LeetCode vs Kaggle vs Real Project 2026: AI Mühendisleri İçin Hangisi Önce? Türkçe Derin Karar Rehberi
AI/ML mühendis adayı + öğrenciler için 3 ana öğrenme yolunun derin karşılaştırması: LeetCode (algoritma odak, Big Tech mülakat için), Kaggle (yarışma + ML algoritma + Notebooks tier), Real Project (uçtan uca, GitHub portfolio, production tecrübe). Her birinin avantajı, zaman yatırımı, iş bulma katkısı, hangi pozisyon için hangi öncelik, Türk şirket vs ABD Big Tech vs Avrupa farklılığı, hibrit strateji önerileri, Junior vs Senior odak farkı, 12 aylık önerilen karışım, time-investment ROI hesabı, 8 başarı hikayesi, yaygın hatalar, mülakat sonrası feedback dağılımı.
<tldr data-summary='["3 öğrenme yolu farklı amaç: LeetCode (algoritma — Big Tech mülakat geçme), Kaggle (ML algoritma + topluluk medal + öğrenme), Real Project (uçtan uca + portfolio + production tecrübe). 2026 Türkiye için Real Project + Kaggle hibridi optimal.","HEDEF ŞIRKETE GÖRE öncelik değişir: Big Tech (Google, Meta) için LeetCode dominant (%60 zaman). Türk şirketler (Trendyol, Getir) Real Project + Kaggle (%70). Avrupa karışık. Research role: paper + akademik.","Junior aday için ÖNCELIK SIRASI: 1) Real Project (5+ GitHub repo, 1+ deployed), 2) Kaggle Expert tier, 3) LeetCode 100 medium. Senior için: Real Project >> diğer ikisi.","Real Project somut faydalar: GitHub stars, deployment URL, blog post yazma, ürün/SaaS launch, müşteri geri bildirim. Hard skill VE business sense kazandırır. ALMA İŞ ARAMA için en güçlü kanıt.","Kaggle somut faydalar: ML algoritma derin anlama, ensemble teknikleri, gerçek dünya veri (noise + bias), Kaggle Notebooks tier ile iş bulma katkısı. ARAMA İŞ İÇİN ALMA Kaggle medal'ı + tier güçlü sinyal.","LeetCode somut faydalar: Big Tech kapısı (Google, Meta, Amazon, OpenAI), algoritma temellerini güçlendir. Türk şirketler için yararlı ama hayati değil. Big Tech hedefi olmayan kişi için %20-30 zaman yatırımı yeter.","12 aylık optimal hibrit dağılım: Real Project %50, Kaggle %30, LeetCode %20. Bu oran Big Tech hedefi varsa: %30/%30/%40 (LeetCode artar). Türk teknoloji unicorn için: %60/%30/%10."]' data-one-line="3 öğrenme yolu farklı amaç — Real Project portfolio + production, Kaggle ML algoritma + medal, LeetCode Big Tech mülakat. 2026 Türkiye optimal hibrit: 50/30/20 Real/Kaggle/LeetCode.">
1. Giriş: Türk AI Toplumunun En Yaygın Karar Sorusu
"İlk önce LeetCode mu? Kaggle mı? Yoksa GitHub'a proje mi koysam?" — Türk öğrenci ve junior AI mühendis adayları için en yaygın soru.
2. LeetCode — Derin İnceleme
2.1 LeetCode Nedir?
- LeetCode
- 2015'te kurulan, algoritma + veri yapıları + sistem tasarımı sorularının çözümleneceği ABD merkezli platform. 3000+ problem, FAANG/Big Tech mülakat hazırlığı standardı. Easy/Medium/Hard etiketleri. Mock interview, Discuss forum, Premium plan ile şirket-spesifik sorular.
| Boyut | Detay |
|---|---|
| Toplam problem | 3000+ algoritma + DB + system design |
| Tier | Easy %30, Medium %50, Hard %20 |
| Aylık kullanıcı | ~5M global |
| Premium fiyat | $35/ay veya $159/yıl |
| Türkiye kullanıcı (tahmin) | ~30-50K aktif |
| Türkçe destek | Çoğunlukla İngilizce, bazı topluluk Türkçe çözümleri |
| Diller | Python (en yaygın), Java, C++, JavaScript, 18+ dil |
| Şirket etiketleri (Premium) | Google, Meta, Amazon, Microsoft, Apple, vb. |
2.2 LeetCode Avantajları
2.3 LeetCode Dezavantajları
2.4 LeetCode Önerilen Strateji
| Hedef | Önerilen Sayı | Zorluk Karışımı |
|---|---|---|
| Türk KOBİ teknoloji | 50-80 medium | Easy %30 + Medium %70 |
| Türk unicorn (Trendyol, Getir) | 100-150 medium | Easy %20 + Medium %70 + Hard %10 |
| Türk büyük banka | 80-120 medium | Easy %30 + Medium %70 |
| Big Tech junior | 200-300 medium | Easy %15 + Medium %65 + Hard %20 |
| Big Tech senior | 300+ + advanced | Medium %50 + Hard %50 |
| Research Scientist | 50-80 medium | Algoritma derinleşme önemli |
| AI Engineer (Türkiye) | 80-100 medium | Async + system + LLM problemleri öncelik |
2.5 LeetCode 12 Hafta Müfredatı
| Hafta | Konu | Hedef |
|---|---|---|
| 1-2 | Array + Two Pointers | 20 problem |
| 3-4 | HashMap + String | 20 problem |
| 5-6 | Linked List + Stack/Queue | 20 problem |
| 7-8 | Tree (BST, traversal) | 20 problem |
| 9-10 | BFS/DFS + Graph | 20 problem |
| 11-12 | Dynamic Programming + Backtracking | 20 problem |
Toplam: 12 hafta × ~10 saat = 120 saat → 120 problem (1 problem/saat ortalama).
3. Kaggle — Derin İnceleme
3.1 Kaggle Avantajları
(Önceki Kaggle rehberinde detayları var — burada kısa özet)
3.2 Kaggle Dezavantajları
3.3 Kaggle Önerilen Strateji
| Hedef | Önerilen Tier | Zaman |
|---|---|---|
| Junior Data Scientist | Expert (1+ bronze) | 3-6 ay |
| Junior ML Engineer | Expert | 3-6 ay |
| Junior AI Engineer | Contributor → Expert | 2-4 ay (secondary) |
| Senior ML Engineer | Master | 12-24 ay |
| Research Scientist | Master + 1-2 unique solution | 18-36 ay |
| Türk unicorn | Expert (medal + Notebooks) | 6 ay |
| Big Tech | Expert+ tier nice-to-have | - |
4. Real Project — Derin İnceleme
4.1 Real Project Nedir?
- Real Project (Production-grade Project)
- Public erişimli, deployed (URL ile çalışan), gerçek kullanıcılara açık veya en azından demo'lanabilir uçtan uca yazılım/AI projesi. Sadece notebook değil — frontend + backend + database + deployment + monitoring + documentation. GitHub stars, blog yazımı, ürün launch ile birlikte gelir.
4.2 Real Project Avantajları
4.3 Real Project Dezavantajları
4.4 İyi Bir Real Project Anatomisi
| Bileşen | Detay |
|---|---|
| README | Quick start + screenshots + tech stack + license |
| Live demo | Public URL (Vercel, Railway, Render, Hugging Face Spaces) |
| Architecture | Architecture.md veya diagram (Mermaid, drawio) |
| Code quality | TypeScript, linting, formatting, types |
| Tests | Unit tests + integration tests minimum |
| CI/CD | GitHub Actions — auto-test, auto-deploy |
| Documentation | API docs, contributing guide, license |
| Monitoring | Sentry, Posthog, Datadog (basit) |
| Auth + Database | Real auth (Clerk, Supabase Auth) + real DB |
| Blog post | Building this project sürecini anlatan 1 blog post |
| LinkedIn paylaşım | Launch post — demo video + key insights |
| Demo video | Loom/screen recording 2-3 dakika |
4.5 15 Önerilen Real Project Tipi (AI/ML)
| Proje | Tech Stack | Zorluk |
|---|---|---|
| Türkçe KVKK chatbot | Next.js + LangChain + Chroma + OpenAI | Orta |
| AI dönüş sınıflandırıcı (telefon çağrı transcript) | FastAPI + Whisper + Llama | Orta |
| İstanbul gayrimenkul fiyat tahmini SaaS | FastAPI + scikit-learn + Streamlit | Orta |
| E-ticaret recommendation engine | FastAPI + neural CF + Redis | Orta-Yüksek |
| Türk hukuk PDF özetleme | Next.js + LangChain + Pinecone | Orta |
| Multi-modal AI search | CLIP + FastAPI + Postgres pgvector | Yüksek |
| Türkçe metin → resmi çeviri | mT5 fine-tune + FastAPI | Orta |
| Stock prediction dashboard | FastAPI + LSTM + Plotly Dash | Orta |
| AI ile bitki hastalık tespiti SaaS | FastAPI + EfficientNet + React Native | Yüksek |
| Multi-agent araştırma asistanı | LangGraph + Claude + Tavily | Yüksek |
| Türkçe meeting transcribe + özet | Whisper + GPT + Next.js | Orta-Yüksek |
| AI mülakat hazırlık SaaS | LangChain + speech-to-text + GPT | Yüksek |
| Code review AI bot | GitHub Actions + Claude + custom rules | Orta-Yüksek |
| Türk e-ticaret price tracker | Scrapy + FastAPI + Postgres + Discord notifications | Orta |
| AI fitness coach (custom workout plan) | LangChain + Streamlit | Orta |
4.6 Bir Real Project'i Etkili Şekilde Anlatmak
Real Project Storytelling
- 1
Problem
Ne problem çözüyorsun? Specific kullanıcı + use case
- 2
Solution
Senin çözümün ne? Architecture overview
- 3
Tech choices
Neden bu stack? Tradeoff explanation
- 4
Challenges
Karşılaştığın 2-3 zorluk + nasıl çözdün
- 5
Metrics
Performance, accuracy, latency — sayısal
- 6
Lessons learned
Tekrar yaparsan ne değiştirirsin?
- 7
What is next
Roadmap — gelecek planı
5. 3 Yolun Doğrudan Karşılaştırması
5.1 Time Investment vs Job ROI
| Boyut | LeetCode | Kaggle | Real Project |
|---|---|---|---|
| İyi seviyeye ulaşma süresi | 3-6 ay | 6-12 ay | 3-6 ay (1 quality proje) |
| Türkiye junior iş bulma katkısı | %30 | %40 | %70 |
| Big Tech mülakat geçme | %80 | %30 | %40 |
| Senior pozisyon bulma | %20 | %30 | %80 |
| Algoritma + DS öğrenme | LİDER | Orta | Orta |
| ML algoritma öğrenme | Düşük | LİDER | Yüksek |
| Production workflow öğrenme | Yok | Düşük | LİDER |
| Business sense | Yok | Düşük | LİDER |
| Networking imkanı | Düşük | Yüksek (yarışma) | Yüksek (open source) |
| Burnout riski | YÜKSEK | Orta | Orta |
| Pasif gelir potansiyel | Yok | Yok | VAR (SaaS launch) |
5.2 İş Tipine Göre Önerilen Karışım
| Hedef İş | Real Project % | Kaggle % | LeetCode % |
|---|---|---|---|
| Türk teknoloji junior | 50% | 30% | 20% |
| Türk unicorn (Trendyol, Getir) | 55% | 25% | 20% |
| Türk banka | 40% | 30% | 30% |
| Big Tech (Google, Meta) | 30% | 30% | 40% |
| Big Tech research | 20% | 40% | 40% |
| Avrupa remote startup | 50% | 25% | 25% |
| ABD remote AI startup | 55% | 20% | 25% |
| Akademik master/PhD | 20% | 40% | 40% |
| Solo SaaS founder | 90% | 5% | 5% |
| Türkiye savunma (Aselsan) | 50% | 20% | 30% |
5.3 Junior vs Senior Odak Farkı
| Kıdem | Real Project | Kaggle | LeetCode |
|---|---|---|---|
| Yeni mezun / 0 tecrübe | %60 | %25 | %15 |
| Junior (1-2 yıl) | %55 | %25 | %20 |
| Mid (3-5 yıl) | %70 | %20 | %10 |
| Senior (5-8 yıl) | %80 | %15 | %5 |
| Staff/Principal (10+) | %85 | %10 | %5 |
Çıkarım: Kıdem arttıkça Real Project ağırlık kazanır, LeetCode/Kaggle azalır.
6. 12 Aylık Hibrit Plan
6.1 Junior İçin (Yeni Mezun) — 12 Aylık Plan
| Ay | Real Project | Kaggle | LeetCode |
|---|---|---|---|
| Ay 1-3 | 1 basit Streamlit AI demo | Kaggle Learn + Titanic | Easy 50 problem |
| Ay 4-6 | 1 deployed FastAPI + frontend proje | 1 yarışma katıl, top %25 | Medium 50 problem |
| Ay 7-9 | 1 SaaS-grade RAG proje + blog | Kaggle Expert tier (1+ bronze) | Medium 50 problem (toplam 100) |
| Ay 10-12 | 1 multi-agent / advanced proje + LinkedIn launch | 2. medal | Targeted: hedef şirketin LC etiketi |
12 ay sonu portfolio:
- 4-5 quality GitHub repo (en az 2 deployed)
- Kaggle Expert tier
- 100-150 LeetCode medium
- 1-2 blog post
- LinkedIn aktif
6.2 Career Changer İçin (3+ Yıl SWE → AI) — 6 Aylık Plan
| Ay | Real Project | Kaggle | LeetCode |
|---|---|---|---|
| Ay 1-2 | 1 LangChain RAG MVP | Kaggle Learn LLM kurs | Atla (zaten algoritma var) |
| Ay 3-4 | 1 agentik AI uygulama | 1 NLP yarışma katıl | Hatırlatma 20 medium |
| Ay 5-6 | 1 production-deployed AI ürün | Notebooks tier upvotes | Hedef şirket LC etiketi 30 medium |
Mevcut SWE backround + AI proje hızla iş bulma yolu.
6.3 Big Tech Hedefi 12 Aylık Plan
| Ay | Real Project | Kaggle | LeetCode |
|---|---|---|---|
| Ay 1-4 | 1 advanced AI proje | Kaggle Expert + 1 NLP yarışma | 100 medium (algoritma odak) |
| Ay 5-8 | 1 system design heavy proje | 1 yarışma top %5 | 100 medium + 30 hard |
| Ay 9-12 | Open source contribute + 1 paper | Kaggle Master adım | Targeted mock (Google, Meta LC etiketi) |
7. Yaygın Hatalar
8. 8 Başarı Hikayesi (Anonim)
| Profil | Strateji | Sonuç |
|---|---|---|
| 1. CS öğrenci, Boğaziçi | LeetCode 250 + 3 Real Project + Kaggle Expert | Trendyol Senior 4 yılda → Google Zurich |
| 2. Bootcamp mezunu | 5 Real Project + 0 LeetCode | Türk SaaS junior junior 6 ayda |
| 3. PhD Stats | Kaggle Grandmaster + 0 Real Project | Türkiye İş Bankası senior 1 yılda |
| 4. Lise + self-taught | 10 Real Project + LeetCode 80 | Hugging Face remote (Türkiye) |
| 5. SWE 5 yıl | 3 AI Real Project + LangChain master | Getir senior 3 ayda transition |
| 6. Endüstri Müh | Kaggle Expert + 2 deployed proje | Trendyol Data Scientist 9 ayda |
| 7. CS dropout | 8 SaaS Real Project | Solo SaaS founder ₺50K/ay MRR |
| 8. Akademisyen | 3 paper + Kaggle Master + Real Project yok | DeepMind research engineer remote |
9. Mülakat Sonrası Feedback Dağılımı
10. Geçer Note vs Mükemmel
11. ROI Hesabı
11.1 1 Saat Yatırım Karşılığı
| Aktivite | Saat Etkisi | Toplam Aylık Maaş Etkisi (1 yıl sonra) |
|---|---|---|
| 1 saat LeetCode medium | +0.05 puan | +₺50 aylık (Türk şirket için) |
| 1 saat Kaggle yarışma | +0.07 puan | +₺70 aylık |
| 1 saat Real Project | +0.15 puan | +₺150 aylık |
| 1 saat blog yazma + paylaşım | +0.10 puan (uzun-vade) | +₺100 aylık + brand |
| 1 saat network (LinkedIn DM, meetup) | +0.20 puan | +₺200 aylık (referral) |
Çıkarım: Networking + Real Project en yüksek ROI. LeetCode düşük ROI ama belli pozisyonlar için zorunlu.
12. Sık Sorulanlar
Soru: 0 tecrübe — hangisinden başlayayım?
Soru: Big Tech mülakatta Real Project sorulur mu?
Evet ama secondary. LeetCode primary, system design primary, behavioral primary. Real Project "talk through" round'da geliyor (her aday 1 önemli proje detay anlatır).
Soru: Kaggle medal aldım — iş garantili mi?
Hayır. Medal güzel sinyal ama tek başına yetmez. Real Project + Kaggle medal + reasonable LeetCode kombinasyonu iş hazır profil.
Soru: 1000 LeetCode problem çözüm — yeter mi?
Türk şirketler için fazla. Big Tech için yeterli olabilir ama Real Project zayıfsa balanced profile değil. 200 medium + 5 Real Project > 1000 LeetCode.
Soru: Solo SaaS founder olmak istiyorum — hangi yol?
%90 Real Project. Kaggle/LeetCode minimal. SaaS founder için product sense + iteration speed + customer development önemli.
Soru: Hangi LeetCode problem en faydalı?
Blind 75 (popüler liste) ile başla. NeetCode 150 sonraki. Top 100 liked problems. Şirket-spesifik etiket sonra (Premium gerekli).
Soru: Kaggle competition yerine Notebooks tier?
Notebooks tier alternatif yol. Yazım + dokümantasyon güçlü kişiler için. Notebooks GM bile bazıları yarışma medali olmadan ulaşmış. 5+ quality public notebook hedef.
Soru: Real Project'i nereye deploy edeyim?
- Frontend (Next.js): Vercel ücretsiz
- Backend (FastAPI, Express): Railway, Render, Fly.io (ücretsiz tier)
- ML model serving: Hugging Face Spaces, Modal, Replicate
- Database: Supabase, PlanetScale (ücretsiz tier)
- Domain: Cloudflare Registrar veya Namecheap $10/yıl
Soru: Bir Real Project ne kadar süre almalı?
İlk basit demo: 1-2 hafta. Quality MVP: 4-6 hafta. Production-grade with users: 2-3 ay.
Soru: AI ile Real Project yapmak değer mi?
Şu an EVET — 2024-2026 LLM/RAG/agentic özellikle yüksek talep. LangChain + Pinecone + OpenAI ile 2-3 haftada quality MVP mümkün.
Soru: Türkçe blog ile İngilizce blog hangisi?
İkisi de değerli. Türkçe → Türk pazarı + brand build. İngilizce → uluslararası audience + global ish. Önce Türkçe, sonra İngilizce'ye çeviri ideal.
Soru: Open source contribute LeetCode/Kaggle/Real Project'in hangisinde?
Real Project kategorisinde. Hugging Face, LangChain, scikit-learn gibi popüler repolara PR aç. 1 kabul edilmiş PR CV'de altın değerinde.
13. Sonuç ve Eylem Planı
3 ana çıkarım:
-
3 yol farklı amaçlara hizmet eder — LeetCode (Big Tech mülakat), Kaggle (ML algoritma derinleşme + medal), Real Project (portfolio + production).
-
Türk teknoloji pazarı 2026'da Real Project DOMINANT signal — Trendyol, Getir, Hepsiburada hiring manager %70 "Real Project portfolio" diyor.
-
Optimal hibrit kombinasyon hedefe göre: Türk unicorn için 50/30/20 (Real/Kaggle/LeetCode), Big Tech için 30/30/40.
Bu hafta yapılacaklar:
Pazartesi:
- Hedef şirket listesi yap (10 şirket)
- Her şirketin tipik mülakat sürecini araştır
Salı:
- 1 quality Real Project konsepti seç (Türkçe NLP ya da RAG önerilir)
- GitHub repo oluştur, README başlat
Çarşamba:
- Kaggle hesap kontrol, Phone verify yap
- Bir yarışmaya katıl (Titanic veya Tabular Playground)
Perşembe:
- LeetCode hesap, 1 easy + 1 medium problem
- Hedef: günde 1-2 problem
Cuma:
- LinkedIn güncelle (headline, bio)
- 1 LinkedIn paylaşımı ("AI öğrenmeye başladım..." tarzı authentic)
Önümüzdeki 12 ay genel hedef:
- 5-7 quality Real Project (en az 2 deployed)
- Kaggle Expert tier
- 100-150 LeetCode medium
- 5+ LinkedIn paylaşım
- 1 açık kaynak PR (Hugging Face / LangChain / scikit-learn)
- 1 blog post (Türkçe)
- 50+ başvuru → 5+ teklif
Kaynaklar
- LeetCode — LeetCode, LeetCode ·
- NeetCode 150 — NeetCode, NeetCode ·
- Kaggle — Kaggle, Google ·
- GitHub — GitHub, Microsoft ·
- Vercel — Vercel, Vercel ·
- Hugging Face Spaces — Hugging Face, Hugging Face ·
- LangChain — LangChain, LangChain ·
- Cracking the Coding Interview — Gayle Laakmann McDowell, CareerCup ·
- Designing ML Systems — Chip Huyen, O Reilly ·
- Trendyol Kariyer — Trendyol, Trendyol ·
Danismanlik Baglantilari
Bu yazıya en yakın consulting sayfaları
Bu içerikten sonraki mantıklı adım için en ilgili solution, role ve industry landing'lerini burada görebilirsin.
Kurumsal RAG Sistemleri Gelistirme
Sirket ici bilgiye kaynakli, guvenli ve denetlenebilir erisim saglayan uretim seviyesinde RAG mimarileri.
AI Agent ve Workflow Otomasyonu
Tek adimli chatbot'larin otesine gecen; arac, kural ve insan onayi ile ilerleyen AI destekli is akislarina gecis.
CTO'lar icin Kurumsal AI Mimari Danismanligi
PoC seviyesinde kalan AI girisimlerini guvenli, olceklenebilir ve production-ready mimarilere tasimak icin teknik liderlik danismanligi.