
English: 
Yep, I'm finally back
Hey there everyone, Hitesh here, back again with another video
I know you have been missing me a lot and I haven't made video in the last
Two weeks or so of these camera types of videos
I have been consistent making a Flexbox series
But I was on a travel, and I could only afford making a screencasting videos on that, but regardless of that
Finally I'm back, and today's topic is really interesting. I'm going to talk about machine learning
What is machine learning in Layman's term and how you can get started in
machine learning. A lot more is about to come. So let's get started! Now the terms - Machine learning and AI
artificial intelligence is closely related
And it's not wrong to say that the abstraction level of between these two words is fairly thin line and they can be

Turkish: 
Evet, sonunda döndüm.
Hey millet, Hitler burda, tekrar başka bir video ile
Beni çok özlediğini ve son zamanlarda video yapmadığımı biliyorum.
Bu kamera türlerinden iki hafta kadar
Flexbox serisi yapmak için tutarlı oldum
Ama seyahatteydim ve bununla ilgili sadece bir video kaydı yapmaya gücüm yetiyordu.
Sonunda geri döndüm ve bugünün konusu gerçekten ilginç. Makine öğrenimi hakkında konuşacağım
Layman'ın döneminde makine öğrenmesi nedir ve nasıl başlayabilirsiniz?
makine öğrenme. Çok daha fazlası gelmek üzere. Öyleyse başlayalım! Şimdi terimler - Makine öğrenmesi ve AI
Yapay zeka yakından ilişkilidir
Ve bu iki kelime arasındaki soyutlama seviyesinin oldukça ince bir çizgi olduğunu söylemek yanlış olmaz.

Turkish: 
Birbirinin yerine kullanılmış, ancak makine öğrenmesi veya yapay zeka derken, insanların söylediklerinin çoğu eski
sonlandırıcı film. Bazı Tx 9000 olacağını düşünüyorsunuz
Gelecekten gelecek olan makine tüm insanlığı yok edecek, paniklemeye başlayacaksın ve
Siz de gelecekteki programcılara ihtiyaç duymayacağına ve bunun gibi birçok teoriye ihtiyacınız olmayacağını mı düşünüyorsunuz?
Hey, orada kal! Bu doğru olsa, aslında kurgusal bir film değil
öyleyse bir test etmeyi bırakmalıyız
Gama Işınları bir Hulk oluşturabilir ve uzaya bakmayı bırakmalıyız çünkü bulabiliriz
yabancılar ve bu dünyaya saldırabilir. Hepinizi kurtarmak için gelen bir Thor olabilir ve
Dolaşan örümcek adam ve kim bilir, bir de Batman olabilir! Öyleyse atlarını tut
Makine öğrenimi ve gerçekte ne olduğu hakkında çok konuşmalıyız. Yani senin aşağı koyarak
bir dakika için terminator film teorisi bir yana

English: 
Interchangeably used, but when I say machine learning or artificial intelligence, what most of the people saying is the same old
terminator movie. You think that there is going to be some Tx 9000
machine that is going to come up from the future, is going to destroy entire humanity, you start panicking and
And you will, you just think that there is not going to be any need of programmers in the future and a lot of theories like that?
Hey hold down there ! This is not actually a fictional movie, if this could have been true
so we should stop testing about with a
Gamma-Rays because it can generate a Hulk and we should stop looking into the space because we may find
aliens and that may invade into the earth. There might be a Thor coming up to save all of you and there might be a
Spider man roaming around and who knows, there might be a Batman, too! So hold on your horses
we need to talk a lot about machine learning and what actually it is. So putting down your
terminator movie theory aside for a minute

English: 
let's talk about machine learning and AI. Now machine learning and AI all these are branches of computer science with
Almost who are doing their masters and Phd might have studied in their curriculum as well.
They are closely related,
but according to me, what my personal thought is machine learning is closely related to
data mining rather than AI.
AI is completely a different thing
But what you think of machine learning is closely related to data mining
And you have been already using it quite a lot. Now, you might be asking hey where
We are already using machine learning? Now although you have just heard the term machine learning
But you might already be aware
of the term known as data
mining. Now Data mining has been there since the evolution of data and computers which have been into the world quite a lot and
all the things that you see. Simple examples would be
Spam emails. You see that some of your emails are in your inbox and some of them are into Spam box.
What is that? That is machine learning!
Rather closely that is Data mining.
There is a huge chunk of data and your program and algorithm is designed in such a manner

Turkish: 
Makine öğrenimi ve AI hakkında konuşalım. Şimdi makine öğrenmesi ve yapay zekâ bütün bunlar bilgisayar bilimlerinin dallarıdır.
Neredeyse master ve doktora yapanlar müfredatlarında da çalışmış olabilir.
Onlar yakından ilgilidir
ama bana göre, kişisel düşüncem makine öğrenmesi ile yakından ilgilidir.
AI yerine veri madenciliği.
AI tamamen farklı bir şey
Ancak makine öğrenmesi hakkında ne düşündüğünüzü veri madenciliği ile yakından ilgilidir.
Ve zaten onu oldukça kullanıyorsun. Şimdi, hey nerede diye soruyor olabilirsiniz
Zaten makine öğreniyor muyuz? Şimdi sadece makine öğrenme terimini duymuş olsanız bile
Ama sen zaten farkında olabilirsin
veri olarak bilinen terimin
madenciliği. Şimdi Veri madenciliği, dünyada oldukça fazla olan veri ve bilgisayarların evriminden bu yana olmuştur ve
gördüğün her şey. Basit örnekler olurdu
Spam e-postaları. E-postalarınızın bazılarının gelen kutunuzda, bazılarının da Spam kutusunda olduğunu görürsünüz.
O nedir? Makine öğreniyor!
Aksine, bu veri madenciliğidir.
Çok fazla veri yığını var ve programınız ve algoritmanız böyle bir şekilde tasarlandı.

English: 
So that it can predict that whether this email is spam
Or is it a good email that needs to be delivered in Inbox. Is it always perfect?
No, not at all! Sometimes good email also land up in the spam and spam email ends up in the inbox.
So that is basically a good example of machine learning, at a very small level.
But now things are changing.
That was Version 1 of machine learning
Now what we are seeing in our day to day life
is machine learning
Version 2. So, how actually this is working all nowadays?
So if I talk about the machine learning at a very broad scale
There are a couple of components that you need to be worried about.
First of all, is a huge data set. Data set 
that can predict a lot of things, for example
If I just show you a chair you can say hey, that's a chair!
But if I say that that's a wooden chair, 
that's a glass chair
And there are tons of gazillion, bazillion type of chair;
You can see the difference between all these chairs and can still predict that that's the chair.

Turkish: 
Böylece bu e-postanın spam olup olmadığını tahmin edebilir
Veya Gelen Kutusunda teslim edilmesi gereken iyi bir e-posta mı? Her zaman mükemmel mi?
Hayır, hiç de değil! Bazen iyi e-postalar da spam’de artar ve spam e-postası gelen kutusundan çıkar.
Bu temelde makine öğreniminin iyi bir örneği, çok küçük bir düzeyde.
Ama şimdi işler değişiyor.
Makine öğreniminin 1. Versiyonu
Şimdi günümüzde günlük yaşamda ne görüyoruz
makine öğreniyor
Sürüm 2. Peki, bugünlerde bu aslında nasıl çalışıyor?
Bu yüzden, makine öğrenmeyi çok geniş ölçekte öğrenirsem
Endişelenmen gereken birkaç bileşen var.
Her şeyden önce, büyük bir veri kümesidir. Veri seti 
Örneğin, birçok şeyi tahmin edebilir
Size sadece bir sandalye gösterirsem hey diyebilirsiniz, o bir sandalye!
Ama bunun ahşap sandalye olduğunu söylersem, 
o bir cam sandalye
Ve tonlarca gazyon, bazilyon sandalye türü var;
Tüm bu sandalyeler arasındaki farkı görebilir ve hala sandalyenin bu olduğunu tahmin edebilirsiniz.

English: 
But if I just ask you to write a program for that, that could have been nightmare for you. For example
If you're just writing a program that 
it should have a four legs and some wooden texture
That would be a chair.
But what about when I say that -hey, it can be just a centralized table, having a central base and a glass sitting area
That is also a chair, but you cannot write
a program for that and for such situation
We require a huge number of Data sets. That's problem number one. The second thing that data set is being
Pitched to something known as classifier.
Which is again a big term, big big term but rather 
I would say that is just an algorithm which can
Determine the output based on whatever the Data is being fetched. And as we all know the more data
We are going to have the more prediction capability is going to be there. So now based on what kind of data
You are supplying, your classifier can classify
The image or any other thing. In this example
We are just taking an image of chair so it can predict that image of chair with some

Turkish: 
Ama bunun için bir program yazmanızı istersem, bu sizin için kabus olabilirdi. Örneğin
Eğer sadece bir program yazıyorsanız 
dört bacağı ve bazı ahşap dokusu olmalı
Bu bir sandalye olurdu.
Ama ne dediğimde -Hey, merkezi bir tabana ve cam bir oturma alanına sahip olan sadece merkezi bir masa olabilir.
Bu da bir sandalye, ama yazamazsın
bunun için ve böyle bir durum için bir program
Çok sayıda Veri seti istiyoruz. Bu bir numaralı problem. Veri setindeki ikinci şey
Sınıflandırıcı olarak bilinen bir şeye çarptım.
Yine büyük bir terim, büyük büyük bir terim ama 
Bunun sadece bir algoritma olduğunu söyleyebilirim.
Verinin getirilip getirilmediğine göre çıktıyı belirleyin. Ve hepimizin bildiği gibi daha fazla veri
Orada olacağımıza dair daha fazla tahmin kabiliyetine sahip olacağız. Şimdi ne tür verilere dayanarak şimdi
Sağlıyorsunuz, sınıflandırıcınız sınıflandırabilir
Görüntü ya da başka bir şey. Bu örnekte
Sadece sandalyenin bir resmini alıyoruz, böylece sandalyenin bu resmini bazı

English: 
certain amount of confidence that it can be chair. It can never be 100% sure but it's always about the ratio of
How much confidence that it's showing that ab 
is that 99% chair?
Is it 80% chair and is it 70 percent chair?
So this is all on a broad scale what the machine learning is. What we are trying to teach with the machine and
Yes, I know some of you are worried about, hey in the future
It's going to be the AI and the machine learning are going to learn to write the code
So there will be no need of programmer. Hold down your horses! Who told you that first of all?
With the evolution things changes quite a lot I do agree
But this is almost similar to the strike that I saw in my childhood, when people were opposing the computers. Everybody in the government department
Private sector was saying that hey if computers will come up
They will take our job. Did computers did that? Perhaps!
But did it open more number of job as compared to that the job that is taken? For sure, it has done! 
The same thing
Is applied here. Is it going to take the job of programmers? Who knows ? But is it going to open up more more

Turkish: 
Başkan olabileceğine dair belli bir güven miktarı. Asla% 100 emin olamaz, ancak her zaman oranıyla ilgilidir.
Bu ab gösterdiği ne kadar güven 
bu% 99 sandalye mi?
% 80 sandalye mi ve yüzde 70 sandalye mi?
Bu, tüm bunların makine öğrenmesinin ne olduğu konusunda geniş ölçekte. Makine ile ne öğretmeye çalışıyoruz ve
Evet, bazılarınızın endişelendiğini biliyorum, gelecekte hey
AI olacak ve makine öğrenmesi kodu yazmayı öğrenecek
Böylece programlayıcıya ihtiyaç duyulmayacak. Atlarını indir! Bunu sana kim söyledi?
Evrim ile işler değişiyor oldukça katılıyorum
Fakat bu, çocukluğumda insanlar bilgisayarlara karşıyken gördüğüm greve neredeyse benziyor. Hükümet departmanındaki herkes
Özel sektör, hey bilgisayarların gelip gelmeyeceğini söylüyordu
İşimizi alacaklar. Bilgisayarlar bunu yaptı mı? Belki!
Ancak, alınan işle karşılaştırıldığında daha fazla sayıda iş açtı mı? Elbette, oldu! 
Aynı şey
Burada uygulanır. Programcıların işini alacak mı? Kim bilir ? Ama daha fazla açılacak mı

English: 
Responsibilities and more scenarios of working jobs? For sure it is going to be there! So on a whole note
There is no such thing to be worried about that machine learning the future ismachine learning and AI 
and we don't need
Programmers in future. In fact
we do need more programmers in future.
So now that you understand that how machine learning work on a simple scenario, a huge number of Data set being given to
classifier and based on
That data set, it just do some processing and 
tries to predict the results.
That's basically your machine learning, 
being applied at a lot of places.
Spamming is one of them. Recently, if you saw the google's new product, you can just open up
your camera app and can see the
restaurants name and based on handwriting prediction image prediction and logo prediction it can query to the
humongous amount of Data set that is present at the Google and can find out the ratings of the restaurants
the name of the restaurants and some reviews about the restaurant. That's just one example of machine learning.
Have you used some kind of app which predicts-

Turkish: 
Sorumluluklar ve çalışan işlerin senaryoları? Elbette orada olacak! Yani bir bütün notta
Gelecekteki makinenin öğrenmesi ve yapay zeka öğrenmesi için o makinede endişelenecek böyle bir şey yoktur. 
ve ihtiyacımız yok
Gelecekte programcılar. Aslında
Gelecekte daha fazla programcıya ihtiyacımız var.
Artık makine öğreniminin basit bir senaryoda nasıl çalıştığını anladınız, buna çok sayıda Veri seti verildi.
sınıflandırıcı ve esaslı
Bu veri seti, sadece biraz işlem yapıyor ve 
sonuçları tahmin etmeye çalışır.
Bu temelde sizin makine öğrenmenizdir, 
birçok yerde uygulanmakta.
Spam gönderme bunlardan biridir. Son zamanlarda, google’ın yeni ürününü gördüyseniz, açabilirsiniz
kameranızı uygulayabilir ve
restoranlar isim ve el yazısı tahmini dayalı görüntü tahmin ve logo tahmin o sorgulayabilirsiniz
Google’da bulunan ve restoranların derecelendirmelerini bulabileceğiniz çok miktarda Veri kümesi
restoranların adı ve restoran hakkında bazı yorumlar. Bu makine öğrenmeye sadece bir örnek.
Tahmin eden bir çeşit uygulama kullandınız mı?

Turkish: 
80'lerinizde veya 90'larınızda nasıl görüneceksiniz?
Yüzün nasıl deformasyona uğrayacak?
Cildiniz bir çeşit deformasyona maruz kalacak.
Bunların hepsi makine öğrenmesine dayanıyor. Örneklerin küçük bir seviyesi, ama evet, hepsi makine öğrenmesine dayanıyor!
Yani şimdi çok büyük bir ölçekte anlıyorsunuz,
makine öğrenmesi nedir
Makine öğrenmeye nasıl başlayabilirsiniz?
Şimdi, makine öğrenmeye başlamanın birkaç yolu vardır ve herkes kendi makine öğrenmesini gerçekleştirir.
Şimdi, makine öğrenmeye nasıl başlayacağınız konusunda size yol göstereyim. Şimdi bu, makine öğrenmeyi öğrenmenin belirsiz bir şey olduğunu. Tamam
Peki, makine öğrenmeye nasıl başlayabilirsiniz?
Makine öğrenmesi her şeyden önce matematiğe oldukça bağımlıdır, fakat her zaman
Sinir ağlarını tasarlamak ya da kalıplarını ve tüm bu şeyleri tasarlamak gibi olacak. 
Bu her zaman değil
ama esaslı
Makine öğreniminin örnek veya temel çekirdek kurulumu buna da bağlıdır
Ancak, makine öğrenmeye başlamak için aramanız gereken ilk dil Python'dur.

English: 
How you will look like in your 80's or your 90's?
How your face is going to get at some deformation?
Your skin is going to get some kind of deformation.
This is all based on machine learning. Small level of examples, but yes, this is all based on machine learning!
So now that on a very big scale you understand,
what is machine learning,
How you can get started in machine learning?
Now there are a couple of ways of getting started in machine learning and everybody has its own implementation  of machine learning.
Now let me walk you through how you can get started in learning machine learning. Now that is a vague thing learning machine learning. Okay
So how you can get started with machine learning?
Machine learning is first of all dependent quite a lot in math, but not all the time
It's going to be like designing your neural networks or designing your patterns and all these things. 
It's not all the time about that
but based
Example or base core setup of machine learning is dependent on that as well
But the first language that you should be looking up in order to get started with machine learning is Python.

English: 
Python being the very first language 
for took advantage and brought us up the libraries
like scikit and Tensor flows.
Obviously the language has its perks,
And it is being heavily used in machine learning. Now before you get started and jump directly into the scikit and tensorflow
Documentation and everything, let me tell you 
that Python needs to be there in your pocket
Nobody is going to teach you in a machine learning course that hey how to write a loop or 
how to loop through an array
Or how to define these set of lines into a function or create a new classes. These are all basics 
that you should have
Already in Python. Just onto a side bar here you can see the link for amazing Python course at an affordable rate
Go ahead try that out. All I'm saying slide bar over now
Let's come back here
So Python is the one way of getting started with machine learning and most people think 
that's the only way
But that's not true. Most of the other languages are also coming up with the machine learning.

Turkish: 
Python ilk dildir 
yararlandığı ve bize kütüphaneleri getirdiği için
Scikit ve Tensor akar gibi.
Açıkçası, dilin kendine has bir üstünlüğü var.
Ve makine öğrenmesinde yoğun olarak kullanılıyor. Şimdi başlamadan ve doğrudan bilim-kurguya ve tensorflow'a atlayın.
Belgeleme ve her şey, size söyleyeyim 
Python'un cebinizde olması gerekiyor.
Hiç kimse size nasıl bir döngü yazacağınızı söyleyen bir makine öğrenim kursunda öğretmeyecek. 
bir dizi içinde nasıl döngü
Veya bu satır kümesinin bir fonksiyon olarak nasıl tanımlanacağı veya yeni bir sınıf nasıl oluşturulacağı. Bunların hepsi temel 
sahip olmalısın
Zaten Python'da. Hemen yandaki bir barın üzerine muhteşem Python kursunun bağlantısını uygun bir fiyatla görebilirsiniz
Devam et, bunu dene. Tek söylediğim şuan slayt çubuğu.
Buraya geri gelelim
Python, makine öğrenmeye başlamanın bir yolu ve çoğu insanın 
tek yol bu
Ama bu doğru değil. Diğer dillerin çoğu da makine öğrenmesiyle geliyor.

Turkish: 
Fakat yine de, ne kadar veri setine sahip olduğunuza veya ne kadar veri toplayabileceğinize bağlı?
Buna fazlasıyla bağlı. Şimdi başka bir dil, hangi dili söylemeyeceğim
Makine öğrenmesi uygulamasıyla ortaya çıkan şirket
genel kullanıcı için Apple.
Yani Macbook veya iMac veya Mac mini gibi bir Apple makineniz varsa, iOS 11'e başlayabilirsiniz. 
Tıpkı bizim gibi
Çekirdek verilere ve avfoundation'a sahipti. Şimdi yeni bir setimiz var Ml Kit
- hangisi makine öğreniyor? Tek yapmanız gereken, onu bir veri kümesi yamalamak ve bir sonuç üretebilir. 
Her zaman sadece göster
Orada ne tür bir girdi bekliyor ve size ne tür bir çıktı verecek. 
Uygulaması çok çok kolay
Son zamanlarda bootcamp sadece birkaç gün önce
Sadece yapabileceğiniz bir uygulama yarattık 
bir şeyin fotoğrafını çekmek
Ve o nesnenin ne olacağını tahmin edecektir. 
Bir ışık, kamera olabilir
Uzaktan kumanda, sosisli sandviç, pizza
Aslında onunla uğraşırken çok eğlendim.
Bu uygulamayla oynamak için neredeyse yarım gün harcadık.

English: 
But again depends on how much data set you are having or how much data you can collect?
It's heavily dependent on that. Now other one language, which I will not call a language
It's the company which came up with the implementation of machine learning
for public user is Apple.
So if you got an Apple machine like Macbook or iMac or Mac mini you can get started in iOS 11. 
Where just like we
Used to have core data and avfoundation. We now have a new kit Ml Kit
-which is machine learning . All you have to do is patch it a data set and it can produce a result. 
It always just show
You there what kind of input it is expecting and what kind of output it will give to you. 
Very very easy to implement
Recently in the bootcamp just a few days ago
We created an app which you can just 
take a photo of anything
And it will predict what that object it will be. 
It can be a light, a camera
Remote control, a hot dog, a pizza
We had a lot of fun playing around with that, in fact
We spent almost half a day in playing it on with that app.

Turkish: 
Evet, Apple çok çalışıyor, böylece herkes makine öğrenmesine erişebiliyor ve herkes bu tür uygulamaları tasarlayabiliyor.
Böyle bir Ml ile olasılıklar
Kit sonsuzdur
Ve kocaman bir gelecek görebiliyorum
orada da. Şimdi beni biraz etkileyen diğer şeylerden biri de pek değil. 
uygulanması
Javascript ile makine öğrenmesi
Kütüphanelerin bazıları node.js dosyasında ve temelde soğuk Javascript’te yayınlandı.
Makine öğrenmesi yapabiliyor.
İyiler mi? Bir şey değil!
Gelecekte iyi olacaklar mı? Kesinlikle! 
Çok iyimserim, iyimserim
Ben her zaman geleceği bir yerde görüyorum, çünkü birinci versiyon her zaman kötü, ikinci versiyon her zaman harika.
Peki, Javascript’in makine öğreniminde bir geleceği olduğunu düşünüyorum.
Ancak şu anda böyle sert bir kanıt yok 
gerçekten iyi performans göstereceğini
Bu yüzden evet, gelecekte ortaya çıkabilir
her nasılsa veya belki bir kütüphane maviden çıkar ve harika bir şey elde edebiliriz.
Yani şimdi Python ve

English: 
So yes, Apple is trying hard so that everybody get an access to machine learning and everybody is able to design such apps.
Possibilities with such kind of Ml
Kit are endless
And I can see a huge future
there as well. Now one of the other thing that has impressed me a little bit not much is 
the implementation of
Machine learning through Javascript
Some of  the libraries has came out in the node.js and basically in the cold Javascript as well
That are able to do machine learning.
Are they good? Not at all!
Are they going to be good in future? For sure! 
I have a huge I'm optimistic
I always see the future in some place because version one is always bad, version two is always amazing.
So what I think the Javascript has some future in machine learning
But there is no such rigid proof right now 
that it's going to perform really well
So I would say yes it may come up in the future
somehow or maybe some library does come out of the blue and we might get something amazing.
So right now Python and

Turkish: 
iOS 11 iki iyi yoldur. 
makine öğrenmeye başlamak ve 
şu anda temmuz ayının sonunda durum bu
2017
Elbette bu yakın gelecekte değişecek
Yani bunlar neyin temelde olduğuna dair tüm görüşlerdi. 
makine öğrenmesi ve nasıl 
makine öğrenmeye başlamak
Bu, makine öğrenmenin ne olduğu konusunda kapsamlı bir tartışma mıydı, sınıflandırıcılar,
ve tensörler ve scikit? Tabii ki hayır, bu sadece bir bakış niteliğindeydi, bazı sorularınızı cevaplayabileyim
Ve makine öğrenmesi ve çalışmaya başlama ile ilgili bazı cevaplar alabilirsiniz. Bir tabu mu?
Yok hayır
Hiçbir şey tabu değildir, herkes makine öğrenmesi programlamasını veya bunun gibi bir şeyi öğrenebilir.
Uygulamada matematikte kötü olsanız bile, bu konuda iyi olabilirsiniz. Demek istediğim bu burada.
Yani bu video için bu ve 
Beni çok özlediğini biliyorum.
Ben de sizi özledim çocuklar
Ama şimdi sabit videolar gelecek çünkü birkaç gün daha evde kalacağım.
Bu çok daha fazla video anlamına gelir ve 
Pazar günü bana katılmayı unutma, her pazarda canlı yayın

English: 
iOS 11 are the two good ways of 
getting started in machine learning and 
this is the condition right now in end of july
2017
Surely this is going to change up in near future
So these were all the views about what basically 
the machine learning is and how you can 
get started with machine learning
Was this an entire comprehensive thorough discussion about what is machine learning, classifiers,
and tensors and scikit? Of course not, this was just an overview so that I can answer some of your questions
And you can get some answers about machine learning and getting started and that. Is it a taboo?
No
Nothing is the taboo, anybody can learn machine learning programming or anything like that.
Even if you are bad at math with practice you can become good in that. So that's all I'm saying here.
So that's it for this video, and 
I know you have missed me quite a lot
I have missed you too guys as well
But now the constant videos are going to come up because I'll be staying home for a few days more
So that means a lot more videos and 
don't forget to join me on Sunday live at every Sunday

English: 
We do Sunday live and you can get the information about it on my Facebook page
The Links are in the description as well as on the screen
So that's it for this video, and I'll surely 
catch you up in Sunday live !!

Turkish: 
Pazar günü canlı yayın yapıyoruz ve bu konuda Facebook sayfamdan bilgi alabilirsiniz.
Bağlantılar ekranın yanı sıra açıklamada da
Yani bu video için bu kadar, ve ben kesinlikle 
Pazar günü canlı seni yakalamak !!
