Sıfırdan Yapay Zeka Öğrenme Yol Haritası 2026: 12 Aylık Türkçe Detaylı Roadmap

Özet (TL;DR)

Tek cümlelik cevap: 12 ay + günde 2-3 saat = junior AI Engineer. Python → Math → ML → DL → LLM → Production → İş. Bütçe $200-500 veya tamamen ücretsiz alternatifler.

• 12 ay = sıfırdan iş bulabilir junior AI Engineer. Günlük 2-3 saat (haftada 14-21 saat). Yoğunluk: 6 ay full-time mümkün, 18 ay yarı-zamanlı mümkün.
• Ay 1-2 TEMEL: Python sözdizimi + pandas/numpy + temel matematik (lineer cebir + olasılık + calculus). 2 milestone proje.
• Ay 3-4 KLASIK ML: scikit-learn + Coursera Andrew Ng Machine Learning + 3 Kaggle yarışma giriş.
• Ay 5-6 DEEP LEARNING: PyTorch + Coursera DL Specialization + fast.ai + 2 production-grade DL projesi.
• Ay 7-8 LLM + AI: Andrej Karpathy 'LLM Zero to Hero' + LangChain + RAG kişisel projesi + agentic workflow.
• Ay 9-10 PRODUCTION: Docker + AWS/GCP + FastAPI + MLflow + 1 end-to-end deployed ML/AI sistem.
• Ay 11-12 İŞ ARAMA + UZMANLAŞMA: 5-10 GitHub proje + LinkedIn + 50+ pozisyon başvuru + mülakat hazırlık. Türkçe NLP, agentic, ya da computer vision specialized.
• BÜTÇE: $200-500 toplam (Coursera Plus $59/ay × 6 ay = $354, kitaplar $150). Ücretsiz alternatifler: YouTube + fast.ai + freeCodeCamp + BTK Akademi.
• Türk öğrenci avantajı: BTK Akademi Türkçe ücretsiz, Coursera Financial Aid (Türkiye dahil çoğunlukla onaylanır), Boğaziçi/ODTÜ ML Yaz Okulları, Türk AI toplulukları (Yapay Zeka Türkiye, Veri Bilimi Türkiye Discord/Slack).

Bu yol haritası 2026 itibarıyla pratik, iş odaklı. 12 ay sonra mümkün hedef:

12 Ay Sonra Hedef Profilleriniz

Hedef	12. Ay Sonu Profili
Junior AI Engineer (Türkiye)	İlk iş bulma — ₺70K-100K aylık net
Junior ML Engineer (Türkiye)	İlk iş bulma — ₺60K-90K aylık net
Junior Data Scientist (Türkiye)	İlk iş bulma — ₺50K-80K aylık net
Freelance / Solo Builder	AI ürün geliştirici (MVP launch + ilk müşteri)
Avrupa Remote Junior	Junior AI Engineer remote — €3K-5K aylık
Side Income	Mevcut işine ek olarak haftada 5-10 saat AI proje

1.1 Bu Yol Haritası Kimler İçin?

1.2 Önkoşullar

Sıfır seviye için bile minimum:

• Bilgisayar kullanmayı bilme (dosya yönetimi, terminal temel)
• İngilizce okuma anlama (en az B1 — kaynakların %95'i İngilizce)
• Disiplin (günde 2-3 saat 12 ay)
• İnternet (yeterli bant genişliği)

Olmayan iyi olur:

• Lise/üniversite matematik bilgisi (12. sınıf calculus)
• Programlama temel
• Sektör tecrübesi (analiz, mühendislik)

1.3 Bütçe Senaryoları

12 Aylık Bütçe Senaryoları

Senaryo	Toplam Maliyet
TAMAMEN ÜCRETSIZ	$0 (sadece internet) — YouTube, BTK Akademi, freeCodeCamp
Minimum Bütçe	$100-200 (kitaplar 1-2 paid Coursera ders)
Standart	$400-700 (Coursera Plus 6 ay, 3-5 kitap, 1-2 sertifika)
Premium	$1500-3000 (DataCamp + DeepLearning.AI + Maven cohort kurs + sertifikalar)
Donanım (opsiyonel)	GPU laptop ₺40-80K veya Cloud GPU ($10-30/ay)

2.1 Hedefler (Ay 1-2 sonunda)

• Python akıcı (data type, function, OOP, list comprehension)
• Numpy + Pandas + Matplotlib akıcı
• Lineer cebir temel (vektör, matris, dot product, eigenvalue)
• Olasılık + İstatistik temel (mean, variance, dağılımlar, Bayes)
• Calculus temel (türev, gradient — ezber değil sezgi)

2.2 Detaylı Çalışma Planı

Ay 1 Haftalık Plan

Hafta	İçerik	Kaynak
Hafta 1	Python kurulum + sözdizimi temel	'Python for Everybody' Coursera (Charles Severance) - Ücretsiz audit
Hafta 2	Python ileri (OOP, function, decorator)	BTK Akademi 'Python ile Sıfırdan İleri Seviyeye' (Atıl Samancıoğlu) - Türkçe ücretsiz
Hafta 3	NumPy + Pandas	NumPy resmi tutorial + Wes McKinney 'Python for Data Analysis' kitabı
Hafta 4	Matplotlib + Seaborn + ilk visualization projesi	Kaggle Learn 'Data Visualization' (ücretsiz)

Ay 2 Haftalık Plan

Hafta	İçerik	Kaynak
Hafta 5	Lineer Cebir — vektör, matris, dot product	3Blue1Brown 'Essence of Linear Algebra' YouTube (Türkçe altyazı) - Ücretsiz
Hafta 6	Lineer Cebir — eigenvalue, SVD, matrix decomposition	Khan Academy Linear Algebra + Gilbert Strang MIT 18.06 dersi
Hafta 7	Olasılık + İstatistik temel	Khan Academy Statistics + 'Think Stats' kitabı (Allen Downey ücretsiz)
Hafta 8	Calculus — türev, gradient sezgi	3Blue1Brown 'Essence of Calculus' YouTube - Ücretsiz

2.3 Ay 1-2 Milestone Projeleri

Proje 1 (Ay 1 sonu): Python ile basit veri analizi

• Veri: Türkiye COVID-19 vaka verisi (Sağlık Bakanlığı API ya da Kaggle Türkçe dataset)
• Görev: pandas ile veri yükle, temizle, en az 5 visualization üret
• Çıktı: Jupyter notebook GitHub'da

Proje 2 (Ay 2 sonu): İstatistiksel analiz

• Veri: Trendyol Kaggle ürün verisi veya açık Türk hava durumu verisi
• Görev: Hipotez testi (mean comparison), korelasyon analizi, basit linear regression
• Çıktı: Markdown report + notebook GitHub'da

2.4 Kitap Tavsiyeleri (Ay 1-2)

• "Python for Data Analysis" (Wes McKinney) — pandas creator yazarı, en iyi pandas referansı
• "Think Stats" (Allen Downey) — ücretsiz, Türkçe çevirisi var
• "Linear Algebra Done Right" (Sheldon Axler) — derinleşmek isteyenler için
• "Python Crash Course" (Eric Matthes) — yeni başlayan dostu

2.5 Türkçe Kaynaklar (Önemli!)

• BTK Akademi — btkakademi.gov.tr — Tamamen ücretsiz, Türkçe Python + makine öğrenmesi kursları
• Boğaziçi ML/AI Kulübü — kayit.boun.edu.tr — Bazı dersler açık
• Yapay Zeka Türkiye Discord — aktif topluluk
• Veri Bilimi Türkiye Discord — soru-cevap aktif
• MEB EBA — bazı temel Python kursları

3.1 Hedefler

• scikit-learn akıcı
• Supervised learning (regression, classification) algoritmaları
• Unsupervised learning (clustering, PCA, t-SNE)
• Cross-validation + hyperparameter tuning
• Bias-variance tradeoff
• Feature engineering
• Model evaluation (confusion matrix, ROC, F1)
• 3 Kaggle yarışmasında medal almak (en azından bronze)

3.2 Detaylı Çalışma Planı

Ay 3 Plan

Hafta	İçerik	Kaynak
Hafta 9	Andrew Ng Machine Learning (yeni 2022 Coursera versiyonu)	Coursera 'Machine Learning Specialization' DeepLearning.AI — 3 ders, ~120 saat
Hafta 10	scikit-learn akıcılık + supervised learning	Aurélien Géron kitabı: 'Hands-On Machine Learning' (en iyi pratik kitap)
Hafta 11	Decision tree, Random Forest, XGBoost, LightGBM	Kaggle Learn 'Intermediate Machine Learning'
Hafta 12	Hyperparameter tuning (Optuna, GridSearchCV) + cross-validation	StatQuest YouTube (Josh Starmer) — algoritma sezgi

Ay 4 Plan

Hafta	İçerik	Kaynak
Hafta 13	Unsupervised learning — K-means, hierarchical, DBSCAN	Géron kitabı clustering bölümü
Hafta 14	Dimensionality reduction — PCA, t-SNE, UMAP	StatQuest + scikit-learn examples
Hafta 15	Time series basics — ARIMA, Prophet, seasonal decomposition	Forecasting Principles and Practice (Hyndman) - ücretsiz online
Hafta 16	İlk Kaggle yarışması — Titanic ya da House Prices	Kaggle resmi tutorial + diğer çözümleri oku

3.3 Ay 3-4 Milestone Projeleri

Proje 3 (Ay 3 sonu): Türkçe ML projesi

• Veri: Türk bankası kredi onay verisi (Kaggle) veya Trendyol ürün kategorizasyon
• Görev: Multi-class classification — XGBoost ile %85+ accuracy
• Çıktı: Notebook + README + benchmark table

Proje 4 (Ay 4 sonu): Kaggle başlangıç

• Yarışma: Titanic, House Prices, Spaceship Titanic (her zaman açık)
• Hedef: Top %20'de bitirme
• Çıktı: Kernel + GitHub

3.4 Kitaplar (Ay 3-4)

• "Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow" (Aurélien Géron, 3rd ed.) — En iyi pratik ML kitabı, ÇOK ÖNERİLİR
• "An Introduction to Statistical Learning" (James, Witten, Hastie, Tibshirani) — Ücretsiz PDF, klasik teorik referans
• "The Hundred-Page Machine Learning Book" (Andriy Burkov) — Özet hızlı kitap

3.5 Bu Aşamada Yaygın Tuzaklar

4.1 Hedefler

• PyTorch akıcı (autograd, nn.Module, training loop)
• Neural network temel (forward/backward pass)
• CNN (computer vision basics)
• RNN/LSTM (sequence basics, NLP temel)
• Transformer architecture (BERT, GPT mantığı)
• Transfer learning + fine-tuning
• GPU training (Google Colab veya kendi GPU)

4.2 Detaylı Plan

Ay 5 Plan

Hafta	İçerik	Kaynak
Hafta 17	DL temel — Andrew Ng DL Specialization 1. ders	Coursera 'Deep Learning Specialization' (5 ders, ~120 saat)
Hafta 18	PyTorch sözdizimi + autograd + ilk neural network	PyTorch resmi tutorial + 'Deep Learning with PyTorch' Eli Stevens kitabı
Hafta 19	CNN — Convolutional Neural Network temel	DL Specialization 4. ders (CNN) + fast.ai 'Practical Deep Learning' 2-3 dersleri
Hafta 20	Computer Vision projesi — Image classification	fast.ai uygulamalı + Kaggle Cats vs Dogs

Ay 6 Plan

Hafta	İçerik	Kaynak
Hafta 21	RNN, LSTM, GRU — Sequence models	DL Specialization 5. ders
Hafta 22	Transformer architecture — Attention is All You Need	Andrej Karpathy 'Let''s build GPT from scratch' YouTube + 'The Illustrated Transformer' Jay Alammar
Hafta 23	BERT + Hugging Face transformers library	Hugging Face NLP Course (ücretsiz)
Hafta 24	Transfer learning + fine-tuning + 2. DL projesi	fast.ai 5-6 dersleri uygulamalı

4.3 Ay 5-6 Milestone Projeleri

Proje 5 (Ay 5 sonu): Computer Vision

• Veri: Türk pamuk hastalığı, Türk sokak hayvanları sınıflandırma (kendi veri toplama)
• Görev: ResNet/EfficientNet fine-tune + %90+ accuracy
• Çıktı: GitHub + Hugging Face Spaces demo + Türkçe README

Proje 6 (Ay 6 sonu): NLP — Türkçe sentiment analysis

• Veri: Türk Twitter sentiment Kaggle dataset veya Beyazperde film yorumları
• Görev: BERT-Turkish fine-tune ile sentiment classification
• Çıktı: Hugging Face model + Streamlit demo

4.4 Donanım — GPU İhtiyacı

4.5 Kitaplar (Ay 5-6)

• "Deep Learning with PyTorch" (Eli Stevens, Luca Antiga, Thomas Viehmann) — PyTorch resmi kitabı
• "Dive into Deep Learning" (Aston Zhang et al.) — Ücretsiz, MIT lisans, çok detaylı
• "Deep Learning" (Ian Goodfellow, Yoshua Bengio, Aaron Courville) — Ücretsiz, klasik teorik (yoğun)
• "Hands-On Machine Learning" (Géron) — DL bölümü güncel

5.1 Hedefler

• LLM mimari iyi anlayış (transformer + attention + tokenization)
• Prompt engineering ileri
• RAG (Retrieval-Augmented Generation) sistem kurma
• Vector DB (Pinecone, Chroma, pgvector)
• LangChain / LlamaIndex
• Agentic workflow (LangGraph, Crew AI, Anthropic SDK)
• Fine-tuning (LoRA, QLoRA)
• MCP (Model Context Protocol)

5.2 Detaylı Plan

Ay 7 Plan

Hafta	İçerik	Kaynak
Hafta 25	LLM derinlik — Andrej Karpathy 'Zero to Hero' serisi	YouTube ücretsiz, 6 ders ~12 saat, GPT scratch'tan inşa
Hafta 26	Prompt engineering	Anthropic 'Prompt Engineering Course' ücretsiz + 'Prompt Engineering Guide' (Pareto)
Hafta 27	LangChain temel + LangGraph	LangChain resmi tutorials + DeepLearning.AI 'LangChain for LLM Application Development' ücretsiz
Hafta 28	RAG sistemi kurma	LlamaIndex resmi tutorials + DeepLearning.AI 'Building Applications with Vector Databases'

Ay 8 Plan

Hafta	İçerik	Kaynak
Hafta 29	Vector DB derinlik (Pinecone, Weaviate, Chroma)	Pinecone Learn + Weaviate documentation
Hafta 30	Agentic workflow (LangGraph, CrewAI, Anthropic SDK)	DeepLearning.AI 'AI Agents in LangGraph' + Anthropic Skills
Hafta 31	Fine-tuning — LoRA, QLoRA, PEFT	Hugging Face PEFT library + Maxime Labonne tutorials
Hafta 32	LLM evaluation — RAGAS, Promptfoo, LangSmith	RAGAS resmi docs + LangSmith tutorial

5.3 Ay 7-8 Milestone Projeleri

Proje 7 (Ay 7 sonu): Türkçe RAG chatbot

• Veri: KVKK metni + Türk hukuk PDF'leri (~50-100 PDF)
• Görev: RAG sistemi kur, "KVKK Madde 9 nedir?" gibi sorulara doğru cevap
• Tech stack: LangChain + Chroma + OpenAI/Claude API + Streamlit UI
• Çıktı: GitHub + Streamlit Cloud deploy + Türkçe demo video

Proje 8 (Ay 8 sonu): Multi-agent system

• Görev: Bir konuda araştırma yapan, raporu yazan, yayınlayan multi-agent
• Tech stack: LangGraph veya CrewAI + Tavily search + Anthropic Claude
• Çıktı: GitHub + demo video

5.4 LLM Maliyet Bütçesi

LLM API kullanırken aylık maliyet (öğrenme için):

• Anthropic Claude Sonnet 4.6: $3/$15 (1M token)
• OpenAI GPT-5: $5/$15 (1M token)
• Gemini 2.5 Flash: $0.075/$0.30 (en ucuz)
• DeepSeek V3: $0.27/$1.10

Tipik öğrenme: $10-30/ay yeterli. Gemini Flash ile $5/ay'da çok şey yapılır.

5.5 Kitaplar / Kaynaklar (Ay 7-8)

• "Building LLM Applications" (Suhas Pai) — yeni 2024
• "Designing Machine Learning Systems" (Chip Huyen) — production ML
• "AI Engineering" (Chip Huyen, 2025) — LLM-spesifik production
• Andrej Karpathy YouTube — ücretsiz, sektörün en iyi LLM eğitmeni

6.1 Hedefler

• Docker akıcı
• FastAPI ile ML/AI API serve etme
• AWS / GCP / Azure temel (SageMaker / Vertex AI / Azure ML)
• MLflow / Weights & Biases
• CI/CD (GitHub Actions)
• Monitoring (Prometheus, Grafana, Datadog)
• A/B testing infrastructure
• 1 end-to-end deployed ML/AI sistem

6.2 Detaylı Plan

Ay 9 Plan

Hafta	İçerik	Kaynak
Hafta 33	Docker + containerization	Docker resmi 'Getting Started' + 'Docker for ML' tutorials
Hafta 34	FastAPI ile ML serving	FastAPI resmi docs + 'Building ML APIs with FastAPI' tutorials
Hafta 35	Cloud (AWS SageMaker temel veya GCP Vertex AI)	AWS Skill Builder ücretsiz + GCP Vertex AI Codelabs
Hafta 36	MLflow + Weights & Biases	MLflow resmi tutorial + W&B tutorials

Ay 10 Plan

Hafta	İçerik	Kaynak
Hafta 37	CI/CD — GitHub Actions	GitHub Actions resmi tutorials + ML pipeline örnekleri
Hafta 38	Model monitoring — Evidently, Arize	Evidently resmi docs + 'Monitoring ML in Production' tutorials
Hafta 39	A/B testing infrastructure	Eppo blog + Optimizely framework
Hafta 40	End-to-end deployed project	Kendi projeni production'a al

6.3 Ay 9-10 Milestone Projeleri

Proje 9 (Ay 9 sonu): Production-grade ML API

• Görev: Model 5'i (CV classifier) Docker + FastAPI + AWS/Vercel deploy
• Tech stack: Docker + FastAPI + AWS ECR/Lambda veya Vercel
• Çıktı: Public URL + GitHub README + Postman collection

Proje 10 (Ay 10 sonu): Full-stack AI application

• Görev: Türk e-ticaret demo — kullanıcı ürün arar, RAG ile öneri alır
• Tech stack: Next.js + LangChain + Pinecone + Claude API + Vercel
• Çıktı: Live deploy + GitHub + Türkçe demo video + LinkedIn duyuru

6.4 Kitaplar (Ay 9-10)

• "Designing Machine Learning Systems" (Chip Huyen) — production ML klasiği
• "Machine Learning Engineering" (Andriy Burkov) — pratik
• "Building Machine Learning Powered Applications" (Emmanuel Ameisen) — full-stack
• "AI Engineering" (Chip Huyen 2025) — en güncel

7.1 Specialization Seçimi

Bu noktada birinde derinleş:

Specialized Alan Seçenekleri

Alan	İlgi Kim İçin?	2026 Talep
Türkçe NLP	Türk pazarı odaklı	Yüksek (Türk şirketler)
Computer Vision	Görsel ile çalışmak isteyen	Yüksek (otomotiv, savunma)
RAG / Agentic systems	Yenilik + ürün üretim	Çok yüksek (yeni alan)
Recommendation systems	E-ticaret + content	Yüksek (Trendyol, Hepsiburada)
Reinforcement Learning	Akademi + araştırma	Düşük (niche)
Time Series	Finans + IoT	Orta
Speech AI	Çağrı merkezi + asistan	Orta-yüksek (Vodafone, Turkcell)
Computer Vision Edge	Embedded + otomotiv	Orta (Aselsan, TUSAŞ)
MLOps / Platform	Sistem mühendisliği	Yüksek (her şirket)
LLM Fine-tuning	Specialized modeller	Çok yüksek

7.2 Ay 11 Plan — Specialized Deep Dive

Bir specialty seç, 4 hafta derinleş:

• 1 advanced course
• 1 milestone proje
• 2 paper okuma + uygulama
• Open source contribution

7.3 Ay 12 Plan — İŞ ARAMA

<howto-steps data-title="Ay 12: İş Arama Stratejisi" data-steps='[{"title":"GitHub Profile Optimize","detail":"5-10 quality proje, her birinde README + demo. Pinned 6 proje. Contribution graph yeşil."},{"title":"LinkedIn Update","detail":"Headline 'AI Engineer | Building [Niche] in Turkish Tech'. Featured projeler. Hakkımda Türkçe + İngilizce."},{"title":"CV","detail":"1 sayfa CV — projects > eğitim > sertifikalar. STAR formatı (Situation, Task, Action, Result)."},{"title":"Hedef Şirket Listesi","detail":"50 şirket: 10 Türk unicorn + 10 banka + 10 fintech/SaaS + 10 yurt dışı remote + 10 Türk teknoloji devi (Aselsan, vb.)"},{"title":"Başvuru","detail":"Haftada 10-15 başvuru. Referral varsa öncelikli (LinkedIn DM hiring manager)."},{"title":"Cold Outreach","detail":"LinkedIn DM CTO/VP Engineering: 'Sizin [şirket]'te AI Engineer açığı var mı? Şu projeyi yaptım — sizin için faydalı olabilir.' Kısa, spesifik."},{"title":"Mülakat Hazırlık","detail":"LeetCode (medium 50 problem) + ML/AI mülakat soruları + system design + behavioral"},{"title":"İlk Teklifler","detail":"İlk teklifte 'şükür' deyip kabul etme — pazarlık + alternatif teklifler bekle"}]'>

7.4 Mülakat Hazırlık Detayı

LeetCode: 50 medium problem (3-4 hafta). Easy (basit) — ısınma. Hard — gerek değil. Pattern bazlı: array, hashmap, two pointers, sliding window, BFS/DFS, dynamic programming temel.

ML/AI Soruları:

• Bias-variance tradeoff
• Overfitting nasıl tespit + önlenir
• L1 vs L2 regularization farkı
• Cross-entropy vs MSE
• Transformer attention nasıl çalışır
• RAG vs fine-tuning karar
• LLM hallüsinasyon kontrolü
• A/B test tasarımı

System Design:

• "Bir öneri sistemi tasarla — 1M kullanıcı"
• "Real-time fraud detection — 100ms latency"
• "RAG sistemi — 1M doc"
• "LLM API rate limit ve caching"

Behavioral:

• "Bir projede başarısız olduğun durum"
• "Bir teknik tartışmada nasıl karar verdin"
• "5 yıl sonra nerede görüyorsun?"
• Türk şirket: "Neden bu şirket?"

8.1 Önerilen Portfolio Karışımı

10 Proje Portföyü

#	Proje	Tech	Hedef
1	Türk hava durumu analiz	Python + pandas + Plotly	Ay 1
2	A/B test analiz	Python + statsmodels	Ay 2
3	Kredi onay classifier	scikit-learn + XGBoost	Ay 3
4	Kaggle medal proje	scikit-learn	Ay 4
5	Türkçe sentiment analysis	PyTorch + BERT-Turkish	Ay 6
6	Computer Vision (Türk plaka)	PyTorch + ResNet + OCR	Ay 6
7	KVKK RAG chatbot	LangChain + Chroma + Streamlit	Ay 7
8	Multi-agent araştırmacı	LangGraph + Claude API	Ay 8
9	Production ML API	Docker + FastAPI + AWS	Ay 9
10	Türk e-ticaret asistan	Next.js + LangChain + Pinecone	Ay 10

8.2 Her Projenin Sahip Olması Gerekenler

• README (Türkçe + İngilizce)
• Tech stack net
• Setup adımları (clone + run)
• Live demo (Streamlit Cloud / Vercel / Hugging Face Spaces)
• Demo GIF / video (LinkedIn için kritik)
• Test coverage
• Lessons learned

9.1 Kaggle Tier'lar

• Novice → Contributor → Expert → Master → Grandmaster
• Master ulaşmak 2-3 yıl + 5+ silver/gold medal
• İş bulmak için Master ZORUNLU DEĞİL — Contributor + iyi GitHub yeterli

10.1 Aktif Türk Topluluklar

• Yapay Zeka Türkiye Discord/Slack — 10K+ üye, aktif
• Veri Bilimi Türkiye Discord — 5K+ üye
• Türk AI Twitter — @CelalErdem, @bbalban, @doganhanoglu, @sinakorbicz aktif paylaşır
• GitHub Türk Geliştirici — github.com/topics/turkish-nlp aktif
• Hugging Face Türk modelleri — Trendyol, Turkcell, Boun-LLM
• Meetup gruplar — İstanbul Data Science Meetup, Ankara AI Meetup

10.2 Türk AI Yarışmaları + Hackathon

• Teknofest AI yarışmaları — yıllık, prize money
• VBO Yapay Zeka Yaz Kampı — Boğaziçi, ücretsiz
• TÜBİTAK BIDEB AI projeleri — finansman
• Trendyol Tech Connect — kampüs hackathon
• Getir Hack — AI track

10.3 Türk LLM Pazarı

Türk şirketler kendi LLM'lerini fine-tune ediyor:

• Trendyol/Trendyol-LLM-7b — Mistral 7B fine-tune Türkçe
• TURKCELL/Turkcell-LLM-7b — Mistral 7B Türkçe fine-tune
• dervish.ai (Boğaziçi spin-off) — Türk specialized
• Vakıf Akademi LLM modelleri
• kuis.ai (Koç Üniversitesi) — Türkçe NLP research

Önerilen sertifika sırası:

1. DeepLearning.AI Machine Learning Specialization (Ay 4'te) — temel
2. DeepLearning.AI Deep Learning Specialization (Ay 6'da) — derinleşme
3. Hugging Face Certified ML Engineer (Ay 8'de) — NLP/LLM
4. AWS AI Practitioner (Ay 10'da) — cloud
5. Google ML Engineer (Ay 12'de, iş için) — premium

12.1 Standart Bütçe ($500-700)

12 Ay Standart Bütçe

Kalem	Maliyet
Coursera Plus (6 ay)	$354 ($59 × 6)
Géron kitabı	$40
Chip Huyen kitabı	$45
DeepLearning.AI Deep Learning Specialization	Coursera Plus ile dahil
DeepLearning.AI ML Specialization	Coursera Plus ile dahil
AWS AI Practitioner sertifika	$100
LLM API kullanım (6 ay)	$50-100
Cloud GPU (opsiyonel)	$30-50
Hugging Face Pro (opsiyonel)	$60
TOPLAM	$680-790

12.2 Ücretsiz Alternatif Plan

Tamamen Ücretsiz Yol

Kalem	Kaynak
Python	BTK Akademi (Türkçe)
Matematik	3Blue1Brown YouTube + Khan Academy
ML temel	Coursera Andrew Ng - Financial Aid ile ücretsiz
DL	fast.ai - tamamen ücretsiz
LLM	Karpathy YouTube + Hugging Face Course
Production	YouTube + resmi tutoryallar
GPU	Google Colab + Kaggle Notebooks
Kitaplar	'Dive into Deep Learning' ücretsiz + ISLR ücretsiz
LLM API	Gemini Flash günlük free tier

12.3 Premium Bütçe ($1500-3000)

Yoğun + premium kurslar (Maven cohort-based, DataCamp, Pluralsight) + 3-4 sertifika + Cloud GPU.

Soru: 6 ayda öğrenebilir miyim?

Soru: Üniversite gerekli mi?

Hayır. Birçok AI Engineer üniversite mezun değil. Portfolio + tecrübe + İngilizce + ağ daha önemli. Bazı pozisyonlarda (Türk bankası, kurumsal) lisans şart. Bootcamp + sertifika + güçlü portföy ile yetişir.

Soru: Hangi dil Python mi başka mı?

Python dominant. R sadece akademik. Julia niche. C++ low-level (rare). Python ile başla, Java/JS yan bilgisi yararlı (Java backend için bazı şirketlerde).

Soru: Math nasıl öğrenilir hızlı?

Sezgi >> formul ezber. 3Blue1Brown YouTube (Türkçe altyazı) ile lineer cebir + calculus sezgi 2-3 haftada. Detaylı matematik (real analysis, measure theory) AI için gerek YOK — sadece research-y rolde lazım.

Soru: Kaggle medal şart mı?

Hayır. İş bulmak için 5-10 GitHub quality proje > 100 Kaggle medal. Kaggle ÖĞRENMEDE değerli, iş başvurusunda secondary.

Soru: Türkçe NLP'de uzmanlaşmaya değer mi?

EVET — Avrupa AI Engineer pozisyonları için Türkçe NLP bilgisi fark yaratır. Trendyol, Turkcell, Vakıf modelleri ile pratik tecrübe + portföy = premium.

Soru: Mac mı PC mı?

İlk 6 ay (Python + temel ML): Mac M3 yeterli, Windows fine. Ay 5+ DL: GPU şart. Cloud GPU ile devam edebilirsin (Colab + Kaggle) ya da kişisel GPU PC al.

Soru: Bootcamp mı kendim mi?

Kendim öğrenme: en ucuz + öz disiplin gerek. Bootcamp ($5-15K): zorlama + ağ + kariyer destek. İkisinin orta yolu: paid cohort kurslar (Maven $1-3K, 4-6 hafta).

Soru: İlk iş nasıl bulurum?

(1) Portfolio güçlü (5-10 quality proje), (2) LinkedIn aktif (haftada 1 paylaşım), (3) Referral (Türk AI topluluk + meetup'lar), (4) Cold outreach (LinkedIn DM hiring manager), (5) Internship → full-time conversion, (6) Open source contribute (görünür).

Soru: AI alanında işsiz mi kalırım?

2026 itibariyle: HAYIR, AI/ML/DS açık 450K+ küresel. Tehdit: junior pozisyonlar bir kısmı AI ile otomatikleşti, beklentiler yükseldi. Çözüm: specialized + senior bakış + AI ile çalışma (against değil).

Soru: Yurt dışı çıkmak zor mu?

Remote en kolay (ABD/EU şirketleri için 12 aydan sonra başvurabilir). Sponsor visa zor (algoritma + İngilizce + referral). Berlin/Amsterdam/Londra Türk AI Engineer için aktif pazar.

Soru: AI'da PhD yapmalı mıyım?

Sadece research-Scientist olmak istiyorsan + akademi/big tech research labs hedefin. AI Engineer / ML Engineer rolü için PhD ZORUNLU DEĞİL — pratik tecrübe + portföy = aynı maaş.

3 ana çıkarım:

1. 12 ay + günde 2-3 saat = junior AI Engineer iş bulma. Bütçe $200-700 (ya da tamamen ücretsiz).
2. 5-10 quality GitHub proje > sertifika + bootcamp medal. Portfolio + LinkedIn + ağ kombinasyonu.
3. Türkiye + Türk AI pazarı 2026'da fırsat dolu. AI Engineer maaş ₺70K-300K, Türkçe specialized premium.

İlk 30 günlük plan (yarın başla):

Gün 1-3:

• Python kurulum (Anaconda)
• VS Code/Cursor kur
• GitHub hesap aç
• LinkedIn AI fokus güncelle

Gün 4-14:

• BTK Akademi Python kursu (günde 1 saat)
• Coursera "Python for Everybody" (günde 1 saat)
• 3Blue1Brown Lineer Cebir (1 video/gün)

Gün 15-30:

• Pandas tutorial (Kaggle Learn)
• İlk Jupyter notebook + GitHub push
• Türk AI Discord/Slack katıl
• 1 LinkedIn paylaşım yap ("Yapay zeka öğrenmeye başladım...")

Yıllık hedefler:

• 12. ay sonu: 5-10 GitHub proje + iş başvurusu aktif
• 18. ay: İlk junior pozisyon
• 24. ay: 1 yıl tecrübe + ML mid-level başvuru
• 36. ay: Senior junior pozisyon hedefi

Kaynaklar

1. DeepLearning.AI — Andrew Ng et al., DeepLearning.AI · 2026
2. fast.ai Practical Deep Learning — Jeremy Howard, fast.ai · 2026
3. Andrej Karpathy YouTube — Andrej Karpathy, YouTube · 2026
4. 3Blue1Brown — Grant Sanderson, YouTube · 2026
5. BTK Akademi — BTK, T.C. Cumhurbaşkanlığı · 2026
6. Hands-On Machine Learning — Aurélien Géron, O Reilly · 2023
7. AI Engineering — Chip Huyen, O Reilly · 2025
8. Coursera ML Specialization — Andrew Ng, Coursera · 2026
9. Hugging Face Course — Hugging Face, Hugging Face · 2026
10. Kaggle — Kaggle, Google · 2026
11. LangChain Documentation — LangChain, LangChain · 2026
12. Yapay Zeka Türkiye — Yapay Zeka Türkiye Topluluk, Discord · 2026