# Kaggle ile Veri Bilimi Öğrenmek 2026: Sıfırdan Master Türkçe Derin Rehber

> Source: https://sukruyusufkaya.com/blog/kaggle-veri-bilimi-ogrenmek-turkce
> Updated: 2026-08-23T23:53:27.852Z
> Type: blog
> Category: yapay-zeka
**TLDR:** Kaggle ile veri bilimi öğrenmek için sıfırdan Master seviyesine kapsamlı Türkçe rehber: platform yapısı (Notebooks, Competitions, Datasets, Models, Discussions), 5 ilerleme tier'ı (Novice → Contributor → Expert → Master → Grandmaster), her tier için gereksinim + sürec, Kaggle Learn 20+ ücretsiz kurs detayı, ilk yarışmadan ilk medala 6 aylık plan, ensemble + stacking + blending teknikleri, GPU/TPU notebook stratejileri, tabular vs CV vs NLP yarışma farkları, Türk Kaggle ustalarının başarı hikayeleri, takım kurma + skor paylaşımı taktikleri, code competitions, Notebooks tier ayrı yolu, dataset/discussion medal stratejisi, iş bulmak için Kaggle profilini optimize etme, 10 pratik öneri.

<tldr data-summary="[&#34;Kaggle, Google bünyesinde 2017&#39;den beri faaliyet gösteren, 18M+ kayıtlı kullanıcılı dünyanın en büyük veri bilimi + ML topluluk platformu. Yarışma + notebook + dataset + topluluk + öğrenme tek çatı altında.&#34;,&#34;5 ilerleme tier: Novice (kayıt sonrası), Contributor (1 sub/comment/upvote), Expert (1+ bronze), Master (1+ gold ya da 2+ silver), Grandmaster (5+ gold + 1 solo gold). Her tier 4 farklı kategori için: Competitions, Notebooks, Datasets, Discussion.&#34;,&#34;Kaggle Learn (kaggle.com/learn): 20+ ÜCRETSIZ Python/ML/DL/SQL/AI kursu. 2-4 saatlik mini kurslar. Yeni başlayan için altın kapı.&#34;,&#34;İlk yarışma → ilk medal: 6-12 ay disiplinli çalışmayla mümkün. Stratejik yol: ilk 3 ay Kaggle Learn + Titanic gibi entry yarışmalar, sonra 3-6 ay tabular yarışma + ensemble teknikler, 6-12 ay specialized (CV/NLP) yarışma + takım.&#34;,&#34;Tabular yarışmalar (XGBoost, LightGBM, CatBoost ensemble) en hızlı medal yolu. CV/NLP yarışmaları daha çok GPU + uzmanlık ister. Code competitions (notebook submit) farklı tier — yarışma + kod skill birleştirir.&#34;,&#34;Türkçe Kaggle ustaları: Onur Tasar (Master), Hakan Tekgül (Master), Necip Fazıl Atay, Erhan Sarıbal — Türk topluluğu Discord + meetup ile aktif.&#34;,&#34;İş bulmak için Kaggle profili: 5+ Notebooks yayını + Expert+ tier + Türkçe NLP gibi specialized alan + GitHub&#39;a notebook&#39;ları aktar. CV&#39;de &#39;Kaggle Expert/Master&#39; belirgin değer (Trendyol, Getir, BiTaksi gibi unicornlar için).&#34;]" data-one-line="Kaggle 18M+ kullanıcılı dünya veri bilimi merkezi — Türk başlayanlar için 6-12 ayda Expert tier mümkün, iş bulmaya kanıtlı katkı."></tldr>

## 1. Giriş: Kaggle Nedir?

Kaggle, 2010'da Anthony Goldbloom tarafından kurulan, 2017'de Google tarafından satın alınan **dünyanın en büyük veri bilimi + makine öğrenmesi topluluğu platformudur**.

<stat-callout data-value="18M+" data-context="2026 Kaggle kayıtlı kullanıcı sayısı (küresel)" data-source="{&#34;label&#34;:&#34;Kaggle resmi istatistikleri&#34;}"></stat-callout>

<stat-callout data-value="50K+" data-context="Kaggle Türkiye kayıtlı kullanıcı (yaklaşık)" data-source="{&#34;label&#34;:&#34;Türkiye Kaggle topluluk anketleri 2026&#34;}"></stat-callout>

<stat-callout data-value="$5M+" data-context="2025 yılında Kaggle yarışmalarında dağıtılan toplam ödül" data-source="{&#34;label&#34;:&#34;Kaggle Competitions&#34;}"></stat-callout>

### 1.1 Platformun Beş Ana Bileşeni

<comparison-table data-caption="Kaggle 5 Ana Bileşen" data-headers="[&#34;Bileşen&#34;,&#34;İşlev&#34;,&#34;Tier Sistemi Var Mı&#34;]" data-rows="[{&#34;feature&#34;:&#34;Competitions&#34;,&#34;values&#34;:[&#34;Yarışmalar — şirketlerin gerçek ML problemleri&#34;,&#34;EVET&#34;]},{&#34;feature&#34;:&#34;Notebooks&#34;,&#34;values&#34;:[&#34;Kod paylaşımı — Jupyter notebook formatı&#34;,&#34;EVET&#34;]},{&#34;feature&#34;:&#34;Datasets&#34;,&#34;values&#34;:[&#34;Veri seti yükleme/indirme&#34;,&#34;EVET&#34;]},{&#34;feature&#34;:&#34;Discussions&#34;,&#34;values&#34;:[&#34;Forum — soru-cevap, tartışma&#34;,&#34;EVET&#34;]},{&#34;feature&#34;:&#34;Kaggle Learn&#34;,&#34;values&#34;:[&#34;Ücretsiz mini kurslar — Python, ML, DL, AI&#34;,&#34;Sertifika (tier değil)&#34;]},{&#34;feature&#34;:&#34;Models (yeni 2023)&#34;,&#34;values&#34;:[&#34;Pre-trained model paylaşımı (Hugging Face benzeri)&#34;,&#34;Yok&#34;]},{&#34;feature&#34;:&#34;Kaggle Studios (yeni 2025)&#34;,&#34;values&#34;:[&#34;AI Agent + RAG araçları&#34;,&#34;Yok&#34;]}]"></comparison-table>

### 1.2 Neden Kaggle?

<callout-box data-variant="answer" data-title="Kaggle 5 ana fayda">

**(1) Ücretsiz GPU/TPU:** Notebooks'ta haftalık 30 saat ücretsiz NVIDIA T4 GPU × 2 veya TPU v3-8. Öğrenci için $300+ değerinde.

**(2) Gerçek dünya verisi:** Yarışmalarda Walmart satış, Microsoft malware, Facebook reklam optimizasyon gibi gerçek şirket verisi. Akademik tatlı problem değil, gerçek noise + biases.

**(3) Topluluk öğrenmesi:** Top kernel'leri (notebook'ları) okuyarak sektör en iyilerinin code stilini, feature engineering tekniklerini görebilirsin. Ücretsiz mentorluk.

**(4) Kanıt-tabanlı portfolio:** "X yarışmasında top %1" — bu CV'de işveren tarafından kontrol edilebilir, somut kanıt.

**(5) İş bağlantısı:** Kaggle Days etkinlikleri, Discussion'da hiring manager'larla tanışma, Discord toplulukta refer.

</callout-box>

## 2. Kaggle Hesap Açmak ve İlk Adımlar

<howto-steps data-name="Kaggle ilk gün setup" data-steps='[{"name":"Kayıt","text":"kaggle.com -> Register. Email + şifre veya Google hesabı ile. Türkiye otomatik destekleniyor."},{"name":"Profil","text":"Avatar yükle, isim/soyisim gerçek olsun (iş arama için), bio'yu kısa yaz, GitHub + LinkedIn linkle"},{"name":"Phone verify","text":"Telefon doğrulama YAPILMASI ZORUNLU. Yapmazsan: GPU/TPU kullanamazsın, yarışmalara submit edemezsin, dataset upload edemezsin"},{"name":"İlk kursa başla","text":"kaggle.com/learn -> Intro to Programming kursu (Python sıfırdan). 2 saat."},{"name":"Discord katıl","text":"Kaggle resmi Discord + Türk Kaggle topluluk Discord (aktif)"},{"name":"İlk Notebook fork","text":"Bir popüler notebook fork et, üzerinde değişiklik yap, Save Version (private OK)"},{"name":"Titanic","text":"kaggle.com/c/titanic -> Always-open intro yarışma. Sample submission ile başla, ilk leaderboard yerini al."}]'></howto-steps>

### 2.1 Phone Verification Kritik

<callout-box data-variant="warning" data-title="Phone verification yapmazsan platform yarım kalır">

Kaggle'ın **anti-spam** mekanizması olarak 2018'den beri zorunlu. Türkiye numarası kabul edilir (+90).

**Doğrulama yapmadan yapamayacakların:**
- GPU/TPU notebook çalıştırma
- Yarışmalara submit
- Dataset upload (1MB üzeri)
- Discussion'a yazma (bazı yarışmalarda)

**Yapmak için:** Account Settings → Phone Verification → +90 5XX XXX XXXX → SMS kodu girer.

</callout-box>

## 3. Beş Tier Detayı

<definition-box data-term="Kaggle Tier Sistemi" data-definition="Kaggle'ın 4 ayrı kategoride (Competitions, Notebooks, Datasets, Discussion) kullanıcıların ilerlemesini gösteren 5 seviyeli sıralama: Novice, Contributor, Expert, Master, Grandmaster. Her tier farklı medal (Bronze, Silver, Gold) gereksinimi ister. Her kategori bağımsız hesaplanır — Competitions Master + Notebooks Expert mümkün."></definition-box>

### 3.1 Novice (Yeni Başlayan)

Hesap açan herkes. Hiçbir gereksinim yok. Geç:
- Profil oluştur (avatar, bio)
- Tek bir yarışmaya, notebook'a ya da dataset'e join et

### 3.2 Contributor (Katkıda Bulunan)

<comparison-table data-caption="Contributor Gereksinimleri" data-headers="[&#34;Adım&#34;,&#34;Detay&#34;]" data-rows="[{&#34;feature&#34;:&#34;Profil&#34;,&#34;values&#34;:[&#34;Bio yaz, lokasyon ekle, avatar yükle&#34;]},{&#34;feature&#34;:&#34;Phone verify&#34;,&#34;values&#34;:[&#34;Zorunlu (yukarıdaki gibi)&#34;]},{&#34;feature&#34;:&#34;SMS verify&#34;,&#34;values&#34;:[&#34;Phone verify ile aynı süreç&#34;]},{&#34;feature&#34;:&#34;1+ Competition submission&#34;,&#34;values&#34;:[&#34;Titanic gibi açık yarışmaya 1 submit&#34;]},{&#34;feature&#34;:&#34;1+ Notebook publish&#34;,&#34;values&#34;:[&#34;Public bir notebook yayınla (basit olabilir)&#34;]},{&#34;feature&#34;:&#34;1+ Comment&#34;,&#34;values&#34;:[&#34;Bir notebook ya da discussion&#39;a yorum&#34;]},{&#34;feature&#34;:&#34;1+ Upvote&#34;,&#34;values&#34;:[&#34;Başka bir notebook&#39;a upvote ver&#34;]}]"></comparison-table>

Süre: 1-2 hafta. Çok kolay tier.

### 3.3 Expert

Burası ilk anlamlı sıralama. Her kategori için ayrı:

<comparison-table data-caption="Expert Tier Gereksinimleri (Kategoriye Göre)" data-headers="[&#34;Kategori&#34;,&#34;Gereksinim&#34;]" data-rows="[{&#34;feature&#34;:&#34;Competitions Expert&#34;,&#34;values&#34;:[&#34;1+ Bronze medal yarışmadan (top %25-%40 — yarışma boyutuna göre değişir)&#34;]},{&#34;feature&#34;:&#34;Notebooks Expert&#34;,&#34;values&#34;:[&#34;1+ Bronze medal notebook (5+ upvote)&#34;]},{&#34;feature&#34;:&#34;Datasets Expert&#34;,&#34;values&#34;:[&#34;1+ Bronze medal dataset (5+ upvote)&#34;]},{&#34;feature&#34;:&#34;Discussion Expert&#34;,&#34;values&#34;:[&#34;1+ Bronze discussion (50+ upvote)&#34;]}]"></comparison-table>

**Süre:** Disiplinli çalışmayla 3-6 ay. İlk gerçek hedef.

**Strateji ilk Bronze:**
- Tabular yarışma seç (CV/NLP zor başlangıç)
- 100-200 kişilik küçük yarışmada top %25
- VEYA ücretsiz featured yarışma (binlerce katılımcı) ile %10

### 3.4 Master

<comparison-table data-caption="Master Tier Gereksinimleri" data-headers="[&#34;Kategori&#34;,&#34;Gereksinim&#34;]" data-rows="[{&#34;feature&#34;:&#34;Competitions Master&#34;,&#34;values&#34;:[&#34;1+ Gold ya da 2+ Silver medal yarışmadan + 1 solo Silver&#34;]},{&#34;feature&#34;:&#34;Notebooks Master&#34;,&#34;values&#34;:[&#34;1+ Gold (50+ upvote) ya da 5+ Silver notebook&#34;]},{&#34;feature&#34;:&#34;Datasets Master&#34;,&#34;values&#34;:[&#34;1+ Gold ya da 5+ Silver&#34;]},{&#34;feature&#34;:&#34;Discussion Master&#34;,&#34;values&#34;:[&#34;1+ Gold (200+ upvote) ya da 50+ Silver&#34;]}]"></comparison-table>

**Süre:** 1-3 yıl, ciddi yatırım.

### 3.5 Grandmaster

En üst tier — dünya çapında 200-300 kişi.

<comparison-table data-caption="Grandmaster Gereksinimleri" data-headers="[&#34;Kategori&#34;,&#34;Gereksinim&#34;]" data-rows="[{&#34;feature&#34;:&#34;Competitions Grandmaster&#34;,&#34;values&#34;:[&#34;5+ Gold medal + 1 SOLO Gold (takım değil tek başına)&#34;]},{&#34;feature&#34;:&#34;Notebooks Grandmaster&#34;,&#34;values&#34;:[&#34;15+ Gold notebook&#34;]},{&#34;feature&#34;:&#34;Datasets Grandmaster&#34;,&#34;values&#34;:[&#34;5+ Gold dataset + 1 solo Gold&#34;]},{&#34;feature&#34;:&#34;Discussion Grandmaster&#34;,&#34;values&#34;:[&#34;50+ Gold discussion&#34;]}]"></comparison-table>

**Süre:** 3-10 yıl, hayatınızı Kaggle'a adamış kişiler.

### 3.6 Medal Kazanma Eşikleri

<comparison-table data-caption="Yarışma Medal Eşikleri (Katılımcı Sayısına Göre)" data-headers="[&#34;Yarışma Tipi&#34;,&#34;Bronze&#34;,&#34;Silver&#34;,&#34;Gold&#34;]" data-rows="[{&#34;feature&#34;:&#34;0-99 takım&#34;,&#34;values&#34;:[&#34;Top %40&#34;,&#34;Top %20&#34;,&#34;Top 10%&#34;]},{&#34;feature&#34;:&#34;100-249 takım&#34;,&#34;values&#34;:[&#34;Top %20&#34;,&#34;Top %10&#34;,&#34;Top 10 yer&#34;]},{&#34;feature&#34;:&#34;250-999 takım&#34;,&#34;values&#34;:[&#34;Top %10&#34;,&#34;Top %5&#34;,&#34;Top 10 yer&#34;]},{&#34;feature&#34;:&#34;1000+ takım&#34;,&#34;values&#34;:[&#34;Top %10&#34;,&#34;Top %5&#34;,&#34;Top %1 + 10 yer&#34;]}]"></comparison-table>

## 4. Kaggle Learn — 20+ Ücretsiz Kurs

<callout-box data-variant="tip" data-title="Kaggle Learn altın kapı">

Kaggle'ın 2018'den beri sunduğu mini kurslar serisi. Her kurs 2-5 saat, hands-on coding pratiği, sonunda sertifika. **Tamamen ücretsiz**, kayıt bile gerekmez.

Bu kurslar geleneksel Coursera'dan farklı: konuya direkt giriş, lab odaklı, kompakt. AI/ML temellere giriş için **en kısa yol**.

</callout-box>

### 4.1 Tüm Kaggle Learn Kursları (2026)

<comparison-table data-caption="Kaggle Learn Kurs Listesi" data-headers="[&#34;Kurs&#34;,&#34;Süre&#34;,&#34;Konu&#34;,&#34;Önerilen Seviye&#34;]" data-rows="[{&#34;feature&#34;:&#34;Intro to Programming&#34;,&#34;values&#34;:[&#34;2 saat&#34;,&#34;Python sıfırdan&#34;,&#34;Başlangıç&#34;]},{&#34;feature&#34;:&#34;Python&#34;,&#34;values&#34;:[&#34;5 saat&#34;,&#34;Python ileri&#34;,&#34;Başlangıç+&#34;]},{&#34;feature&#34;:&#34;Pandas&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;Veri manipülasyon&#34;,&#34;Başlangıç&#34;]},{&#34;feature&#34;:&#34;Intro to Machine Learning&#34;,&#34;values&#34;:[&#34;3 saat&#34;,&#34;Decision tree, random forest&#34;,&#34;Yeni başlayan ML&#34;]},{&#34;feature&#34;:&#34;Intermediate Machine Learning&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;XGBoost, feature engineering&#34;,&#34;ML orta&#34;]},{&#34;feature&#34;:&#34;Data Visualization&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;Matplotlib, Seaborn&#34;,&#34;Başlangıç&#34;]},{&#34;feature&#34;:&#34;Feature Engineering&#34;,&#34;values&#34;:[&#34;5 saat&#34;,&#34;Encoding, scaling, interactions&#34;,&#34;ML orta&#34;]},{&#34;feature&#34;:&#34;Intro to SQL&#34;,&#34;values&#34;:[&#34;3 saat&#34;,&#34;SELECT, WHERE, GROUP BY&#34;,&#34;Veri başlangıç&#34;]},{&#34;feature&#34;:&#34;Advanced SQL&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;JOIN, window functions&#34;,&#34;SQL orta&#34;]},{&#34;feature&#34;:&#34;Intro to Deep Learning&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;TensorFlow temel&#34;,&#34;ML orta+&#34;]},{&#34;feature&#34;:&#34;Computer Vision&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;CNN temel&#34;,&#34;DL başlangıç&#34;]},{&#34;feature&#34;:&#34;Time Series&#34;,&#34;values&#34;:[&#34;5 saat&#34;,&#34;Trend, seasonality, ARIMA&#34;,&#34;ML orta&#34;]},{&#34;feature&#34;:&#34;Intro to AI Ethics&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;Bias, fairness, explainability&#34;,&#34;Genel&#34;]},{&#34;feature&#34;:&#34;Machine Learning Explainability&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;Permutation importance, SHAP&#34;,&#34;ML orta&#34;]},{&#34;feature&#34;:&#34;Intro to Game AI and Reinforcement Learning&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;Q-learning temel&#34;,&#34;ML ileri&#34;]},{&#34;feature&#34;:&#34;Geospatial Analysis&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;GeoPandas, Folium&#34;,&#34;Specialized&#34;]},{&#34;feature&#34;:&#34;Intro to NLP (yeni)&#34;,&#34;values&#34;:[&#34;3 saat&#34;,&#34;BERT, Hugging Face temel&#34;,&#34;DL orta&#34;]},{&#34;feature&#34;:&#34;Generative AI (2024 yeni)&#34;,&#34;values&#34;:[&#34;5 saat&#34;,&#34;LLM, prompt engineering&#34;,&#34;Modern AI&#34;]},{&#34;feature&#34;:&#34;AI for Code (2025 yeni)&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;LangChain, AI agents&#34;,&#34;Modern AI&#34;]},{&#34;feature&#34;:&#34;Data Cleaning&#34;,&#34;values&#34;:[&#34;4 saat&#34;,&#34;Missing values, duplicates&#34;,&#34;Veri temel&#34;]}]"></comparison-table>

### 4.2 Önerilen Kurs Sırası (Sıfırdan 6 Ay)

<comparison-table data-caption="6 Aylık Kaggle Learn Müfredatı" data-headers="[&#34;Ay&#34;,&#34;Kurslar&#34;,&#34;Toplam Süre&#34;]" data-rows="[{&#34;feature&#34;:&#34;Ay 1&#34;,&#34;values&#34;:[&#34;Intro to Programming + Python + Pandas&#34;,&#34;11 saat&#34;]},{&#34;feature&#34;:&#34;Ay 2&#34;,&#34;values&#34;:[&#34;Data Visualization + Intro to ML + Intermediate ML&#34;,&#34;11 saat&#34;]},{&#34;feature&#34;:&#34;Ay 3&#34;,&#34;values&#34;:[&#34;Feature Engineering + Intro to SQL + Advanced SQL&#34;,&#34;12 saat&#34;]},{&#34;feature&#34;:&#34;Ay 4&#34;,&#34;values&#34;:[&#34;Intro to Deep Learning + Computer Vision&#34;,&#34;8 saat&#34;]},{&#34;feature&#34;:&#34;Ay 5&#34;,&#34;values&#34;:[&#34;Time Series + ML Explainability + Data Cleaning&#34;,&#34;13 saat&#34;]},{&#34;feature&#34;:&#34;Ay 6&#34;,&#34;values&#34;:[&#34;Intro to NLP + Generative AI + AI for Code&#34;,&#34;12 saat&#34;]}]"></comparison-table>

**Toplam:** ~67 saat × 6 ay = haftada 3 saat çalışma yeterli. Aralarda yarışma submit etmek + notebook pratiği yapılırsa 12 ay sonra Expert tier hazır.

## 5. Yarışma Tipleri ve Stratejileri

### 5.1 Yarışma Kategorileri

<comparison-table data-caption="Kaggle Yarışma Kategorileri" data-headers="[&#34;Kategori&#34;,&#34;Açıklama&#34;,&#34;Zorluk&#34;,&#34;Tipik Süre&#34;]" data-rows="[{&#34;feature&#34;:&#34;Featured&#34;,&#34;values&#34;:[&#34;Şirket sponsorlu, ödüllü, leaderboard&#34;,&#34;Yüksek&#34;,&#34;2-3 ay&#34;]},{&#34;feature&#34;:&#34;Research&#34;,&#34;values&#34;:[&#34;Akademik, paper yazımı odaklı&#34;,&#34;Yüksek&#34;,&#34;3-6 ay&#34;]},{&#34;feature&#34;:&#34;Recruitment&#34;,&#34;values&#34;:[&#34;Şirket işe alım için (örn DeepMind, OpenAI)&#34;,&#34;Çok yüksek&#34;,&#34;1-2 ay&#34;]},{&#34;feature&#34;:&#34;Getting Started&#34;,&#34;values&#34;:[&#34;Eğitim amaçlı (Titanic, House Prices, Spaceship Titanic)&#34;,&#34;Kolay&#34;,&#34;Sınırsız (always open)&#34;]},{&#34;feature&#34;:&#34;Playground&#34;,&#34;values&#34;:[&#34;Pratik amaçlı, küçük ödül&#34;,&#34;Orta&#34;,&#34;1 ay&#34;]},{&#34;feature&#34;:&#34;Community&#34;,&#34;values&#34;:[&#34;Topluluk üretimi, ödülsüz&#34;,&#34;Değişken&#34;,&#34;Sınırsız&#34;]},{&#34;feature&#34;:&#34;Tabular Playground Series&#34;,&#34;values&#34;:[&#34;Aylık tabular yarışmalar (yeni 2021-)&#34;,&#34;Kolay-Orta&#34;,&#34;1 ay&#34;]},{&#34;feature&#34;:&#34;Simulation&#34;,&#34;values&#34;:[&#34;Game AI, multi-agent&#34;,&#34;Yüksek&#34;,&#34;1-3 ay&#34;]},{&#34;feature&#34;:&#34;Code Competitions&#34;,&#34;values&#34;:[&#34;Notebook submit (kod + model çalışır leaderboard&#39;da)&#34;,&#34;Orta-Yüksek&#34;,&#34;1-3 ay&#34;]}]"></comparison-table>

### 5.2 Verilen Veri Tipi

<comparison-table data-caption="Veri Tipi → Strateji" data-headers="[&#34;Veri Tipi&#34;,&#34;Tipik Algoritma&#34;,&#34;Donanım&#34;]" data-rows="[{&#34;feature&#34;:&#34;Tabular (CSV, sayısal/kategorik)&#34;,&#34;values&#34;:[&#34;XGBoost, LightGBM, CatBoost, neural net&#34;,&#34;CPU yeter&#34;]},{&#34;feature&#34;:&#34;Image (CV)&#34;,&#34;values&#34;:[&#34;CNN (ResNet, EfficientNet, ViT), pretrained&#34;,&#34;GPU şart&#34;]},{&#34;feature&#34;:&#34;Text (NLP)&#34;,&#34;values&#34;:[&#34;BERT, RoBERTa, GPT, transformer fine-tune&#34;,&#34;GPU şart&#34;]},{&#34;feature&#34;:&#34;Time series&#34;,&#34;values&#34;:[&#34;LSTM, Transformer, classical ARIMA, gradient boosting&#34;,&#34;CPU/GPU&#34;]},{&#34;feature&#34;:&#34;Audio&#34;,&#34;values&#34;:[&#34;Mel-spectrogram + CNN, wav2vec, Whisper&#34;,&#34;GPU&#34;]},{&#34;feature&#34;:&#34;Video&#34;,&#34;values&#34;:[&#34;3D CNN, R(2+1)D, VideoMAE&#34;,&#34;Çoklu GPU&#34;]},{&#34;feature&#34;:&#34;Graph&#34;,&#34;values&#34;:[&#34;GNN (Graph Neural Network), PyG&#34;,&#34;GPU&#34;]},{&#34;feature&#34;:&#34;Multi-modal&#34;,&#34;values&#34;:[&#34;CLIP, BLIP, ensemble&#34;,&#34;Çoklu GPU&#34;]},{&#34;feature&#34;:&#34;Tabular + image&#34;,&#34;values&#34;:[&#34;Hybrid model, late fusion&#34;,&#34;GPU&#34;]}]"></comparison-table>

### 5.3 Yarışma Süresi Boyunca Tipik Akış

<howto-steps data-name="Tipik Kaggle Yarışma Akışı" data-steps="[{&#34;name&#34;:&#34;Hafta 1: Problem anlama&#34;,&#34;text&#34;:&#34;Veriyi indir, EDA (Exploratory Data Analysis) yap, public notebook&#39;lardan başlangıç yaklaşımları oku&#34;},{&#34;name&#34;:&#34;Hafta 2: Baseline&#34;,&#34;text&#34;:&#34;Basit XGBoost ya da NN baseline kur. İlk submission. Public leaderboard yerin görülür.&#34;},{&#34;name&#34;:&#34;Hafta 3-4: Feature engineering&#34;,&#34;text&#34;:&#34;Feature engineering en büyük getiri sağlar. Domain bilgisi + creativity. Top public notebook&#39;ları oku.&#34;},{&#34;name&#34;:&#34;Hafta 5-6: Model çeşitlendirme&#34;,&#34;text&#34;:&#34;Birden çok model tipi: XGBoost + LightGBM + CatBoost + NN. Cross-validation kur.&#34;},{&#34;name&#34;:&#34;Hafta 7-8: Ensemble + Stacking&#34;,&#34;text&#34;:&#34;Model averaging, weighted blending, meta-learner stacking. Skor artışı %5-10.&#34;},{&#34;name&#34;:&#34;Hafta 9-10: Hyperparameter tuning&#34;,&#34;text&#34;:&#34;Optuna ile bayesian optimization. Top modellerini iyileştir.&#34;},{&#34;name&#34;:&#34;Son hafta: Final submission&#34;,&#34;text&#34;:&#34;En iyi 2 modeli final submission seç (skor bazlı + CV-LB consistency). Hyperparameter aşırı tune etme — overfit risk.&#34;},{&#34;name&#34;:&#34;Sonuç sonrası&#34;,&#34;text&#34;:&#34;Private leaderboard açılır. Skor düşmesi normal (shake-up). Top çözümleri oku — sonraki yarışma için ders.&#34;}]"></howto-steps>

## 6. Tabular Yarışmalar — En Hızlı Medal Yolu

<callout-box data-variant="tip" data-title="Neden tabular yarışmadan başlayın?">

(1) **GPU şart değil** — CPU + RAM yeterli. Donanım yatırımı yok.

(2) **Hızlı iterate** — bir model ~5-15 dakika eğitilir. Günde 5-10 deneme.

(3) **Olgun stack** — XGBoost/LightGBM/CatBoost neredeyse tüm tabular yarışmaları kazanır.

(4) **Topluluk açık** — Public notebook'lar çok detaylı. Kopya + kendi twist'in.

(5) **Medal eşiği daha rahat** — CV/NLP yarışmaları büyük takımlarla kazanılır. Tabular tek kişi mümkün.

</callout-box>

### 6.1 Tabular Standart Stack

<comparison-table data-caption="Tabular Yarışma Standart Stack" data-headers="[&#34;Bileşen&#34;,&#34;Tool&#34;]" data-rows="[{&#34;feature&#34;:&#34;Veri analizi&#34;,&#34;values&#34;:[&#34;pandas, numpy, polars (hızlı)&#34;]},{&#34;feature&#34;:&#34;Visualization&#34;,&#34;values&#34;:[&#34;matplotlib, seaborn, plotly&#34;]},{&#34;feature&#34;:&#34;Feature engineering&#34;,&#34;values&#34;:[&#34;pandas + custom + featuretools&#34;]},{&#34;feature&#34;:&#34;Cross-validation&#34;,&#34;values&#34;:[&#34;scikit-learn StratifiedKFold / GroupKFold&#34;]},{&#34;feature&#34;:&#34;Ana model&#34;,&#34;values&#34;:[&#34;XGBoost, LightGBM, CatBoost (3 stack)&#34;]},{&#34;feature&#34;:&#34;Neural net (opsiyonel)&#34;,&#34;values&#34;:[&#34;PyTorch tabular (TabNet, FT-Transformer)&#34;]},{&#34;feature&#34;:&#34;Hyperparameter&#34;,&#34;values&#34;:[&#34;Optuna (en yaygın)&#34;]},{&#34;feature&#34;:&#34;Ensemble&#34;,&#34;values&#34;:[&#34;Weighted average, stacking with linear meta&#34;]},{&#34;feature&#34;:&#34;Notebook&#34;,&#34;values&#34;:[&#34;Kaggle Notebooks (GPU gerekmez)&#34;]}]"></comparison-table>

### 6.2 Tabular Yarışma Feature Engineering İpuçları

<comparison-table data-caption="Tabular Feature Engineering Teknikleri" data-headers="[&#34;Teknik&#34;,&#34;Açıklama&#34;,&#34;Etki&#34;]" data-rows="[{&#34;feature&#34;:&#34;Target encoding&#34;,&#34;values&#34;:[&#34;Kategorik feature&#39;ı target ortalaması ile değiştir&#34;,&#34;Yüksek (CV ile)&#34;]},{&#34;feature&#34;:&#34;Frequency encoding&#34;,&#34;values&#34;:[&#34;Kategori sıklığı feature&#34;,&#34;Orta&#34;]},{&#34;feature&#34;:&#34;Aggregation features&#34;,&#34;values&#34;:[&#34;Groupby mean/median/std&#34;,&#34;Yüksek&#34;]},{&#34;feature&#34;:&#34;Lag features (time series)&#34;,&#34;values&#34;:[&#34;t-1, t-7, t-30 değerleri&#34;,&#34;Yüksek (TS)&#34;]},{&#34;feature&#34;:&#34;Rolling statistics&#34;,&#34;values&#34;:[&#34;Hareketli ortalama, std&#34;,&#34;Yüksek (TS)&#34;]},{&#34;feature&#34;:&#34;Interactions&#34;,&#34;values&#34;:[&#34;A × B, A / B kombinasyonlar&#34;,&#34;Orta&#34;]},{&#34;feature&#34;:&#34;Polynomial features&#34;,&#34;values&#34;:[&#34;A², A×B, A×C kombinasyonları&#34;,&#34;Düşük-Orta (over)&#34;]},{&#34;feature&#34;:&#34;Binning&#34;,&#34;values&#34;:[&#34;Sürekli değişkeni bin&#39;lere böl&#34;,&#34;Orta&#34;]},{&#34;feature&#34;:&#34;Outlier features&#34;,&#34;values&#34;:[&#34;IQR, z-score outlier flag&#34;,&#34;Orta&#34;]},{&#34;feature&#34;:&#34;Datetime explode&#34;,&#34;values&#34;:[&#34;year, month, day, hour, weekday, is_weekend&#34;,&#34;Yüksek&#34;]}]"></comparison-table>

## 7. Computer Vision Yarışmaları

### 7.1 CV Yarışma Karakteristik

<callout-box data-variant="warning" data-title="CV yarışmalar yeni başlayan için zor">

(1) **GPU şart** — Kaggle GPU haftalık 30 saat ücretsiz ama büyük modeller için yetmeyebilir. Colab Pro ($10/ay) veya kendi GPU gerek.

(2) **Pretrained model zorunlu** — Sıfırdan eğitim mantıksız. ResNet, EfficientNet, ViT pretrained başlangıç noktası.

(3) **Hyperparameter daha fazla** — Augmentation, learning rate, batch size, epoch — çok sayıda kombinasyon.

(4) **Takım kurmak avantaj** — Tek başına Expert seviyede CV medal almak çok zor. 3-4 kişilik takım daha güçlü.

</callout-box>

### 7.2 CV Yarışma Stack

<comparison-table data-caption="CV Yarışma Stack" data-headers="[&#34;Bileşen&#34;,&#34;Tool&#34;]" data-rows="[{&#34;feature&#34;:&#34;Framework&#34;,&#34;values&#34;:[&#34;PyTorch (en yaygın), timm (pretrained model hub)&#34;]},{&#34;feature&#34;:&#34;Augmentation&#34;,&#34;values&#34;:[&#34;albumentations, kornia&#34;]},{&#34;feature&#34;:&#34;Mixed precision&#34;,&#34;values&#34;:[&#34;torch.amp (FP16 training)&#34;]},{&#34;feature&#34;:&#34;Pretrained models&#34;,&#34;values&#34;:[&#34;timm (300+ model), Hugging Face transformers (ViT)&#34;]},{&#34;feature&#34;:&#34;Loss functions&#34;,&#34;values&#34;:[&#34;CrossEntropy, FocalLoss, ArcFace (face), Triplet (similarity)&#34;]},{&#34;feature&#34;:&#34;Schedulers&#34;,&#34;values&#34;:[&#34;CosineAnnealingLR, OneCycleLR&#34;]},{&#34;feature&#34;:&#34;TTA (Test Time Augmentation)&#34;,&#34;values&#34;:[&#34;Horizontal flip, multi-scale&#34;]},{&#34;feature&#34;:&#34;Ensemble&#34;,&#34;values&#34;:[&#34;Multiple folds + multiple models + TTA&#34;]}]"></comparison-table>

### 7.3 Popüler CV Yarışmaları Tarihi

<comparison-table data-caption="Tarihi CV Yarışmaları" data-headers="[&#34;Yarışma&#34;,&#34;Yıl&#34;,&#34;Kazanan Yaklaşım&#34;]" data-rows="[{&#34;feature&#34;:&#34;ImageNet (akademik, yarışma değil)&#34;,&#34;values&#34;:[&#34;2012&#34;,&#34;AlexNet → DL devrimi başlattı&#34;]},{&#34;feature&#34;:&#34;Dogs vs Cats&#34;,&#34;values&#34;:[&#34;2013&#34;,&#34;CNN ile %99 accuracy&#34;]},{&#34;feature&#34;:&#34;Plant Seedlings&#34;,&#34;values&#34;:[&#34;2017&#34;,&#34;ResNet ensemble&#34;]},{&#34;feature&#34;:&#34;Diabetic Retinopathy&#34;,&#34;values&#34;:[&#34;2018&#34;,&#34;EfficientNet pretrained&#34;]},{&#34;feature&#34;:&#34;Bengali.AI Handwritten&#34;,&#34;values&#34;:[&#34;2020&#34;,&#34;ResNeXt + Mish activation&#34;]},{&#34;feature&#34;:&#34;Cassava Leaf Disease&#34;,&#34;values&#34;:[&#34;2021&#34;,&#34;EfficientNet B5/B6 ensemble&#34;]},{&#34;feature&#34;:&#34;Sartorius Cell&#34;,&#34;values&#34;:[&#34;2022&#34;,&#34;Mask R-CNN + Detectron&#34;]},{&#34;feature&#34;:&#34;RSNA Cervical Spine&#34;,&#34;values&#34;:[&#34;2022&#34;,&#34;3D EfficientNet&#34;]},{&#34;feature&#34;:&#34;Vesuvius Challenge&#34;,&#34;values&#34;:[&#34;2023-2024&#34;,&#34;Vision Transformer + segmentation&#34;]}]"></comparison-table>

## 8. NLP Yarışmaları

### 8.1 NLP Yarışma Karakteristik

NLP yarışmalar 2018 BERT lansmanından sonra tamamen değişti. 2024-2026'da LLM era yeni dinamik getirdi.

<comparison-table data-caption="NLP Yarışma Stack 2026" data-headers="[&#34;Bileşen&#34;,&#34;Tool&#34;]" data-rows="[{&#34;feature&#34;:&#34;Framework&#34;,&#34;values&#34;:[&#34;Hugging Face transformers + PyTorch&#34;]},{&#34;feature&#34;:&#34;Pretrained model&#34;,&#34;values&#34;:[&#34;DeBERTa, RoBERTa, BERT-Large, multilingual XLM-R&#34;]},{&#34;feature&#34;:&#34;LLM&#34;,&#34;values&#34;:[&#34;Llama 3, Mistral, Gemma (öğretici amaçlı self-host)&#34;]},{&#34;feature&#34;:&#34;Tokenization&#34;,&#34;values&#34;:[&#34;Hugging Face tokenizers&#34;]},{&#34;feature&#34;:&#34;Augmentation&#34;,&#34;values&#34;:[&#34;Back-translation, EDA (Easy Data Augmentation)&#34;]},{&#34;feature&#34;:&#34;Loss&#34;,&#34;values&#34;:[&#34;CrossEntropy, BCEWithLogits (multi-label)&#34;]},{&#34;feature&#34;:&#34;Ensemble&#34;,&#34;values&#34;:[&#34;Multi-model + multi-seed + TTA&#34;]}]"></comparison-table>

### 8.2 Türkçe NLP — Niş Avantaj

<callout-box data-variant="tip" data-title="Türkçe NLP — Türk yarışmacılar için altın fırsat">

Birçok küresel NLP yarışmasında multilingual veri seti var. Türkçe karakter handling + tokenization + dil-spesifik özellikler bilen Türk Kaggle'cılar avantajlı.

Türkçe modeller: dbmdz/bert-base-turkish-cased, savasy/bert-base-turkish-sentiment-cased, Hugging Face top Türkçe modeller.

</callout-box>

## 9. Code Competitions — Yeni Format

<definition-box data-term="Code Competition" data-definition="2018'den sonra yaygınlaşan Kaggle yarışma formatı. Geleneksel 'submission CSV upload' yerine, Notebook'un kendisi submit edilir ve Kaggle sunucularında private test verisinde çalıştırılır. Süre limiti (genelde 6-9 saat) ve internet erişim YASAK (offline kütüphaneler önceden yüklenmeli). Production-ready kod yazma becerisini test eder."></definition-box>

### 9.1 Code Competition Pratiği

<comparison-table data-caption="Code Competition Stratejileri" data-headers="[&#34;Strateji&#34;,&#34;Detay&#34;]" data-rows="[{&#34;feature&#34;:&#34;Offline kütüphaneler&#34;,&#34;values&#34;:[&#34;pip install wheel dosyaları + Kaggle Dataset olarak yükle&#34;]},{&#34;feature&#34;:&#34;Model boyutu&#34;,&#34;values&#34;:[&#34;Limit altı kalmalı (GPU bellek, çalışma süresi)&#34;]},{&#34;feature&#34;:&#34;Inference hızı&#34;,&#34;values&#34;:[&#34;Batch processing, GPU optimization, ONNX kullanımı&#34;]},{&#34;feature&#34;:&#34;Reproducibility&#34;,&#34;values&#34;:[&#34;Seed sabit, deterministik mode&#34;]},{&#34;feature&#34;:&#34;Test submission&#34;,&#34;values&#34;:[&#34;Önce sample testle çalışma süresi ölç&#34;]},{&#34;feature&#34;:&#34;Fallback&#34;,&#34;values&#34;:[&#34;Bir model OOM ise daha küçük fallback&#39;e geç&#34;]}]"></comparison-table>

## 10. Notebooks Tier — Ayrı Bir Yol

<callout-box data-variant="info" data-title="Notebooks tier yarışma yerine alternatif yol">

Yarışmalarda medal almak zor + zaman alıcı. Alternatif: kaliteli **public Notebooks** yayınlayarak Notebooks tier'da yükselmek.

Tipik Notebook formatı:
- EDA (Exploratory Data Analysis)
- Tutorial
- Visualization showcase
- Model walkthrough

Top Notebooks yazarları (Andrada Olteanu, Khoongweihao, vb.) Kaggle GM tier'a Notebooks ile ulaştı.

**İş arama için:** İyi yazılmış Notebooks, CV'de yarışma medal'ından bile daha güçlü olabilir (dokümantasyon + code quality + storytelling).

</callout-box>

### 10.1 İyi Bir Notebook Anatomisi

<comparison-table data-caption="Yüksek Upvote Notebook Bölümleri" data-headers="[&#34;Bölüm&#34;,&#34;Detay&#34;]" data-rows="[{&#34;feature&#34;:&#34;1. Başlık + thumbnail&#34;,&#34;values&#34;:[&#34;Eye-catching, soru-tarzı: &#39;How I scored top 5% with...&#39; &#34;]},{&#34;feature&#34;:&#34;2. Introduction&#34;,&#34;values&#34;:[&#34;Veri seti, problem, hedef özeti&#34;]},{&#34;feature&#34;:&#34;3. İçindekiler&#34;,&#34;values&#34;:[&#34;Markdown TOC, navigation kolay&#34;]},{&#34;feature&#34;:&#34;4. Setup&#34;,&#34;values&#34;:[&#34;Import + config + load data&#34;]},{&#34;feature&#34;:&#34;5. EDA&#34;,&#34;values&#34;:[&#34;Visualizations bol, insights yazılı&#34;]},{&#34;feature&#34;:&#34;6. Feature engineering&#34;,&#34;values&#34;:[&#34;Adım adım, sebep açıklamalı&#34;]},{&#34;feature&#34;:&#34;7. Model&#34;,&#34;values&#34;:[&#34;Pipeline, training loop, evaluation&#34;]},{&#34;feature&#34;:&#34;8. Sonuçlar&#34;,&#34;values&#34;:[&#34;Metrics, visualizations, interpretation&#34;]},{&#34;feature&#34;:&#34;9. Konklüzyon&#34;,&#34;values&#34;:[&#34;Lessons learned, next steps&#34;]},{&#34;feature&#34;:&#34;10. Referanslar&#34;,&#34;values&#34;:[&#34;İlham aldığın notebooks credit&#34;]}]"></comparison-table>

## 11. Discussion ve Topluluk

Discussion forumları çok değerli:
- Yarışma boyunca yeni teknikler paylaşılır
- Public/private leaderboard analizi
- Bug raporları, organizatör cevapları
- Networking

### 11.1 Discussion Tier Yolu

Quality discussion = high-upvote yorum. 200+ upvote alan tek bir comment Gold getirir. Strateji:
- Yarışma başında detaylı EDA paylaşımı
- Yeni paper özetleri
- Top public notebook'lara constructive eleştiri
- Veri seti hata raporları

## 12. Takım Kurmak

<callout-box data-variant="answer" data-title="Takım kurmak ne zaman mantıklı?">

Takım yarışmaya bağlı:
- **Tabular yarışma:** Solo daha çok ödüllendiriliyor (Solo Silver Master için zorunlu). Takım 2-3 kişi mantıklı.
- **CV/NLP yarışma:** 3-5 kişi takım yaygın. Farklı uzmanlık (CV expert + ensemble expert + EDA expert) güç.
- **Code competition:** 2-3 kişi, kod review için faydalı.

**Takım üyesi nasıl bulunur?**
- Discord (Kaggle, Türk Kaggle)
- Notebooks/discussion'da aktif kişilere DM
- Local meetup (İstanbul Kaggle Days, Ankara Data Science Meetup)
- GitHub'da benzer interest'lere PR contribute

</callout-box>

### 12.1 Takım Dinamiği

<comparison-table data-caption="3-5 Kişi Takım Rol Dağılımı" data-headers="[&#34;Rol&#34;,&#34;Sorumluluk&#34;]" data-rows="[{&#34;feature&#34;:&#34;Team Captain&#34;,&#34;values&#34;:[&#34;Strateji, roadmap, son submission seçimi&#34;]},{&#34;feature&#34;:&#34;EDA Lead&#34;,&#34;values&#34;:[&#34;Veri analizi, feature insights&#34;]},{&#34;feature&#34;:&#34;Model Lead&#34;,&#34;values&#34;:[&#34;Çok sayıda model deneme, fine-tune&#34;]},{&#34;feature&#34;:&#34;Ensemble Lead&#34;,&#34;values&#34;:[&#34;Stacking, blending, final ensemble&#34;]},{&#34;feature&#34;:&#34;Infrastructure&#34;,&#34;values&#34;:[&#34;GPU/TPU yönetimi, pipeline kurulum&#34;]}]"></comparison-table>

## 13. Türk Kaggle Ustaları

Türk Kaggle topluluğu küçük ama aktif:

<comparison-table data-caption="Tanınmış Türk Kaggle'cılar" data-headers="[&#34;İsim&#34;,&#34;Tier&#34;,&#34;Uzmanlık&#34;]" data-rows="[{&#34;feature&#34;:&#34;Onur Tasar&#34;,&#34;values&#34;:[&#34;Competitions Master&#34;,&#34;Genel ML, ensemble&#34;]},{&#34;feature&#34;:&#34;Hakan Tekgül&#34;,&#34;values&#34;:[&#34;Master&#34;,&#34;Computer Vision&#34;]},{&#34;feature&#34;:&#34;Necip Fazıl Atay&#34;,&#34;values&#34;:[&#34;Expert&#34;,&#34;NLP, Türkçe specialized&#34;]},{&#34;feature&#34;:&#34;Erhan Sarıbal&#34;,&#34;values&#34;:[&#34;Master&#34;,&#34;Tabular, feature engineering&#34;]},{&#34;feature&#34;:&#34;Burhan Yıldız&#34;,&#34;values&#34;:[&#34;Notebooks Expert&#34;,&#34;Türkçe tutorials&#34;]}]"></comparison-table>

### 13.1 Türk Kaggle Topluluğu

- **Discord:** "Kaggle Türkiye" sunucusu (~500 üye, aktif)
- **Telegram:** Türk Data Science grupları
- **Meetup:** Kaggle Days İstanbul (yılda 1, sonbahar)
- **LinkedIn:** "Kaggle Türkiye" LinkedIn grupları

## 14. İş Arama İçin Kaggle Profili Optimize

<callout-box data-variant="answer" data-title="Kaggle profilini iş için optimize etme">

İşveren bakarken neye bakar?

(1) **Tier:** Expert+ tier işveren tarafından "AI alanında ciddi" sinyali. Master+ premium.

(2) **Public Notebooks:** En az 5 quality public notebook (10+ upvote her biri ideal). EDA + tutorial + technical deep-dive karışık.

(3) **Yarışma çeşitliliği:** Sadece Titanic değil. Tabular + CV + NLP varyasyonu.

(4) **GitHub link:** Profil bio'da GitHub link zorunlu. Notebooks GitHub'a da push'la.

(5) **LinkedIn entegrasyon:** Kaggle accomplishments'larını LinkedIn'e ekle.

(6) **Profil bio:** Türkçe + İngilizce + lokasyon (İstanbul/Ankara) + uzmanlık alanı.

(7) **Recent activity:** Son 3 ay aktif görünmek. Inaktif profil olumsuz.

</callout-box>

### 14.1 Kaggle CV Tek-Satır Örneği

CV'de iyi format:

"Kaggle Competitions Expert (Top 0.2% globally), 3× Silver medals in tabular ML, 1× Bronze in NLP. 12 published Notebooks with 500+ upvotes total. Specialized in Turkish NLP and time series forecasting."

Bu cümle 1 satırda iş ilanı keyword screening'i için optimize.

## 15. GPU/TPU Notebook Stratejileri

Kaggle Notebook ücretsiz GPU/TPU stratejisi:

<comparison-table data-caption="Kaggle GPU/TPU Ücretsiz Limitler" data-headers="[&#34;Kaynak&#34;,&#34;Haftalık Limit&#34;,&#34;Donanım&#34;]" data-rows="[{&#34;feature&#34;:&#34;GPU T4 x2&#34;,&#34;values&#34;:[&#34;30 saat&#34;,&#34;NVIDIA T4 16GB x 2&#34;]},{&#34;feature&#34;:&#34;GPU P100&#34;,&#34;values&#34;:[&#34;30 saat (eskiden)&#34;,&#34;NVIDIA P100 16GB (2026&#39;da kaldırıldı)&#34;]},{&#34;feature&#34;:&#34;TPU v3-8&#34;,&#34;values&#34;:[&#34;20 saat&#34;,&#34;Google TPU v3, 8 core&#34;]},{&#34;feature&#34;:&#34;GPU + TPU toplam&#34;,&#34;values&#34;:[&#34;Birleşik kota değil&#34;,&#34;Ayrı kullanılabilir&#34;]}]"></comparison-table>

### 15.1 GPU vs TPU

<callout-box data-variant="tip" data-title="GPU mu TPU mu?">

**GPU (T4):** Çoğu PyTorch kodu uyumlu. CV/NLP yarışmalar için varsayılan.

**TPU (v3-8):** TensorFlow/Jax ile en hızlı. PyTorch desteği var (torch_xla) ama setup karmaşık. Büyük model + büyük batch için TPU lider.

**Pratik öneri:** Yeni başlayan PyTorch + GPU. İleri seviye TPU'yu öğren.

</callout-box>

## 16. Kaggle ile İlgili 10 Pratik İpucu

<comparison-table data-caption="Kaggle Pro İpuçları" data-headers="[&#34;İpucu&#34;,&#34;Detay&#34;]" data-rows="[{&#34;feature&#34;:&#34;1&#34;,&#34;values&#34;:[&#34;Her yarışmada Public + Private leaderboard farkı dikkat (shake-up yaygın)&#34;]},{&#34;feature&#34;:&#34;2&#34;,&#34;values&#34;:[&#34;CV (cross-validation) skorunu LB (leaderboard) skorundan daha çok güven&#34;]},{&#34;feature&#34;:&#34;3&#34;,&#34;values&#34;:[&#34;Trust your CV — Public LB overfit&#39;in göstergesi olabilir&#34;]},{&#34;feature&#34;:&#34;4&#34;,&#34;values&#34;:[&#34;İki final submission seç — biri &#39;safe&#39; (CV güçlü), biri &#39;risky&#39; (Public LB güçlü)&#34;]},{&#34;feature&#34;:&#34;5&#34;,&#34;values&#34;:[&#34;Data Leakage tespiti kritik — kazanan çözümlerde sık görülen edge case&#34;]},{&#34;feature&#34;:&#34;6&#34;,&#34;values&#34;:[&#34;Domain knowledge oku — yarışma forumunda + dış kaynakta&#34;]},{&#34;feature&#34;:&#34;7&#34;,&#34;values&#34;:[&#34;Top public notebook&#39;ları her gün takip et — yeni teknikler ortaya çıkar&#34;]},{&#34;feature&#34;:&#34;8&#34;,&#34;values&#34;:[&#34;Submission limiti dikkatli yönet — gün başı 5, son hafta 1 olabilir&#34;]},{&#34;feature&#34;:&#34;9&#34;,&#34;values&#34;:[&#34;Notebook versiyonlama — her major değişiklikte Save Version (private)&#34;]},{&#34;feature&#34;:&#34;10&#34;,&#34;values&#34;:[&#34;Yarışma bittikten sonra top 5 çözümleri MUTLAKA oku — en büyük öğrenme&#34;]}]"></comparison-table>

## 17. Sık Sorulanlar

**Soru: Kaggle Notebook'ta veri korunur mu?**

<callout-box data-variant="answer" data-title="Evet — public/private toggle">

Notebook'lar default **private**. Save Version → Private OK. Public yapmak istediğinde "Save & Run All (Commit)" → Sharing → Public seçeneği. Verisini Kaggle ile paylaşmak istemiyorsan: dataset'i private dataset olarak yükle (Kaggle saklar ama indirilemez).

</callout-box>

**Soru: Phone verify Türkiye numarası ile çalışır mı?**

Evet. +90 ile başlayan numara. Cep telefonu önerilir (sabit hat bazen sorunlu).

**Soru: Kaggle medal'leri "fake" olabilir mi?**

Sahte yarışma medal'leri çıkartılır — Kaggle bunları geriye dönük kaldırıyor. Solo medal kontrolü zaman zaman yapılır. Etik dışı davranma — uzun vade kariyere zarar.

**Soru: Kaggle Expert tier ABD'de iş için yeter mi?**

Tier tek başına yetmez ama kapı açar. ABD remote işverenler Master+ tercih eder. Expert + güçlü portfolio (GitHub) iyi başlangıç.

**Soru: Türkçe yarışma var mı?**

Doğrudan Türkçe yarışma yok ama multilingual yarışmalarda Türkçe veri sık. Teknofest gibi yerli platformlarda Türkçe yarışmalar var (Kaggle dışı).

**Soru: Kaggle Datasets ile nasıl tier alınır?**

Quality dataset upload (büyük + temiz + iyi dokümante) → upvote alır. Tarafsız konular (örn İstanbul gayrimenkul fiyatları, Türk hava durumu) yerel datasets iyi seçim.

**Soru: GPU saatim bitti — ne yapayım?**

Haftalık reset bekle (Pazar gece reset). Veya Google Colab ($10/ay Pro) + Kaggle hibrit. Tahmine dayalı: GPU pahalı işlemleri Pazartesi gibi haftanın başında yapmak iyi.

**Soru: Submission limit gün başı 5 — yetmiyor?**

Hyperparameter tuning'i submit yerine local CV ile yap. Final submission için CV güçlü olanı seç. Eski yarışmalarda her gün 5 limiti dolduran çoğu kişi public LB overfit yapıyor.

**Soru: Kaggle vs Real Project — hangisi iş için?**

Hibrit en güçlü: Kaggle medal (yapı + algoritma) + Real project (uçtan uca + production). Sadece Kaggle olan profil "araştırmacı" görünür, sadece real project olan "demolu mühendis" görünür. İkisi birlikte komple.

**Soru: AI dönüşümüyle Kaggle değer kaybeder mi?**

Hayır — Kaggle 2024-2026'da LLM Playground, Generative AI yarışmaları ekledi. Klasik tabular yarışmalar AI ile entegre (LangChain ile tabular query, vs.). Kaggle adapt ediyor.

## 18. Sonuç ve 30 Günlük Plan

**3 ana çıkarım:**

1. **Kaggle veri bilimi öğrenmek için dünya çapında en olgun platform.** Ücretsiz GPU + topluluk + gerçek veri.
2. **6-12 ay disiplinli çalışmayla Expert tier mümkün.** İş arama için "Kaggle Expert" rozeti somut sinyal.
3. **Notebooks tier yarışmaya alternatif yol** — yazım/dokümantasyon güçlü kişiler için.

**İlk 30 günlük plan:**

Gün 1-7:
- Kaggle hesap + phone verify
- Profil oluştur (avatar, bio, GitHub link)
- Kaggle Learn Intro to Programming + Python kursları
- Discord Kaggle Türkiye katıl

Gün 8-14:
- Kaggle Learn Pandas + Intro to ML
- Titanic yarışmasına ilk submission
- 1 public notebook fork et + değiştir + save

Gün 15-21:
- Kaggle Learn Intermediate ML + Feature Engineering
- Titanic'te top %50 hedef
- 1 EDA notebook public yayınla

Gün 22-30:
- House Prices yarışması katıl
- XGBoost + LightGBM dene
- 1 yorum + 5 upvote (Contributor tier hedef)

**12 ay sonra hedef:** Competitions Expert + 5 quality public notebook + Discord aktif + LinkedIn'de Kaggle vurgulu profil.

<references-list data-items="[{&#34;title&#34;:&#34;Kaggle Resmi&#34;,&#34;url&#34;:&#34;https://www.kaggle.com&#34;,&#34;author&#34;:&#34;Kaggle&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Google&#34;},{&#34;title&#34;:&#34;Kaggle Learn&#34;,&#34;url&#34;:&#34;https://www.kaggle.com/learn&#34;,&#34;author&#34;:&#34;Kaggle&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Google&#34;},{&#34;title&#34;:&#34;Kaggle Progression System&#34;,&#34;url&#34;:&#34;https://www.kaggle.com/progression&#34;,&#34;author&#34;:&#34;Kaggle&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Google&#34;},{&#34;title&#34;:&#34;Kaggle Competitions&#34;,&#34;url&#34;:&#34;https://www.kaggle.com/competitions&#34;,&#34;author&#34;:&#34;Kaggle&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Google&#34;},{&#34;title&#34;:&#34;timm — PyTorch Image Models&#34;,&#34;url&#34;:&#34;https://github.com/huggingface/pytorch-image-models&#34;,&#34;author&#34;:&#34;Ross Wightman&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Hugging Face&#34;},{&#34;title&#34;:&#34;Albumentations&#34;,&#34;url&#34;:&#34;https://albumentations.ai&#34;,&#34;author&#34;:&#34;Albumentations&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Open Source&#34;},{&#34;title&#34;:&#34;Optuna&#34;,&#34;url&#34;:&#34;https://optuna.org&#34;,&#34;author&#34;:&#34;Optuna&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Preferred Networks&#34;},{&#34;title&#34;:&#34;Kaggle Türkiye Discord&#34;,&#34;url&#34;:&#34;https://discord.gg&#34;,&#34;author&#34;:&#34;Kaggle Türkiye Topluluk&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Community&#34;}]"></references-list>