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.
Şükrü Yusuf KAYA
25 dakikalık okuma
Başlangıç
📖 Bu son ders nasıl kullanılır?
Bu ders bir referans kılavuzudur — başından sonuna okumak yerine ihtiyacın olduğunda dön. Her terim Türkçe + İngilizce + tek cümle tanım içerir. Final sınavından önce göz at; yeni bir blog/paper okurken yanında aç.
🗂️ İçindekiler#
Bu sözlük 8 kategoride organize edilmiş:
- Temeller — AI, ML, DL, ajan kavramları
- ML algoritmaları & teknikleri
- Derin öğrenme & sinir ağları
- NLP & LLM'ler
- LLM eğitim & fine-tuning
- Agent, RAG & araç kullanımı
- AI güvenliği & saldırılar
- Etik, düzenleme & Türk ekosistem terimleri
İhtiyacın olan bölüme git, terimleri tara, link verilen derslere geri dön.
1️⃣ Temeller#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Yapay Zeka | Artificial Intelligence (AI) | Akıllı görünen davranış üreten yazılım sistemleri |
| Makine Öğrenmesi | Machine Learning (ML) | Açıkça programlanmadan veriden öğrenen sistemler |
| Derin Öğrenme | Deep Learning (DL) | Çok katmanlı sinir ağı kullanan ML alt-disiplini |
| Yapay Genel Zeka | Artificial General Intelligence (AGI) | İnsan seviyesinde genel-amaçlı AI (henüz yok) |
| Yapay Süper Zeka | Artificial Super Intelligence (ASI) | İnsanı her yönden aşan AI (spekülatif) |
| Dar AI | Narrow AI | Belirli bir görev için optimize AI; bugünkü tüm sistemler |
| Üretken AI | Generative AI (GenAI) | Yeni içerik üreten AI (metin, görsel, kod, ses) |
| Tahminci AI | Predictive AI | Bir değeri tahmin eden klasik ML (talep, fiyat, churn) |
| Kararsal AI | Decisional AI | Aksiyon öneren/seçen AI (otonom sistemler) |
| Ajan | Agent | Plan + araç kullanım + döngülü AI sistemi |
| Akıl Yürütme | Reasoning | Mantıksal çıkarım yapma yeteneği |
| Düşünme Zinciri | Chain-of-Thought (CoT) | Adım adım gerekçe ile akıl yürütme |
| Halüsinasyon | Hallucination | LLM'in uydurma, emin görünen yanıt üretmesi |
| Sıfır-atış | Zero-shot | Hiç örnek göstermeden görev yapma |
| Az-atış | Few-shot | Birkaç örnek göstererek görev yapma |
| Bağlam Penceresi | Context Window | Modelin tek seferde işleyebildiği token sayısı |
| Token | Token | Modelin işlediği temel birim (kelime parçası) |
| Tokenization | Tokenization | Metni token'lara bölme işlemi |
| Bilinç (yapay) | Sentience | Deneyim yaşama yeteneği (AI'da yok) |
| Turing Testi | Turing Test | Makinenin insandan ayırt edilemezliğini ölçen test |
2️⃣ ML Algoritmaları & Teknikleri#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Denetimli Öğrenme | Supervised Learning | Etiketli (input, output) çiftleri ile öğrenme |
| Denetimsiz Öğrenme | Unsupervised Learning | Etiketsiz veride yapı bulma |
| Pekiştirmeli Öğrenme | Reinforcement Learning (RL) | Ödül-aksiyon döngüsüyle öğrenme |
| Yarı-denetimli | Semi-supervised | Az etiketli + çok etiketsiz veri |
| Öz-denetimli | Self-supervised | Veriden kendi etiketini üreten (LLM pre-training) |
| Sınıflandırma | Classification | Kategorik tahmin (spam/ham, kedi/köpek) |
| Regresyon | Regression | Sürekli değer tahmini (fiyat, sıcaklık) |
| Kümeleme | Clustering | Benzer örnekleri gruplama (K-Means, DBSCAN) |
| Boyut Azaltma | Dimensionality Reduction | Yüksek boyutu küçültme (PCA, t-SNE, UMAP) |
| Anomali Tespiti | Anomaly Detection | Sıra dışı örnekleri yakalama |
| Doğrusal Regresyon | Linear Regression | En basit ML — doğrusal ilişki tahmini |
| Lojistik Regresyon | Logistic Regression | İkili sınıflandırma için olasılık modeli |
| Karar Ağacı | Decision Tree | If-then dallanmaları ile karar verme |
| Rastgele Orman | Random Forest | Birden çok karar ağacı ensemble |
| Gradient Boosting | Gradient Boosting (XGBoost, LightGBM) | Tablo verisinde state-of-the-art |
| Destek Vektör Makinesi | Support Vector Machine (SVM) | Maksimum marj sınıflandırıcı |
| K-Ortalamalar | K-Means | Merkez tabanlı kümeleme |
| K-En Yakın Komşu | K-Nearest Neighbors (KNN) | Komşulara dayalı tahmin |
| Naive Bayes | Naive Bayes | Olasılıksal, bağımsızlık varsayan sınıflandırıcı |
| Özellik Mühendisliği | Feature Engineering | El ile özellik çıkarma |
| Çapraz Doğrulama | Cross-Validation | K-fold ile güvenilir performans tahmini |
| Aşırı Uyum | Overfitting | Modelin eğitimi ezberleyip test'te başarısız olması |
| Yetersiz Uyum | Underfitting | Modelin çok basit, ezbersiz olması |
| Bias-Varyans Dengesi | Bias-Variance Trade-off | Karmaşıklık-genelleme dengesi |
| Düzenlileştirme | Regularization (L1/L2) | Aşırı uyumu önleme tekniği |
| Erken Durdurma | Early Stopping | Validation kötüleşince eğitimi kes |
3️⃣ Derin Öğrenme & Sinir Ağları#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Sinir Ağı | Neural Network | Bağlantılı yapay nöronlar |
| Çok Katmanlı Algılayıcı | Multi-Layer Perceptron (MLP) | Klasik feed-forward sinir ağı |
| Konvolüsyonel Sinir Ağı | Convolutional NN (CNN) | Görsel veri için filtre tabanlı |
| Tekrarlayan Sinir Ağı | Recurrent NN (RNN) | Sıralı veri (eski yöntem) |
| LSTM / GRU | Long Short-Term Memory / Gated Recurrent Unit | Uzun bağımlılıklı RNN varyantları |
| Transformer | Transformer | Self-attention tabanlı, paralel işleyen modern mimari |
| Self-Attention | Self-Attention | Token'ların birbirine dikkat etmesi |
| Çok Başlı Dikkat | Multi-Head Attention | Paralel birden çok attention |
| Embedding | Embedding | Token/kelime/imge için yoğun vektör temsil |
| Pozisyon Kodlaması | Positional Encoding | Token sırasını modele bildirme |
| Aktivasyon Fonksiyonu | Activation Function | ReLU, GELU, SiLU, Sigmoid, Tanh |
| Geri Yayılım | Backpropagation | Gradyan tabanlı eğitim algoritması |
| Gradyan İnişi | Gradient Descent | Loss minimize eden parametre güncelleme |
| Stokastik Gradyan İnişi | SGD (Stochastic GD) | Mini-batch ile GD |
| Adam | Adam | Adaptive Moment Estimation optimizer |
| AdamW | AdamW | Adam + decoupled weight decay |
| Öğrenme Oranı | Learning Rate (η) | Adım büyüklüğü |
| Toplu İşlem Boyutu | Batch Size | Bir adımda kullanılan örnek sayısı |
| Epok | Epoch | Tüm eğitim verisi üzerinde bir geçiş |
| Iterasyon | Iteration | Bir batch üzerinde bir parametre güncellemesi |
| Kayıp Fonksiyonu | Loss Function | Hatayı ölçen fonksiyon (MSE, Cross-Entropy) |
| Çapraz Entropi | Cross-Entropy | Sınıflandırmada standart loss |
| Dropout | Dropout | Rastgele nöron kapatma — regularization |
| Toplu Normalleştirme | Batch Normalization | Aktivasyonları normalleştirme |
| Katman Normalleştirme | Layer Normalization | Transformer'larda standart |
| Kalıntı Bağlantı | Residual Connection (Skip) | Derin ağlarda gradient akışı |
| GAN | Generative Adversarial Network | Generator + Discriminator |
| Diffusion Model | Diffusion Model | Stable Diffusion, DALL-E'nin temeli |
| Otokodlayıcı | Autoencoder | Bottleneck ile veri sıkıştırma |
| Varyasyonel Otokodlayıcı | Variational Autoencoder (VAE) | Olasılıksal AE |
4️⃣ NLP & LLM'ler#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Doğal Dil İşleme | Natural Language Processing (NLP) | Bilgisayarın dili işlemesi |
| Büyük Dil Modeli | Large Language Model (LLM) | Milyar+ parametre transformer |
| Küçük Dil Modeli | Small Language Model (SLM) | <10B parametre, edge için |
| Temel Model | Foundation Model | Geniş pre-train + many downstream görev |
| BPE | Byte-Pair Encoding | Sık alt-dizileri birleştiren tokenizer |
| WordPiece | WordPiece | BERT'in BPE varyantı |
| SentencePiece | SentencePiece | Unigram tabanlı tokenizer |
| Aglutinatif Dil | Agglutinative Language | Türkçe gibi eklemeli yapı |
| Ünlü Uyumu | Vowel Harmony | Türkçe'nin morfolojik kuralı |
| Düşük Kaynaklı Dil | Low-Resource Language | Veri az olan dil (Türkçe bu sınıfa girer) |
| Sözcük Vektörü | Word Embedding (Word2Vec, GloVe) | Klasik kelime temsil yöntemi |
| Cümle Embedding | Sentence Embedding | Bir cümle için yoğun vektör |
| BERT | BERT | Bidirectional encoder, NLU için |
| GPT | GPT (Generative Pre-trained Transformer) | Decoder-only, üretken |
| T5 | T5 (Text-to-Text Transfer Transformer) | Encoder-decoder, "her şey text-to-text" |
| Sıralı Etiketleme | Sequence Labeling | NER, POS tagging için |
| Adlandırılmış Varlık Tanıma | Named Entity Recognition (NER) | Kişi/yer/şirket çıkarma |
| Konu Modelleme | Topic Modeling | LDA, gibi içerikteki konuları bulma |
| Sentiment Analizi | Sentiment Analysis | Olumlu/olumsuz/nötr metin tespiti |
| Makine Çevirisi | Machine Translation (MT) | Otomatik dil çevirisi |
| Otomatik Konuşma Tanıma | Automatic Speech Recognition (ASR) | Ses → metin |
| Metinden Sese | Text-to-Speech (TTS) | Metin → ses |
| Türkçe LLM Örnekleri | Turkish LLMs | TURNA, Kanarya, Trendyol-LLM, Kumru |
5️⃣ LLM Eğitim & Fine-tuning#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Ön-eğitim | Pre-training | Trilyon token üzerinde self-supervised eğitim |
| Devam Eden Ön-eğitim | Continued Pre-training | Yeni veri ile pre-training devamı |
| Talimat Ayarlama | Instruction Tuning (SFT) | (Instruction, response) çiftleri ile fine-tune |
| İnsan Geri Bildirimi ile Pekiştirme | RLHF (Reinforcement Learning from Human Feedback) | İnsan tercihiyle hizalama |
| Doğrudan Tercih Optimizasyonu | DPO (Direct Preference Optimization) | RLHF'nin daha basit varyantı |
| Anayasal AI | Constitutional AI | Anthropic'in RLHF alternatifi |
| RLAIF | RL from AI Feedback | AI'nın AI'ya feedback verdiği RL |
| Fine-tuning | Fine-tuning | Önceden eğitilmiş modeli özel görevde devam ettir |
| Parametre Verimli Fine-tuning | PEFT (Parameter-Efficient Fine-Tuning) | Az parametre ile fine-tune ailesi |
| LoRA | LoRA (Low-Rank Adaptation) | Düşük-ranklı adapter matrislerle fine-tune |
| QLoRA | QLoRA (Quantized LoRA) | 4-bit NF4 + LoRA — tek GPU'da büyük model |
| DoRA | DoRA (Weight-Decomposed LoRA) | LoRA varyantı, magnitude + direction ayrı |
| Adapter | Adapter | Transformer katmanları arası küçük modüller |
| Prefix Tuning | Prefix Tuning | Her katmanın input'una soft tokens ekle |
| Prompt Tuning | Prompt Tuning | Sadece input embedding'e learnable token |
| Soft Prompt | Soft Prompt | Öğrenilebilir prompt embeddings |
| Niceleme | Quantization | Düşük bit precision (INT8, INT4) |
| NF4 | NormalFloat-4 | Sinir ağları için optimize 4-bit format |
| Karışım Uzmanlar | Mixture of Experts (MoE) | Sparse mimari — Mixtral, DeepSeek V3 |
| Yönlendirici | Router / Gating Network | MoE'de hangi expert aktive |
| Aktif Parametre | Active Parameters | MoE'de inference başına kullanılan |
| Damıtma | Distillation | Büyük modelden küçük model üretme |
| Eğitim Verisi | Training Data | Modeli eğitmek için kullanılan veri |
| Veri Tekilleştirme | Data Deduplication | Tekrar veriyi temizleme — ezberi azaltır |
| Eğitim/Doğrulama/Test | Train/Val/Test Split | Standart veri bölünmesi |
| Kıyaslama | Benchmark | Standart eval suite (MMLU, HellaSwag, vb.) |
6️⃣ Agent, RAG & Araç Kullanımı#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Geri Çağırma ile Üretim | Retrieval-Augmented Generation (RAG) | Doküman çek + LLM ile cevap |
| Vektör Veritabanı | Vector Database | Embedding-tabanlı arama (Pinecone, Qdrant, pgvector) |
| Kosinüs Benzerliği | Cosine Similarity | İki vektör arası açı benzerlik metrik |
| Yeniden Sıralama | Re-ranking | İlk retrieval sonuçlarını alakaya göre yeniden sırala |
| Sorgu Yeniden Yazma | Query Rewriting | Belirsiz soruyu netleştirme |
| HyDE | Hypothetical Document Embeddings | Hayali cevap embedding ile retrieval |
| Hibrit Arama | Hybrid Search | BM25 (keyword) + vector |
| Bağlam Çekme | Context Retrieval | Soruya uygun pasajları getirme |
| Chunking | Chunking | Dokümanı küçük parçalara bölme |
| Üst Üste Binme | Overlap | Chunk'lar arası ortak kısım |
| Sistem İstemi | System Prompt | Modelin rolünü/davranışını belirleyen üst-mesaj |
| Çıktı Şeması | Output Schema | JSON Schema ile structured output |
| Fonksiyon Çağrısı | Function Calling | LLM'in tool seçip çağırması |
| Araç Kullanımı | Tool Use | LLM'in dış sistemleri kullanması |
| ReAct Döngüsü | ReAct (Reason + Act) | Plan → Act → Observe → Reflect döngüsü |
| Çoklu-Ajan Sistem | Multi-Agent System | Birden çok ajanın iş bölümü |
| Ajan Devri | Agent Handoff | Bir ajanın görevi diğerine devretmesi |
| MCP | Model Context Protocol | AI ↔ dış sistem entegrasyon standardı |
| MCP Sunucu | MCP Server | Bir hizmeti MCP üzerinden açan servis |
| MCP İstemcisi | MCP Client | MCP server'lara bağlanan AI uygulaması |
| Computer Use | Computer Use | AI'nın bilgisayar ekranını görüp tıklaması |
| Browser Use | Browser Use | AI'nın tarayıcıyı otomasyonla kullanması |
| Sıcaklık | Temperature | Çıktı rastgeleliği parametresi (0=deterministic) |
| Top-p / Nucleus Sampling | Top-p Sampling | Kümülatif olasılık eşiği ile token seçimi |
| Top-k Sampling | Top-k Sampling | En yüksek K token arası seçim |
| Streaming | Streaming | Token-token yanıt akışı |
| Önek Önbellekleme | Prompt Caching | Sistem promptunu cache etme (Anthropic, OpenAI) |
| Toplu API | Batch API | Toplu istek (24h SLA, %50 indirim) |
| Akıl Yürütme Modelleri | Reasoning Models | o1, o3, Claude Opus 4 thinking, DeepSeek R1 |
| Eval / Değerlendirme | Evaluation | Modelin kalitesini ölçme |
| LLM-as-Judge | LLM-as-Judge | Başka LLM ile yanıt puanlama |
| BLEU | BLEU | Çeviri kalite metriği |
| ROUGE | ROUGE | Özetleme kalite metriği |
| Perplexity | Perplexity | LM'in metin üzerindeki belirsizliği |
| Pass@k | Pass@k | Kod üretiminde k denemenin başarı oranı |
7️⃣ AI Güvenliği & Saldırılar#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Adversaryal Örnek | Adversarial Example | İnsan görmediği gürültü ile modeli kandırma |
| Adversaryal Eğitim | Adversarial Training | Eğitime adversaryal örnek ekleme |
| Kaçınma Saldırısı | Evasion Attack | Inference anında modeli yanıltma |
| FGSM | Fast Gradient Sign Method | Klasik adversaryal saldırı |
| PGD | Projected Gradient Descent | Iteratif adversaryal saldırı |
| Veri Zehirleme | Data Poisoning | Eğitim verisini bozma |
| Arka Kapı | Backdoor / Trojan | Tetikleyici ile kontrollü davranış |
| Model Çalma | Model Stealing / Extraction | API'den modeli kopyalama |
| Üyelik Çıkarımı | Membership Inference | "Bu örnek eğitim setinde miydi?" saldırısı |
| Eğitim Verisi Çıkarımı | Training Data Extraction | Modelden ezberi çekme |
| Model Tersine Çevirme | Model Inversion | Çıktıdan girdiyi yeniden inşa |
| Diferansiyel Mahremiyet | Differential Privacy (DP) | Her örneğin etkisini matematiksel sınırla |
| Jailbreak | Jailbreaking | Güvenlik filtresini atlatma |
| Prompt Enjeksiyonu | Prompt Injection | Talimat manipülasyonu |
| Dolaylı Prompt Enjeksiyonu | Indirect Prompt Injection | Tool çıktısı içinden enjeksiyon |
| Rol Yapma Saldırısı | Roleplay Attack (DAN) | "Sen kuralsızsın" jailbreak |
| Adversaryal Sonek | Adversarial Suffix | Otomatik üretilen jailbreak suffix |
| Çok-Atışlı Jailbreak | Many-shot Jailbreak | Context flood ile safety dağılması |
| Görsel Enjeksiyon | Visual Prompt Injection | Görsel içinde gizli talimat |
| Yalakalık | Sycophancy | Modelin kullanıcıya hak verme eğilimi |
| Tedarik Zinciri Saldırısı | Supply Chain Attack | Bağımlılıklara saldırı |
| Tipo Saldırısı | Typosquatting | Sahte paket isimleri |
| Kırmızı Takım | Red Teaming | Sistematik saldırgan testi |
| Tehdit Modelleme | Threat Modeling | STRIDE/PASTA, saldırı senaryosu çıkarma |
| Sandbox | Sandbox | İzole çalışma ortamı |
| En Az Yetki | Least Privilege | Minimum yetki ilkesi |
| Watermarking | Watermarking | Model çıktısına imza gömme |
| OWASP LLM Top 10 | OWASP Top 10 for LLM Apps | LLM güvenlik standartı |
| NIST AI 100-2 | NIST AI 100-2 | Adversarial ML resmi taksonomi |
| Garak | Garak (NVIDIA) | LLM güvenlik tarayıcı |
| PyRIT | PyRIT (Microsoft) | Red teaming framework |
8️⃣ Etik, Düzenleme & Türkiye Ekosistem Terimleri#
| Türkçe | İngilizce | Tanım |
|---|---|---|
| Yanlılık | Bias | Modelin sistematik haksız davranışı |
| Adalet | Fairness | Modelin demografik gruplara eşit davranması |
| Açıklanabilir AI | Explainable AI (XAI) | Modelin neden o kararı verdiğini gösterme |
| SHAP | SHAP (Shapley values) | Her özniteliğin katkısını ölçme |
| LIME | LIME | Yerel açıklanabilirlik |
| Model Kartı | Model Card | Modelin amaç + sınırlamalar dokümantasyonu |
| Veri Kartı | Data Card / Datasheet | Veri setinin dokümantasyonu |
| İnsan-Döngüde | Human-in-the-Loop (HITL) | Kritik kararlarda insan onayı |
| Hesap Verebilirlik | Accountability | Hatalardan sorumluluk |
| EU AI Act | EU AI Act | Avrupa Birliği AI yasası (Ağustos 2024) |
| Brüksel Etkisi | Brussels Effect | EU AI Act'in küresel etkisi |
| Yüksek Risk | High-Risk AI | EU AI Act risk kategorisi |
| Yasaklı Uygulama | Prohibited Practice | EU AI Act'in yasakladığı kullanımlar |
| Genel Amaçlı AI | General-Purpose AI (GPAI) | Geniş kullanım LLM'ler |
| KVKK | Personal Data Protection Law (Turkey) | 6698 sayılı Türk veri koruma yasası |
| VERBİS | VERBİS | Veri sorumluları sicil sistemi (TR) |
| DPIA | Data Protection Impact Assessment | Veri koruma etki analizi |
| Açık Rıza | Explicit Consent | KVKK temel işleme şartı |
| Veri Minimizasyonu | Data Minimization | Sadece gerekli veriyi topla |
| GDPR | GDPR | AB Genel Veri Koruma Tüzüğü |
| NIST AI RMF | NIST AI Risk Management Framework | ABD voluntary çerçeve |
| OECD AI İlkeleri | OECD AI Principles | 47 ülke imzalı |
| Sorumlu AI | Responsible AI | Etik, güvenli, açıklanabilir AI |
| AI Safety | AI Safety | AI'nın insanlığa yönelik riskleri |
| TBMM AI Yasa Teklifi | Turkey AI Bill | 24 Haziran 2024 sunuldu; 2026 yürürlük beklenir |
| AI Araştırma Komisyonu | AI Research Commission (TBMM) | 5 Ekim 2024 kuruldu |
| TUBITAK BİLGEM | TUBITAK BILGEM | Türkiye'nin merkezi AI/güvenlik kurumu |
| TURNA | TURNA | İlk büyük Türkçe açık LM (Boğaziçi) |
| Kanarya | Kanarya | Koç Üniversitesi Türkçe LM |
| Trendyol-LLM | Trendyol-LLM | Trendyol açık LLM ailesi (7B-70B) |
| Kumru-2B | Kumru-2B | VNGRS / Turna AI Türkçe LM (Ekim 2025) |
| Ulusal AI Stratejisi | National AI Strategy | TR 2021-2025 (CBDDO + TÜBİTAK) |
| Türkiye AI İnisiyatifi | Turkey AI Initiative | turkiye.ai topluluk çatısı |
| AI Safety Türkiye | AI Safety Türkiye | aisafetyturkiye.org topluluk |
🎓 Kursu Tamamladın — Şimdi Ne Yapmalısın?#
Tebrikler! 9 ders + final sınavıyla Yapay Zeka'ya Giriş kursunu bitirdin. Burada öğrendiklerinin pratiğe dönüşmesi için 5 somut adım öneriyorum.
1. Kendi RAG asistanını kur (1 hafta)#
Kişisel notlarından soru-cevap eden bir Türkçe asistan. Kullanılacak stack: Anthropic Claude API + multilingual-e5 embedding + pgvector + Next.js (zaten bildiğin bir framework). Bu, her LLM ürün mühendisi için geçiş projesidir.
2. Türkçe veri ile fine-tune deneyimi (2 hafta)#
HuggingFace'te üzerine 1000-5000 örnek ile LoRA fine-tune. Google Colab Pro veya kiralık RTX 4090 yeterli. Sonuç: Fine-tuning'in ne olduğunu/olmadığını yaşayarak öğrenirsin.
Trendyol/Trendyol-LLM-7b-base3. Bir open source projeye katkı (sürekli)#
HuggingFace transformers, LangChain, ChromaDB, ya da Türkçe LLM projeleri (TURNA, Kumru). Issue oku, küçük PR aç. 6 ay sonra CV'nde "open source contributor" yazısı + işverenin teknik test yapmaktan vazgeçmesi.
4. Bir CV / portfolio projesi yayımla (1-2 ay)#
- Bir Türkçe domain probleminde (örn. T.C. resmi gazete soru-cevap) RAG sistemi
- Açık kaynak yayımla (GitHub) + teknik blog yazısı
- HuggingFace Space ile interaktif demo
5. Sertifikalar + uzmanlaşma (3-6 ay)#
- Coursera ML Specialization (Andrew Ng) — matematiksel temel
- DeepLearning.AI Short Courses — pratik LLM/RAG/agent
- fast.ai Practical DL — kod-önce yaklaşım
- Anthropic Skilljar / OpenAI Academy — vendor-spesifik derinleşme
🔥 Bir not: Mit'lere kapılma#
AI alanında hap haberler ve abartı sürekli akıyor. "AGI 2 yıla geliyor", "tüm meslekler bitiyor" gibi söylemler bilim değil pazarlama. Pratik soru: Senin sektörünün ne kadarını AI 5 yılda değiştirir? Sen bu değişimde nerede konumlanacaksın?
Cevabı: Bu kursta öğrendiğin gibi — somut, ölçülebilir, üretkenliği artıran problemlere odaklan. Hype'tan kaçın.
Bu kursu bitirdiğin için tebrikler. Final sınavı seni bekliyor — 64 dakika, 20 soru, 7 farklı tip, %70 ile sertifika. Bol şans!
Sık Sorulan Sorular
Evet. "İndirilebilir Kaynaklar" bölümünden "AI Glossary TR-EN (PDF)" dosyasını indirebilirsin. Tablo formatında, aranabilir ve yazdırılabilir.
Yorumlar & Soru-Cevap
(0)Yorum yazmak için giriş yap.
Yorumlar yükleniyor...