. Ekip burada "kırılganlık paradoksu" kavramına dikkat çekiyor: risk altındaki gruplar tehlikeyi algılayamadığı için harekete geçmiyor, bu da onları daha da kırılgan kılıyor. Yani veri ihtiyaç duyanları değil, sisteme erişebilenleri gösteriyor — ve bu fark karar mekanizmaları için kritik. Karbon ve mikroklima risk indeksi İkinci ayak, üç bileşenli bir risk modeli üzerine kurulu: