Yapay Zeka'ya Giriş

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.

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.

Makine Öğrenmesinin 3 Paradigması: Supervised, Unsupervised, Reinforcement

Makine öğrenmesinin üç ana yaklaşımı: etiketli veriden öğrenen supervised, etiketsiz veride yapı arayan unsupervised ve ödül sinyaliyle öğrenen reinforcement. Her birini gerçek kod örnekleri ve canlı çalıştırılabilir Pyodide blokları ile inceliyoruz.

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.

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.

Modern AI: LLM'ler, Transformerlar ve Agentic Sistemler

ChatGPT'den (Kasım 2022) bugüne yapay zekânın yüzü değişti. Bu derste modern üretken AI'nin temel taşı olan transformer mimarisini, LLM'lerin nasıl eğitildiğini, prompt engineering ile RAG'in pratiğini, fine-tuning ne zaman doğru seçim olduğunu ve 2025-2026'nın ana akımı haline gelen agentic sistemleri uçtan uca öğreneceksiniz.

Türkçe için Yapay Zeka Derinlemesine: NLP, LLM ve Pratik Pipeline

Türkçe NLP'nin spesifik zorlukları (aglutinatif morfoloji, ünlü uyumu, tokenization patlaması), Türkçe-özel açık LLM ekosistemi (TURNA, Kanarya, Kumru, Trendyol-LLM), Türkçe RAG kurma rehberi, ve Türkiye AI ekosisteminde nasıl kariyer kuracağınız üzerine kapsamlı bir bölüm. Bu ders Türkçe için bir AI sistemi inşa edecek herkes için zorunlu okuma.

AI Güvenliği Derinlemesine: Saldırılar, Savunmalar ve Red Teaming

Modern AI sistemlerinde saldırı yüzeyleri, NIST AI 100-2 taksonomisi, jailbreaking teknikleri (8+ varyant), prompt injection (direct + indirect), adversarial examples, model stealing, privacy attacks, supply chain saldırıları, agentic AI'nın yeni güvenlik zorlukları ve production red teaming pratikleri. Bu ders her AI mühendisinin bilmesi gerekenleri kapsar.

AI Glossary & Hızlı Referans Kılavuzu — 120+ Terim, Türkçe-İngilizce

Yapay zeka, makine öğrenmesi, derin öğrenme, LLM, agent, güvenlik ve Türkçe AI ekosistemine ait 120+ temel terim, Türkçe karşılıkları ve kısa tanımlarla. Bu kursu bitirdikten sonra bir başvuru kılavuzu olarak kullanın; yeni bir makale/blog okurken yanınızda bulunsun.

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.

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.

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.