Tag Archives: Oneriler

Online dersler uzerine..

Online ders konsepti, universite ortaminda verilen derslerin videolarinin, universite tarafindan, online ortamda paylasilmasi sekliyle cok eskiye dayansa da; bu yazida bahsedecegim online dersler daha ziyade MOOC olarak isimlendirilen icerikler. MOOC = massive open online course. Massive – cok kisi aliyor. Open – ucretsiz olarak herkes alabiliyor – her ne kadar kapitalizm cilginligi bu alani da vurmus, bir cok dersin ucretli versiyonu yapilmis ve ogrencilere bir sekilde dayatiliyor olsa da.

2012’den beri bir online ders bagimlisi olarak, i) neden online dersler kisinin kendisini gelistirmesi icin cok iyi bir firsat ve ii) bu MOOC platformlarindan en iyi nasil yararlanilir, bununlardan bahsetmek istedim.

Online dersler neden iyi?

  • Kaliteli egitim
    • Dersi verenler kendi alanlarinda gercekten iyiler – oyle degillerse veya iyi ‘ogretmen’ degillerse, ders oylamasinda aldiklari puandan belli oluyor zaten.
    • Genelde gercekten etiketi saglam okullardan verilen dersler var. Bu dersleri almadan once gercekten bir sehir efsanesi olarak goruyordum ama MIT, Harvard gibi okullardan hazirlanan icerikle X Y Z universitelerinden hazirlanan icerik ve/veya icerigin ogrenciye aktarilisi farkli gozukuyor gercekten. Buna iten sebepler, ve tarihsel surecte yarari mi zarari mi daha fazla bu durumun, tartisilir. Ancak su an icin bizi ilgilendiren kaliteli icerige ulasmanin kolayligi oldugundan bu bir arti.
    • Her dersin sonunda bir ‘geri bildirim formu’ dagitiliyor ogrencilere. Bunu iyi kullanan hocalar ve universiteler, bu formlarda yazanlari goz onunda bulundurarak derslerini guncelliyor ve icerigin kalitesi de dogal olarak artiyor.
  • Egitimin ulasilabilirligi: Bu bahsettigim dersler tamamiyle ucretsiz, internetin oldugu her yerden izlenebilir durumda. Tabii ne yazik ki istisnai durumlar var, Kuba ve Iran gibi, ancak online derslerin her kosulda egitimin daha genis kitleye ulasmasi icin inanilmaz bir arac olusu goz ardi edilemez.
  • Esneklik: Geleneksel okul duzenindeki gibi sabah egitimine mecbur degilsiniz. Istediginiz zaman dilediginiz yerde icerige erisebilirsiniz, isterseniz geceyarisi olsun.
  • Hangi konuda ne ogreneceginiz tamamen sizin seciminiz (tabii derslerin var olmasi gerekiyor). Cogu universitede takip etmeniz gereken bir program, zorunlu dersleriniz vardir. Hatta secmeli dersler olsa bile alabilecekleriniz kisitlidir. Burada oyle bir kisitlama yok! Bugun programlama ogrenmek istediniz, hemen katologdan ders secebilirsiniz. Yarin felsefe calismak istediniz, sonraki gun tarih ya da matematik. Istediginiz konuda istediginiz kadar kendinizi gelistirme firsati elinizde.
  • Kendi hizinizda: Sizin icin zor bir konu mu, isterseniz videoyu iki kere, uc kere dinleyin. Genel hatlariyla biliyorsunuz ama hatirlamak icin mi izliyorsunuz videoyu 2kat hizli hale getirip hizlica icerige bakin. Istediginiz yerde videolari durdurun. Diger bir firsat ise ders icerigini istediginiz gun istediginiz surede takip edebilmek. Genelde her derste haftalik olarak yaklasik 2 ile 4 saat arasi video yayinlaniyor. Isterseniz bolumlere ayirip bir kac gunde, isterseniz de bir gununuzun tamamini ayirip tum icerigi bitirebilirsiniz.
  • Modern egitim sisteminin kabusu sinavlari bu derslerde gercek amacina, yani ogrenip ogrenmediginizi degerlendirme amacina, uygun olarak kullanabilirsiniz. Bu derslerde aldiginiz notlar hayatiniz boyunca size musallat olan birer hayalete donusmeyecek, tamamen sizin icin varlar. Daha guzeli, eger anlamadiginizi gorurseniz sadece bir not alip gecmek zorunda kalmayacak, eksik oldugunuz icerige donup dersleri tekrar izleyebileceksiniz.
  • Tartisma odalari yardimsever, oldukca ilginc insanlarla dolu. Dersi alan herkes dersin konusuna gercekten ilgi duydugu icin orada. Anlamadiginiz bir seyi sordugunuzda konuyu kendi gordugu sekilde aciklayanlar, dis kaynak onerenler… Hepsi orada.
  • “Self-paced” versiyonlar sayesinde, her ne kadar gercek bir ogrenme deneyimi icin onermiyor olsam da, binge watching yapip tum icerigi bir kac gunde bitirebilirsiniz.

Cok karsilastigim bir soru: Coursera ve EdX’teki dersler ucretli, kaydolamiyorum. Sen ucret mi odedin tum derslere?

  • Hayir! Ucretsiz versiyonu olmayan cok az sayida ders var, sadece bu secenegi biraz gizliyorlar. Derse kaydol seceneginden sonra bazen kucuk harflerle en alta gizlenmis sekilde ‘audit’ secenegini gorursunuz. Buna tiklayarak ders icerigini ucretsiz olarak alabilirsiniz. Bu durumda uzerinde fotografinizin oldugu kimlik dogrulamali bir sertifikaniz olmaz – ama durust olmak gerekirse henuz bu sertifikalari onemseyen kimseyle karsilasmadim. Zaten MOOC felsefesiyle de celisiyor bence. Onun disinda ozellikle Coursera’daki kimi derslerde sinavlarin sadece derse ucret odemis olanlara acik oldugunu goruyorum. Ama ders icerigi, tum videolar yine de erisilebilir kaliyor.

Online derslerden daha iyi faydalanmak icin onerilerim:

  • Derse baslarken ne beklediginizi, amacinizi belirleyin. Ornegin, eger amaciniz bilgisayar programlama ogrenmekse, ilk olarak su soruyu sorun: Ne kadar biliyorum? Mesela ilk dersiniz olacaksa, ‘Introduction to’ tarzi giris derslerini arayin. Cok ileri bir ders secip, moralinizi ve motivasyonunuzu yok etmek gereksiz. Ayni sekilde, bir derse kaydolduktan sonra eger beklentilerinizi karsilamiyorsa, dersi birakabileceginizi unutmayin, kimseye bir sey ispatlamak icin orada degilsiniz.
  • Kimse mukemmel degildir, online dersler de. Dersi almaya basladiginiz anda biktiginiz, eziyet gibi gelen dersler olacaktir. Konudan veya online derslerden nefret etmeye gerek yok. Sevmediyseniz dersi birakin. Ayni konuda baska ders, veya baska kaynak (kitap, universitenizde verilen bir ders vb.) bulursunuz elbet.
  • Eger profesyonel bir amaciniz varsa, bir ders plani cikartin. Ornegin 2 yillik bir plan yapip, her donem ne ogreneceginizi belirleyin ve bunu takip etmeye calisin. Odaklanmanizi kolaylastiracaktir.
  • Cok fazla secenek var, cilgina donmek cok olasi – donmeyin. Sinirlarinizi bilin. Yeni baslayan hatalarindan biridir bu, 10 tane derse birden kaydolmak. Sonucta hic birini bitiremezler. Oncelik listenizi belirleyin, amaciniza gore dersleri takip edin.
  • Sinavlari, alistirmalari es gecmeyin. Bunlar ogrenip ogrenmediginizi SIZIN degerlendirmeniz icin var. Ve tartisma odalarini kullanin, anlamadiginiz kisimlari sorun. Inanilmaz derecede yardimci olan ogrenciler ve ders asistanlari var.
  • Ogrenmek zevkli ve eglenceli, oyle kalmasina ozen gosterin. Amaciniz ogrenmek olsun, gosteris degil. Ozellikle lisans egitiminin basinda ya da kariyerinin basindaki arkadaslarda yaptigim bir gozlem: bu dersleri CVleri icin aliyorlar. Yapmayin. Hic bir anlami yok. CV’ye yazacaginiz 10 tane verimsizce aldiginiz derstense cok iyi kavradiginiz 2 ders insanlarin tercihi olacaktir. Zaten insanlarin CVde gordukleri online ders sertifikasini onemsediklerini sanmiyorum, ya da onemsememeliler. Onemli olan ne kadar bildiginiz olmali, ne kadar biliyormus gibi yaptiginiz degil. Verimli bir sekilde almadiginizdan, mulakata girince rezil olacaginiz bir konuda aldiginiz bir dersi CVye yazmak ancak sacmalik olabilir, unutmayin!
  • Hangi ortamda, hangi saatte hangi tur dersi en iyi anladiginizi belirleyin ve buna uygun devam edin. Ornegin, programlama dersi alirken hic kuskusuz bir yandan ornekleri denemek ise yarayacaktir. Bu da demektir ki yataginizda pijamalarinizla dinlemek uygun bir secenek degil. En iyi verimi nasil ne zaman aldiginizi siz belirleyebiliyorsunuz, bu firsati degerlendirin. Ornegin, benim gibi bir bagimli iseniz, aksam yemeginizi Netflix esliginde yemektense Coursera’dan aldiginiz dunya tarihi dersi esliginde yiyebilirsiniz.
  • Herkesin ogrenme sekli farklidir, muhtemelen bu zamana kadar en iyi nasil ogrendiginizi kesfetmissinizdir, online ders deneyimini buna adapte etmeye calisin. Eger not almak ogrenmenizi veya sonrasinda hatirlamanizi kolaylastiriyorsa, not alin. Eger birileriyle beraber calismayi tercih ediyorsaniz, tartisma odalarinda calisma grubu kurmak icin ilan verebilirsiniz. Eger sadece dinlemek yetiyorsa, sanslisiniz bu ortam tam size gore…

Toparlayacak olursak, istediginiz surece, bir konuda bilgisiz kalmanin mumkun olmadigi bir donemde yasiyoruz. Bahane uretmek kolay ama obur yolu tercih edecek olursaniz online dersler hala cok yozlasmamis onemli bir kaynak, lutfen degerlendirelim :)


Yararli bulduysaniz, ilgili ortamlarda paylasarak daha fazla kisiye ulasmasina yardimci olabilirsiniz. Yorum / oneri / elestirileriniz icin asagiya yorum birakabilir, icerigin daha iyi olmasini saglayabilirsiniz! Paylasimlardan haberdar olmak icin blog’u takip etmeyi unutmayin!

Advertisements

Hesaplamali Biyoloji ile ilgileniyorum. Nereden baslamali, nasil ogrenmeli?

Son zamanlarda bu soruyu cok duyuyorum. Kendimce kisa seruvenimde ogrendiklerimden hareketle nacizane onerilerimi burasi araciligi ile paylasayim istedim..

Ilk olarak sunu soylemeliyim: burada yazdiklarim cogunlukla bu alana biyoloji temeli ile yonelenler icin gecerli olacaktir, hikayenin sadece o kismini yasadim o yuzden o kismi paylasiyorum.

Neler ogrenmek gerekir, nasil ogrenebiliriz? 

1. Biyoloji

Biyoloji temeli ile bu alana yoneliyorsaniz unutmayin ki bu alana muhtemelen en buyuk katkiniz; biyoloji icin neyin gerekli oldugu, hangi varsayimlarin yapilabilecegi, herhangi bir teknolojinin bir soruyu gercekci sekilde cevaplamak icin ne avantaji / ne dezavantaji oldugu gibi kritik noktalari yorumlayabilmeniz neticesinde gelecektir. Biyolojiye hakim degilseniz, alana uzmanliginizi getirmiyorsunuz demektir. Bu yuzden, “ders kitabi seviyesi”nde biyolojiden cikip, guncel teknolojileri takip etmek, yeni cikan metodlara hakim olmak cok onemli. Yani: i) ders seviyesinde genel kavramlara hakim olmak muhim ki uzerine kendiniz bir seyler ekleyebilesiniz ve ii) guncel makale takip etmek bence bu isin recetesi. Peki nasil yapariz? Ben biraz eski kafalilardan olarak RSS feed kullaniyorum – yeni nesil bilmiyor olabilir :) Ilk denemenizi yapin, http://www.feedly.com acin, ucretsiz uyeliginizi olusturun ve cikan sayfada arayarak Nature, Nature Methods, Bioinformatics Current Issue ve PLOS Computational Biology: New Articles i news feedinize ekleyin. Mesela her sabah gazete takip eder gibi acip bu dergilerde o gun cikan makalelere goz gezdirin. Hepsini okumaniz imkansiz ama sadece isimlerine, abstractlarina bakmaniz bile neler olup bittigine dair fikir verecektir ve en ilgilileri secip okumanizi saglayacaktir. RSSleri sadece makale takip etmek icin kullanmayin, blog takip edin. Bloglar ilk asamada dergiler gibi arama ile karsiniza cikmayabilir, bu sebeple bloglarin RSS feed linklerini kullanmalisiniz. Ornek olarak hadi bu blog’u RSS feedinize ekleyelim (kendim icin degil valla). Solda RSS – Posts linkini goruyor olmalisiniz. Ona tiklayin, acilan sayfanin adresini kopyalayip gidip feedlydeki arama kismina (ya da ‘new content’) yapistirin ve takip edin. Bu sekilde takip etmenizi onerebilecegim bloglar RNA-Seq Blog ve R-bloggers olacak.  Benzer sekilde PubMed’de bir keyword ile olusturdugunuz aramayi RSS feed haline getirebilir, gunluk olarak bunlari da takip edebilirsiniz. Bunlar haricince Nature News, phys.org gibi sayfalar da guncel makaleleri ozetleyen haberler yapan kimi kaynaklar. Guncel kalmak onemli! Diger onerim, Twitter’i yediginiz yemegi paylasmak icin degil, bilgi paylasimi icin kullanin (yediginiz yemegi de paylasin tabii canim banane!). Google’da kisa bir ‘twitterda biyoenformatikte takip edilecek kisiler’ aramasi sonunda eminim onlarca hesapla karsilasacaksinizdir. Takip edin, paylasin zamanla cevreniz buyudukce iyi icerige erisim ihtimaliniz de artacaktir. Sosyal medyayi degerlendirin.

2. Istatistik / Matematik

Bu kismi cogu biyoenformatikci / hesaplamali biyolog arkadasin es gectigini goruyorum. Oysa bu kismi es gecmek, baskalarinin metodlarini (anlamadan) kullanmaya veya baskalarinin metodlarini ufak degisikliklerle (bazen de yanlis sekilde) kullanmaya mahkum olmak demek. Iyi matematik bilirseniz, iyi istatistik ogrenmeniz cok rahat olacaktir. Istatistik biliyorsaniz (efendim o ogrendiginiz t-test ve ANOVA yi kastetmiyorum, onlar da guzel, yararli tabii ama teorisini kastediyorum, yeni metod gelistirebilecek hale gelmekten bahsediyorum), yeni metodlar gelistirmek, belirli bir soru icin uygun yontemi secmek cok daha kolay olacaktir. Peki nasil olacak. Burada benim en favori ogrenme aracim olan MOOClari onermemek gibi bir sansim yok. Benim hayatimi degistirdiler, birakin sizinkini de degistirsinler. Cok yakin zamanda MOOClarla ilgili de bir yazi yazacagim (nedir, ne degildir, en verimli nasil kullanirim? temali), oraya da beklerim. Simdilik sadece bir kac kilit nitelikte ders onerecegim:

  1. Temel matematik: eger calculus dersi almadiysaniz veya iyi bir altyapiniz oldugunu dusunmuyorsaniz, MOOC degil ama MIT OCW Single-variable ve Multivariable Calculus derslerini oneririm. Ozellikle matematikten zevk aliyorsaniz mutlaka eksik oldugunuzu dusundugunuz konulara bakmanizi tavsiye ederim.
  2. Temel istatistik: EdX’te BerkeleyX: Stat_2.1x, Stat_2.2x ve Stat_2.3x derdim ama ne yazik ki dersler artik ulasilabilir degilmis. Yine de kontrol edin derim. Alternatiflerini suradan ve suradan kendiniz arayarak bulabilirsiniz eminim.
  3. Istatistiginiz de R programlama bilginiz de ne kadar iyi olursa olsun almaktan asla pisman olmayacaginiz bir ders: Rafael Irizzary’nin HarvardX: PH525x – Data Analysis for Life Sciences Serisi.
  4. Ileri seviye: Coursera’da Andrew Ng tarafindan verilen Machine Learning dersi ve  Deep Learning serisi (buna ben de yeni basliyorum!)

3. Programlama

Bir cok kisi buradan basliyor ogrenmeye. Ben de oyle yaptim. Ama inanin aslinda en kolayi bu. Temel biyoloji ve istatistik bilgisini oturtturmak daha kritikmis meger. Ilk basta programlama cok zor gelecektir belki ama belirli bir sure gectikten sonra akicilik kazanirsiniz, panik yapmaya gerek yok.

Bu konuda en cok karsilasitigim soru: hangi programlama dilini ogrenmeliyim? Cok dolambacli “C -> Perl -> Java -> Python -> Bash & Python & R” gibi bir yol izlemis, aralara PHP vs. gibi daha ozel amacli diller de serpistirmis birisi olarak onerim: amacinizi dusunerek baslayin! Amac ilk adimda bilgisayar bilimini ogrenmek iyi bir temele sahip olmaksa, evet itiraf etmeliyim C ogrenmem bir cok seyi kolay anlamama yardimci oldu. Kritik miydi? Bence hayir! Ama amacimin ne oldugunu bilmeden basladigim icin yardimci oldu. Simdi olsa neyle baslardim? Python. Eger bu kategorideyseniz lutfen su derse bir bakin: MITx – 6.00x Introduction to Computer Science and Programming Using Python. Ancak unutmayin ki hic bir programlama, scripting dili ‘en iyisi’ degildir, hepsinin artisi eksisi vardir. Gozlemledigim kadariyla, bu alandaki herkes kullaniyor veya bilmek kesinlikle avantajli ve bir cok degisik hesaplamali biyoloji altdalinda isinize yarar diyebilecegim 3lu: Bash, Python ve R. Linux isletim sistemi ve bash’e kisa bir giris niteliginde degerlendirebileceginiz bir ders onerim de: LSF101x. R icin de kesinlikle istatistik icin de yazdigim, Rafael Irizzary’nin dersini oneriyorum. Genom, transkriptom analizi duzeyinde daha ileri kullanisini ogrenmek icin de yine ayni kisiler tarafindan verilen Genomics Data Analysis serisini oneririm. Bunlar disinda bana biraz sıkıcı gelen ancak yine de yararli buldugum Data Science Specialization kapsamindaki dersleri deneyebilirsiniz. Ozellikle ilk ders (The Data Scientist’s Toolbox)’te gosterilen version control / Git konularina mutlaka bakmanizi tavsiye ederim.

Programlama konusunda ogrenilecek en kritik seylerden birisi de nasil yardim alinacagini, cevap alabilmek icin nasil soru sorulacagini ogrenmek. StackOverflow, Biostars ve StackExchange yardim alabileceginiz sitelerden sadece birkaci. StackExchange’deki “Nasil soru sorarim?” sayfasini baslangic icin inceleyebilirsiniz.

Sadece nasil kod yazilacagini ogrenmek de ne yazik ki yeterli degil. Nasil temiz ve iyi kod yazilir, tekrar edilebilir analiz yapilir bunu ogrenmek de cok onemli. Onerdigim derslerin cogunda bu konu da isleniyor zaten (jupyter notebooks, R notebooks / R markdown incelemenizi tavsiye ederim) ama emin olun yazdiginiz bir kod temiz degilse, yorumlar eklenmemisse veya iyi dokumanlanmamissa bir kac ay sonra donup baktiginizda ne oldugunu unutmus ve anlayamaz olacaksiniz ve tekrar yazmaniz gerekecek. Kendiniz icin bile olsa, anlasilir kod yazma aliskanligini en bastan gelistirmeniz en iyisi olur.

Bunlar disinda, dedigim gibi onemli olan ne icin programlama ogrendiginiz. Eger ki biyolojiciler icin uygulama gelistirme, iyi kullanici arayuzu tasarlama, veribankasi yaratip webde sunma gibi daha genel analiz disi amaclar olasi ise Java, HTML, PHP, SQL yararli olacaktir eminim. Isin ozu, hangi programlama dili en iyisi? sorusunu birakip, su amac icin hangi programlama dili en uygun en genis kitleye sahip sorularini sormaya baslamanizi tavsiye ederim. Ilk programlama dilinden sonra digerlerini ogrenmenin cok daha kolay oldugunu farkedeceksiniz zaten. Yani surec icerisinde yenilerini ogrenmeniz cok zor degil.

4- Ozel kullanim alani olan yazilimlar

Bu kisim calisilan alana gore cok degisecektir. Ornegin, kimisi icin TopHat2, STAR, HISAT, Cufflinks, Kallisto gibi araclar kritik olacakken kimisi icin PyMol, AutoDock, OpenBabel gibi araclar onem tasiyacaktir. Bunlari makaleleri takip ettikce, ilgilendiginiz alandaki makalelerin metod kismina bakip hangi amacla hangi yazilimi kullandiklarini not ederek bir ogrenilecekler listesi cikartip derleyebilir, ve ogrenmeye baslayabilirsiniz. Bu tarz programlarin genelde oldukca guzel tutoriallari oluyor, elinizde inceleyecek bir data olmasa bile verilen ornekleri takip ederek ogrenebilirsiniz.


Ama burada olasi bir soru da su: butun bunlar sart mi? Tabii ki hayir! Neyi ne kadar ogrenmek istediginize ne dogrultuda ilerleyeceginize siz karar vereceksiniz. Burada sadece bildigim daha onceden kullanip memnun kaldigim kimi kaynaklari sundum. Eger sizin de onereceginiz kaynaklar varsa yorum olarak yazabilir veya bana ulasabilirsiniz. Onerdiginiz dogrultuda gonderiyi guncellerim.


Yararli bulduysaniz ilgili ortamlarda paylasarak daha fazla kisiye ulasmasina yardimci olabilirsiniz. Yorum / oneri / elestirileriniz icin asagiya yorum birakabilir, icerigin daha iyi olmasini saglayabilirsiniz! Paylasimlardan haberdar olmak icin blog’u takip etmeyi unutmayin!