Yapay Zeka'ya Giriş
Yapay zekânın tanımına, 70 yıllık tarihine ve günümüzdeki rolüne kapsamlı bir giriş. Klasik tanımları, AI Winter dönemlerini, derin öğrenme devrimini ve LLM çağını tek dersten anlayın.
Bu kategori nasıl yapılandırıldı?
Her öğrenme kategorisi; temel kavramlardan üretim-seviyesi mimari kararlarına kadar progresif bir modül zinciri olarak tasarlanır — atlanmasa daha hızlı ilerlersin, ama her modül kendi başına da çalışılabilir.
Modül yapısı standart: kısa video/yazılı içerik (10–15 dakika), uygulamalı örnek (kod + veri), 10–15 soruluk değerlendirme, ve gerçek dünya use-case ile bağlanma kısmı. Bu yapı 'gördüm, anladım' yanılgısının önüne geçiyor — uygulamadan sonra değerlendirme, gerçekten içselleştirip içselleştirmediğini test ediyor.
Her kategoride üretim odaklı pratik vurgusu var: prompt engineering kategorisinde sadece prompt template'leri değil, prompt versiyonlama ve A/B testing; RAG'de sadece chunk-and-embed değil, hibrit retrieval + reranker + evaluation; LLMOps'ta sadece deployment değil, gözlemlenebilirlik ve maliyet attribusyonu.
Önerilen ilerleme yolu: ilk önce kategori-içi temel modülleri sırayla çalış, sonra ileri modüllerden ihtiyacın olanı seçici tüket. Kohort formatı tercih edersen drip-yayın seninle hızını koordine ediyor; bireysel formatta ise kendi hızında ilerleyebilirsin.
- Her modül 10–15 dakika içerik + uygulamalı örnek + değerlendirme.
- Üretime alma odaklı; teorik kalmıyor, gerçek vendor/araç kararlarına bağlanıyor.
- Modüller bağımsız çalışılabilir ama önerilen sıra hızı artırır.
- Pro üyelik ile sertifika sınavı + AI tutor + drip kohort erişimi.
İçindekiler
Modül 1: Temeller
- 1
Yapay Zeka Nedir? Tanım, Tarihçe ve Bugünün Manzarası
Yapay zekânın tanımına, 70 yıllık tarihine ve günümüzdeki rolüne kapsamlı bir giriş. Klasik tanımları, AI Winter dönemlerini, derin öğrenme devrimini ve LLM çağını tek dersten anlayın.
- 2
AI vs ML vs DL: Doğru Hiyerarşi ve Pratik Sonuçları
Üç kavram en sık karıştırılanlardan: Yapay Zeka (AI), Makine Öğrenmesi (ML) ve Derin Öğrenme (DL). Bu derste hiyerarşiyi netleştirip pratik kararlar vermenize yardım edecek bir karar ağacı çıkaracağız.
Modül 3: Pratik
- 1
İlk Yapay Zeka Modeliniz: Iris Çiçeği Sınıflandırıcı
Şimdi gerçek bir model eğitelim. Iris veri seti üzerinde 3-sınıf classifier yapacak, overfitting'in nasıl tespit edildiğini görecek ve cross-validation kullanacaksınız. Tüm kod tarayıcıda çalışır.
- 2
AI Etiği ve Sorumlu Yapay Zeka: Güçle Gelen Sorumluluk
AI etiğinin neden önemli olduğunu, ünlü vakaları (COMPAS, Amazon recruiting), düzenleyici çerçeveleri (EU AI Act, NIST RMF, OECD ilkeleri) ve sorumlu AI inşa etmek için pratik kontrol listelerini öğrenin.
Modül 8: Mülakat Hazırlığı
- 1
AI Mülakat Süreci & Hazırlık Stratejisi — Türkiye Pazarı 2026
AI/ML mühendisi pozisyonlarına Türkiye'de hazırlanmanın uçtan uca rehberi: pazar gerçekleri (2026 maaş aralıkları), şirket bazlı mülakat akışları (Trendyol, Getir, Hepsiburada, bankacılık, FAANG remote), 8 haftalık hazırlık planı, CV optimizasyonu, pre-screening tuzakları, LinkedIn outreach stratejisi ve yurt dışı remote pozisyonlara nasıl başvurulur.
- 2
50+ Konsept Sorusu — Gerçek AI Mülakatlarında Çıkanlar
AI/ML mühendisi mülakatlarında en sık çıkan 50+ konsept sorusu, doğru cevap stratejileri, zayıf cevap tuzakları ve takip sorularına nasıl hazırlanılır. ML fundamentals, deep learning, LLM/RAG/agent, production/MLOps, güvenlik/etik ve Türkçe NLP spesifik kategorilerinde organize edilmiştir.
- 3
Sistem Tasarımı + Kod + Davranışsal + Maaş Görüşmesi
AI mülakatının pratik kısımları: 5 sistem tasarımı vakası (Türkçe RAG, recommendation, fraud detection, LLM cost optimization, multi-tenant platform), 5 kod sorusu (numpy/pandas/sklearn/PyTorch/LangChain), 10 davranışsal STAR senaryosu ve Türkiye + remote pazarı için maaş görüşmesi taktikleri.
Sıkça Sorulan Sorular
- Modüller, içerik dökümünde gösterilen sırayla ilerlemen için tasarlandı. İlk modül zemin oluşturur, sonraki modüller buna dayanır. Bir bölümü atlayabilirsin ama yan-modüllerde 'Önkoşullar' bölümü görünürse önce o derslere dön.