Bu yazı, ETH Zürih'teki AWS öğrenci Hackathon ekibinin katılımcısı Daniele Chiappalupi ile birlikte yazılmıştır.
Herkes makine öğrenimine (ML) aşağıdakileri kullanarak kolayca başlayabilir: Amazon SageMaker Hızlı Başlangıç. Bu yazıda size bir üniversite Hackathon ekibinin, kullanıcıların önyargıları belirlemesine ve ortadan kaldırmasına yardımcı olan bir uygulamayı hızlı bir şekilde geliştirmek için SageMaker JumpStart'ı nasıl kullandığını gösteriyoruz.
“Amazon SageMaker projemizde etkili oldu. Önceden eğitilmiş bir Flan örneğinin dağıtımını ve yönetimini kolaylaştırarak uygulamamız için bize sağlam bir temel sağladı. Otomatik ölçeklendirme özelliğinin, trafiğin yoğun olduğu dönemlerde çok önemli olduğunu kanıtlayarak uygulamamızın duyarlı kalmasını ve kullanıcıların istikrarlı ve hızlı bir önyargı analizi almasını sağladı. Ayrıca, Flan modelini sorgulamak gibi ağır bir görevi yönetilen bir hizmete devretmemize olanak tanıyarak, uygulamamızı hafif ve hızlı tutmayı ve çeşitli cihazlardaki kullanıcı deneyimini geliştirmeyi başardık. SageMaker'ın özellikleri bize hackathon'da geçireceğimiz zamanı en üst düzeye çıkarma gücü verdi ve modelin performansını ve altyapısını yönetmek yerine istemlerimizi ve uygulamamızı optimize etmeye odaklanmamıza olanak sağladı."
– Daniele Chiappalupi, ETH Zürih'teki AWS öğrenci Hackathon ekibinin katılımcısı.
Çözüme genel bakış
Hackathon'un teması yapay zeka teknolojisiyle BM'nin sürdürülebilir hedeflerine katkıda bulunmaktır. Aşağıdaki şekilde gösterildiği gibi, Hackathon'da oluşturulan uygulama, sürdürülebilir kalkınma hedeflerinden üçüne (kaliteli eğitim, cinsiyete dayalı ayrımcılığın hedeflenmesi ve eşitsizliklerin azaltılması) katkıda bulunmak amacıyla, kullanıcıların metinlerdeki önyargıları belirlemesine ve ortadan kaldırmasına yardımcı olarak adil kalkınma hedeflerini teşvik etmektedir. ve kapsayıcı bir dil.
Aşağıdaki ekran görüntüsünde de görüldüğü gibi siz metni sağladıktan sonra uygulama ırk, etnik köken ve cinsiyet ön yargılarından arınmış yeni bir sürüm oluşturuyor. Ek olarak, giriş metninizin her bir önyargı kategorisiyle ilgili belirli bölümlerini vurgular.
Aşağıdaki şemada gösterilen mimaride, kullanıcılar metin girişini Reacttetikleyen tabanlı web uygulaması Amazon API Ağ Geçidi, bu da sırayla bir çağrıştırır AWS Lambda Kullanıcı metnindeki önyargıya bağlı olarak işlev görür. Lambda işlevi, SageMaker JumpStart'taki Flan modeli uç noktasını çağırır ve bu, tarafsız metin sonucunu aynı rota üzerinden ön uç uygulamaya geri döndürür.
Uygulama geliştirme süreci
Bu uygulamayı geliştirme süreci yinelemeliydi ve iki ana alana odaklanıyordu: kullanıcı arayüzü ve makine öğrenimi modeli entegrasyonu.
Esnekliği, ölçeklenebilirliği ve etkileşimli kullanıcı arayüzleri oluşturmaya yönelik güçlü araçları nedeniyle ön uç geliştirme için React'ı seçtik. Uygulamamızın doğası (kullanıcı girdisini işlemek ve iyileştirilmiş sonuçlar sunmak) göz önüne alındığında, React'in bileşen tabanlı mimarisinin ideal olduğu ortaya çıktı. React ile, kullanıcıların metin göndermesine ve sürekli sayfa yenilemeye gerek kalmadan tarafsız sonuçlar görmesine olanak tanıyan tek sayfalı bir uygulamayı verimli bir şekilde oluşturabildik.
Kullanıcı tarafından girilen metnin, önyargıların incelenmesi için güçlü bir dil modeli tarafından işlenmesi gerekiyordu. Flan'ı sağlamlığı, verimliliği ve ölçeklenebilirlik özellikleri nedeniyle seçtik. Flan'ı kullanmak için aşağıdaki ekran görüntüsünde gösterildiği gibi SageMaker JumpStart'ı kullandık. Amazon Adaçayı Yapıcı önceden eğitilmiş bir Flan örneğinin dağıtımını ve yönetimini kolaylaştırdı ve modelin performansını ve altyapısını yönetmek yerine istemlerimizi ve sorgularımızı optimize etmeye odaklanmamıza olanak tanıdı.
Flan modelini ön uç uygulamamıza bağlamak, Lambda ve API Gateway kullanılarak elde edilen sağlam ve güvenli bir entegrasyon gerektiriyordu. Lambda ile SageMaker modelimizle doğrudan iletişim kuran sunucusuz bir işlev oluşturduk. Daha sonra React uygulamamızın Lambda işlevini çağırması için güvenli, ölçeklenebilir ve kolayca erişilebilen bir uç nokta oluşturmak amacıyla API Gateway'i kullandık. Bir kullanıcı metin gönderdiğinde uygulama, önce herhangi bir önyargının mevcut olup olmadığını belirlemek için ağ geçidine bir dizi API çağrısını tetikledi; ardından gerekirse önyargıyı tanımlamak, bulmak ve etkisiz hale getirmek için ek sorgular yapıldı. Tüm bu istekler Lambda işlevi aracılığıyla ve ardından SageMaker modelimize yönlendirildi.
Geliştirme sürecindeki son görevimiz, dil modelini sorgulamak için istemlerin seçimiydi. Burada CrowS-Pairs veri seti önemli bir rol oynadı çünkü bize isteklerimizde ince ayar yapmak için kullandığımız önyargılı metinlerin gerçek örneklerini sağladı. Bu veri kümesi içindeki önyargı tespitinde doğruluğu en üst düzeye çıkarmak amacıyla istemleri yinelemeli bir süreçle seçtik.
Süreci tamamladığımızda, tamamlanan uygulamada sorunsuz bir operasyonel akış gözlemledik. Süreç, kullanıcının analiz için metin göndermesiyle başlar ve bu metin daha sonra POST isteği aracılığıyla güvenli API Ağ Geçidi uç noktamıza gönderilir. Bu, SageMaker uç noktasıyla iletişim kuran Lambda işlevini tetikler. Sonuç olarak Flan modeli bir dizi sorgu alır. İlk olarak metinde herhangi bir önyargının olup olmadığı kontrol edilir. Önyargılar tespit edilirse bu önyargılı unsurları bulmak, tanımlamak ve etkisiz hale getirmek için ek sorgular uygulanır. Sonuçlar daha sonra aynı yolla, önce Lambda işlevine, ardından API Ağ Geçidi aracılığıyla ve en sonunda kullanıcıya geri gönderilir. Orijinal metinde herhangi bir önyargı mevcutsa, kullanıcıya ırk, etnik veya cinsiyet gibi tespit edilen önyargı türlerini gösteren kapsamlı bir analiz sunulur. Bu önyargıların bulunduğu metindeki belirli bölümler vurgulanarak kullanıcılara yapılan değişikliklere ilişkin net bir görüş sunulur. Bu analizin yanı sıra, potansiyel olarak önyargılı girdiyi etkili bir şekilde daha kapsayıcı bir anlatıya dönüştüren metinlerinin yeni, önyargısız bir versiyonu sunuluyor.
Aşağıdaki bölümlerde bu çözümü uygulamaya yönelik adımları ayrıntılı olarak anlatacağız.
React ortamını ayarlama
React için geliştirme ortamımızı kurarak başladık. Yeni bir React uygulamasını minimum konfigürasyonla önyüklemek için create-react-app'i kullandık:
npx create-react-app my-app
Kullanıcı arayüzünü oluşturun
React'ı kullanarak, kullanıcıların metin girişi yapması için bir gönderme düğmesi, bir sıfırlama düğmesi ve işlenen sonuçların mevcut olduğunda sunulması için üst üste bindirme ekranları içeren basit bir arayüz tasarladık.
SageMaker'da Flan modelini başlatın
Gerçek zamanlı çıkarım için bir uç noktaya sahip Flan dil modelinin önceden eğitilmiş bir örneğini oluşturmak için SageMaker'ı kullandık. Model, aşağıdaki gibi JSON yapılı herhangi bir veriye karşı kullanılabilir:
Lambda işlevi oluşturma
SageMaker uç noktamızla doğrudan etkileşime giren bir Lambda işlevi geliştirdik. İşlev, aşağıdaki kodda gösterildiği gibi, kullanıcının metniyle birlikte bir istek almak, bunu SageMaker uç noktasına iletmek ve düzeltilmiş sonuçları döndürmek üzere tasarlanmıştır (ENDPOINT_NAME
SageMaker örneği uç noktası olarak ayarlandı):
API Ağ Geçidini Ayarlama
API Gateway'de yeni bir REST API yapılandırdık ve bunu Lambda işlevimize bağladık. Bu bağlantı, React uygulamamızın API Gateway'e HTTP istekleri yapmasına olanak tanıdı ve bu da daha sonra Lambda işlevini tetikledi.
React uygulamasını API ile entegre edin
React uygulamasını, gönder düğmesi tıklandığında API Ağ Geçidine POST isteği yapacak ve isteğin gövdesi kullanıcının metni olacak şekilde güncelledik. API çağrısını gerçekleştirmek için kullandığımız JavaScript kodu aşağıdaki gibidir (REACT_APP_AWS_ENDPOINT
Lambda çağrısına bağlı API Ağ Geçidi uç noktasına karşılık gelir):
Bilgi istemi seçimini optimize edin
Önyargı tespitinin doğruluğunu artırmak için farklı istemleri CrowS-Pairs veri setine göre test ettik. Bu yinelemeli süreç aracılığıyla bize en yüksek doğruluğu sağlayan istemleri seçtik.
React uygulamasını Vercel'de dağıtın ve test edin
Uygulamayı derledikten sonra herkesin erişimine açık hale getirmek için Vercel üzerinde konuşlandırdık. Uygulamanın kullanıcı arayüzünden dil modelinden gelen yanıtlara kadar beklendiği gibi çalıştığından emin olmak için kapsamlı testler gerçekleştirdik.
Bu adımlar, metni analiz etmeye ve önyargıyı ortadan kaldırmaya yönelik uygulamamızı oluşturmamızın temelini oluşturdu. Sürecin doğası gereği karmaşık olmasına rağmen SageMaker, Lambda ve API Gateway gibi araçların kullanımı geliştirmeyi kolaylaştırarak projenin temel hedefine, yani metindeki önyargıları belirleyip ortadan kaldırmaya odaklanmamızı sağladı.
Sonuç
SageMaker JumpStart, SageMaker'ın özelliklerini ve yeteneklerini keşfetmenin kolay bir yolunu sunar. Özel olarak hazırlanmış tek adımlı çözümler, örnek dizüstü bilgisayarlar ve dağıtılabilir, önceden eğitilmiş modeller sunar. Bu kaynaklar SageMaker'ı hızlı bir şekilde öğrenmenize ve anlamanıza olanak tanır. Ayrıca modellerde ince ayar yapma ve bunları özel ihtiyaçlarınıza göre dağıtma seçeneğiniz de vardır. JumpStart'a erişim şu adresten mümkündür: Amazon SageMaker Stüdyosu veya SageMaker API'lerini programlı olarak kullanarak.
Bu yazıda, bir öğrenci Hackathon ekibinin, SageMaker JumpStart'ı kullanarak kısa sürede nasıl bir çözüm geliştirdiğini öğrendiniz; bu, AWS ve SageMaker JumpStart'ın, küçük ekipler veya bireyler tarafından bile karmaşık yapay zeka çözümlerinin hızlı bir şekilde geliştirilmesine ve dağıtılmasına olanak sağlamadaki potansiyelini gösteriyor.
SageMaker JumpStart'ı kullanma hakkında daha fazla bilgi edinmek için bkz. Amazon SageMaker Jumpstart ile FLAN T5 XL için talimat ince ayarı ve Amazon SageMaker JumpStart'ta Flan-T5 temel modeli için sıfır atış istemi.
ETH Analytics Kulübü, ETH Zürih, Zürih Üniversitesi ve EPFL'den 150'den fazla katılımcının katıldığı bir AI/ML hackathonu olan 'ETH Datathon'a ev sahipliği yaptı. Etkinlikte sektör liderleri tarafından yürütülen atölye çalışmaları, 24 saatlik kodlama yarışması ve diğer öğrenciler ve sektör profesyonelleriyle değerli ağ oluşturma fırsatları yer alıyor. ETH Hackathon ekibine: Daniele Chiappalupi, Athina Nisioti ve Francesco Ignazio Re'ye ve ayrıca AWS organizasyon ekibinin geri kalanına: Alice Morano, Demir Catovic, Iana Peix, Jan Oliver Seidenfuss, Lars Nettemann ve Markus Winterholer'a çok teşekkür ederiz.
Bu gönderideki içerik ve görüşler üçüncü taraf yazara aittir ve AWS bu gönderinin içeriğinden veya doğruluğundan sorumlu değildir.
yazarlar hakkında
Haziran Zhang Zürih merkezli bir Çözüm Mimarıdır. İsviçreli müşterilerin iş potansiyellerine ulaşmaları için bulut tabanlı çözümler tasarlamasına yardımcı oluyor. Sürdürülebilirliğe tutkusu var ve mevcut sürdürülebilirlik zorluklarını teknolojiyle çözmeye çalışıyor. Aynı zamanda büyük bir tenis hayranıdır ve masa oyunları oynamayı çok sever.
Mohan Gowda AWS İsviçre'de Makine Öğrenimi ekibine liderlik ediyor. Yeni nesil araçlara yönelik yenilikçi AI/ML çözümleri ve platformları geliştirmek için öncelikli olarak Otomotiv müşterileriyle çalışıyor. AWS ile çalışmaya başlamadan önce Mohan, Strateji ve Analitik odaklı bir Global Yönetim Danışmanlığı firmasında çalıştı. Onun tutkusu bağlantılı araçlarda ve otonom sürüşte yatıyor.
Matthias Egli İsviçre'de Eğitim Müdürüdür. İş geliştirme, satış ve pazarlama konularında geniş deneyime sahip, hevesli bir Ekip Lideridir.
Kemeng Çang Zürih merkezli bir ML Mühendisidir. Global müşterilerin iş gelirlerini artırmak ve maliyetleri azaltmak amacıyla dijital yeteneklerini güçlendirmek için makine öğrenimi tabanlı uygulamaları tasarlamalarına, geliştirmelerine ve ölçeklendirmelerine yardımcı oluyor. Ayrıca davranış biliminden elde edilen bilgilerden yararlanarak insan odaklı uygulamalar yaratma konusunda da oldukça tutkulu. Su sporları yapmayı ve köpek gezdirmeyi seviyor.
Daniele Chiappalupi ETH Zürih'ten yeni mezun oldu. Tasarımdan uygulamaya, dağıtımdan bakıma kadar yazılım mühendisliğinin her yönünden keyif alıyor. Yapay zekaya karşı derin bir tutkusu var ve bu alandaki en son gelişmeleri keşfetmeyi, kullanmayı ve bunlara katkıda bulunmayı sabırsızlıkla bekliyor. Boş zamanlarında soğuk aylarda snowboard yapmayı ve havalar ısındığında basketbol oynamayı seviyor.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/innovation-for-inclusion-hack-the-bias-with-amazon-sagemaker/
- :vardır
- :dır-dir
- :olumsuzluk
- :Neresi
- $UP
- 100
- 13
- 150
- 17
- 25
- 7
- 8
- 87
- 97
- 990
- a
- Yapabilmek
- Hakkımızda
- erişim
- ulaşılabilir
- Göre
- doğruluk
- Başarmak
- elde
- karşısında
- Ek
- Ayrıca
- gelişmeler
- Sonra
- karşı
- AI
- AI / ML
- alice
- Türkiye
- izin vermek
- izin
- Izin
- yanında
- Ayrıca
- Amazon
- Amazon Adaçayı Yapıcı
- Amazon Web Servisleri
- an
- analiz
- analytics
- analiz
- ve
- ve altyapı
- bekliyor
- herhangi
- api
- API'ler
- uygulamayı yükleyeceğiz
- Uygulama
- uygulamaları
- mimari
- ARE
- alanlar
- AS
- boy
- At
- yazar
- Oto
- otomotiv
- özerk
- mevcut
- AWS
- Axios
- Arka
- merkezli
- Basketbol
- BE
- Çünkü
- önce
- başladı
- olmak
- önyargı
- önyargılı
- önyargıları
- yazı tahtası
- Masa Oyunları
- vücut
- bağlı
- geniş
- inşa etmek
- bina
- yapılı
- iş
- iş geliştirme
- düğmesine tıklayın
- by
- çağrı
- aramalar
- CAN
- yetenekleri
- Kategoriler
- merkezli
- meydan okuma
- zorluklar
- değişiklikler
- Çekler
- seçti
- açık
- kulüp
- kod
- kodlama
- karmaşıklık
- kapsamlı
- yürütülen
- yapılandırma
- yapılandırılmış
- bağlı
- bağ
- sonuç olarak
- sabit
- danışman
- içerik
- bağlam
- katkıda bulunmak
- katkıda bulunur
- katkıda
- Uygun
- çekirdek
- tekabül
- Ücret
- olabilir
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- Oluşturma
- çok önemli
- küratörlüğünü
- akım
- Müşteriler
- veri
- derin
- bağlı
- dağıtmak
- konuşlandırılmış
- açılma
- Dizayn
- tasarlanmış
- Rağmen
- ayrıntı
- algılandı
- Bulma
- geliştirmek
- gelişmiş
- gelişen
- gelişme
- Cihaz
- farklı
- dijital
- direkt olarak
- görüntüler
- berabere
- sürme
- gereken
- sırasında
- her
- hevesle
- kolayca
- kolay
- Eğitim
- etkili bir şekilde
- verim
- verimli biçimde
- elemanları
- ortadan
- güçlendirmek
- yetkisi
- etkinleştirme
- Son nokta
- mühendis
- Mühendislik
- artırılması
- sağlamak
- sağlanması
- girdi
- hevesli
- çevre
- ETH
- Hatta
- Etkinlikler
- Her
- örnek
- örnekler
- beklenen
- deneyim
- keşfetmek
- Keşfetmek
- kapsamlı, geniş
- adil
- fan
- HIZLI
- Özellikler(Hazırlık aşamasında)
- Özellikler
- adam
- alan
- şekil
- son
- Firma
- Ad
- Esneklik
- akış
- odak
- takip etme
- şu
- İçin
- ileri
- bulundu
- vakıf
- Ücretsiz
- itibaren
- işlev
- daha fazla
- Games
- geçit
- verdi
- Cinsiyet
- üretir
- nesil
- almak
- verilmiş
- Verilmesi
- Küresel
- gol
- Goller
- gidiş
- kapmak
- mezun
- harika
- zemin
- kesmek
- hackathon
- Var
- he
- baş
- ağır
- yardım
- yardımcı olur
- okuyun
- en yüksek
- Vurgulanan
- özeti
- onun
- ev sahipliği yaptı
- Ne kadar
- HTML
- http
- HTTPS
- Kocaman
- ideal
- belirlemek
- if
- uygulamak
- uygulama
- ithalat
- iyileştirmek
- in
- içerme
- dahil
- Artırmak
- bireyler
- sanayi
- eşitsizlikler
- Altyapı
- doğal
- Yenilikçilik
- yenilikçi
- giriş
- örnek
- enstrümental
- bütünleşme
- interaktif
- arayüzey
- arayüzler
- içine
- çağırır
- IT
- ONUN
- Ara
- JavaScript
- jpg
- json
- tutmak
- bilgi
- dil
- son
- öncülük etmek
- liderleri
- İlanlar
- ÖĞRENİN
- öğrendim
- öğrenme
- Led
- kaldıraç
- yalan
- hafif
- sevmek
- seviyor
- bağlantılı
- Çok
- seviyor
- makine
- makine öğrenme
- yapılmış
- Ana
- bakım
- yapmak
- yönetmek
- yönetilen
- yönetim
- yönetme
- Pazarlama
- Maksimuma çıkarmak
- maksimize
- en az
- ML
- model
- modelleri
- ay
- Daha
- ANLATI
- Tabiat
- gerekli
- gerek
- gerekli
- ihtiyaçlar
- ağ
- Ağ fırsatları
- yeni
- sonraki
- nesnel
- of
- teklif
- Teklifler
- on
- işletme
- Görüşler
- Fırsatlar
- optimize
- seçenek
- or
- sipariş
- düzenleme
- orijinal
- OS
- bizim
- Kanal
- Katılımcılar
- parçalar
- tutku
- tutkulu
- Yapmak
- performans
- dönemleri
- Platformlar
- Platon
- Plato Veri Zekası
- PlatoVeri
- oynandı
- oynama
- Çivi
- potansiyel
- potansiyel
- güçlü
- varlık
- mevcut
- sundu
- öncelikle
- süreç
- İşlenmiş
- profesyoneller
- proje
- desteklemek
- özellikleri
- kanıtladı
- sağlamak
- sağlanan
- sağlar
- alenen
- kalite
- sorgular
- hızla
- hızlı
- daha doğrusu
- RE
- React
- kolayca
- gerçek
- gerçek zaman
- teslim almak
- Alınan
- alır
- son
- azaltmak
- Indirimli
- başvurmak
- rafine
- ilgili
- kalmıştır
- Kaldır
- talep
- isteklerinizi
- gereklidir
- Kaynaklar
- yanıtları
- sorumlu
- duyarlı
- DİNLENME
- sonuç
- Sonuçlar
- dönüş
- İade
- gelir
- gürbüz
- sağlamlık
- Rol
- Rota
- sagemaker
- satış
- aynı
- ölçeklenebilirlik
- ölçeklenebilir
- ölçek
- ölçekleme
- Bilim
- sorunsuz
- bölümler
- güvenli
- görmek
- tohum
- seçilmiş
- seçim
- gönderdi
- Dizi
- Serverless
- hizmet
- Hizmetler
- set
- ayar
- o
- kısa
- şov
- gösterilen
- Gösteriler
- Basit
- küçük
- Yazılım
- yazılım Mühendisliği
- katı
- çözüm
- Çözümler
- ÇÖZMEK
- sofistike
- özel
- Spor
- başladı
- istikrarlı
- Basamaklar
- Stratejileri
- aerodinamik
- çabalar
- Öğrenci
- Öğrenciler
- boyun eğme
- sunmak
- gönderilen
- Daha sonra
- Sürdürülebilirlik
- sürdürülebilir
- Sürdürülebilir Kalkınma
- SWIFT
- İsviçre
- isviçre
- hedefleme
- Görev
- takım
- takım
- Teknoloji
- test
- test edilmiş
- testleri
- metin
- göre
- Teşekkür
- o
- The
- ve bazı Asya
- Onları
- tema
- sonra
- Bunlar
- üçüncü şahıslara ait
- Re-Tweet
- Bu
- üç
- İçinden
- zaman
- için
- araçlar
- dönüşüm
- tetiklenir
- DÖNÜŞ
- iki
- türleri
- eninde sonunda
- UN
- anlamak
- üniversite
- güncellenmiş
- us
- kullanım
- Kullanılmış
- kullanıcı
- Kullanıcı Deneyimi
- Kullanıcı Arayüzü
- kullanıcılar
- kullanma
- kullanmak
- kullanılan
- Kullanılması
- Değerli
- çeşitli
- Araçlar
- versiyon
- çok
- üzerinden
- Görüntüle
- yürüyüş
- ısıtır
- oldu
- Su
- Yol..
- we
- hava
- ağ
- web hizmetleri
- İYİ
- vardı
- ne zaman
- olup olmadığını
- hangi
- ile
- içinde
- olmadan
- işlenmiş
- çalışma
- çalışır
- Atölyeler
- Sen
- zefirnet
- Zürih