# AI Mülakat Soruları Hazırlık 2026: Aday + İşveren İçin Tam Kapsamlı Türkçe Rehber

> Source: https://sukruyusufkaya.com/blog/ai-mulakat-sorulari-hazirlik
> Updated: 2026-08-23T23:53:28.795Z
> Type: blog
> Category: yapay-zeka
**TLDR:** AI/ML mülakat sorularına detaylı hazırlık rehberi: aday tarafı (5 aşamalı süreç, 50+ teknik soru ve cevapları, ML system design, behavioral STAR, salary negotiation, Türk şirket pattern'ları), işveren tarafı (etkili teknik mülakat yapma, hangi soruyu sormamalı, bias-ücretsiz değerlendirme, junior vs senior soru farkı), 4 rol için spesifik sorular (Data Scientist, ML Engineer, AI Engineer, Research Scientist), Trendyol/Getir/Türk banka mülakat formatları, GPT-5/Claude ile mülakat pratiği, mock interview platformları (Pramp, interviewing.io), AI ile cheat detection nasıl yapılıyor, kod canlı yazma kuralları, salary negotiation gerçek senaryolar (Türkiye + ABD remote).

<tldr data-summary="[&#34;AI/ML mülakat tipik 5 aşamalı: (1) Phone screen, (2) Coding/LeetCode, (3) ML/AI knowledge, (4) System design, (5) Behavioral + team fit. Trendyol/Getir 4-6 saat toplam, Big Tech 8-10 saat.&#34;,&#34;Sorular ROL&#39;e göre değişir: Data Scientist (SQL + istatistik + iş), ML Engineer (algoritma + system design), AI Engineer (LLM + RAG + agentic), Research Scientist (matematik + paper okuma).&#34;,&#34;50+ önemli soru kategorize: ML temel (bias-variance, regularization), DL (backprop, transformer), LLM (RAG, fine-tuning, evaluation), system design (recommender 1M user, real-time fraud detection 100ms), behavioral (STAR formatı).&#34;,&#34;Türk şirket mülakat farkları: Trendyol HackerRank + 3 teknik + HR, Getir teknik camp + system design + culture, Türk banka HR ağırlık + algorithm + behavioral, Aselsan güvenlik soruları + technical.&#34;,&#34;AI/LLM ile mülakat hazırlık: GPT-5/Claude ile mock interview, kendi sorularını sor + cevapla, kod açıkla, ChatGPT&#39;nin verdiği bias-variance gibi cevapları senin sözlerinle reframe. AI hazırlık etkili AMA mülakatta canlı AI kullanma — etik dışı.&#34;,&#34;İşveren tarafı: junior&#39;a &#39;Difficult algorithmic puzzle&#39; yerine &#39;gerçek problem + temel ML kavram&#39; sor. Yasal sorular: yaş, medeni durum, milliyet, din sorulamaz. Bias-free interview rubric kurulmalı.&#34;,&#34;Salary negotiation (Türkiye 2026): Junior AI Engineer İLK TEKLİF₺70K, anchored counter 90K, final ortalama 80-85K. Asla &#39;kabul ediyorum&#39; ilk teklif. 2-3 alternatif teklif gerek.&#34;]" data-one-line="AI mülakat 5 aşamalı: phone + coding + ML + system design + behavioral. Aday için 50+ soru hazırlık + Türk şirket pattern + salary negotiation; işveren için bias-free rubric."></tldr>

## 1. Giriş: AI Mülakat Pazarının Hızlı Değişimi

AI/ML mülakat süreçleri **2023 ChatGPT lansmanından sonra dramatik değişti**:

<comparison-table data-caption="AI Mülakat Trend Değişimi (2022 → 2026)" data-headers="[&#34;Boyut&#34;,&#34;2022&#34;,&#34;2026&#34;]" data-rows="[{&#34;feature&#34;:&#34;Ana sorular&#34;,&#34;values&#34;:[&#34;LeetCode + klasik ML&#34;,&#34;LLM + RAG + agentic + ML&#34;]},{&#34;feature&#34;:&#34;Süre&#34;,&#34;values&#34;:[&#34;3-4 saat&#34;,&#34;4-8 saat&#34;]},{&#34;feature&#34;:&#34;AI Engineer rolü&#34;,&#34;values&#34;:[&#34;Yok&#34;,&#34;Ayrı kategori&#34;]},{&#34;feature&#34;:&#34;System design&#34;,&#34;values&#34;:[&#34;İzleyici DB, search&#34;,&#34;RAG, vector DB, agentic&#34;]},{&#34;feature&#34;:&#34;Cheat detection&#34;,&#34;values&#34;:[&#34;Tek webcam&#34;,&#34;Multi-camera + screen share + AI proctoring&#34;]},{&#34;feature&#34;:&#34;Remote mülakat&#34;,&#34;values&#34;:[&#34;%40&#34;,&#34;%80&#34;]},{&#34;feature&#34;:&#34;AI mülakat hazırlık&#34;,&#34;values&#34;:[&#34;LeetCode + bookmark&#34;,&#34;ChatGPT + Claude + mock&#34;]}]"></comparison-table>

<stat-callout data-value="%75" data-context="2026 AI/ML adayları ChatGPT/Claude ile mülakat hazırlık yapıyor" data-source="{&#34;label&#34;:&#34;LinkedIn Talent Insights 2026&#34;}"></stat-callout>

<stat-callout data-value="4-8 saat" data-context="Tipik AI/ML mülakat toplam süresi (Türkiye)" data-source="{&#34;label&#34;:&#34;Türk teknoloji şirketleri ortalama mülakat süreci&#34;}"></stat-callout>

<stat-callout data-value="₺70-180K" data-context="2026 Türkiye AI Engineer ilk teklif aylık net maaş aralığı" data-source="{&#34;label&#34;:&#34;LinkedIn Salary Insights + TÜBİSAD 2026&#34;}"></stat-callout>

## 2. Aday İçin Mülakat Hazırlığı

### 2.1 5 Aşamalı Tipik Süreç

<comparison-table data-caption="AI/ML Mülakat 5 Aşaması" data-headers="[&#34;Aşama&#34;,&#34;İçerik&#34;,&#34;Süre&#34;,&#34;Geçme Oranı&#34;]" data-rows="[{&#34;feature&#34;:&#34;1. Phone Screen&#34;,&#34;values&#34;:[&#34;HR/Recruiter sohbet — CV review&#34;,&#34;30-45 dk&#34;,&#34;%50-70&#34;]},{&#34;feature&#34;:&#34;2. Coding&#34;,&#34;values&#34;:[&#34;LeetCode medium 1-2 problem&#34;,&#34;1 saat&#34;,&#34;%40-60&#34;]},{&#34;feature&#34;:&#34;3. ML/AI Knowledge&#34;,&#34;values&#34;:[&#34;Teori soruları, deep dive&#34;,&#34;1-2 saat&#34;,&#34;%50-70&#34;]},{&#34;feature&#34;:&#34;4. System Design&#34;,&#34;values&#34;:[&#34;RAG/recommender/real-time sistem tasarla&#34;,&#34;1-1.5 saat&#34;,&#34;%40-60&#34;]},{&#34;feature&#34;:&#34;5. Behavioral + Team Fit&#34;,&#34;values&#34;:[&#34;STAR sorular, manager + senior eng&#34;,&#34;45-60 dk&#34;,&#34;%70-90&#34;]}]"></comparison-table>

**Junior pozisyonlar:** 3-4 aşama (system design çıkarılabilir). 4-5 saat toplam.

**Senior+ pozisyonlar:** 5 aşama + 1 ek (team round, takım üyeleriyle ayrı). 8-10 saat toplam.

### 2.2 Aşama 1: Phone Screen Hazırlık

<callout-box data-variant="answer" data-title="Phone screen amacı + tipik akış">

**Amaç:** Temel uygunluk filtresi. Çok zor değil ama eleme yapar.

**Tipik soru sırası (30-45 dakika):**

1. **Kendini tanıt (3-5 dakika)** — Eğitim + tecrübe + neden bu rol
2. **Geçmiş proje sor (5-10 dk)** — En etkili projesini anlat
3. **Rolü neden istiyorsun? (2-3 dk)** — Şirket araştırması test
4. **Maaş beklentisi (sık ama bazen final aşamaya bırakılır)**
5. **Onların soruları için zaman (5 dk)** — SENİN soruların ne?

**HAZIRLAN:** "Bana kendinden bahset" cevabı 90 saniye altında hazır olmalı.

**Tipik elenen aday hataları:**
- Şirket araştırması yok ("biraz baktım" yetmez)
- Maaş "ne verirseniz olur" cevap — soft sinyal pozisyon zayıf
- Önceki şirketten kötü konuşma
- "Geçmiş tecrübe anlat" sorusuna teknik detay yerine duygusal cevap

</callout-box>

### 2.3 Aşama 2: Coding (LeetCode)

<comparison-table data-caption="AI/ML Roller İçin LeetCode Gereksinimi" data-headers="[&#34;Rol&#34;,&#34;LeetCode Pattern&#34;,&#34;Hazırlık Süresi&#34;]" data-rows="[{&#34;feature&#34;:&#34;Data Scientist&#34;,&#34;values&#34;:[&#34;Hafif — pandas + SQL ağırlık&#34;,&#34;2-4 hafta&#34;]},{&#34;feature&#34;:&#34;ML Engineer&#34;,&#34;values&#34;:[&#34;Orta — array, hashmap, two pointer&#34;,&#34;2-3 ay&#34;]},{&#34;feature&#34;:&#34;AI Engineer&#34;,&#34;values&#34;:[&#34;Orta — async + system + API&#34;,&#34;1-2 ay&#34;]},{&#34;feature&#34;:&#34;Big Tech (Google, Meta, Microsoft)&#34;,&#34;values&#34;:[&#34;Ağır — medium + hard&#34;,&#34;3-6 ay&#34;]},{&#34;feature&#34;:&#34;Research Scientist&#34;,&#34;values&#34;:[&#34;Hafif-orta — algoritma derin&#34;,&#34;1-2 ay&#34;]}]"></comparison-table>

#### Tipik AI/ML Coding Soruları

<comparison-table data-caption="ML/AI Coding Soruları (LeetCode değil — pratik)" data-headers="[&#34;Soru&#34;,&#34;Tip&#34;,&#34;Zorluk&#34;]" data-rows="[{&#34;feature&#34;:&#34;Karma table ile ilk tekrar etmeyen karakter&#34;,&#34;values&#34;:[&#34;String + hashmap&#34;,&#34;Easy&#34;]},{&#34;feature&#34;:&#34;Maximum sliding window&#34;,&#34;values&#34;:[&#34;Sliding window + heap&#34;,&#34;Medium&#34;]},{&#34;feature&#34;:&#34;Median of two sorted arrays&#34;,&#34;values&#34;:[&#34;Binary search&#34;,&#34;Hard&#34;]},{&#34;feature&#34;:&#34;Top K frequent elements&#34;,&#34;values&#34;:[&#34;Heap + hashmap&#34;,&#34;Medium&#34;]},{&#34;feature&#34;:&#34;K-means scratch&#39;tan implement&#34;,&#34;values&#34;:[&#34;ML algoritma + numpy&#34;,&#34;Medium&#34;]},{&#34;feature&#34;:&#34;Linear regression scratch&#34;,&#34;values&#34;:[&#34;ML + matrix&#34;,&#34;Medium&#34;]},{&#34;feature&#34;:&#34;Tokenization function&#34;,&#34;values&#34;:[&#34;String + regex&#34;,&#34;Medium&#34;]},{&#34;feature&#34;:&#34;Cosine similarity for batch&#34;,&#34;values&#34;:[&#34;Numpy efficient&#34;,&#34;Medium&#34;]},{&#34;feature&#34;:&#34;Matrix multiplication scratch (no numpy)&#34;,&#34;values&#34;:[&#34;Algoritma&#34;,&#34;Easy-Medium&#34;]},{&#34;feature&#34;:&#34;Mini-batch gradient descent&#34;,&#34;values&#34;:[&#34;ML + optimization&#34;,&#34;Medium&#34;]}]"></comparison-table>

### 2.4 Aşama 3: ML/AI Knowledge — 50+ Soru

#### ML Temel Soruları

<comparison-table data-caption="ML Temel Mülakat Soruları" data-headers="[&#34;#&#34;,&#34;Soru&#34;,&#34;Anahtar Cevap Notu&#34;]" data-rows="[{&#34;feature&#34;:&#34;1&#34;,&#34;values&#34;:[&#34;Bias-variance tradeoff anlat — overfit vs underfit göstergesi&#34;]},{&#34;feature&#34;:&#34;2&#34;,&#34;values&#34;:[&#34;L1 vs L2 regularization farkı — L1 sparse, L2 smooth shrinkage&#34;]},{&#34;feature&#34;:&#34;3&#34;,&#34;values&#34;:[&#34;Cross-validation nasıl yapılır? K-fold, stratified, time-series CV&#34;]},{&#34;feature&#34;:&#34;4&#34;,&#34;values&#34;:[&#34;Logistic regression hangi loss&#39;u minimize eder? Cross-entropy&#34;]},{&#34;feature&#34;:&#34;5&#34;,&#34;values&#34;:[&#34;Decision tree nasıl bölünür? Information gain / Gini impurity&#34;]},{&#34;feature&#34;:&#34;6&#34;,&#34;values&#34;:[&#34;Random forest neden overfit&#39;e dirençli? Bagging + feature randomness&#34;]},{&#34;feature&#34;:&#34;7&#34;,&#34;values&#34;:[&#34;XGBoost&#39;un Gradient Boosting&#39;ten farkı? Regularization + parallel&#34;]},{&#34;feature&#34;:&#34;8&#34;,&#34;values&#34;:[&#34;Precision vs Recall — when each matters? Imbalanced data tartışması&#34;]},{&#34;feature&#34;:&#34;9&#34;,&#34;values&#34;:[&#34;ROC AUC nedir? Binary classifier threshold-independent metric&#34;]},{&#34;feature&#34;:&#34;10&#34;,&#34;values&#34;:[&#34;F1 score formülü? 2 × (P × R) / (P + R)&#34;]},{&#34;feature&#34;:&#34;11&#34;,&#34;values&#34;:[&#34;K-means nasıl çalışır? Elbow method ile k seçimi&#34;]},{&#34;feature&#34;:&#34;12&#34;,&#34;values&#34;:[&#34;PCA için adımlar? Centering → covariance → eigendecomp → project&#34;]},{&#34;feature&#34;:&#34;13&#34;,&#34;values&#34;:[&#34;Imbalanced data nasıl handle edilir? SMOTE, class weight, undersampling&#34;]},{&#34;feature&#34;:&#34;14&#34;,&#34;values&#34;:[&#34;Feature engineering — 3 önemli teknik? Target encoding, aggregation, interactions&#34;]},{&#34;feature&#34;:&#34;15&#34;,&#34;values&#34;:[&#34;Hyperparameter tuning — Grid vs Random vs Bayesian? Tradeoff explanation&#34;]}]"></comparison-table>

#### Deep Learning Soruları

<comparison-table data-caption="DL Mülakat Soruları" data-headers="[&#34;#&#34;,&#34;Soru&#34;,&#34;Anahtar Cevap&#34;]" data-rows="[{&#34;feature&#34;:&#34;16&#34;,&#34;values&#34;:[&#34;Backpropagation nasıl çalışır? Chain rule + topological order&#34;]},{&#34;feature&#34;:&#34;17&#34;,&#34;values&#34;:[&#34;Vanishing gradient problem? ReLU + residual + LSTM&#34;]},{&#34;feature&#34;:&#34;18&#34;,&#34;values&#34;:[&#34;Exploding gradient? Gradient clipping + careful init&#34;]},{&#34;feature&#34;:&#34;19&#34;,&#34;values&#34;:[&#34;Batch normalization neden? Internal covariate shift + faster training&#34;]},{&#34;feature&#34;:&#34;20&#34;,&#34;values&#34;:[&#34;Dropout neden? Regularization + ensemble of subnetworks&#34;]},{&#34;feature&#34;:&#34;21&#34;,&#34;values&#34;:[&#34;Activation function — ReLU vs sigmoid vs tanh? Vanishing gradient solution&#34;]},{&#34;feature&#34;:&#34;22&#34;,&#34;values&#34;:[&#34;Adam optimizer — momentum + adaptive learning rate&#34;]},{&#34;feature&#34;:&#34;23&#34;,&#34;values&#34;:[&#34;Learning rate scheduler? Cosine, step decay, warmup&#34;]},{&#34;feature&#34;:&#34;24&#34;,&#34;values&#34;:[&#34;Weight initialization — Xavier, He init&#34;]},{&#34;feature&#34;:&#34;25&#34;,&#34;values&#34;:[&#34;Transfer learning nedir? Pretrained + fine-tune top layers&#34;]},{&#34;feature&#34;:&#34;26&#34;,&#34;values&#34;:[&#34;CNN katmanları — conv, pool, FC. Receptive field kavramı&#34;]},{&#34;feature&#34;:&#34;27&#34;,&#34;values&#34;:[&#34;RNN vs LSTM — vanishing gradient + cell state&#34;]},{&#34;feature&#34;:&#34;28&#34;,&#34;values&#34;:[&#34;Attention mechanism — Q, K, V matrices&#34;]},{&#34;feature&#34;:&#34;29&#34;,&#34;values&#34;:[&#34;Transformer architecture — multi-head attention + FFN + residual&#34;]},{&#34;feature&#34;:&#34;30&#34;,&#34;values&#34;:[&#34;BERT vs GPT — bidirectional vs causal attention&#34;]}]"></comparison-table>

#### LLM + AI Engineer Soruları

<comparison-table data-caption="LLM + AI Engineer Mülakat Soruları" data-headers="[&#34;#&#34;,&#34;Soru&#34;,&#34;Anahtar Cevap&#34;]" data-rows="[{&#34;feature&#34;:&#34;31&#34;,&#34;values&#34;:[&#34;RAG vs Fine-tuning — when each? RAG fresh data, fine-tune style/skill&#34;]},{&#34;feature&#34;:&#34;32&#34;,&#34;values&#34;:[&#34;RAG accuracy düşük — debug strategy? Chunking → embedding → retrieval → generation&#34;]},{&#34;feature&#34;:&#34;33&#34;,&#34;values&#34;:[&#34;LLM hallucination nasıl azaltılır? RAG, chain-of-thought, citation, evals&#34;]},{&#34;feature&#34;:&#34;34&#34;,&#34;values&#34;:[&#34;Vector DB choice — Pinecone, Weaviate, Chroma? Hosted vs self-host tradeoff&#34;]},{&#34;feature&#34;:&#34;35&#34;,&#34;values&#34;:[&#34;Embedding model selection — OpenAI vs BGE vs Voyage? Latency vs quality&#34;]},{&#34;feature&#34;:&#34;36&#34;,&#34;values&#34;:[&#34;Chunking strategy — fixed vs semantic vs recursive? Use case dependent&#34;]},{&#34;feature&#34;:&#34;37&#34;,&#34;values&#34;:[&#34;LoRA vs full fine-tune — parameter efficient training&#34;]},{&#34;feature&#34;:&#34;38&#34;,&#34;values&#34;:[&#34;Prompt engineering best practices? Specific, examples, structure&#34;]},{&#34;feature&#34;:&#34;39&#34;,&#34;values&#34;:[&#34;Chain-of-thought (CoT) prompting? Reasoning steps explicit&#34;]},{&#34;feature&#34;:&#34;40&#34;,&#34;values&#34;:[&#34;Agent design — ReAct vs Plan-and-Execute? Trade-offs&#34;]},{&#34;feature&#34;:&#34;41&#34;,&#34;values&#34;:[&#34;LLM evaluation framework? RAGAS, Promptfoo, LangSmith&#34;]},{&#34;feature&#34;:&#34;42&#34;,&#34;values&#34;:[&#34;Token cost optimization? Caching, smaller models, batch&#34;]},{&#34;feature&#34;:&#34;43&#34;,&#34;values&#34;:[&#34;Function calling vs JSON mode? Tool use, structured output&#34;]},{&#34;feature&#34;:&#34;44&#34;,&#34;values&#34;:[&#34;MCP (Model Context Protocol) nedir? Standardized tool integration&#34;]},{&#34;feature&#34;:&#34;45&#34;,&#34;values&#34;:[&#34;Multi-modal LLM (GPT-4V, Claude vision)? Architectural change&#34;]}]"></comparison-table>

#### Math + Statistics Soruları

<comparison-table data-caption="Math Mülakat Soruları" data-headers="[&#34;#&#34;,&#34;Soru&#34;,&#34;Anahtar Cevap&#34;]" data-rows="[{&#34;feature&#34;:&#34;46&#34;,&#34;values&#34;:[&#34;MLE nedir? Likelihood&#39;u maksimize eden θ&#34;]},{&#34;feature&#34;:&#34;47&#34;,&#34;values&#34;:[&#34;Bayes theorem? P(A|B) = P(B|A) × P(A) / P(B)&#34;]},{&#34;feature&#34;:&#34;48&#34;,&#34;values&#34;:[&#34;Central Limit Theorem? Sample mean → normal as n→∞&#34;]},{&#34;feature&#34;:&#34;49&#34;,&#34;values&#34;:[&#34;Type I vs Type II hatası? False positive vs false negative&#34;]},{&#34;feature&#34;:&#34;50&#34;,&#34;values&#34;:[&#34;p-value yorumu? Significance testi sezgi&#34;]},{&#34;feature&#34;:&#34;51&#34;,&#34;values&#34;:[&#34;A/B test design? Sample size + power calculation&#34;]},{&#34;feature&#34;:&#34;52&#34;,&#34;values&#34;:[&#34;Confidence interval vs prediction interval? Population vs individual&#34;]}]"></comparison-table>

### 2.5 Aşama 4: System Design

<callout-box data-variant="warning" data-title="ML System Design — En çok eleyen aşama">

System design Türk şirketlerinde de ABD'de de senior+ pozisyonların en kritik aşaması. Junior'da bazen atlanır. Mid'de hafif. Senior+'da derin.

**Tipik 60-90 dakika:**
- 5 dk: Problem clarification
- 10 dk: Functional + non-functional requirements
- 10 dk: Data + scale estimation
- 15 dk: High-level architecture
- 20 dk: Detailed components (data pipeline, training, serving)
- 10 dk: Trade-offs + alternatives
- 10 dk: Adayın soruları

**Hazırlık kaynakları:**
- "Designing Machine Learning Systems" (Chip Huyen) — KESINLIKLE
- "ML System Design" (Alex Xu) — newer
- Pramp + interviewing.io mock interviews

</callout-box>

#### Tipik System Design Soruları

<comparison-table data-caption="System Design Soruları" data-headers="[&#34;Sistem&#34;,&#34;Anahtar Konular&#34;]" data-rows="[{&#34;feature&#34;:&#34;Recommender System (Netflix, Spotify, Trendyol)&#34;,&#34;values&#34;:[&#34;Collaborative + content + hybrid, A/B test, cold start, real-time vs batch&#34;]},{&#34;feature&#34;:&#34;Real-time Fraud Detection (banka)&#34;,&#34;values&#34;:[&#34;Latency 100ms, feature store, online learning, monitoring&#34;]},{&#34;feature&#34;:&#34;RAG System for KB (50K doc)&#34;,&#34;values&#34;:[&#34;Chunking, embedding, vector DB, reranker, cache&#34;]},{&#34;feature&#34;:&#34;Search Engine (e-commerce)&#34;,&#34;values&#34;:[&#34;BM25 + neural rerank, autocomplete, faceted search&#34;]},{&#34;feature&#34;:&#34;Ad Click Prediction&#34;,&#34;values&#34;:[&#34;Real-time prediction, feature engineering, A/B test&#34;]},{&#34;feature&#34;:&#34;Image Classification at scale&#34;,&#34;values&#34;:[&#34;CNN training, distributed, model serving, GPU optimization&#34;]},{&#34;feature&#34;:&#34;Voice Assistant (Alexa benzeri)&#34;,&#34;values&#34;:[&#34;ASR + NLU + dialog + TTS pipeline&#34;]},{&#34;feature&#34;:&#34;Content Moderation (sosyal medya)&#34;,&#34;values&#34;:[&#34;Multi-modal (text + image), human-in-the-loop, online learning&#34;]},{&#34;feature&#34;:&#34;Demand Forecasting (Getir)&#34;,&#34;values&#34;:[&#34;Time series, seasonality, hierarchical forecast&#34;]},{&#34;feature&#34;:&#34;LLM Agent System&#34;,&#34;values&#34;:[&#34;Tool use, memory, planning, evaluation&#34;]}]"></comparison-table>

#### System Design Cevap Formatı

<howto-steps data-name="ML System Design Cevap Yapısı" data-steps="[{&#34;name&#34;:&#34;1. Clarification&#34;,&#34;text&#34;:&#34;Mülakatçıya soru sor — ölçek (kullanıcı sayısı, latency), use case, success metric&#34;},{&#34;name&#34;:&#34;2. Functional requirements&#34;,&#34;text&#34;:&#34;Sistem ne yapar — user flow + features&#34;},{&#34;name&#34;:&#34;3. Non-functional requirements&#34;,&#34;text&#34;:&#34;Latency, throughput, scale, availability, cost&#34;},{&#34;name&#34;:&#34;4. Scale estimation&#34;,&#34;text&#34;:&#34;DAU, request/sec, data volume — sayılarla&#34;},{&#34;name&#34;:&#34;5. High-level architecture&#34;,&#34;text&#34;:&#34;Tahta üzerinde boxes + arrows — data → feature → model → serving&#34;},{&#34;name&#34;:&#34;6. Data pipeline&#34;,&#34;text&#34;:&#34;Ingestion, ETL, feature store, training data prep&#34;},{&#34;name&#34;:&#34;7. Model&#34;,&#34;text&#34;:&#34;Algoritma seç + neden, training approach, evaluation&#34;},{&#34;name&#34;:&#34;8. Serving&#34;,&#34;text&#34;:&#34;Online vs batch, latency optimization, caching&#34;},{&#34;name&#34;:&#34;9. Monitoring&#34;,&#34;text&#34;:&#34;Model drift, data drift, business metrics, alerting&#34;},{&#34;name&#34;:&#34;10. Trade-offs&#34;,&#34;text&#34;:&#34;Alternatif yaklaşımlar + neden seçtiğin daha iyi&#34;}]"></howto-steps>

### 2.6 Aşama 5: Behavioral + Team Fit

<callout-box data-variant="answer" data-title="STAR formatı zorunlu">

**STAR = Situation, Task, Action, Result**

Behavioral cevaplar için altın yapı. Her hikayeyi:
- **Situation:** Hangi durumda? Şirket + proje + rolün
- **Task:** Sana ne yapıldı?
- **Action:** Sen NE yaptın? Spesifik
- **Result:** Sonuç ne? Sayısal: %X artış, Y latency düşüş

**Önerilen:** 5-7 hikaye hazırla (proaktiflik, başarısızlık, çatışma, mentorluk, takım, liderlik, yenilik). Her birini 90 saniye altına özet.

</callout-box>

#### Tipik Behavioral Soruları

<comparison-table data-caption="Behavioral Soruları" data-headers="[&#34;Soru Tipi&#34;,&#34;Örnek&#34;]" data-rows="[{&#34;feature&#34;:&#34;Başarısızlık&#34;,&#34;values&#34;:[&#34;Bir projede başarısız olduğun durumu anlat. Ne öğrendin?&#34;]},{&#34;feature&#34;:&#34;Çatışma&#34;,&#34;values&#34;:[&#34;Bir teknik tartışmada manager ile farklı görüş — nasıl çözüldü?&#34;]},{&#34;feature&#34;:&#34;Liderlik&#34;,&#34;values&#34;:[&#34;Senior değildin ama bir initiative aldın — nasıl?&#34;]},{&#34;feature&#34;:&#34;Belirsizlik&#34;,&#34;values&#34;:[&#34;Çok az bilgi ile bir karar vermen gerekiyordu — nasıl ilerledin?&#34;]},{&#34;feature&#34;:&#34;Mentorluk&#34;,&#34;values&#34;:[&#34;Junior&#39;ı mentorluk yaptığın bir durumu anlat&#34;]},{&#34;feature&#34;:&#34;Proaktiflik&#34;,&#34;values&#34;:[&#34;Sana söylenmemiş ama yapman gereken bir şeyi yaptığın zaman?&#34;]},{&#34;feature&#34;:&#34;Etki&#34;,&#34;values&#34;:[&#34;En etkili katkın neydi? Sayısal sonuç?&#34;]},{&#34;feature&#34;:&#34;Yenilik&#34;,&#34;values&#34;:[&#34;Bir konuya yeni yaklaşım getirdiğin zaman?&#34;]},{&#34;feature&#34;:&#34;5 yıl sonra&#34;,&#34;values&#34;:[&#34;5 yıl sonra nerede görüyorsun?&#34;]},{&#34;feature&#34;:&#34;Neden bu şirket&#34;,&#34;values&#34;:[&#34;Neden Trendyol/Getir? Spesifik sebep + araştırma sinyali&#34;]}]"></comparison-table>

## 3. 4 Rol İçin Spesifik Sorular

### 3.1 Data Scientist Mülakat

<comparison-table data-caption="Data Scientist Mülakat Profili" data-headers="[&#34;Aşama&#34;,&#34;Ağırlık&#34;]" data-rows="[{&#34;feature&#34;:&#34;SQL&#34;,&#34;values&#34;:[&#34;Yüksek (StratrasScratch test)&#34;]},{&#34;feature&#34;:&#34;İstatistik&#34;,&#34;values&#34;:[&#34;Çok yüksek (A/B test, hipotez)&#34;]},{&#34;feature&#34;:&#34;Python (pandas)&#34;,&#34;values&#34;:[&#34;Yüksek&#34;]},{&#34;feature&#34;:&#34;ML temel&#34;,&#34;values&#34;:[&#34;Orta (Random Forest seviyesi)&#34;]},{&#34;feature&#34;:&#34;DL&#34;,&#34;values&#34;:[&#34;Düşük&#34;]},{&#34;feature&#34;:&#34;LLM&#34;,&#34;values&#34;:[&#34;Düşük&#34;]},{&#34;feature&#34;:&#34;System Design&#34;,&#34;values&#34;:[&#34;Düşük (junior), Orta (senior)&#34;]},{&#34;feature&#34;:&#34;İş bağlamı&#34;,&#34;values&#34;:[&#34;Çok yüksek (case study çok yaygın)&#34;]}]"></comparison-table>

**Tipik Data Scientist case study:**
"Şirketimiz e-ticaret. Bir ürün kategorisinde gelir %30 düştü. Root cause analizi nasıl yaparsın?"

### 3.2 ML Engineer Mülakat

<comparison-table data-caption="ML Engineer Mülakat Profili" data-headers="[&#34;Aşama&#34;,&#34;Ağırlık&#34;]" data-rows="[{&#34;feature&#34;:&#34;LeetCode&#34;,&#34;values&#34;:[&#34;Yüksek (medium-hard)&#34;]},{&#34;feature&#34;:&#34;Algoritma&#34;,&#34;values&#34;:[&#34;Yüksek&#34;]},{&#34;feature&#34;:&#34;DL&#34;,&#34;values&#34;:[&#34;Çok yüksek (backprop, optim)&#34;]},{&#34;feature&#34;:&#34;PyTorch&#34;,&#34;values&#34;:[&#34;Yüksek (practical coding)&#34;]},{&#34;feature&#34;:&#34;Production ML&#34;,&#34;values&#34;:[&#34;Yüksek (MLOps, deployment)&#34;]},{&#34;feature&#34;:&#34;System Design&#34;,&#34;values&#34;:[&#34;Çok yüksek&#34;]},{&#34;feature&#34;:&#34;Distributed training&#34;,&#34;values&#34;:[&#34;Orta-yüksek (senior+)&#34;]}]"></comparison-table>

### 3.3 AI Engineer Mülakat (Yeni 2024-2026)

<comparison-table data-caption="AI Engineer Mülakat Profili" data-headers="[&#34;Aşama&#34;,&#34;Ağırlık&#34;]" data-rows="[{&#34;feature&#34;:&#34;LeetCode&#34;,&#34;values&#34;:[&#34;Orta (medium)&#34;]},{&#34;feature&#34;:&#34;FastAPI / async Python&#34;,&#34;values&#34;:[&#34;Yüksek&#34;]},{&#34;feature&#34;:&#34;LLM API&#34;,&#34;values&#34;:[&#34;Çok yüksek&#34;]},{&#34;feature&#34;:&#34;RAG&#34;,&#34;values&#34;:[&#34;Çok yüksek&#34;]},{&#34;feature&#34;:&#34;LangChain / LlamaIndex&#34;,&#34;values&#34;:[&#34;Yüksek&#34;]},{&#34;feature&#34;:&#34;Vector DB&#34;,&#34;values&#34;:[&#34;Yüksek&#34;]},{&#34;feature&#34;:&#34;Agentic design&#34;,&#34;values&#34;:[&#34;Yüksek (yeni)&#34;]},{&#34;feature&#34;:&#34;Prompt engineering&#34;,&#34;values&#34;:[&#34;Yüksek&#34;]},{&#34;feature&#34;:&#34;Evaluation framework&#34;,&#34;values&#34;:[&#34;Orta-yüksek&#34;]},{&#34;feature&#34;:&#34;Production deployment&#34;,&#34;values&#34;:[&#34;Yüksek&#34;]}]"></comparison-table>

**Tipik AI Engineer practical test:**
"2 saatlik live coding — LangChain ile basit bir RAG kur. PDF yükle, vectorize et, soru sor, cevap al. Evaluation suite ekle."

### 3.4 Research Scientist Mülakat

<comparison-table data-caption="Research Scientist Mülakat Profili" data-headers="[&#34;Aşama&#34;,&#34;Ağırlık&#34;]" data-rows="[{&#34;feature&#34;:&#34;Matematik&#34;,&#34;values&#34;:[&#34;Çok yüksek (derive proofs)&#34;]},{&#34;feature&#34;:&#34;Paper okuma&#34;,&#34;values&#34;:[&#34;Çok yüksek&#34;]},{&#34;feature&#34;:&#34;Algoritma&#34;,&#34;values&#34;:[&#34;Çok yüksek&#34;]},{&#34;feature&#34;:&#34;PhD background&#34;,&#34;values&#34;:[&#34;Şart (genelde)&#34;]},{&#34;feature&#34;:&#34;Research projects&#34;,&#34;values&#34;:[&#34;Çok yüksek (paper publication)&#34;]},{&#34;feature&#34;:&#34;System design&#34;,&#34;values&#34;:[&#34;Orta&#34;]},{&#34;feature&#34;:&#34;Practical coding&#34;,&#34;values&#34;:[&#34;Orta&#34;]}]"></comparison-table>

## 4. Türk Şirket Mülakat Formatları

### 4.1 Trendyol Mülakat Süreci

<howto-steps data-name="Trendyol AI/ML Mülakat" data-steps="[{&#34;name&#34;:&#34;1. Online Application&#34;,&#34;text&#34;:&#34;Trendyol kariyer + LinkedIn&#34;},{&#34;name&#34;:&#34;2. HackerRank Test (60-90 dk)&#34;,&#34;text&#34;:&#34;2-3 medium algoritma + 1-2 SQL&#34;},{&#34;name&#34;:&#34;3. Recruiter Call (30 dk)&#34;,&#34;text&#34;:&#34;CV review + ekspectations&#34;},{&#34;name&#34;:&#34;4. Tech Interview 1 (60 dk)&#34;,&#34;text&#34;:&#34;Algoritma + ML temel&#34;},{&#34;name&#34;:&#34;5. Tech Interview 2 (60 dk)&#34;,&#34;text&#34;:&#34;ML/AI deep dive + system design&#34;},{&#34;name&#34;:&#34;6. Hiring Manager (45-60 dk)&#34;,&#34;text&#34;:&#34;Team fit + behavioral&#34;},{&#34;name&#34;:&#34;7. Final HR (30 dk)&#34;,&#34;text&#34;:&#34;Salary + start date&#34;}]"></howto-steps>

**Toplam:** 2-3 hafta süreç. Ücret konuşulurken final aşama önerilir.

### 4.2 Getir Mülakat Süreci

- HackerRank + Algoritma
- Teknik mülakat (algoritma + ML)
- System design (mid+)
- Culture interview
- Founder interview (senior+)

### 4.3 Türk Banka Mülakat Süreci

<callout-box data-variant="info" data-title="Türk banka mülakat farkları">

Türk bankası (İş Bankası, Garanti, Yapı Kredi, Akbank) mülakatları teknoloji şirketlerinden farklı:

(1) **HR + behavioral ağır basar** — şirket kültürü, sadakat, uzun-vade çalışma

(2) **Algoritma orta seviye** — LeetCode hard yok, medium yeterli

(3) **KVKK + güvenlik bilgisi sorulur** — banka özelinde

(4) **Türkçe + İngilizce karma** — bazıları yarı Türkçe

(5) **Multi-round (4-6 aşama)** — uzun süreç

(6) **Yıldız / Future Bankers programları** — junior için özel

</callout-box>

### 4.4 Aselsan / Havelsan / TUSAŞ Savunma

- Güvenlik soruşturması (uzun, 2-6 ay)
- Tek bir yabancı şirket tecrübesi şüphe yaratabilir
- Türkçe ağırlıklı mülakat
- KVKK + Türk Standartlar Enstitüsü (TSE) bilgisi sorulur
- Salary banka tier benzeri (₺ 120-200K senior)

## 5. AI ile Mülakat Hazırlık

<callout-box data-variant="tip" data-title="ChatGPT/Claude ile mock interview">

GPT-5 ve Claude ile mock interview mükemmel pratik. Strateji:

**Prompt template:**
"Sen bir Trendyol AI Engineer Senior tech mülakatçısısın. Ben 3 yıl tecrübeli AI Engineer pozisyonu için mülakatta olduğum bir aday gibi davran. Bana 5 system design + 5 ML/LLM soru sor. Her soruyu sırayla sor, ben cevap vereyim, sen feedback ver. Türkçe konuşalım."

**Avantajları:**
- 7/24 erişim
- Sınırsız tekrar
- Açıklamalı feedback
- Anında düzeltme

**ÖNEMLI:** Bu HAZIRLIK için. CANLI mülakatta AI kullanmak etik dışı + caught olunca CV iptali.

</callout-box>

### 5.1 Mock Interview Platformları

<comparison-table data-caption="Mock Interview Platformları" data-headers="[&#34;Platform&#34;,&#34;Tip&#34;,&#34;Fiyat&#34;]" data-rows="[{&#34;feature&#34;:&#34;Pramp&#34;,&#34;values&#34;:[&#34;Peer-to-peer mock interview&#34;,&#34;ÜCRETSIZ&#34;]},{&#34;feature&#34;:&#34;interviewing.io&#34;,&#34;values&#34;:[&#34;Anonymous mock with FAANG engineers&#34;,&#34;$200-300/saat&#34;]},{&#34;feature&#34;:&#34;LeetCode Mock Interview&#34;,&#34;values&#34;:[&#34;Random LC problem timed&#34;,&#34;Premium $35/ay&#34;]},{&#34;feature&#34;:&#34;Exponent&#34;,&#34;values&#34;:[&#34;PM + system design&#34;,&#34;$59/ay&#34;]},{&#34;feature&#34;:&#34;Tech Interview Pro&#34;,&#34;values&#34;:[&#34;Course + mock&#34;,&#34;$200 one-time&#34;]}]"></comparison-table>

### 5.2 AI Cheat Detection — Önemli

<callout-box data-variant="warning" data-title="Canlı AI kullanma — caught olursun">

2024-2026'da şirketler aktif AI cheat detection kullanıyor:

(1) **Webcam + screen share zorunlu** — yan ekran kullanmak görünür

(2) **Tab switch detection** — başka tab'a geçince warning

(3) **Typing pattern AI** — kopya-yapıştır pattern tespit (HackerRank, CodeSignal)

(4) **Webcam AI** — adam başını çevirip okuyorsa fark eder

(5) **Eye tracking** — bakış paterni şüpheli

**Caught olunca:** Cv iptali + blacklist (gelecekte yeniden başvurma yasak). Bazı şirketler "AI assistant kullanmadın mı?" yazılı soruyor — yalan söyleyip caught olunca daha kötü.

**Etik yol:** Hazırlık için AI mükemmel. Canlı mülakatta TAM PRATIK SENSIN.

</callout-box>

## 6. Salary Negotiation

### 6.1 Türkiye 2026 Maaş Negotiation

<comparison-table data-caption="Junior AI Engineer Salary Negotiation Senaryo" data-headers="[&#34;Adım&#34;,&#34;Tipik Skor&#34;]" data-rows="[{&#34;feature&#34;:&#34;İlk teklif (Trendyol/Getir)&#34;,&#34;values&#34;:[&#34;₺70-80K&#34;]},{&#34;feature&#34;:&#34;Aday counter&#34;,&#34;values&#34;:[&#34;₺90K + ₺5K signing bonus&#34;]},{&#34;feature&#34;:&#34;İkinci teklif&#34;,&#34;values&#34;:[&#34;₺80-85K&#34;]},{&#34;feature&#34;:&#34;Alternatif teklif (başka şirket)&#34;,&#34;values&#34;:[&#34;Leverage olarak kullan&#34;]},{&#34;feature&#34;:&#34;Final&#34;,&#34;values&#34;:[&#34;₺82-88K&#34;]},{&#34;feature&#34;:&#34;Stock/RSU (varsa)&#34;,&#34;values&#34;:[&#34;Ek ₺10-30K equity (pre-IPO illiquid)&#34;]}]"></comparison-table>

### 6.2 Senior AI Engineer Salary Negotiation

<comparison-table data-caption="Senior AI Engineer Salary Negotiation" data-headers="[&#34;Adım&#34;,&#34;Tipik Skor&#34;]" data-rows="[{&#34;feature&#34;:&#34;İlk teklif&#34;,&#34;values&#34;:[&#34;₺180-200K&#34;]},{&#34;feature&#34;:&#34;Aday counter&#34;,&#34;values&#34;:[&#34;₺240K + sign-on bonus&#34;]},{&#34;feature&#34;:&#34;Final&#34;,&#34;values&#34;:[&#34;₺210-230K&#34;]},{&#34;feature&#34;:&#34;RSU/Stock&#34;,&#34;values&#34;:[&#34;Ek 30-100K equity yıllık&#34;]}]"></comparison-table>

### 6.3 ABD Remote Salary Negotiation

<comparison-table data-caption="ABD Remote Junior AI Engineer Negotiation" data-headers="[&#34;Adım&#34;,&#34;Skor (USD)&#34;]" data-rows="[{&#34;feature&#34;:&#34;İlk teklif&#34;,&#34;values&#34;:[&#34;$80-110K base&#34;]},{&#34;feature&#34;:&#34;Counter&#34;,&#34;values&#34;:[&#34;$130K + $20K bonus&#34;]},{&#34;feature&#34;:&#34;Final&#34;,&#34;values&#34;:[&#34;$110-130K base + $10-30K bonus&#34;]},{&#34;feature&#34;:&#34;Türkiye TL eşd.&#34;,&#34;values&#34;:[&#34;₺280-420K aylık brüt&#34;]}]"></comparison-table>

### 6.4 Negotiation Pro İpuçları

<callout-box data-variant="tip" data-title="Negotiation 5 altın kural">

(1) **İlk teklifi asla kabul etme** — şirketler ilk teklifi alt sınırda yapar, 10-20% upside var.

(2) **Anchored counter** — ilk teklif ₺70K, sen ₺95K iste, ortalama ₺80-82K çıkar.

(3) **Alternatif teklif leverage** — başka şirketten teklif almak GÜÇLÜ. 2-3 paralel başvuru zorunlu.

(4) **Salary + sign-on + RSU + benefits paketin tamamı** — sadece base maaş değil.

(5) **Yazılı offer letter** — sözlü teklife inanma, yazılı isteyelim.

</callout-box>

## 7. İşveren İçin Mülakat Yapma

### 7.1 Etkili Mülakat Yapma Prensipleri

<callout-box data-variant="answer" data-title="Mülakatçı için 5 prensip">

(1) **Rubric önceden tanımlı** — her aday aynı kriterlerle puanlanır. Bias-free.

(2) **Specific signal arama** — "iyiydi" yetmez. "X kavramı sorduğumda Y yanıtı verdi, Z derinlikte açıkladı" gibi specific.

(3) **Junior'a hard puzzle YOK** — junior'a gerçek problem + temel kavram. Hard puzzle senior için.

(4) **Bir kişi tüm aşamaları sormaz** — 4-5 mülakatçı, her biri farklı boyut. Cross-check.

(5) **Adayı tanı, sınama** — aday rahat olunca gerçek seviyesi çıkar. Adversarial olma.

</callout-box>

### 7.2 SORMAMALI Sorular (Yasal Risk)

<callout-box data-variant="warning" data-title="Yasal olarak sorulamaz sorular (Türk İş Kanunu + KVKK)">

(1) **Yaş** — Doğum tarihi ya da "kaç yaşındasın" sorulamaz

(2) **Medeni durum** — "Evli misin? Çocuk var mı?"

(3) **Hamile mi?** — Asla

(4) **Milliyet / etnik köken** — "Kürt müsün? Nereli?"

(5) **Din / mezhep** — "Müslüman mısın?"

(6) **Cinsel yönelim**

(7) **Siyasi görüş**

(8) **Sağlık durumu** — Görevle ilgili olmadıkça

(9) **Önceki maaş** — Bazı ülkelerde yasal değil, Türkiye'de yasak değil ama uzaklaşılır

(10) **Aile bilgisi**

**Yapay yedek soru:** "Bu pozisyon için tam zamanlı çalışabilecek misin?" (genel) — kabul edilebilir.

**Cezası:** Türk Eşit İşlem Yasası + KVKK ihlali. Adayın dava açma hakkı.

</callout-box>

### 7.3 Junior vs Senior Soru Farkı

<comparison-table data-caption="Junior vs Senior Mülakat Soruları" data-headers="[&#34;Konu&#34;,&#34;Junior&#34;,&#34;Senior&#34;]" data-rows="[{&#34;feature&#34;:&#34;Algoritma&#34;,&#34;values&#34;:[&#34;Easy-Medium LC&#34;,&#34;Medium-Hard, optimization tradeoffs&#34;]},{&#34;feature&#34;:&#34;ML&#34;,&#34;values&#34;:[&#34;Bias-variance, regularization&#34;,&#34;Production fine-tune, distillation&#34;]},{&#34;feature&#34;:&#34;System Design&#34;,&#34;values&#34;:[&#34;Atlanır veya basit&#34;,&#34;Derin — full ML pipeline + scale&#34;]},{&#34;feature&#34;:&#34;LLM&#34;,&#34;values&#34;:[&#34;RAG temel&#34;,&#34;Agentic, multi-modal, evaluation framework&#34;]},{&#34;feature&#34;:&#34;Behavioral&#34;,&#34;values&#34;:[&#34;Öğrenme, takım uyumu&#34;,&#34;Liderlik, mentor, conflict resolution&#34;]},{&#34;feature&#34;:&#34;Süre&#34;,&#34;values&#34;:[&#34;3-4 saat&#34;,&#34;6-8 saat&#34;]}]"></comparison-table>

### 7.4 Bias-Free Değerlendirme

<callout-box data-variant="tip" data-title="Bias-free interview rubric">

**Rubric örneği (1-5 skala):**

- **Technical depth:** 5 = derin, 3 = orta, 1 = yüzeysel
- **Problem solving:** 5 = elegant + optimal, 3 = working, 1 = stuck
- **Communication:** 5 = açık + concise, 3 = anlaşılır, 1 = belirsiz
- **Team fit:** 5 = strong culture add, 3 = neutral, 1 = potential conflict

**Süreç:**
1. Her mülakatçı kendi rubric'i bağımsız doldurur
2. Sonra debrief — paylaşılan signals tartışılır
3. Karar oy çokluğu değil, calibrated discussion

**Bias kaynakları kaçınılmalı:**
- "Halo effect" — bir konuda iyi olan her şeyde iyi sanılır
- "Mirror effect" — kendine benzer adayı tercih
- "First impression" — ilk 30 saniye ile karar
- "Confirmation bias" — başlangıç hipotezi doğrulama

</callout-box>

## 8. Mülakat Hatalarına Düşmemek

### 8.1 Adayların Yaygın Hataları

<comparison-table data-caption="Adayların Yaygın Hataları" data-headers="[&#34;Hata&#34;,&#34;Önleme&#34;]" data-rows="[{&#34;feature&#34;:&#34;Düşünmeden cevaplama&#34;,&#34;values&#34;:[&#34;İlk 10-15 sn dur, kafanda yapı kur, sonra konuş&#34;]},{&#34;feature&#34;:&#34;Sustradığını söylemek&#34;,&#34;values&#34;:[&#34;Yapılmadıysa söyle — yalan caught olur&#34;]},{&#34;feature&#34;:&#34;Çok detay → konu dağılma&#34;,&#34;values&#34;:[&#34;STAR yapısı kısa tut&#34;]},{&#34;feature&#34;:&#34;Soru sormama&#34;,&#34;values&#34;:[&#34;Her aşama sonu 2-3 soru hazır ol&#34;]},{&#34;feature&#34;:&#34;Negative tone önceki şirket&#34;,&#34;values&#34;:[&#34;Asla — &#39;farklı yön ihtiyacım&#39; diye reframe&#34;]},{&#34;feature&#34;:&#34;Şirket araştırması yok&#34;,&#34;values&#34;:[&#34;10 dk + LinkedIn + website + son blog&#34;]},{&#34;feature&#34;:&#34;Maaş expectations &#39;çok düşük&#39;&#34;,&#34;values&#34;:[&#34;Market rate biliyor olmak — Glassdoor + LinkedIn Salary&#34;]},{&#34;feature&#34;:&#34;İletişim style — monoton&#34;,&#34;values&#34;:[&#34;Çeşitlendir — ton + ritm + jest&#34;]},{&#34;feature&#34;:&#34;Tahta-beyaz yazma — düzenisiz&#34;,&#34;values&#34;:[&#34;Sol üst → sağa + alt sırasıyla&#34;]},{&#34;feature&#34;:&#34;Time management — overrun&#34;,&#34;values&#34;:[&#34;Toplam süre/soru sayısı = ortalama hedefle&#34;]}]"></comparison-table>

### 8.2 İşverenlerin Yaygın Hataları

- Tek mülakatçı karar verir (bias)
- LeetCode hard ile junior eler — gerçek beceriyle alakasız
- 8 saat tek günde — adayı yorar, performans düşer
- Negative feedback geri vermez — itibarı zedeler
- Salary range belirsiz — vaktini boşa harcar

## 9. Mülakat Sonrası

### 9.1 Aday için 24 Saat İçinde

<howto-steps data-name="Mülakat Sonrası Aday Aksiyon" data-steps="[{&#34;name&#34;:&#34;Thank-you email&#34;,&#34;text&#34;:&#34;Her mülakatçıya ayrı email — kısa, samimi, hatırlatma&#34;},{&#34;name&#34;:&#34;Notlar&#34;,&#34;text&#34;:&#34;Mülakatçı adı, soru, kendi cevabı, hissedilen kalite — sonraki için ders&#34;},{&#34;name&#34;:&#34;İletişim hattı&#34;,&#34;text&#34;:&#34;Recruiter ile günde 1 kez follow-up YOK — aşırı agresif görünür. Hafta sonra OK.&#34;},{&#34;name&#34;:&#34;Paralel başvuru&#34;,&#34;text&#34;:&#34;Tek şirkete odaklanma — 5-10 aktif başvuru hep olsun&#34;},{&#34;name&#34;:&#34;Refused olunca feedback iste&#34;,&#34;text&#34;:&#34;Recruiter&#39;dan kibarca: &#39;Gelişim için feedback alabilir miyim?&#39;&#34;}]"></howto-steps>

### 9.2 İşveren için Mülakat Sonrası

- 24 saat içinde rubric doldur
- Debrief meeting (tüm mülakatçılar)
- Aday'a teklif veya red karar
- Red durumda kibar email (Türk şirket bunu çok atlar)
- Offer letter detay (maaş + start date + benefits)

## 10. Sık Sorulanlar

**Soru: AI rolüne geçmek için kaç ay mülakat hazırlık?**

<callout-box data-variant="answer" data-title="Profile bağlı">

(1) Mevcut SWE → AI Engineer: 1-2 ay (LangChain + RAG + algoritma refresh)

(2) Yeni mezun: 2-3 ay (LeetCode + ML temel + system design)

(3) Career change (analyst → DS): 3-6 ay (Python + ML + SQL deepening)

(4) Big Tech hedefi: 3-6 ay (LeetCode 150+ + system design book + behavioral)

</callout-box>

**Soru: Türk şirketinde junior pozisyon için Master gerekli mi?**

Hayır. Lisans + portfolio + 1-2 staj yeterli. Master nice-to-have. Türk teknoloji şirketleri çoğunlukla 4 yıllık üniversite + güçlü teknik beceri tercih eder.

**Soru: ABD remote için ne hazırlanmalı?**

LeetCode medium 200+ problem (en az). System design 5-10 mock interview. Behavioral STAR 7 hikaye. İngilizce akıcı (fluent C1+).

**Soru: Mülakatta GPT kullanmak nasıl yakalanıyor?**

(1) Webcam'de bakış sağa-sola, (2) typing pattern (kopya-yapıştır), (3) cevap kalitesi cevap süreyle uyumsuz (instant cevap), (4) cevaplar kişiliksiz (LLM stili), (5) reverse question'da yetersiz.

**Soru: Salary negotiation'da blöf işe yarar mı?**

Bazen ama risk. Gerçek başka teklifin varsa bağlam ver. Yalan teklif kanıtsız caught olunca offer iptal. Pure honesty + market knowledge + ne kadar değerli olduğunu söylemek en güçlü.

**Soru: Junior pozisyonda kaç şirket başvurmalıyım?**

Hedef: 50-100 başvuru → 10-20 phone screen → 5-10 ikinci aşama → 2-5 teklif. 6 ayda iş için minimum 50 başvuru. Asıl olan başvuru NICELLIĞINDEN ziyade KALİTESİ.

**Soru: Mülakat reddi geliyorsa ne yapayım?**

Feedback iste (recruiter'dan kibar email). Aynı şirket 6-12 ay sonra tekrar başvurabilirsin. Eksik konuları çalış. Mock interview daha fazla. Networking + referral çoğalt.

**Soru: AI Engineer için Türkçe NLP bilgisi avantaj mı?**

Çok büyük avantaj. Trendyol, Getir, Turkcell, Aselsan Türkçe LLM/NLP geliştiren şirketler. Türkçe NLP specialized aday için "premium tier" pozisyon.

**Soru: LinkedIn'den direkt başvuru vs Referral hangisi?**

Referral 5x daha güçlü. Bir Türk AI engineer ağı (LinkedIn'de bağlan, Discord'da konuş) kur. Referral ile başvurana yıllık başına maaş %15-25 yüksek bile çıkar.

**Soru: Mülakatta hangi soruları sorayım?**

3 zorunlu sorulacak: (1) "Bu pozisyonun günde günde nasıl?", (2) "Tech stack + AI tools nasıl?", (3) "Onboarding + ilk 90 gün için success metric ne?". Soru sormak ilgili göstergesi.

**Soru: AI ile cheat detection'a karşı koruma var mı?**

Kişisel anti-detection AI yok (etik dışı zaten). En iyi yol: gerçekten hazırlanmak. Mock interview + LeetCode + system design pratiği.

## 11. Sonuç ve 30 Günlük Plan

**3 ana çıkarım:**

1. **AI/ML mülakat 5 aşamalı standart süreç:** Phone + Coding + ML/AI + System Design + Behavioral.
2. **Rol-spesifik hazırlık:** Data Scientist SQL + istatistik, ML Engineer algoritma + system, AI Engineer LLM + RAG + agentic.
3. **AI ile HAZIRLIK mükemmel, AI ile CHEAT yasak.** GPT-5/Claude mock interview için 7/24 erişim, ama canlı kullanım disqualification.

**30 günlük mülakat hazırlık planı:**

Gün 1-7:
- CV güncelle (1 sayfa, STAR)
- LinkedIn optimize
- 50 hedef şirket listesi
- LeetCode 5 problem (easy-medium)

Gün 8-14:
- 50+ teknik soru cevap hazırla (yukarıdaki listeden)
- ChatGPT/Claude ile 5 mock ML soru
- 1 system design (recommender) çalış

Gün 15-21:
- LeetCode 15 problem
- 3 system design (RAG, fraud detection, ads)
- Behavioral STAR 7 hikaye yaz

Gün 22-30:
- 3 mock interview (Pramp / arkadaş)
- Salary research (LinkedIn Salary + Glassdoor)
- İlk 20 başvuruyu yap (1 hafta içinde)

<references-list data-items="[{&#34;title&#34;:&#34;Cracking the Coding Interview&#34;,&#34;url&#34;:&#34;https://www.crackingthecodinginterview.com&#34;,&#34;author&#34;:&#34;Gayle Laakmann McDowell&#34;,&#34;publishedAt&#34;:&#34;2015&#34;,&#34;publisher&#34;:&#34;CareerCup&#34;},{&#34;title&#34;:&#34;Designing ML Systems&#34;,&#34;url&#34;:&#34;https://www.oreilly.com/library/view/designing-machine-learning/9781098107956&#34;,&#34;author&#34;:&#34;Chip Huyen&#34;,&#34;publishedAt&#34;:&#34;2022&#34;,&#34;publisher&#34;:&#34;O Reilly&#34;},{&#34;title&#34;:&#34;Pramp&#34;,&#34;url&#34;:&#34;https://www.pramp.com&#34;,&#34;author&#34;:&#34;Pramp&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Pramp&#34;},{&#34;title&#34;:&#34;interviewing.io&#34;,&#34;url&#34;:&#34;https://interviewing.io&#34;,&#34;author&#34;:&#34;interviewing.io&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;interviewing.io&#34;},{&#34;title&#34;:&#34;LeetCode&#34;,&#34;url&#34;:&#34;https://leetcode.com&#34;,&#34;author&#34;:&#34;LeetCode&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;LeetCode&#34;},{&#34;title&#34;:&#34;Glassdoor&#34;,&#34;url&#34;:&#34;https://www.glassdoor.com&#34;,&#34;author&#34;:&#34;Glassdoor&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Glassdoor&#34;},{&#34;title&#34;:&#34;LinkedIn Salary Insights&#34;,&#34;url&#34;:&#34;https://www.linkedin.com/salary&#34;,&#34;author&#34;:&#34;LinkedIn&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;LinkedIn&#34;},{&#34;title&#34;:&#34;Trendyol Kariyer&#34;,&#34;url&#34;:&#34;https://trendyol.kariyer.net&#34;,&#34;author&#34;:&#34;Trendyol&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Trendyol&#34;},{&#34;title&#34;:&#34;Getir Kariyer&#34;,&#34;url&#34;:&#34;https://getir.com/careers&#34;,&#34;author&#34;:&#34;Getir&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Getir&#34;},{&#34;title&#34;:&#34;Cracking the ML Interview&#34;,&#34;url&#34;:&#34;https://www.amazon.com/dp/B07X8FJYHK&#34;,&#34;author&#34;:&#34;Nayyar&#34;,&#34;publishedAt&#34;:&#34;2020&#34;,&#34;publisher&#34;:&#34;Amazon&#34;}]"></references-list>