AI Mülakat Soruları Hazırlık 2026: Aday + İşveren İçin Tam Kapsamlı Türkçe Rehber

Özet (TL;DR)

Tek cümlelik cevap: AI mülakat 5 aşamalı: phone + coding + ML + system design + behavioral. Aday için 50+ soru hazırlık + Türk şirket pattern + salary negotiation; işveren için bias-free rubric.

• AI/ML mülakat tipik 5 aşamalı: (1) Phone screen, (2) Coding/LeetCode, (3) ML/AI knowledge, (4) System design, (5) Behavioral + team fit. Trendyol/Getir 4-6 saat toplam, Big Tech 8-10 saat.
• Sorular ROL'e göre değişir: Data Scientist (SQL + istatistik + iş), ML Engineer (algoritma + system design), AI Engineer (LLM + RAG + agentic), Research Scientist (matematik + paper okuma).
• 50+ önemli soru kategorize: ML temel (bias-variance, regularization), DL (backprop, transformer), LLM (RAG, fine-tuning, evaluation), system design (recommender 1M user, real-time fraud detection 100ms), behavioral (STAR formatı).
• Türk şirket mülakat farkları: Trendyol HackerRank + 3 teknik + HR, Getir teknik camp + system design + culture, Türk banka HR ağırlık + algorithm + behavioral, Aselsan güvenlik soruları + technical.
• AI/LLM ile mülakat hazırlık: GPT-5/Claude ile mock interview, kendi sorularını sor + cevapla, kod açıkla, ChatGPT'nin verdiği bias-variance gibi cevapları senin sözlerinle reframe. AI hazırlık etkili AMA mülakatta canlı AI kullanma — etik dışı.
• İşveren tarafı: junior'a 'Difficult algorithmic puzzle' yerine 'gerçek problem + temel ML kavram' sor. Yasal sorular: yaş, medeni durum, milliyet, din sorulamaz. Bias-free interview rubric kurulmalı.
• Salary negotiation (Türkiye 2026): Junior AI Engineer İLK TEKLİF₺70K, anchored counter 90K, final ortalama 80-85K. Asla 'kabul ediyorum' ilk teklif. 2-3 alternatif teklif gerek.

AI/ML mülakat süreçleri 2023 ChatGPT lansmanından sonra dramatik değişti:

AI Mülakat Trend Değişimi (2022 → 2026)

Boyut	2022	2026
Ana sorular	LeetCode + klasik ML	LLM + RAG + agentic + ML
Süre	3-4 saat	4-8 saat
AI Engineer rolü	Yok	Ayrı kategori
System design	İzleyici DB, search	RAG, vector DB, agentic
Cheat detection	Tek webcam	Multi-camera + screen share + AI proctoring
Remote mülakat	%40	%80
AI mülakat hazırlık	LeetCode + bookmark	ChatGPT + Claude + mock

2.1 5 Aşamalı Tipik Süreç

AI/ML Mülakat 5 Aşaması

Aşama	İçerik	Süre	Geçme Oranı
1. Phone Screen	HR/Recruiter sohbet — CV review	30-45 dk	%50-70
2. Coding	LeetCode medium 1-2 problem	1 saat	%40-60
3. ML/AI Knowledge	Teori soruları, deep dive	1-2 saat	%50-70
4. System Design	RAG/recommender/real-time sistem tasarla	1-1.5 saat	%40-60
5. Behavioral + Team Fit	STAR sorular, manager + senior eng	45-60 dk	%70-90

Junior pozisyonlar: 3-4 aşama (system design çıkarılabilir). 4-5 saat toplam.

Senior+ pozisyonlar: 5 aşama + 1 ek (team round, takım üyeleriyle ayrı). 8-10 saat toplam.

2.2 Aşama 1: Phone Screen Hazırlık

2.3 Aşama 2: Coding (LeetCode)

AI/ML Roller İçin LeetCode Gereksinimi

Rol	LeetCode Pattern	Hazırlık Süresi
Data Scientist	Hafif — pandas + SQL ağırlık	2-4 hafta
ML Engineer	Orta — array, hashmap, two pointer	2-3 ay
AI Engineer	Orta — async + system + API	1-2 ay
Big Tech (Google, Meta, Microsoft)	Ağır — medium + hard	3-6 ay
Research Scientist	Hafif-orta — algoritma derin	1-2 ay

Tipik AI/ML Coding Soruları

ML/AI Coding Soruları (LeetCode değil — pratik)

Soru	Tip	Zorluk
Karma table ile ilk tekrar etmeyen karakter	String + hashmap	Easy
Maximum sliding window	Sliding window + heap	Medium
Median of two sorted arrays	Binary search	Hard
Top K frequent elements	Heap + hashmap	Medium
K-means scratch'tan implement	ML algoritma + numpy	Medium
Linear regression scratch	ML + matrix	Medium
Tokenization function	String + regex	Medium
Cosine similarity for batch	Numpy efficient	Medium
Matrix multiplication scratch (no numpy)	Algoritma	Easy-Medium
Mini-batch gradient descent	ML + optimization	Medium

2.4 Aşama 3: ML/AI Knowledge — 50+ Soru

ML Temel Soruları

ML Temel Mülakat Soruları

#	Soru	Anahtar Cevap Notu
1	Bias-variance tradeoff anlat — overfit vs underfit göstergesi
2	L1 vs L2 regularization farkı — L1 sparse, L2 smooth shrinkage
3	Cross-validation nasıl yapılır? K-fold, stratified, time-series CV
4	Logistic regression hangi loss'u minimize eder? Cross-entropy
5	Decision tree nasıl bölünür? Information gain / Gini impurity
6	Random forest neden overfit'e dirençli? Bagging + feature randomness
7	XGBoost'un Gradient Boosting'ten farkı? Regularization + parallel
8	Precision vs Recall — when each matters? Imbalanced data tartışması
9	ROC AUC nedir? Binary classifier threshold-independent metric
10	F1 score formülü? 2 × (P × R) / (P + R)
11	K-means nasıl çalışır? Elbow method ile k seçimi
12	PCA için adımlar? Centering → covariance → eigendecomp → project
13	Imbalanced data nasıl handle edilir? SMOTE, class weight, undersampling
14	Feature engineering — 3 önemli teknik? Target encoding, aggregation, interactions
15	Hyperparameter tuning — Grid vs Random vs Bayesian? Tradeoff explanation

Deep Learning Soruları

DL Mülakat Soruları

#	Soru	Anahtar Cevap
16	Backpropagation nasıl çalışır? Chain rule + topological order
17	Vanishing gradient problem? ReLU + residual + LSTM
18	Exploding gradient? Gradient clipping + careful init
19	Batch normalization neden? Internal covariate shift + faster training
20	Dropout neden? Regularization + ensemble of subnetworks
21	Activation function — ReLU vs sigmoid vs tanh? Vanishing gradient solution
22	Adam optimizer — momentum + adaptive learning rate
23	Learning rate scheduler? Cosine, step decay, warmup
24	Weight initialization — Xavier, He init
25	Transfer learning nedir? Pretrained + fine-tune top layers
26	CNN katmanları — conv, pool, FC. Receptive field kavramı
27	RNN vs LSTM — vanishing gradient + cell state
28	Attention mechanism — Q, K, V matrices
29	Transformer architecture — multi-head attention + FFN + residual
30	BERT vs GPT — bidirectional vs causal attention

LLM + AI Engineer Soruları

LLM + AI Engineer Mülakat Soruları

#	Soru	Anahtar Cevap
31	RAG vs Fine-tuning — when each? RAG fresh data, fine-tune style/skill
32	RAG accuracy düşük — debug strategy? Chunking → embedding → retrieval → generation
33	LLM hallucination nasıl azaltılır? RAG, chain-of-thought, citation, evals
34	Vector DB choice — Pinecone, Weaviate, Chroma? Hosted vs self-host tradeoff
35	Embedding model selection — OpenAI vs BGE vs Voyage? Latency vs quality
36	Chunking strategy — fixed vs semantic vs recursive? Use case dependent
37	LoRA vs full fine-tune — parameter efficient training
38	Prompt engineering best practices? Specific, examples, structure
39	Chain-of-thought (CoT) prompting? Reasoning steps explicit
40	Agent design — ReAct vs Plan-and-Execute? Trade-offs
41	LLM evaluation framework? RAGAS, Promptfoo, LangSmith
42	Token cost optimization? Caching, smaller models, batch
43	Function calling vs JSON mode? Tool use, structured output
44	MCP (Model Context Protocol) nedir? Standardized tool integration
45	Multi-modal LLM (GPT-4V, Claude vision)? Architectural change

Math + Statistics Soruları

Math Mülakat Soruları

#	Soru	Anahtar Cevap
46	MLE nedir? Likelihood'u maksimize eden θ
47	Bayes theorem? P(A|B) = P(B|A) × P(A) / P(B)
48	Central Limit Theorem? Sample mean → normal as n→∞
49	Type I vs Type II hatası? False positive vs false negative
50	p-value yorumu? Significance testi sezgi
51	A/B test design? Sample size + power calculation
52	Confidence interval vs prediction interval? Population vs individual

2.5 Aşama 4: System Design

Tipik System Design Soruları

System Design Soruları

Sistem	Anahtar Konular
Recommender System (Netflix, Spotify, Trendyol)	Collaborative + content + hybrid, A/B test, cold start, real-time vs batch
Real-time Fraud Detection (banka)	Latency 100ms, feature store, online learning, monitoring
RAG System for KB (50K doc)	Chunking, embedding, vector DB, reranker, cache
Search Engine (e-commerce)	BM25 + neural rerank, autocomplete, faceted search
Ad Click Prediction	Real-time prediction, feature engineering, A/B test
Image Classification at scale	CNN training, distributed, model serving, GPU optimization
Voice Assistant (Alexa benzeri)	ASR + NLU + dialog + TTS pipeline
Content Moderation (sosyal medya)	Multi-modal (text + image), human-in-the-loop, online learning
Demand Forecasting (Getir)	Time series, seasonality, hierarchical forecast
LLM Agent System	Tool use, memory, planning, evaluation

System Design Cevap Formatı

Nasıl Yapılır

ML System Design Cevap Yapısı

1. 1

   1. Clarification

   Mülakatçıya soru sor — ölçek (kullanıcı sayısı, latency), use case, success metric

2. 2

   2. Functional requirements

   Sistem ne yapar — user flow + features

3. 3

   3. Non-functional requirements

   Latency, throughput, scale, availability, cost

4. 4

   4. Scale estimation

   DAU, request/sec, data volume — sayılarla

5. 5

   5. High-level architecture

   Tahta üzerinde boxes + arrows — data → feature → model → serving

6. 6

   6. Data pipeline

   Ingestion, ETL, feature store, training data prep

7. 7

   7. Model

   Algoritma seç + neden, training approach, evaluation

8. 8

   8. Serving

   Online vs batch, latency optimization, caching

9. 9

   9. Monitoring

   Model drift, data drift, business metrics, alerting

10. 10

    10. Trade-offs

    Alternatif yaklaşımlar + neden seçtiğin daha iyi

2.6 Aşama 5: Behavioral + Team Fit

Tipik Behavioral Soruları

Behavioral Soruları

Soru Tipi	Örnek
Başarısızlık	Bir projede başarısız olduğun durumu anlat. Ne öğrendin?
Çatışma	Bir teknik tartışmada manager ile farklı görüş — nasıl çözüldü?
Liderlik	Senior değildin ama bir initiative aldın — nasıl?
Belirsizlik	Çok az bilgi ile bir karar vermen gerekiyordu — nasıl ilerledin?
Mentorluk	Junior'ı mentorluk yaptığın bir durumu anlat
Proaktiflik	Sana söylenmemiş ama yapman gereken bir şeyi yaptığın zaman?
Etki	En etkili katkın neydi? Sayısal sonuç?
Yenilik	Bir konuya yeni yaklaşım getirdiğin zaman?
5 yıl sonra	5 yıl sonra nerede görüyorsun?
Neden bu şirket	Neden Trendyol/Getir? Spesifik sebep + araştırma sinyali

3.1 Data Scientist Mülakat

Data Scientist Mülakat Profili

Aşama	Ağırlık
SQL	Yüksek (StratrasScratch test)
İstatistik	Çok yüksek (A/B test, hipotez)
Python (pandas)	Yüksek
ML temel	Orta (Random Forest seviyesi)
DL	Düşük
LLM	Düşük
System Design	Düşük (junior), Orta (senior)
İş bağlamı	Çok yüksek (case study çok yaygın)

Tipik Data Scientist case study: "Şirketimiz e-ticaret. Bir ürün kategorisinde gelir %30 düştü. Root cause analizi nasıl yaparsın?"

3.2 ML Engineer Mülakat

ML Engineer Mülakat Profili

Aşama	Ağırlık
LeetCode	Yüksek (medium-hard)
Algoritma	Yüksek
DL	Çok yüksek (backprop, optim)
PyTorch	Yüksek (practical coding)
Production ML	Yüksek (MLOps, deployment)
System Design	Çok yüksek
Distributed training	Orta-yüksek (senior+)

3.3 AI Engineer Mülakat (Yeni 2024-2026)

AI Engineer Mülakat Profili

Aşama	Ağırlık
LeetCode	Orta (medium)
FastAPI / async Python	Yüksek
LLM API	Çok yüksek
RAG	Çok yüksek
LangChain / LlamaIndex	Yüksek
Vector DB	Yüksek
Agentic design	Yüksek (yeni)
Prompt engineering	Yüksek
Evaluation framework	Orta-yüksek
Production deployment	Yüksek

Tipik AI Engineer practical test: "2 saatlik live coding — LangChain ile basit bir RAG kur. PDF yükle, vectorize et, soru sor, cevap al. Evaluation suite ekle."

3.4 Research Scientist Mülakat

Research Scientist Mülakat Profili

Aşama	Ağırlık
Matematik	Çok yüksek (derive proofs)
Paper okuma	Çok yüksek
Algoritma	Çok yüksek
PhD background	Şart (genelde)
Research projects	Çok yüksek (paper publication)
System design	Orta
Practical coding	Orta

4.1 Trendyol Mülakat Süreci

Nasıl Yapılır

Trendyol AI/ML Mülakat

1. 1

   1. Online Application

   Trendyol kariyer + LinkedIn

2. 2

   2. HackerRank Test (60-90 dk)

   2-3 medium algoritma + 1-2 SQL

3. 3

   3. Recruiter Call (30 dk)

   CV review + ekspectations

4. 4

   4. Tech Interview 1 (60 dk)

   Algoritma + ML temel

5. 5

   5. Tech Interview 2 (60 dk)

   ML/AI deep dive + system design

6. 6

   6. Hiring Manager (45-60 dk)

   Team fit + behavioral

7. 7

   7. Final HR (30 dk)

   Salary + start date

Toplam: 2-3 hafta süreç. Ücret konuşulurken final aşama önerilir.

4.2 Getir Mülakat Süreci

• HackerRank + Algoritma
• Teknik mülakat (algoritma + ML)
• System design (mid+)
• Culture interview
• Founder interview (senior+)

4.3 Türk Banka Mülakat Süreci

4.4 Aselsan / Havelsan / TUSAŞ Savunma

• Güvenlik soruşturması (uzun, 2-6 ay)
• Tek bir yabancı şirket tecrübesi şüphe yaratabilir
• Türkçe ağırlıklı mülakat
• KVKK + Türk Standartlar Enstitüsü (TSE) bilgisi sorulur
• Salary banka tier benzeri (₺ 120-200K senior)

5.1 Mock Interview Platformları

Mock Interview Platformları

Platform	Tip	Fiyat
Pramp	Peer-to-peer mock interview	ÜCRETSIZ
interviewing.io	Anonymous mock with FAANG engineers	$200-300/saat
LeetCode Mock Interview	Random LC problem timed	Premium $35/ay
Exponent	PM + system design	$59/ay
Tech Interview Pro	Course + mock	$200 one-time

5.2 AI Cheat Detection — Önemli

6.1 Türkiye 2026 Maaş Negotiation

Junior AI Engineer Salary Negotiation Senaryo

Adım	Tipik Skor
İlk teklif (Trendyol/Getir)	₺70-80K
Aday counter	₺90K + ₺5K signing bonus
İkinci teklif	₺80-85K
Alternatif teklif (başka şirket)	Leverage olarak kullan
Final	₺82-88K
Stock/RSU (varsa)	Ek ₺10-30K equity (pre-IPO illiquid)

6.2 Senior AI Engineer Salary Negotiation

Senior AI Engineer Salary Negotiation

Adım	Tipik Skor
İlk teklif	₺180-200K
Aday counter	₺240K + sign-on bonus
Final	₺210-230K
RSU/Stock	Ek 30-100K equity yıllık

6.3 ABD Remote Salary Negotiation

ABD Remote Junior AI Engineer Negotiation

Adım	Skor (USD)
İlk teklif	$80-110K base
Counter	$130K + $20K bonus
Final	$110-130K base + $10-30K bonus
Türkiye TL eşd.	₺280-420K aylık brüt

6.4 Negotiation Pro İpuçları

7.1 Etkili Mülakat Yapma Prensipleri

7.2 SORMAMALI Sorular (Yasal Risk)

7.3 Junior vs Senior Soru Farkı

Junior vs Senior Mülakat Soruları

Konu	Junior	Senior
Algoritma	Easy-Medium LC	Medium-Hard, optimization tradeoffs
ML	Bias-variance, regularization	Production fine-tune, distillation
System Design	Atlanır veya basit	Derin — full ML pipeline + scale
LLM	RAG temel	Agentic, multi-modal, evaluation framework
Behavioral	Öğrenme, takım uyumu	Liderlik, mentor, conflict resolution
Süre	3-4 saat	6-8 saat

7.4 Bias-Free Değerlendirme

8.1 Adayların Yaygın Hataları

Adayların Yaygın Hataları

Hata	Önleme
Düşünmeden cevaplama	İlk 10-15 sn dur, kafanda yapı kur, sonra konuş
Sustradığını söylemek	Yapılmadıysa söyle — yalan caught olur
Çok detay → konu dağılma	STAR yapısı kısa tut
Soru sormama	Her aşama sonu 2-3 soru hazır ol
Negative tone önceki şirket	Asla — 'farklı yön ihtiyacım' diye reframe
Şirket araştırması yok	10 dk + LinkedIn + website + son blog
Maaş expectations 'çok düşük'	Market rate biliyor olmak — Glassdoor + LinkedIn Salary
İletişim style — monoton	Çeşitlendir — ton + ritm + jest
Tahta-beyaz yazma — düzenisiz	Sol üst → sağa + alt sırasıyla
Time management — overrun	Toplam süre/soru sayısı = ortalama hedefle

8.2 İşverenlerin Yaygın Hataları

• Tek mülakatçı karar verir (bias)
• LeetCode hard ile junior eler — gerçek beceriyle alakasız
• 8 saat tek günde — adayı yorar, performans düşer
• Negative feedback geri vermez — itibarı zedeler
• Salary range belirsiz — vaktini boşa harcar

9.1 Aday için 24 Saat İçinde

Nasıl Yapılır

Mülakat Sonrası Aday Aksiyon

1. 1

   Thank-you email

   Her mülakatçıya ayrı email — kısa, samimi, hatırlatma

2. 2

   Notlar

   Mülakatçı adı, soru, kendi cevabı, hissedilen kalite — sonraki için ders

3. 3

   İletişim hattı

   Recruiter ile günde 1 kez follow-up YOK — aşırı agresif görünür. Hafta sonra OK.

4. 4

   Paralel başvuru

   Tek şirkete odaklanma — 5-10 aktif başvuru hep olsun

5. 5

   Refused olunca feedback iste

   Recruiter'dan kibarca: 'Gelişim için feedback alabilir miyim?'

9.2 İşveren için Mülakat Sonrası

• 24 saat içinde rubric doldur
• Debrief meeting (tüm mülakatçılar)
• Aday'a teklif veya red karar
• Red durumda kibar email (Türk şirket bunu çok atlar)
• Offer letter detay (maaş + start date + benefits)

Soru: AI rolüne geçmek için kaç ay mülakat hazırlık?

Soru: Türk şirketinde junior pozisyon için Master gerekli mi?

Hayır. Lisans + portfolio + 1-2 staj yeterli. Master nice-to-have. Türk teknoloji şirketleri çoğunlukla 4 yıllık üniversite + güçlü teknik beceri tercih eder.

Soru: ABD remote için ne hazırlanmalı?

LeetCode medium 200+ problem (en az). System design 5-10 mock interview. Behavioral STAR 7 hikaye. İngilizce akıcı (fluent C1+).

Soru: Mülakatta GPT kullanmak nasıl yakalanıyor?

(1) Webcam'de bakış sağa-sola, (2) typing pattern (kopya-yapıştır), (3) cevap kalitesi cevap süreyle uyumsuz (instant cevap), (4) cevaplar kişiliksiz (LLM stili), (5) reverse question'da yetersiz.

Soru: Salary negotiation'da blöf işe yarar mı?

Bazen ama risk. Gerçek başka teklifin varsa bağlam ver. Yalan teklif kanıtsız caught olunca offer iptal. Pure honesty + market knowledge + ne kadar değerli olduğunu söylemek en güçlü.

Soru: Junior pozisyonda kaç şirket başvurmalıyım?

Hedef: 50-100 başvuru → 10-20 phone screen → 5-10 ikinci aşama → 2-5 teklif. 6 ayda iş için minimum 50 başvuru. Asıl olan başvuru NICELLIĞINDEN ziyade KALİTESİ.

Soru: Mülakat reddi geliyorsa ne yapayım?

Feedback iste (recruiter'dan kibar email). Aynı şirket 6-12 ay sonra tekrar başvurabilirsin. Eksik konuları çalış. Mock interview daha fazla. Networking + referral çoğalt.

Soru: AI Engineer için Türkçe NLP bilgisi avantaj mı?

Çok büyük avantaj. Trendyol, Getir, Turkcell, Aselsan Türkçe LLM/NLP geliştiren şirketler. Türkçe NLP specialized aday için "premium tier" pozisyon.

Soru: LinkedIn'den direkt başvuru vs Referral hangisi?

Referral 5x daha güçlü. Bir Türk AI engineer ağı (LinkedIn'de bağlan, Discord'da konuş) kur. Referral ile başvurana yıllık başına maaş %15-25 yüksek bile çıkar.

Soru: Mülakatta hangi soruları sorayım?

3 zorunlu sorulacak: (1) "Bu pozisyonun günde günde nasıl?", (2) "Tech stack + AI tools nasıl?", (3) "Onboarding + ilk 90 gün için success metric ne?". Soru sormak ilgili göstergesi.

Soru: AI ile cheat detection'a karşı koruma var mı?

Kişisel anti-detection AI yok (etik dışı zaten). En iyi yol: gerçekten hazırlanmak. Mock interview + LeetCode + system design pratiği.

3 ana çıkarım:

1. AI/ML mülakat 5 aşamalı standart süreç: Phone + Coding + ML/AI + System Design + Behavioral.
2. Rol-spesifik hazırlık: Data Scientist SQL + istatistik, ML Engineer algoritma + system, AI Engineer LLM + RAG + agentic.
3. AI ile HAZIRLIK mükemmel, AI ile CHEAT yasak. GPT-5/Claude mock interview için 7/24 erişim, ama canlı kullanım disqualification.

30 günlük mülakat hazırlık planı:

Gün 1-7:

• CV güncelle (1 sayfa, STAR)
• LinkedIn optimize
• 50 hedef şirket listesi
• LeetCode 5 problem (easy-medium)

Gün 8-14:

• 50+ teknik soru cevap hazırla (yukarıdaki listeden)
• ChatGPT/Claude ile 5 mock ML soru
• 1 system design (recommender) çalış

Gün 15-21:

• LeetCode 15 problem
• 3 system design (RAG, fraud detection, ads)
• Behavioral STAR 7 hikaye yaz

Gün 22-30:

• 3 mock interview (Pramp / arkadaş)
• Salary research (LinkedIn Salary + Glassdoor)
• İlk 20 başvuruyu yap (1 hafta içinde)

Kaynaklar

1. Cracking the Coding Interview — Gayle Laakmann McDowell, CareerCup · 2015
2. Designing ML Systems — Chip Huyen, O Reilly · 2022
3. Pramp — Pramp, Pramp · 2026
4. interviewing.io — interviewing.io, interviewing.io · 2026
5. LeetCode — LeetCode, LeetCode · 2026
6. Glassdoor — Glassdoor, Glassdoor · 2026
7. LinkedIn Salary Insights — LinkedIn, LinkedIn · 2026
8. Trendyol Kariyer — Trendyol, Trendyol · 2026
9. Getir Kariyer — Getir, Getir · 2026
10. Cracking the ML Interview — Nayyar, Amazon · 2020