https://sukruyusufkaya.com/learn 2026-05-14T19:43:56.868Z daily 0.90 https://sukruyusufkaya.com/en/learn 2026-05-14T19:43:56.868Z daily 0.80 https://sukruyusufkaya.com/learn/paths 2026-05-14T19:43:56.868Z weekly 0.80 https://sukruyusufkaya.com/en/learn/paths 2026-05-14T19:43:56.868Z weekly 0.70 https://sukruyusufkaya.com/learn/ai-veri-muhendisligi 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/ai-veri-muhendisligi 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/anomali-tespiti 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/anomali-tespiti 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/chatgpt-ustaligi 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/claude-ustaligi 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/claude-ustaligi 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/fine-tuning-cookbook 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/llm-muhendisligi 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/llm-muhendisligi 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/oneri-sistemleri 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/oneri-sistemleri 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/prompt-engineering 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/prompt-engineering 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/python-programlama 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/python-programlama 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/token-ekonomisi 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/token-ekonomisi 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/veri-etiketleme-kalite 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/yapay-zekaya-giris 2026-05-14T19:43:57.575Z daily 0.80 https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris 2026-05-14T19:43:57.575Z daily 0.70 https://sukruyusufkaya.com/learn/yapay-zekaya-giris/yapay-zeka-nedir 2026-05-13T12:48:41.264Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Yapay zekânın tanımına, 70 yıllık tarihine ve günümüzdeki rolüne kapsamlı bir giriş. Klasik tanımları, AI Winter dönemlerini, derin öğrenme devrimini ve LLM çağını tek dersten anlayın. Yapay Zeka Nedir? Tanım, Tarihçe ve Bugünün Manzarası https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/yapay-zeka-nedir 2026-05-13T12:48:41.264Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Yapay zekânın tanımına, 70 yıllık tarihine ve günümüzdeki rolüne kapsamlı bir giriş. Klasik tanımları, AI Winter dönemlerini, derin öğrenme devrimini ve LLM çağını tek dersten anlayın. Yapay Zeka Nedir? Tanım, Tarihçe ve Bugünün Manzarası https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ai-ml-dl-hiyerarsi 2026-05-13T12:09:21.320Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Üç kavram en sık karıştırılanlardan: Yapay Zeka (AI), Makine Öğrenmesi (ML) ve Derin Öğrenme (DL). Bu derste hiyerarşiyi netleştirip pratik kararlar vermenize yardım edecek bir karar ağacı çıkaracağız. AI vs ML vs DL: Doğru Hiyerarşi ve Pratik Sonuçları https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ai-ml-dl-hiyerarsi 2026-05-13T12:09:21.320Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Üç kavram en sık karıştırılanlardan: Yapay Zeka (AI), Makine Öğrenmesi (ML) ve Derin Öğrenme (DL). Bu derste hiyerarşiyi netleştirip pratik kararlar vermenize yardım edecek bir karar ağacı çıkaracağız. AI vs ML vs DL: Doğru Hiyerarşi ve Pratik Sonuçları https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ml-paradigmalari 2026-05-13T12:09:21.404Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Makine öğrenmesinin üç ana yaklaşımı: etiketli veriden öğrenen supervised, etiketsiz veride yapı arayan unsupervised ve ödül sinyaliyle öğrenen reinforcement. Her birini gerçek kod örnekleri ve canlı çalıştırılabilir Pyodide blokları ile inceliyoruz. Makine Öğrenmesinin 3 Paradigması: Supervised, Unsupervised, Reinforcement https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ml-paradigmalari 2026-05-13T12:09:21.404Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Makine öğrenmesinin üç ana yaklaşımı: etiketli veriden öğrenen supervised, etiketsiz veride yapı arayan unsupervised ve ödül sinyaliyle öğrenen reinforcement. Her birini gerçek kod örnekleri ve canlı çalıştırılabilir Pyodide blokları ile inceliyoruz. Makine Öğrenmesinin 3 Paradigması: Supervised, Unsupervised, Reinforcement https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ilk-modeliniz-iris 2026-05-13T12:09:21.488Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Şimdi gerçek bir model eğitelim. Iris veri seti üzerinde 3-sınıf classifier yapacak, overfitting'in nasıl tespit edildiğini görecek ve cross-validation kullanacaksınız. Tüm kod tarayıcıda çalışır. İlk Yapay Zeka Modeliniz: Iris Çiçeği Sınıflandırıcı https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ilk-modeliniz-iris 2026-05-13T12:09:21.488Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Şimdi gerçek bir model eğitelim. Iris veri seti üzerinde 3-sınıf classifier yapacak, overfitting'in nasıl tespit edildiğini görecek ve cross-validation kullanacaksınız. Tüm kod tarayıcıda çalışır. İlk Yapay Zeka Modeliniz: Iris Çiçeği Sınıflandırıcı https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ai-etigi-sorumlu-yapay-zeka 2026-05-13T12:09:21.573Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI etiğinin neden önemli olduğunu, ünlü vakaları (COMPAS, Amazon recruiting), düzenleyici çerçeveleri (EU AI Act, NIST RMF, OECD ilkeleri) ve sorumlu AI inşa etmek için pratik kontrol listelerini öğrenin. AI Etiği ve Sorumlu Yapay Zeka: Güçle Gelen Sorumluluk https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ai-etigi-sorumlu-yapay-zeka 2026-05-13T12:09:21.573Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI etiğinin neden önemli olduğunu, ünlü vakaları (COMPAS, Amazon recruiting), düzenleyici çerçeveleri (EU AI Act, NIST RMF, OECD ilkeleri) ve sorumlu AI inşa etmek için pratik kontrol listelerini öğrenin. AI Etiği ve Sorumlu Yapay Zeka: Güçle Gelen Sorumluluk https://sukruyusufkaya.com/learn/yapay-zekaya-giris/modern-ai-llm-transformer-agent 2026-05-13T12:09:22.225Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 ChatGPT'den (Kasım 2022) bugüne yapay zekânın yüzü değişti. Bu derste modern üretken AI'nin temel taşı olan transformer mimarisini, LLM'lerin nasıl eğitildiğini, prompt engineering ile RAG'in pratiğini, fine-tuning ne zaman doğru seçim olduğunu ve 2025-2026'nın ana akımı haline gelen agentic sistemleri uçtan uca öğreneceksiniz. Modern AI: LLM'ler, Transformerlar ve Agentic Sistemler https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/modern-ai-llm-transformer-agent 2026-05-13T12:09:22.225Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 ChatGPT'den (Kasım 2022) bugüne yapay zekânın yüzü değişti. Bu derste modern üretken AI'nin temel taşı olan transformer mimarisini, LLM'lerin nasıl eğitildiğini, prompt engineering ile RAG'in pratiğini, fine-tuning ne zaman doğru seçim olduğunu ve 2025-2026'nın ana akımı haline gelen agentic sistemleri uçtan uca öğreneceksiniz. Modern AI: LLM'ler, Transformerlar ve Agentic Sistemler https://sukruyusufkaya.com/learn/python-programlama/python-nedir-neden-populer 2026-05-14T14:28:57.768Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python'un nereden geldiği, neden bu kadar sevildiği ve 2026'da hâlâ neden 'gelecek vaat eden' bir dil olduğu üzerine — sadece tanımla geçiştirilmemiş, deneyimden anlatılmış samimi bir giriş. Python Nedir, Neden Bu Kadar Popüler? https://sukruyusufkaya.com/en/learn/python-programlama/python-nedir-neden-populer 2026-05-14T14:28:57.768Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python'un nereden geldiği, neden bu kadar sevildiği ve 2026'da hâlâ neden 'gelecek vaat eden' bir dil olduğu üzerine — sadece tanımla geçiştirilmemiş, deneyimden anlatılmış samimi bir giriş. Python Nedir, Neden Bu Kadar Popüler? https://sukruyusufkaya.com/learn/python-programlama/python-surumlerinin-tarihi 2026-05-11T09:18:30.267Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python 2 ile Python 3 arasındaki büyük ayrılık nasıl oldu, neden 12 yıl sürdü, ve modern Python sürümlerinde gelen yenilikler (3.10 match, 3.11 hız, 3.12 type system, 3.13 no-GIL) sana ne kazandırıyor — sürümleri sadece numarayla değil ruhuyla anlatıyoruz. Python Sürümlerinin Tarihi: 2'den 3.14'e, AI Winter'lardan 'No-GIL' Devrimine https://sukruyusufkaya.com/en/learn/python-programlama/python-surumlerinin-tarihi 2026-05-11T09:18:30.267Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python 2 ile Python 3 arasındaki büyük ayrılık nasıl oldu, neden 12 yıl sürdü, ve modern Python sürümlerinde gelen yenilikler (3.10 match, 3.11 hız, 3.12 type system, 3.13 no-GIL) sana ne kazandırıyor — sürümleri sadece numarayla değil ruhuyla anlatıyoruz. Python Sürümlerinin Tarihi: 2'den 3.14'e, AI Winter'lardan 'No-GIL' Devrimine https://sukruyusufkaya.com/learn/python-programlama/python-implementasyonlari 2026-05-10T13:24:47.376Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 'Python tek bir program' diye düşünüyorsan, bu ders kafanı yumuşak bir tokat gibi açacak. CPython resmî implementasyon ama tek değil — alternatiflerin nerede ve neden işe yaradığını anlatıyoruz. Python Implementasyonları: CPython, PyPy, MicroPython, Jython, IronPython, Pyodide https://sukruyusufkaya.com/en/learn/python-programlama/python-implementasyonlari 2026-05-10T13:24:47.376Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 'Python tek bir program' diye düşünüyorsan, bu ders kafanı yumuşak bir tokat gibi açacak. CPython resmî implementasyon ama tek değil — alternatiflerin nerede ve neden işe yaradığını anlatıyoruz. Python Implementasyonları: CPython, PyPy, MicroPython, Jython, IronPython, Pyodide https://sukruyusufkaya.com/learn/python-programlama/pythonic-felsefesi-zen-of-python 2026-05-10T11:29:28.899Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 `import this` yazınca karşına çıkan o 19 satırlık şiir gerçekte ne anlatıyor? Tim Peters'ın 1999'da yazdığı bu şifreli mesajlar, Python'un her tasarım kararının arkasında yatıyor. 'Pythonic kod' tanımı ile başlayıp her satırı tek tek açıyoruz. Pythonic Felsefesi: Zen of Python ve 'Doğru Yol' Mantığı https://sukruyusufkaya.com/en/learn/python-programlama/pythonic-felsefesi-zen-of-python 2026-05-10T11:29:28.899Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 `import this` yazınca karşına çıkan o 19 satırlık şiir gerçekte ne anlatıyor? Tim Peters'ın 1999'da yazdığı bu şifreli mesajlar, Python'un her tasarım kararının arkasında yatıyor. 'Pythonic kod' tanımı ile başlayıp her satırı tek tek açıyoruz. Pythonic Felsefesi: Zen of Python ve 'Doğru Yol' Mantığı https://sukruyusufkaya.com/learn/python-programlama/windows-python-kurulum 2026-05-10T11:29:29.084Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Windows üzerinde Python kurmak teorik olarak 3 tıklama ama pratikte 'PATH bulamıyor', 'Microsoft Store kurma yapma', 'py mi python mu yazayım' gibi 5-6 tuzak var. Hepsini tek tek geziyoruz, sen 30 dakika sonra cool kid olarak çıkıyorsun. Windows'a Python Kurulumu: python.org, py launcher ve PATH'in Mistik Sırrı https://sukruyusufkaya.com/en/learn/python-programlama/windows-python-kurulum 2026-05-10T11:29:29.084Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Windows üzerinde Python kurmak teorik olarak 3 tıklama ama pratikte 'PATH bulamıyor', 'Microsoft Store kurma yapma', 'py mi python mu yazayım' gibi 5-6 tuzak var. Hepsini tek tek geziyoruz, sen 30 dakika sonra cool kid olarak çıkıyorsun. Windows'a Python Kurulumu: python.org, py launcher ve PATH'in Mistik Sırrı https://sukruyusufkaya.com/learn/python-programlama/macos-python-kurulum 2026-05-11T11:01:22.694Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 macOS'ta zaten 'python3' var ama Apple onu sistem işleri için tutuyor — sen ona dokunma. Bu derste Homebrew, asdf, pyenv ve resmi installer arasındaki tercihi yapmayı, sürüm yönetiminin gizli inceliklerini öğreneceksin. macOS'a Python Kurulumu: System Python'a Neden Dokunmuyoruz, Homebrew ve Modern Yollar https://sukruyusufkaya.com/en/learn/python-programlama/macos-python-kurulum 2026-05-11T11:01:22.694Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 macOS'ta zaten 'python3' var ama Apple onu sistem işleri için tutuyor — sen ona dokunma. Bu derste Homebrew, asdf, pyenv ve resmi installer arasındaki tercihi yapmayı, sürüm yönetiminin gizli inceliklerini öğreneceksin. macOS'a Python Kurulumu: System Python'a Neden Dokunmuyoruz, Homebrew ve Modern Yollar https://sukruyusufkaya.com/learn/python-programlama/linux-python-kurulum 2026-05-10T13:24:51.354Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Linux'ta Python kurmak hem en kolay hem en kafa karıştırıcı yol. Sistem zaten bir python3 ile geliyor ama bu seninki değil. Bu derste Ubuntu/Debian, Fedora, Arch ve Alpine için adım adım, sonra kaynaktan derlemeyi (./configure --enable-optimizations) öğreniyoruz. VPS'e deploy senaryosuna kadar uçuyoruz. Linux'a Python Kurulumu: Ubuntu, Fedora, Arch, Alpine ve Kaynaktan Derleme https://sukruyusufkaya.com/en/learn/python-programlama/linux-python-kurulum 2026-05-10T13:24:51.354Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Linux'ta Python kurmak hem en kolay hem en kafa karıştırıcı yol. Sistem zaten bir python3 ile geliyor ama bu seninki değil. Bu derste Ubuntu/Debian, Fedora, Arch ve Alpine için adım adım, sonra kaynaktan derlemeyi (./configure --enable-optimizations) öğreniyoruz. VPS'e deploy senaryosuna kadar uçuyoruz. Linux'a Python Kurulumu: Ubuntu, Fedora, Arch, Alpine ve Kaynaktan Derleme https://sukruyusufkaya.com/learn/python-programlama/pyenv-coklu-surum-yonetimi 2026-05-10T13:26:06.769Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Bir projende 3.10, başka projende 3.13 lazım. CI'da 3.11 test ediyorsun. Production'da 3.12. Bunların hepsini tek Linux/macOS makinende sürdürmek pyenv ile saniyeler meselesi. Bu ders pyenv'in tüm komutlarını, .python-version dosyasını, virtualenv plugin'ini ve gerçek senaryolarını işliyor. pyenv ile Çoklu Python Sürümü Yönetimi: Sürümler Arası 'Anahtar' Olma Sanatı https://sukruyusufkaya.com/en/learn/python-programlama/pyenv-coklu-surum-yonetimi 2026-05-10T13:26:06.769Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Bir projende 3.10, başka projende 3.13 lazım. CI'da 3.11 test ediyorsun. Production'da 3.12. Bunların hepsini tek Linux/macOS makinende sürdürmek pyenv ile saniyeler meselesi. Bu ders pyenv'in tüm komutlarını, .python-version dosyasını, virtualenv plugin'ini ve gerçek senaryolarını işliyor. pyenv ile Çoklu Python Sürümü Yönetimi: Sürümler Arası 'Anahtar' Olma Sanatı https://sukruyusufkaya.com/learn/python-programlama/python-repl-etkili-kullanim 2026-05-10T13:40:40.686Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 REPL — Read-Eval-Print Loop. Python öğrenirken bunu 'hesap makinesi' gibi görüyorsun. Profesyonel olduğunda 'ikinci elin' gibi oluyor. Bu derste: tab completion, history, _ operatörü, help/dir/type, multi-line, pretty print, PYTHONSTARTUP, alternatifler (bpython, ptpython), ve breakpoint() ile debugger entegrasyonu. Python REPL'i Etkili Kullanma: Keşif, Prototip ve Hata Ayıklamanın Sessiz Sanatı https://sukruyusufkaya.com/en/learn/python-programlama/python-repl-etkili-kullanim 2026-05-10T13:40:40.686Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 REPL — Read-Eval-Print Loop. Python öğrenirken bunu 'hesap makinesi' gibi görüyorsun. Profesyonel olduğunda 'ikinci elin' gibi oluyor. Bu derste: tab completion, history, _ operatörü, help/dir/type, multi-line, pretty print, PYTHONSTARTUP, alternatifler (bpython, ptpython), ve breakpoint() ile debugger entegrasyonu. Python REPL'i Etkili Kullanma: Keşif, Prototip ve Hata Ayıklamanın Sessiz Sanatı https://sukruyusufkaya.com/learn/python-programlama/ipython-gelismis-repl 2026-05-10T13:50:45.684Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 IPython sadece daha güzel renkli bir REPL değil. %timeit ile mikrosaniye benchmark, ?? ile kaynak kodu görme, !ls ile shell escape, %save ile dosyaya yazma — bütün veri bilimi/AI dünyası bu komutlar üzerinde dönüyor. Bu ders sana 'günlük 50 kez kullanacağın' magic'leri tek tek öğretir. IPython: Standart REPL'in 'Süper Güçler' Versiyonu https://sukruyusufkaya.com/en/learn/python-programlama/ipython-gelismis-repl 2026-05-10T13:50:45.684Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 IPython sadece daha güzel renkli bir REPL değil. %timeit ile mikrosaniye benchmark, ?? ile kaynak kodu görme, !ls ile shell escape, %save ile dosyaya yazma — bütün veri bilimi/AI dünyası bu komutlar üzerinde dönüyor. Bu ders sana 'günlük 50 kez kullanacağın' magic'leri tek tek öğretir. IPython: Standart REPL'in 'Süper Güçler' Versiyonu https://sukruyusufkaya.com/learn/python-programlama/jupyter-notebook-jupyterlab 2026-05-10T13:46:44.606Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 AI ve veri bilimi öğrenmek istiyorsan Jupyter'i bilmiyor olmak imkansız. Bu ders sıfırdan başlatma, hücre tipleri, magic commands, görselleştirme entegrasyonu, paylaşma yolları (Colab/Kaggle/Binder), git ile sürüm kontrolü problemleri ve production'a Jupyter taşımanın neden kötü fikir olduğunu konuşuyor. Jupyter Notebook ve JupyterLab: Veri Bilimi Dünyasının Tuvalini Tanımak https://sukruyusufkaya.com/en/learn/python-programlama/jupyter-notebook-jupyterlab 2026-05-10T13:46:44.606Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 AI ve veri bilimi öğrenmek istiyorsan Jupyter'i bilmiyor olmak imkansız. Bu ders sıfırdan başlatma, hücre tipleri, magic commands, görselleştirme entegrasyonu, paylaşma yolları (Colab/Kaggle/Binder), git ile sürüm kontrolü problemleri ve production'a Jupyter taşımanın neden kötü fikir olduğunu konuşuyor. Jupyter Notebook ve JupyterLab: Veri Bilimi Dünyasının Tuvalini Tanımak https://sukruyusufkaya.com/learn/python-programlama/vscode-python-kurulum 2026-05-10T13:41:05.723Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 VS Code 2024'ün en yaygın Python IDE'si. Bu derste sıfırdan başlayıp Python extension, Pylance, debugger, Jupyter, settings.json yapılandırma, multi-root workspace, remote development (WSL/SSH/Container), ve günlük üretkenliği 2x'leyen klavye-shortcut'ları gezeceğiz. VS Code'da Modern Python Geliştirme: Sıfırdan Production-Grade IDE Setup https://sukruyusufkaya.com/en/learn/python-programlama/vscode-python-kurulum 2026-05-10T13:41:05.723Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 VS Code 2024'ün en yaygın Python IDE'si. Bu derste sıfırdan başlayıp Python extension, Pylance, debugger, Jupyter, settings.json yapılandırma, multi-root workspace, remote development (WSL/SSH/Container), ve günlük üretkenliği 2x'leyen klavye-shortcut'ları gezeceğiz. VS Code'da Modern Python Geliştirme: Sıfırdan Production-Grade IDE Setup https://sukruyusufkaya.com/learn/python-programlama/pycharm-community-professional 2026-05-10T13:41:05.868Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 VS Code modern standart olsa da PyCharm hâlâ en güçlü Python IDE'si — özellikle büyük kod tabanlarında. Community ücretsiz vs Professional yıllık ~$249. Hangi senaryoda hangisi mantıklı? Bu derste IDE'nin tüm gücünü, refactoring araçlarını, debugger excellence'ını, ve VS Code ile pragmatik karşılaştırmayı inceliyoruz. PyCharm: JetBrains Dünyasının Python IDE'si — Community ve Professional Karşılaştırması https://sukruyusufkaya.com/en/learn/python-programlama/pycharm-community-professional 2026-05-10T13:41:05.868Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 VS Code modern standart olsa da PyCharm hâlâ en güçlü Python IDE'si — özellikle büyük kod tabanlarında. Community ücretsiz vs Professional yıllık ~$249. Hangi senaryoda hangisi mantıklı? Bu derste IDE'nin tüm gücünü, refactoring araçlarını, debugger excellence'ını, ve VS Code ile pragmatik karşılaştırmayı inceliyoruz. PyCharm: JetBrains Dünyasının Python IDE'si — Community ve Professional Karşılaştırması https://sukruyusufkaya.com/learn/python-programlama/ilk-python-script-calistirma 2026-05-10T13:41:06.169Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 İlk gerçek .py dosyanı yazıyorsun. Modül 1'in capstone'u: shebang, encoding declaration, if __name__ == '__main__', python -m flag'i, sys.argv, exit code'lar, .pyc cache, ve her gün karşılaşacağın komut satırı pratikleri. 4 hands-on script ile bitiyoruz. İlk Python Script'in: hello.py'den python -m'e Komut Satırının İncelikleri https://sukruyusufkaya.com/en/learn/python-programlama/ilk-python-script-calistirma 2026-05-10T13:41:06.169Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 İlk gerçek .py dosyanı yazıyorsun. Modül 1'in capstone'u: shebang, encoding declaration, if __name__ == '__main__', python -m flag'i, sys.argv, exit code'lar, .pyc cache, ve her gün karşılaşacağın komut satırı pratikleri. 4 hands-on script ile bitiyoruz. İlk Python Script'in: hello.py'den python -m'e Komut Satırının İncelikleri https://sukruyusufkaya.com/learn/python-programlama/degiskenler-assignment-semantics 2026-05-10T13:57:17.198Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Diğer dillerde değişken bir 'kutu'dur — değer kutuya konur. Python'da değişken bir 'etiket'tir — nesneye yapıştırılır. Bu fark gibi görünmeyebilir ama Python'un %30'unun davranışını açıklıyor: mutable default tuzağı, list aliasing, fonksiyon parametre semantics, garbage collection. Bu derste 'a = 5 yazınca aslında ne olur' sorusunun derinlemesine cevabını alıyoruz. Değişkenler: Python'da 'Etiket vs Kutu' Felsefesi ve Assignment'ın İçsel Gerçeği https://sukruyusufkaya.com/en/learn/python-programlama/degiskenler-assignment-semantics 2026-05-10T13:57:17.198Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Diğer dillerde değişken bir 'kutu'dur — değer kutuya konur. Python'da değişken bir 'etiket'tir — nesneye yapıştırılır. Bu fark gibi görünmeyebilir ama Python'un %30'unun davranışını açıklıyor: mutable default tuzağı, list aliasing, fonksiyon parametre semantics, garbage collection. Bu derste 'a = 5 yazınca aslında ne olur' sorusunun derinlemesine cevabını alıyoruz. Değişkenler: Python'da 'Etiket vs Kutu' Felsefesi ve Assignment'ın İçsel Gerçeği https://sukruyusufkaya.com/learn/python-programlama/pep8-isimlendirme-kurallari 2026-05-10T13:57:17.356Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Bir Python kodu açtığında 30 saniye içinde 'profesyonel mi yoksa amatör mü' anlayabilirsin — isimlendirme. snake_case, PascalCase, UPPER_SNAKE, _private, __mangling. Bu derste her tipin nerede kullanıldığını, neden bu konvansiyon olduğunu, ruff ile otomatize etmeyi ve Türkçe değişken adı tartışmasını işliyoruz. PEP 8 İsimlendirme: Profesyonel Python Kodunun Görsel Disiplini https://sukruyusufkaya.com/en/learn/python-programlama/pep8-isimlendirme-kurallari 2026-05-10T13:57:17.356Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Bir Python kodu açtığında 30 saniye içinde 'profesyonel mi yoksa amatör mü' anlayabilirsin — isimlendirme. snake_case, PascalCase, UPPER_SNAKE, _private, __mangling. Bu derste her tipin nerede kullanıldığını, neden bu konvansiyon olduğunu, ruff ile otomatize etmeyi ve Türkçe değişken adı tartışmasını işliyoruz. PEP 8 İsimlendirme: Profesyonel Python Kodunun Görsel Disiplini https://sukruyusufkaya.com/learn/python-programlama/python-int-sinirsiz-tam-sayi 2026-05-10T13:57:17.452Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Java'da int 2.1 milyarda taşar, C'de tanımsız davranış. Python'da int sınırsız — 1000! veya RSA için 4096-bit sayı, hepsi doğal yazılır. Bu derste: integer literals (binary/hex/octal), underscore separator, bit operasyonları, small int caching, performans karakteristikleri, ve 'neden Python kriptoda Java'yı yener'. Python'un int Tipi: Sınırsız Tam Sayı ve Diğer Dillerde Olmayan Süper Güç https://sukruyusufkaya.com/en/learn/python-programlama/python-int-sinirsiz-tam-sayi 2026-05-10T13:57:17.452Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Java'da int 2.1 milyarda taşar, C'de tanımsız davranış. Python'da int sınırsız — 1000! veya RSA için 4096-bit sayı, hepsi doğal yazılır. Bu derste: integer literals (binary/hex/octal), underscore separator, bit operasyonları, small int caching, performans karakteristikleri, ve 'neden Python kriptoda Java'yı yener'. Python'un int Tipi: Sınırsız Tam Sayı ve Diğer Dillerde Olmayan Süper Güç https://sukruyusufkaya.com/learn/python-programlama/python-float-ieee-754-precision 2026-05-10T14:08:16.486Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 0.1 + 0.2 == 0.3 yazınca Python False döner. Bu bug değil — IEEE 754 standardının 1985'ten beri yaşayan gerçeği. Bu derste float'un içsel yapısını (sign+exponent+mantissa), neden bazı sayıların binary'de 'sonsuz tekrar ettiğini', math.isclose'un nasıl kullanıldığını, NaN/inf davranışlarını, AI/ML'de neden float32 baskın olduğunu ve finansal hesapta float'tan kaçınmanın hayati önemini öğreniyoruz. float — IEEE 754, '0.1 + 0.2' Mistik Hatası ve Precision'ın Karanlık Sanatı https://sukruyusufkaya.com/en/learn/python-programlama/python-float-ieee-754-precision 2026-05-10T14:08:16.486Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 0.1 + 0.2 == 0.3 yazınca Python False döner. Bu bug değil — IEEE 754 standardının 1985'ten beri yaşayan gerçeği. Bu derste float'un içsel yapısını (sign+exponent+mantissa), neden bazı sayıların binary'de 'sonsuz tekrar ettiğini', math.isclose'un nasıl kullanıldığını, NaN/inf davranışlarını, AI/ML'de neden float32 baskın olduğunu ve finansal hesapta float'tan kaçınmanın hayati önemini öğreniyoruz. float — IEEE 754, '0.1 + 0.2' Mistik Hatası ve Precision'ın Karanlık Sanatı https://sukruyusufkaya.com/learn/python-programlama/python-complex-cmath 2026-05-10T14:16:54.173Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Java/C# karmaşık sayı için kütüphane gerektirir; Python `j` syntax'iyle dilin parçası yapmış. Bu ders: complex'in matematiksel altyapısı, polar/kartezyen dönüşüm, cmath modülünün gücü, 2D rotation matrisi yerine complex çarpma kısayolu, sinyal işleme + Mandelbrot fraktalı + AC devre analizi gibi gerçek uygulamalar. complex Sayılar: Python'da '3 + 4j' Built-in — Sinyal İşlemeden Quantum'a Köprü https://sukruyusufkaya.com/en/learn/python-programlama/python-complex-cmath 2026-05-10T14:16:54.173Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Java/C# karmaşık sayı için kütüphane gerektirir; Python `j` syntax'iyle dilin parçası yapmış. Bu ders: complex'in matematiksel altyapısı, polar/kartezyen dönüşüm, cmath modülünün gücü, 2D rotation matrisi yerine complex çarpma kısayolu, sinyal işleme + Mandelbrot fraktalı + AC devre analizi gibi gerçek uygulamalar. complex Sayılar: Python'da '3 + 4j' Built-in — Sinyal İşlemeden Quantum'a Köprü https://sukruyusufkaya.com/learn/python-programlama/python-decimal-finansal-precision 2026-05-10T14:16:54.420Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Float'la para hesaplamak — yıllar içinde bankaları sallayan klasik bug kaynağı. Python'un `decimal` modülü bu sorunu çözer: tam ondalık precision, kontrollü yuvarlama (ROUND_HALF_UP, ROUND_HALF_EVEN), context yönetimi. Bu derste: TR KDV hesabı, döviz çevirici, e-ticaret sepeti, PostgreSQL NUMERIC entegrasyonu — gerçek production pattern'leri. Decimal Modülü: Finansal Hesabın 'Tam Hassas' Aracı ve KDV Faciasının Çözümü https://sukruyusufkaya.com/en/learn/python-programlama/python-decimal-finansal-precision 2026-05-10T14:16:54.420Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Float'la para hesaplamak — yıllar içinde bankaları sallayan klasik bug kaynağı. Python'un `decimal` modülü bu sorunu çözer: tam ondalık precision, kontrollü yuvarlama (ROUND_HALF_UP, ROUND_HALF_EVEN), context yönetimi. Bu derste: TR KDV hesabı, döviz çevirici, e-ticaret sepeti, PostgreSQL NUMERIC entegrasyonu — gerçek production pattern'leri. Decimal Modülü: Finansal Hesabın 'Tam Hassas' Aracı ve KDV Faciasının Çözümü https://sukruyusufkaya.com/learn/python-programlama/python-fractions-rasyonel-sayilar 2026-05-11T08:46:38.515Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Float 0.1'i tam saklayamaz. Decimal saklar ama 1/3'ü değil. Fraction modülü bütün rasyonel sayıları **kesirli** saklayarak tam matematik yapıyor. Bu derste: müzik teorisinde armoni oranları, mutfakta tarif ölçeklendirme, geometrik hesap, bilim simülasyonlarında precision kurtarma — niş ama bilinmesi değerli bir araç. fractions Modülü: Tam Hassas Rasyonel Sayılar — 1/3 + 1/6 = 0.5 Kanıtla https://sukruyusufkaya.com/en/learn/python-programlama/python-fractions-rasyonel-sayilar 2026-05-11T08:46:38.515Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Float 0.1'i tam saklayamaz. Decimal saklar ama 1/3'ü değil. Fraction modülü bütün rasyonel sayıları **kesirli** saklayarak tam matematik yapıyor. Bu derste: müzik teorisinde armoni oranları, mutfakta tarif ölçeklendirme, geometrik hesap, bilim simülasyonlarında precision kurtarma — niş ama bilinmesi değerli bir araç. fractions Modülü: Tam Hassas Rasyonel Sayılar — 1/3 + 1/6 = 0.5 Kanıtla https://sukruyusufkaya.com/learn/python-programlama/python-bool-none-truthiness 2026-05-10T14:32:09.674Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python'da `True` aslında `int`'in alt sınıfı (`True + 1 == 2`!). Her tip 'doğru/yanlış' bağlamında değerlendirilebilir — buna 'truthiness' denir. None ise 'değer yok' anlamına gelen tek-elemanlı bir sentinel. Bu derste: bool gerçek doğası, falsy değerler tablosu, `is None` vs `== None`, Optional type hint, default arg sentinel pattern, ve günlük kodda en sık karşına çıkan 'küçük' detayların derinliği. bool ve None: Truthiness'in Felsefesi ve Sentinel Değer Sanatı https://sukruyusufkaya.com/en/learn/python-programlama/python-bool-none-truthiness 2026-05-10T14:32:09.674Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python'da `True` aslında `int`'in alt sınıfı (`True + 1 == 2`!). Her tip 'doğru/yanlış' bağlamında değerlendirilebilir — buna 'truthiness' denir. None ise 'değer yok' anlamına gelen tek-elemanlı bir sentinel. Bu derste: bool gerçek doğası, falsy değerler tablosu, `is None` vs `== None`, Optional type hint, default arg sentinel pattern, ve günlük kodda en sık karşına çıkan 'küçük' detayların derinliği. bool ve None: Truthiness'in Felsefesi ve Sentinel Değer Sanatı https://sukruyusufkaya.com/learn/python-programlama/python-aritmetik-operatorler-operator-overloading 2026-05-10T14:32:09.817Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 + ve - tek satırda Vector toplayabiliyor mu? Money * 1.18 ile KDV hesaplayabiliyor mu? Python'un magic method'ları (__add__, __sub__, __mul__, __radd__) sayesinde evet. Bu derste: 7 aritmetik operatör derinlemesine, augmented assignment, NotImplemented sentinel'ı, sıralı tip dönüşümü, ve gerçek Vector + Money sınıfları. Aritmetik Operatörler ve Operator Overloading: Vector(1,2) + Vector(3,4) Mucizesi https://sukruyusufkaya.com/en/learn/python-programlama/python-aritmetik-operatorler-operator-overloading 2026-05-10T14:32:09.817Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 + ve - tek satırda Vector toplayabiliyor mu? Money * 1.18 ile KDV hesaplayabiliyor mu? Python'un magic method'ları (__add__, __sub__, __mul__, __radd__) sayesinde evet. Bu derste: 7 aritmetik operatör derinlemesine, augmented assignment, NotImplemented sentinel'ı, sıralı tip dönüşümü, ve gerçek Vector + Money sınıfları. Aritmetik Operatörler ve Operator Overloading: Vector(1,2) + Vector(3,4) Mucizesi https://sukruyusufkaya.com/learn/python-programlama/python-karsilastirma-operatorleri-total-ordering 2026-05-10T14:44:11.235Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 < > == != <= >= görünüşte basit ama Python'da chained comparison (`0 < x < 10`), her tip için custom karşılaştırma, ve `@total_ordering` decorator gibi süslü özellikler var. Bu derste: 6 karşılaştırma operatörü derinlemesine, custom sortable class yapımı, __hash__ ve __eq__ kontratı, list/tuple/string karşılaştırma kuralları, ve sıralama için key fonksiyon pattern'leri. Karşılaştırma Operatörleri ve Sortable Class: __eq__, __lt__ ve total_ordering Sırrı https://sukruyusufkaya.com/en/learn/python-programlama/python-karsilastirma-operatorleri-total-ordering 2026-05-10T14:44:11.235Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 < > == != <= >= görünüşte basit ama Python'da chained comparison (`0 < x < 10`), her tip için custom karşılaştırma, ve `@total_ordering` decorator gibi süslü özellikler var. Bu derste: 6 karşılaştırma operatörü derinlemesine, custom sortable class yapımı, __hash__ ve __eq__ kontratı, list/tuple/string karşılaştırma kuralları, ve sıralama için key fonksiyon pattern'leri. Karşılaştırma Operatörleri ve Sortable Class: __eq__, __lt__ ve total_ordering Sırrı https://sukruyusufkaya.com/learn/python-programlama/python-mantiksal-operatorler-and-or-not 2026-05-10T14:44:11.505Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 and, or, not görünüşte ilkokul mantığı ama Python'un short-circuit semantiği ile zarif validator'lar, default chain'leri, lazy evaluation pattern'leri yazabiliyorsun. Bu derste: De Morgan kanunları kod ile, any() ve all() built-in'leri, conditional expression, ve gerçek dünya validator + permission check örnekleri. Mantıksal Operatörler: and, or, not — Short-circuit'ün Pythonic Sanatı https://sukruyusufkaya.com/en/learn/python-programlama/python-mantiksal-operatorler-and-or-not 2026-05-10T14:44:11.505Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 and, or, not görünüşte ilkokul mantığı ama Python'un short-circuit semantiği ile zarif validator'lar, default chain'leri, lazy evaluation pattern'leri yazabiliyorsun. Bu derste: De Morgan kanunları kod ile, any() ve all() built-in'leri, conditional expression, ve gerçek dünya validator + permission check örnekleri. Mantıksal Operatörler: and, or, not — Short-circuit'ün Pythonic Sanatı https://sukruyusufkaya.com/learn/python-programlama/python-bit-level-operatorler 2026-05-10T14:44:11.669Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 AI yapacağım, bit-level lazım mı? Doğrudan değil — ama Linux dosya izinleri (chmod 755), RGB color hex (0xFF8000), network protokolleri, IntFlag enum, kompakt veri yapıları — hepsi bit operatörü kullanıyor. Bu derste: 6 bit operatörü, bit manipulation pattern'leri, IntFlag modern alternatif, ve günlük programcılıkta nerelerde kullanılacağı. Bit-level Operatörler: Permission Flags, RGB Manipülasyon ve Düşük-Seviye Hızın Dünyası https://sukruyusufkaya.com/en/learn/python-programlama/python-bit-level-operatorler 2026-05-10T14:44:11.669Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 AI yapacağım, bit-level lazım mı? Doğrudan değil — ama Linux dosya izinleri (chmod 755), RGB color hex (0xFF8000), network protokolleri, IntFlag enum, kompakt veri yapıları — hepsi bit operatörü kullanıyor. Bu derste: 6 bit operatörü, bit manipulation pattern'leri, IntFlag modern alternatif, ve günlük programcılıkta nerelerde kullanılacağı. Bit-level Operatörler: Permission Flags, RGB Manipülasyon ve Düşük-Seviye Hızın Dünyası https://sukruyusufkaya.com/learn/python-programlama/python-operator-precedence-assosiyatiflik 2026-05-10T15:04:18.929Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 'a or b and c' nasıl evaluate edilir? '5 + 3 * 2' neden 11 değil 16? '~5 << 2' nedir? Python'un 18 seviyeli precedence tablosu ve sol/sağ assosiyatiflik kuralları. Bu derste: tam precedence tablosu, klasik tuzaklar, IDE warning'lerinin neden olduğu davranışları, ve 'parantez ne zaman gerek' net kararı. Operator Precedence ve Assosiyatiflik: Parantezsiz Doğru Kod Yazma Sanatı https://sukruyusufkaya.com/en/learn/python-programlama/python-operator-precedence-assosiyatiflik 2026-05-10T15:04:18.929Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 'a or b and c' nasıl evaluate edilir? '5 + 3 * 2' neden 11 değil 16? '~5 << 2' nedir? Python'un 18 seviyeli precedence tablosu ve sol/sağ assosiyatiflik kuralları. Bu derste: tam precedence tablosu, klasik tuzaklar, IDE warning'lerinin neden olduğu davranışları, ve 'parantez ne zaman gerek' net kararı. Operator Precedence ve Assosiyatiflik: Parantezsiz Doğru Kod Yazma Sanatı https://sukruyusufkaya.com/learn/python-programlama/python-type-conversion-cast 2026-05-10T15:04:19.122Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python'da bir değeri başka tipe dönüştürmek genelde tek satır: int('42'), float(3), str(123). Ama detaylar var: __int__/__float__/__str__ magic methods, hangi dönüşüm hata atar, NumPy/pandas dtype'ları, datetime parsing, JSON serialization. Bu derste 'cast'ın 8 yaygın senaryosu, custom class'lar için cast desteği, ve Pydantic gibi modern data validation kütüphanelerinin nasıl çalıştığı. Type Conversion: int, float, str, bool, list, dict, set, bytes — Cast'in 8 Yüzü https://sukruyusufkaya.com/en/learn/python-programlama/python-type-conversion-cast 2026-05-10T15:04:19.122Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Python'da bir değeri başka tipe dönüştürmek genelde tek satır: int('42'), float(3), str(123). Ama detaylar var: __int__/__float__/__str__ magic methods, hangi dönüşüm hata atar, NumPy/pandas dtype'ları, datetime parsing, JSON serialization. Bu derste 'cast'ın 8 yaygın senaryosu, custom class'lar için cast desteği, ve Pydantic gibi modern data validation kütüphanelerinin nasıl çalıştığı. Type Conversion: int, float, str, bool, list, dict, set, bytes — Cast'in 8 Yüzü https://sukruyusufkaya.com/learn/python-programlama/python-id-is-eq-identity-vs-equality 2026-05-10T16:24:07.076Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Modül 2'nin capstone'u. `is` ve `==` arasındaki fark — yıllar içinde gördüğüm Python interview sorularının %50'si bunun üzerinde. Bu derste: id() fonksiyonu, identity vs equality kontratı, small int caching ve string interning'in derinlemesine implementasyon detayları, weakref kavramı, ve ne zaman is — ne zaman == kararı. id(), is, == — Identity vs Equality: Python Bellek Modelinin Final Sınavı https://sukruyusufkaya.com/en/learn/python-programlama/python-id-is-eq-identity-vs-equality 2026-05-10T16:24:07.076Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1200&q=80 Modül 2'nin capstone'u. `is` ve `==` arasındaki fark — yıllar içinde gördüğüm Python interview sorularının %50'si bunun üzerinde. Bu derste: id() fonksiyonu, identity vs equality kontratı, small int caching ve string interning'in derinlemesine implementasyon detayları, weakref kavramı, ve ne zaman is — ne zaman == kararı. id(), is, == — Identity vs Equality: Python Bellek Modelinin Final Sınavı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/chatgpt-nedir-tarihce-evrim 2026-05-14T10:11:09.587Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 GPT modellerinin doğuşu, ChatGPT'nin Kasım 2022 lansmanı ve 2026'ya kadar olan evrimi. Neden bu kadar büyük bir teknoloji devrimi? ChatGPT Nedir? Tarihçe, Evrim ve Bugünün Manzarası https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/chatgpt-nedir-tarihce-evrim 2026-05-14T10:11:09.587Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 GPT modellerinin doğuşu, ChatGPT'nin Kasım 2022 lansmanı ve 2026'ya kadar olan evrimi. Neden bu kadar büyük bir teknoloji devrimi? ChatGPT Nedir? Tarihçe, Evrim ve Bugünün Manzarası https://sukruyusufkaya.com/learn/chatgpt-ustaligi/hesap-acma-plan-karsilastirma 2026-05-11T14:52:53.808Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Hangi plan sana uygun? Beş ChatGPT planının limitlerini, fiyatlarını ve özelliklerini karşılaştır. Adım adım hesap açma rehberi. Hesap Açma ve Plan Karşılaştırması: Free, Plus, Pro, Team, Enterprise https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/hesap-acma-plan-karsilastirma 2026-05-11T14:52:53.808Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Hangi plan sana uygun? Beş ChatGPT planının limitlerini, fiyatlarını ve özelliklerini karşılaştır. Adım adım hesap açma rehberi. Hesap Açma ve Plan Karşılaştırması: Free, Plus, Pro, Team, Enterprise https://sukruyusufkaya.com/learn/chatgpt-ustaligi/arayuz-anatomisi 2026-05-11T14:53:42.598Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT arayüzünün her bir bileşenini gör: sol panel, sohbet alanı, model seçici, araçlar, ayarlar paneli, kişisel kütüphane. Arayüz Anatomisi: Her Buton, Menü ve Ayar Açıklamalı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/arayuz-anatomisi 2026-05-11T14:53:42.598Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT arayüzünün her bir bileşenini gör: sol panel, sohbet alanı, model seçici, araçlar, ayarlar paneli, kişisel kütüphane. Arayüz Anatomisi: Her Buton, Menü ve Ayar Açıklamalı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/ilk-konusma-pratik-tur 2026-05-11T14:53:53.965Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 İlk mesajını gönderip yanıtı alırken neler oluyor? Net bir görev seçimi, prompt, takip soruları, mesaj düzenleme ve kayıt — uygulamalı. İlk Konuşmanız: Adım Adım Pratik Tur https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/ilk-konusma-pratik-tur 2026-05-11T14:53:53.965Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 İlk mesajını gönderip yanıtı alırken neler oluyor? Net bir görev seçimi, prompt, takip soruları, mesaj düzenleme ve kayıt — uygulamalı. İlk Konuşmanız: Adım Adım Pratik Tur https://sukruyusufkaya.com/learn/chatgpt-ustaligi/mobil-masaustu-sesli-mod 2026-05-11T13:48:56.559Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 iOS, Android, macOS, Windows uygulamalarının özellikleri. Sesli modun (Standard ve Advanced) kullanımı, dil ayarları, sınırlamalar. Mobil, Masaüstü ve Sesli Mod — Her Yerde ChatGPT https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/mobil-masaustu-sesli-mod 2026-05-11T13:48:56.559Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 iOS, Android, macOS, Windows uygulamalarının özellikleri. Sesli modun (Standard ve Advanced) kullanımı, dil ayarları, sınırlamalar. Mobil, Masaüstü ve Sesli Mod — Her Yerde ChatGPT https://sukruyusufkaya.com/learn/chatgpt-ustaligi/gecmis-klasorler-projeler 2026-05-11T13:48:56.745Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Sohbetleri organize etme: arama, arşivleme, projeler, paylaşılan workspace. Verinin cihazlar arası senkronu nasıl çalışır? Geçmiş, Klasörler, Projeler ve Senkronizasyon https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/gecmis-klasorler-projeler 2026-05-11T13:48:56.745Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Sohbetleri organize etme: arama, arşivleme, projeler, paylaşılan workspace. Verinin cihazlar arası senkronu nasıl çalışır? Geçmiş, Klasörler, Projeler ve Senkronizasyon https://sukruyusufkaya.com/learn/chatgpt-ustaligi/prompt-anatomisi 2026-05-11T13:48:57.043Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Prompt'un dört yapı taşını (bağlam, görev, format, kısıtlar) öğren ve hemen uygula. Her parça yanıt kalitesini nasıl değiştirir? Prompt Nedir? Anatomi: Bağlam, Görev, Format, Kısıtlar https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/prompt-anatomisi 2026-05-11T13:48:57.043Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Prompt'un dört yapı taşını (bağlam, görev, format, kısıtlar) öğren ve hemen uygula. Her parça yanıt kalitesini nasıl değiştirir? Prompt Nedir? Anatomi: Bağlam, Görev, Format, Kısıtlar https://sukruyusufkaya.com/learn/chatgpt-ustaligi/iyi-vs-kotu-prompt 2026-05-11T13:48:57.267Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Pratikten çıkmış 15 örnek üzerinden iyi prompt ile kötü prompt'un yanıt kalitesindeki farkını gör. İyi vs Kötü Prompt: 15 Yan Yana Karşılaştırma https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/iyi-vs-kotu-prompt 2026-05-11T13:48:57.267Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Pratikten çıkmış 15 örnek üzerinden iyi prompt ile kötü prompt'un yanıt kalitesindeki farkını gör. İyi vs Kötü Prompt: 15 Yan Yana Karşılaştırma https://sukruyusufkaya.com/learn/chatgpt-ustaligi/aciklik-baglam-spesifiklik 2026-05-14T06:41:29.652Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 İyi prompt'un üç temel niteliği: belirsizliği yok et, bağlamı zenginleştir, spesifik ol. Pratik örneklerle. Açıklık, Bağlam ve Spesifiklik İlkesi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/aciklik-baglam-spesifiklik 2026-05-14T06:41:29.652Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 İyi prompt'un üç temel niteliği: belirsizliği yok et, bağlamı zenginleştir, spesifik ol. Pratik örneklerle. Açıklık, Bağlam ve Spesifiklik İlkesi https://sukruyusufkaya.com/learn/chatgpt-ustaligi/format-komutlari 2026-05-11T13:48:57.758Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Çıktıyı tam istediğin gibi yapılandırma sanatı. 5 format için somut örnekler ve şablonlar. Format Komutları: Liste, Tablo, JSON, Markdown, CSV https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/format-komutlari 2026-05-11T13:48:57.758Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Çıktıyı tam istediğin gibi yapılandırma sanatı. 5 format için somut örnekler ve şablonlar. Format Komutları: Liste, Tablo, JSON, Markdown, CSV https://sukruyusufkaya.com/learn/chatgpt-ustaligi/rol-atama 2026-05-11T13:48:58.043Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Modele rol vererek yanıt kalitesini sıçratma tekniği. 20 hazır rol şablonu ve hangi senaryoda hangisi. Rol Atama (Role Prompting): 'Sen bir X uzmanısın...' https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/rol-atama 2026-05-11T13:48:58.043Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Modele rol vererek yanıt kalitesini sıçratma tekniği. 20 hazır rol şablonu ve hangi senaryoda hangisi. Rol Atama (Role Prompting): 'Sen bir X uzmanısın...' https://sukruyusufkaya.com/learn/chatgpt-ustaligi/ton-ve-stil-kontrolu 2026-05-11T13:48:58.223Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Aynı içeriği 5 farklı tonda yazdırma teknikleri. Yazı ses tonunu nasıl matematik gibi kontrol edersin? Ton ve Stil Kontrolü: Resmi, Samimi, Akademik, Eğlenceli https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/ton-ve-stil-kontrolu 2026-05-11T13:48:58.223Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Aynı içeriği 5 farklı tonda yazdırma teknikleri. Yazı ses tonunu nasıl matematik gibi kontrol edersin? Ton ve Stil Kontrolü: Resmi, Samimi, Akademik, Eğlenceli https://sukruyusufkaya.com/learn/chatgpt-ustaligi/turkce-prompt-hatalari 2026-05-11T13:48:58.449Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe yazarken model'in kafasını karıştıran yaygın 10 hata ve net çözümleri. Türkçe Promptlamada Sık Yapılan Hatalar (ve Düzeltmeleri) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/turkce-prompt-hatalari 2026-05-11T13:48:58.449Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe yazarken model'in kafasını karıştıran yaygın 10 hata ve net çözümleri. Türkçe Promptlamada Sık Yapılan Hatalar (ve Düzeltmeleri) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/few-shot-learning 2026-05-11T13:48:58.790Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modele birkaç örnek vererek herhangi bir görevi sıfır eğitimle yaptırma sanatı. Pattern matching gücünü kullanma. Few-Shot Learning: Örneklerle Öğretmek https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/few-shot-learning 2026-05-11T13:48:58.790Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modele birkaç örnek vererek herhangi bir görevi sıfır eğitimle yaptırma sanatı. Pattern matching gücünü kullanma. Few-Shot Learning: Örneklerle Öğretmek https://sukruyusufkaya.com/learn/chatgpt-ustaligi/chain-of-thought 2026-05-11T13:48:59.066Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modeli cevap vermeden önce 'düşündürmek' bir trick mi, yoksa keşif mi? CoT'un karmaşık görevlerde nasıl 30%+ doğruluk getirdiği. Chain-of-Thought: Adım Adım Düşündürme https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/chain-of-thought 2026-05-11T13:48:59.066Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modeli cevap vermeden önce 'düşündürmek' bir trick mi, yoksa keşif mi? CoT'un karmaşık görevlerde nasıl 30%+ doğruluk getirdiği. Chain-of-Thought: Adım Adım Düşündürme https://sukruyusufkaya.com/learn/chatgpt-ustaligi/self-consistency 2026-05-11T13:48:59.300Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Aynı soruya birden fazla farklı yoldan cevap üretip 'oy çokluğunu' alma. Doğruluk için en güçlü tekniklerden. Self-Consistency: Çoklu Yol ile Doğrulama https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/self-consistency 2026-05-11T13:48:59.300Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Aynı soruya birden fazla farklı yoldan cevap üretip 'oy çokluğunu' alma. Doğruluk için en güçlü tekniklerden. Self-Consistency: Çoklu Yol ile Doğrulama https://sukruyusufkaya.com/learn/chatgpt-ustaligi/tree-of-thoughts 2026-05-11T13:48:59.525Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Linear CoT yerine 'düşünce ağacı' — model alternatif yolları aynı anda keşfeder, en iyiyi seçer. Karmaşık planlama için. Tree of Thoughts (ToT): Dallanmalı Akıl Yürütme https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/tree-of-thoughts 2026-05-11T13:48:59.525Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Linear CoT yerine 'düşünce ağacı' — model alternatif yolları aynı anda keşfeder, en iyiyi seçer. Karmaşık planlama için. Tree of Thoughts (ToT): Dallanmalı Akıl Yürütme https://sukruyusufkaya.com/learn/chatgpt-ustaligi/react-pattern 2026-05-11T13:48:59.721Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Modeli düşünme + harekete geçme döngüsünde tutmak. Web araması, hesaplama, API çağrılarıyla zincirleme akıl yürütmenin temeli. ReAct Pattern: Reasoning + Acting Döngüsü https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/react-pattern 2026-05-11T13:48:59.721Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Modeli düşünme + harekete geçme döngüsünde tutmak. Web araması, hesaplama, API çağrılarıyla zincirleme akıl yürütmenin temeli. ReAct Pattern: Reasoning + Acting Döngüsü https://sukruyusufkaya.com/learn/chatgpt-ustaligi/meta-prompting 2026-05-11T13:48:59.921Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Promptu kendi yazma yerine modelden iyi prompt isteme tekniği. 10 dakikalık görev için 1 saatlik prompt mühendisliği yapma derdi yok. Meta-Prompting: ChatGPT'ye 'Daha İyi Prompt Yaz' Dedirtmek https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/meta-prompting 2026-05-11T13:48:59.921Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Promptu kendi yazma yerine modelden iyi prompt isteme tekniği. 10 dakikalık görev için 1 saatlik prompt mühendisliği yapma derdi yok. Meta-Prompting: ChatGPT'ye 'Daha İyi Prompt Yaz' Dedirtmek https://sukruyusufkaya.com/learn/chatgpt-ustaligi/negative-prompting 2026-05-11T13:49:00.122Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Kötü çıktıları önlemek için neyin **yapılmaması** gerektiğini söylemek. Etkili kullanım kuralları. Karşıt-Örnekleme (Negative Prompting): 'Yapma' Listesi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/negative-prompting 2026-05-11T13:49:00.122Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Kötü çıktıları önlemek için neyin **yapılmaması** gerektiğini söylemek. Etkili kullanım kuralları. Karşıt-Örnekleme (Negative Prompting): 'Yapma' Listesi https://sukruyusufkaya.com/learn/chatgpt-ustaligi/iteratif-iyilestirme 2026-05-11T13:49:00.319Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Tek seferde mükemmel çıktı yok. Üç turda %95 kaliteye nasıl ulaşırsın? İteratif İyileştirme: Loop Prompting Workflow'u https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/iteratif-iyilestirme 2026-05-11T13:49:00.319Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Tek seferde mükemmel çıktı yok. Üç turda %95 kaliteye nasıl ulaşırsın? İteratif İyileştirme: Loop Prompting Workflow'u https://sukruyusufkaya.com/learn/chatgpt-ustaligi/system-prompts-custom-instructions 2026-05-11T13:49:00.517Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Her sohbette tekrarlamak yerine modelin davranışını kalıcı olarak ayarlamak. Custom Instructions ve API'de system prompt. System Prompts ve Custom Instructions: Kalıcı Davranış Şekillendirme https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/system-prompts-custom-instructions 2026-05-11T13:49:00.517Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Her sohbette tekrarlamak yerine modelin davranışını kalıcı olarak ayarlamak. Custom Instructions ve API'de system prompt. System Prompts ve Custom Instructions: Kalıcı Davranış Şekillendirme https://sukruyusufkaya.com/learn/chatgpt-ustaligi/constrained-generation 2026-05-11T13:49:00.711Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modeli belirli sınırlar içine almak — JSON modu, regex, max_tokens, stop sequences ve format zorlamaları. Constrained Generation: Token, Format, Uzunluk Sınırlaması https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/constrained-generation 2026-05-11T13:49:00.711Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modeli belirli sınırlar içine almak — JSON modu, regex, max_tokens, stop sequences ve format zorlamaları. Constrained Generation: Token, Format, Uzunluk Sınırlaması https://sukruyusufkaya.com/learn/chatgpt-ustaligi/output-parsing 2026-05-11T13:49:00.947Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Çıktıyı parse edilebilir hale getirmek. JSON, XML, custom delimiter'lar ve tip-güvenliği. Output Parsing: JSON Schema, XML Tags, Structured Outputs https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/output-parsing 2026-05-11T13:49:00.947Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Çıktıyı parse edilebilir hale getirmek. JSON, XML, custom delimiter'lar ve tip-güvenliği. Output Parsing: JSON Schema, XML Tags, Structured Outputs https://sukruyusufkaya.com/learn/chatgpt-ustaligi/multi-step-pipelines 2026-05-11T13:49:01.164Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevi alt görevlere bölüp her birini ayrı LLM çağrısı ile çözme. Hata izolasyonu, kalite ve maliyet avantajları. Multi-Step Prompting: Pipeline Tasarımı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/multi-step-pipelines 2026-05-11T13:49:01.164Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevi alt görevlere bölüp her birini ayrı LLM çağrısı ile çözme. Hata izolasyonu, kalite ve maliyet avantajları. Multi-Step Prompting: Pipeline Tasarımı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/prompt-injection 2026-05-11T13:49:01.364Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Kullanıcı girdisinin sistem promptunu nasıl ele geçirdiği. 5 saldırı türü ve 7 savunma katmanı. Prompt Injection: Saldırılar ve Savunma https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/prompt-injection 2026-05-11T13:49:01.364Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Kullanıcı girdisinin sistem promptunu nasıl ele geçirdiği. 5 saldırı türü ve 7 savunma katmanı. Prompt Injection: Saldırılar ve Savunma https://sukruyusufkaya.com/learn/chatgpt-ustaligi/prompt-versioning-ab-testing 2026-05-11T13:49:01.560Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Üretimdeki promptları yazılım kodu gibi yönetmek. Sürüm kontrolü, A/B testleri, performans ölçümü. Prompt Versioning ve A/B Testing https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/prompt-versioning-ab-testing 2026-05-11T13:49:01.560Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Üretimdeki promptları yazılım kodu gibi yönetmek. Sürüm kontrolü, A/B testleri, performans ölçümü. Prompt Versioning ve A/B Testing https://sukruyusufkaya.com/learn/chatgpt-ustaligi/blog-yazilari-workflow 2026-05-11T13:49:01.719Z monthly 0.70 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Niş seçimi, anahtar kelime analizi, outline, taslak, revizyon, SEO ve yayın. ChatGPT ile 800-1500 kelimelik blog yazısı 1 saatte. Blog Yazıları: Outline'dan Yayına Tam Workflow https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/blog-yazilari-workflow 2026-05-11T13:49:01.719Z monthly 0.60 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Niş seçimi, anahtar kelime analizi, outline, taslak, revizyon, SEO ve yayın. ChatGPT ile 800-1500 kelimelik blog yazısı 1 saatte. Blog Yazıları: Outline'dan Yayına Tam Workflow https://sukruyusufkaya.com/learn/chatgpt-ustaligi/e-posta-sablonlari 2026-05-11T13:49:01.922Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 20 hazır e-posta şablonu — ChatGPT ile günlük yazışmaları 5 dakikaya indirme. E-posta: Soğuk Erişim, Takip, Şikayet, Teşekkür Şablonları https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/e-posta-sablonlari 2026-05-11T13:49:01.922Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 20 hazır e-posta şablonu — ChatGPT ile günlük yazışmaları 5 dakikaya indirme. E-posta: Soğuk Erişim, Takip, Şikayet, Teşekkür Şablonları https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sosyal-medya-format-spesifik 2026-05-13T18:25:23.262Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Her platformun kendine özgü kuralları ve algoritma davranışı. ChatGPT ile platform-uyarlamalı içerik üretimi. Sosyal Medya: LinkedIn, X, Instagram, TikTok için Format-Spesifik Üretim https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sosyal-medya-format-spesifik 2026-05-13T18:25:23.262Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Her platformun kendine özgü kuralları ve algoritma davranışı. ChatGPT ile platform-uyarlamalı içerik üretimi. Sosyal Medya: LinkedIn, X, Instagram, TikTok için Format-Spesifik Üretim https://sukruyusufkaya.com/learn/chatgpt-ustaligi/copywriting-cerceveler 2026-05-11T13:49:02.326Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 3 klasik copywriting çerçevesi ve ChatGPT ile her birinin promptu. Reklam, landing page, ürün açıklaması. Pazarlama Metinleri (Copywriting): AIDA, PAS, FAB Çerçeveleri https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/copywriting-cerceveler 2026-05-11T13:49:02.326Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 3 klasik copywriting çerçevesi ve ChatGPT ile her birinin promptu. Reklam, landing page, ürün açıklaması. Pazarlama Metinleri (Copywriting): AIDA, PAS, FAB Çerçeveleri https://sukruyusufkaya.com/learn/chatgpt-ustaligi/seo-icerik-briefing 2026-05-11T13:49:02.546Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anahtar kelime araştırmasından yayına: SEO odaklı içerik üretiminin tüm aşamaları + ChatGPT ile her aşama. SEO İçerik: Keyword Briefing'den Meta Description'a https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/seo-icerik-briefing 2026-05-11T13:49:02.546Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anahtar kelime araştırmasından yayına: SEO odaklı içerik üretiminin tüm aşamaları + ChatGPT ile her aşama. SEO İçerik: Keyword Briefing'den Meta Description'a https://sukruyusufkaya.com/learn/chatgpt-ustaligi/yaratici-yazarlik 2026-05-11T13:49:02.719Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT ile yazar bloğunu kırma, karakter geliştirme, dil oyunları, türler arası deneyler. Yaratıcı Yazarlık: Hikaye, Şiir, Senaryo, Diyalog https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/yaratici-yazarlik 2026-05-11T13:49:02.719Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT ile yazar bloğunu kırma, karakter geliştirme, dil oyunları, türler arası deneyler. Yaratıcı Yazarlık: Hikaye, Şiir, Senaryo, Diyalog https://sukruyusufkaya.com/learn/chatgpt-ustaligi/akademik-yazim 2026-05-11T13:49:02.923Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Tez, makale, sunum için ChatGPT — etik sınırları korunarak akademik yazıma katkı. Akademik Yazım Asistanlığı: Özet, Literatür, Atıf https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/akademik-yazim 2026-05-11T13:49:02.923Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Tez, makale, sunum için ChatGPT — etik sınırları korunarak akademik yazıma katkı. Akademik Yazım Asistanlığı: Özet, Literatür, Atıf https://sukruyusufkaya.com/learn/chatgpt-ustaligi/code-interpreter-tanisma 2026-05-11T13:49:03.146Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin Python sandbox'ı: dosya yükle, kod çalıştır, görsel üret. Tüm yetenekler ve sınırlamalar. Code Interpreter / Advanced Data Analysis: Tanışma https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/code-interpreter-tanisma 2026-05-11T13:49:03.146Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin Python sandbox'ı: dosya yükle, kod çalıştır, görsel üret. Tüm yetenekler ve sınırlamalar. Code Interpreter / Advanced Data Analysis: Tanışma https://sukruyusufkaya.com/learn/chatgpt-ustaligi/csv-excel-kesif 2026-05-11T13:49:03.316Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Yeni veri seti elinize geçti — 30 saniyede ne içerdiğini, kalitesini, ön bulgularını öğrenin. CSV/Excel Yükleme ve Otomatik Keşif Analizi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/csv-excel-kesif 2026-05-11T13:49:03.316Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Yeni veri seti elinize geçti — 30 saniyede ne içerdiğini, kalitesini, ön bulgularını öğrenin. CSV/Excel Yükleme ve Otomatik Keşif Analizi https://sukruyusufkaya.com/learn/chatgpt-ustaligi/grafik-uretimi 2026-05-11T13:49:03.504Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Doğru grafik tipini seçme + ChatGPT promptlarıyla profesyonel görselleştirme. Grafik Üretimi: Histogram, Scatter, Heatmap, Time Series https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/grafik-uretimi 2026-05-11T13:49:03.504Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Doğru grafik tipini seçme + ChatGPT promptlarıyla profesyonel görselleştirme. Grafik Üretimi: Histogram, Scatter, Heatmap, Time Series https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sql-sorgu-yazimi 2026-05-11T13:49:03.687Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT ile doğal dilden SQL'e, mevcut sorguyu açıklama, optimizasyon ve hata bulma. SQL Sorgu Yazımı ve Açıklama https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sql-sorgu-yazimi 2026-05-11T13:49:03.687Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT ile doğal dilden SQL'e, mevcut sorguyu açıklama, optimizasyon ve hata bulma. SQL Sorgu Yazımı ve Açıklama https://sukruyusufkaya.com/learn/chatgpt-ustaligi/istatistik-testler 2026-05-11T13:49:03.886Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 t-test, chi-square, ANOVA, korelasyon testleri — Code Interpreter ile otomatik ve sonuçların yorumu. İstatistiksel Testler ve Yorumlama https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/istatistik-testler 2026-05-11T13:49:03.886Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 t-test, chi-square, ANOVA, korelasyon testleri — Code Interpreter ile otomatik ve sonuçların yorumu. İstatistiksel Testler ve Yorumlama https://sukruyusufkaya.com/learn/chatgpt-ustaligi/veri-temizleme 2026-05-11T13:49:04.119Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Pratik 6 adımlı veri temizleme şablonu. Eksik değer, outlier, tip uyumsuzluğu, duplicate, format normalizasyonu. Veri Temizleme Workflow'u: Eksik, Aykırı, Tip Düzeltme https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/veri-temizleme 2026-05-11T13:49:04.119Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Pratik 6 adımlı veri temizleme şablonu. Eksik değer, outlier, tip uyumsuzluğu, duplicate, format normalizasyonu. Veri Temizleme Workflow'u: Eksik, Aykırı, Tip Düzeltme https://sukruyusufkaya.com/learn/chatgpt-ustaligi/spec-to-code 2026-05-11T13:49:04.318Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Belirsiz görev fikrinden çalışan, test edilmiş, dokümante koda — pipeline ile profesyonel akış. Kod Yazma: Spec → Kod Akışı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/spec-to-code 2026-05-11T13:49:04.318Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Belirsiz görev fikrinden çalışan, test edilmiş, dokümante koda — pipeline ile profesyonel akış. Kod Yazma: Spec → Kod Akışı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/debugging 2026-05-11T13:49:04.518Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Hata mesajını ChatGPT'ye verirken neyi nasıl ekleyeceksin? 'Bu kod çalışmıyor'tan profesyonel debug oturumuna. Hata Ayıklama: Stack Trace ile Sohbet https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/debugging 2026-05-11T13:49:04.518Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Hata mesajını ChatGPT'ye verirken neyi nasıl ekleyeceksin? 'Bu kod çalışmıyor'tan profesyonel debug oturumuna. Hata Ayıklama: Stack Trace ile Sohbet https://sukruyusufkaya.com/learn/chatgpt-ustaligi/code-review-refactoring 2026-05-11T13:49:04.757Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'yi kıdemli mühendis gibi kod inceleme ortağı yap. Smell tespiti, refactor önerileri. Code Review ve Refactoring İstemleri https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/code-review-refactoring 2026-05-11T13:49:04.757Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'yi kıdemli mühendis gibi kod inceleme ortağı yap. Smell tespiti, refactor önerileri. Code Review ve Refactoring İstemleri https://sukruyusufkaya.com/learn/chatgpt-ustaligi/unit-test-uretimi 2026-05-11T13:49:04.961Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Mevcut kod için kapsamlı test üretmek, edge case'leri yakalamak. 3 popüler framework için promptlar. Unit Test Üretimi: Jest, Pytest, JUnit Örnekleri https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/unit-test-uretimi 2026-05-11T13:49:04.961Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Mevcut kod için kapsamlı test üretmek, edge case'leri yakalamak. 3 popüler framework için promptlar. Unit Test Üretimi: Jest, Pytest, JUnit Örnekleri https://sukruyusufkaya.com/learn/chatgpt-ustaligi/kod-dokumantasyonu 2026-05-11T13:49:05.203Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Mevcut kodu dokümante etme: inline doc, README, API docs. ChatGPT ile manuel zaman 10x. Dokümantasyon: JSDoc, Docstring, README https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/kod-dokumantasyonu 2026-05-11T13:49:05.203Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Mevcut kodu dokümante etme: inline doc, README, API docs. ChatGPT ile manuel zaman 10x. Dokümantasyon: JSDoc, Docstring, README https://sukruyusufkaya.com/learn/chatgpt-ustaligi/code-translation 2026-05-11T13:49:05.360Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Bir dilin kodunu başka dile çevirme: deyim farkları, idiom hatlama, ekosistem uyumu. Code Translation: Python ↔ JS ↔ TS ↔ Go ↔ Rust https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/code-translation 2026-05-11T13:49:05.360Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Bir dilin kodunu başka dile çevirme: deyim farkları, idiom hatlama, ekosistem uyumu. Code Translation: Python ↔ JS ↔ TS ↔ Go ↔ Rust https://sukruyusufkaya.com/learn/chatgpt-ustaligi/ide-entegrasyonlari 2026-05-11T13:49:05.568Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Editor içinde ChatGPT — copilot, inline suggest, agent mode. Üretkenliği 5x katlayan setup. IDE Entegrasyonları: VS Code, Cursor, JetBrains https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/ide-entegrasyonlari 2026-05-11T13:49:05.568Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Editor içinde ChatGPT — copilot, inline suggest, agent mode. Üretkenliği 5x katlayan setup. IDE Entegrasyonları: VS Code, Cursor, JetBrains https://sukruyusufkaya.com/learn/chatgpt-ustaligi/gorsel-analiz 2026-05-11T13:49:05.744Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'ye fotoğraf yükle, sorularını sor — günlük 50 use case ile pratik tur. Görsel Analiz: Fotoğraf, Belge, Ekran Görüntüsü Anlama https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/gorsel-analiz 2026-05-11T13:49:05.744Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'ye fotoğraf yükle, sorularını sor — günlük 50 use case ile pratik tur. Görsel Analiz: Fotoğraf, Belge, Ekran Görüntüsü Anlama https://sukruyusufkaya.com/learn/chatgpt-ustaligi/diyagram-tablo-grafik-okuma 2026-05-11T13:49:05.937Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Mermaid, Excel tablosu, finansal grafik — yapılandırılmış görselleri ChatGPT ile okuma sanatı. Diyagram, Tablo, Grafik Okuma https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/diyagram-tablo-grafik-okuma 2026-05-11T13:49:05.937Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Mermaid, Excel tablosu, finansal grafik — yapılandırılmış görselleri ChatGPT ile okuma sanatı. Diyagram, Tablo, Grafik Okuma https://sukruyusufkaya.com/learn/chatgpt-ustaligi/ui-debug-screenshot 2026-05-11T13:49:06.116Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Bozuk butona, kayık layout'a, mobile breakpoint sorununa — ekran görüntüsü ile profesyonel debug. UI Debug: Ekran Görüntüsü ile CSS/Layout Sorun Çözme https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/ui-debug-screenshot 2026-05-11T13:49:06.116Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Bozuk butona, kayık layout'a, mobile breakpoint sorununa — ekran görüntüsü ile profesyonel debug. UI Debug: Ekran Görüntüsü ile CSS/Layout Sorun Çözme https://sukruyusufkaya.com/learn/chatgpt-ustaligi/dall-e-gorsel-uretimi 2026-05-11T13:49:06.320Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT içinden DALL-E 3 ile görsel üretme. Prompt mimarisi, stil, kompozisyon, format. DALL-E ile Görsel Üretimi: Prompt Mimarisi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/dall-e-gorsel-uretimi 2026-05-11T13:49:06.320Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT içinden DALL-E 3 ile görsel üretme. Prompt mimarisi, stil, kompozisyon, format. DALL-E ile Görsel Üretimi: Prompt Mimarisi https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sesli-mod-detayli 2026-05-11T13:49:06.480Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Yürürken brainstorm, dil pratiği, çeviri asistanlığı, accessibility — sesli modun günlük 12 use case'i. Sesli Mod (Standard ve Advanced): Detaylı Kullanım https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sesli-mod-detayli 2026-05-11T13:49:06.480Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Yürürken brainstorm, dil pratiği, çeviri asistanlığı, accessibility — sesli modun günlük 12 use case'i. Sesli Mod (Standard ve Advanced): Detaylı Kullanım https://sukruyusufkaya.com/learn/chatgpt-ustaligi/video-anlama-sora 2026-05-11T13:49:06.670Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Sora ile video üretimi, ChatGPT'ye video yükleme, frame analizi. 2026'nın çok modlu sınırı. Video Anlama (Sora ve Yeni Yetenekler) — 2026 Güncellemesi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/video-anlama-sora 2026-05-11T13:49:06.670Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Sora ile video üretimi, ChatGPT'ye video yükleme, frame analizi. 2026'nın çok modlu sınırı. Video Anlama (Sora ve Yeni Yetenekler) — 2026 Güncellemesi https://sukruyusufkaya.com/learn/chatgpt-ustaligi/custom-gpt-anatomisi 2026-05-11T13:49:06.881Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Custom GPT'nin 4 temel parçası ve her birinin ne işe yaradığı. Custom GPT Anatomisi: Instructions, Knowledge, Capabilities, Actions https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/custom-gpt-anatomisi 2026-05-11T13:49:06.881Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Custom GPT'nin 4 temel parçası ve her birinin ne işe yaradığı. Custom GPT Anatomisi: Instructions, Knowledge, Capabilities, Actions https://sukruyusufkaya.com/learn/chatgpt-ustaligi/gpt-builder 2026-05-11T13:49:07.101Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Adım adım GPT Builder kullanımı: ad, açıklama, talimat, knowledge, conversation starters, profil görseli. GPT Builder ile Konuşarak GPT Oluşturma https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/gpt-builder 2026-05-11T13:49:07.101Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Adım adım GPT Builder kullanımı: ad, açıklama, talimat, knowledge, conversation starters, profil görseli. GPT Builder ile Konuşarak GPT Oluşturma https://sukruyusufkaya.com/learn/chatgpt-ustaligi/knowledge-files-rag 2026-05-11T13:49:07.283Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Yüklediğin dokümanın 'akıllı' bulunabilirliğini ne belirler? Chunking, format, başlık hijyeni. Knowledge Files: Etkili RAG için Doküman Hazırlama https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/knowledge-files-rag 2026-05-11T13:49:07.283Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Yüklediğin dokümanın 'akıllı' bulunabilirliğini ne belirler? Chunking, format, başlık hijyeni. Knowledge Files: Etkili RAG için Doküman Hazırlama https://sukruyusufkaya.com/learn/chatgpt-ustaligi/custom-gpt-actions 2026-05-11T13:49:07.455Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Custom GPT'nin dış API çağırması: OpenAPI 3.1 spec yazma, parametre, response handling. Actions: OpenAPI Spec ile API Entegrasyonu https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/custom-gpt-actions 2026-05-11T13:49:07.455Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Custom GPT'nin dış API çağırması: OpenAPI 3.1 spec yazma, parametre, response handling. Actions: OpenAPI Spec ile API Entegrasyonu https://sukruyusufkaya.com/learn/chatgpt-ustaligi/custom-gpt-auth 2026-05-11T13:49:07.642Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Actions için kimlik doğrulama: ne zaman API Key, ne zaman OAuth? Güvenlik notları. Authentication: API Key, OAuth Senaryoları https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/custom-gpt-auth 2026-05-11T13:49:07.642Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Actions için kimlik doğrulama: ne zaman API Key, ne zaman OAuth? Güvenlik notları. Authentication: API Key, OAuth Senaryoları https://sukruyusufkaya.com/learn/chatgpt-ustaligi/gpt-store-yayinlama 2026-05-11T13:49:07.853Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 GPT'ni Store'a koymak, listeleme, SEO, kullanıcı kazanma ve revenue share. GPT Store'da Yayınlama, Kategorizasyon, Para Kazanma https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/gpt-store-yayinlama 2026-05-11T13:49:07.853Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 GPT'ni Store'a koymak, listeleme, SEO, kullanıcı kazanma ve revenue share. GPT Store'da Yayınlama, Kategorizasyon, Para Kazanma https://sukruyusufkaya.com/learn/chatgpt-ustaligi/pratik-vaka-seo-gpt 2026-05-11T13:49:08.069Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Adım adım, dakika dakika: tek bir GPT'yi kavramsallaştırmadan yayına. Kapsamlı vaka çalışması. Pratik Vaka: 'Kişisel SEO Asistanı' GPT'sini Sıfırdan İnşa https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/pratik-vaka-seo-gpt 2026-05-11T13:49:08.069Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Adım adım, dakika dakika: tek bir GPT'yi kavramsallaştırmadan yayına. Kapsamlı vaka çalışması. Pratik Vaka: 'Kişisel SEO Asistanı' GPT'sini Sıfırdan İnşa https://sukruyusufkaya.com/learn/chatgpt-ustaligi/web-search-tool 2026-05-11T13:49:08.272Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Eğitim cutoff'u sonrası bilgi, gerçek zamanlı veri, kaynak doğrulama — Web Search ile. Web Search (Browse): Güncel Bilgi Çekme https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/web-search-tool 2026-05-11T13:49:08.272Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Eğitim cutoff'u sonrası bilgi, gerçek zamanlı veri, kaynak doğrulama — Web Search ile. Web Search (Browse): Güncel Bilgi Çekme https://sukruyusufkaya.com/learn/chatgpt-ustaligi/code-interpreter-detay 2026-05-11T13:49:08.520Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Modül 6'da tanıştığımız Code Interpreter'ın gelişmiş kullanımları: dosya üretimi, multi-step pipeline, performans. Code Interpreter Sandbox Detayları https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/code-interpreter-detay 2026-05-11T13:49:08.520Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Modül 6'da tanıştığımız Code Interpreter'ın gelişmiş kullanımları: dosya üretimi, multi-step pipeline, performans. Code Interpreter Sandbox Detayları https://sukruyusufkaya.com/learn/chatgpt-ustaligi/dosya-yukleme 2026-05-11T13:49:08.721Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Hangi format ne zaman? Optimal hazırlama, multiple files, parsing tuzakları. File Upload: PDF, DOCX, XLSX, CSV, Görsel https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/dosya-yukleme 2026-05-11T13:49:08.721Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Hangi format ne zaman? Optimal hazırlama, multiple files, parsing tuzakları. File Upload: PDF, DOCX, XLSX, CSV, Görsel https://sukruyusufkaya.com/learn/chatgpt-ustaligi/canvas 2026-05-11T13:49:08.879Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Uzun metin/kod üzerinde ChatGPT ile satır-satır işbirliği. Edit mode, suggest, version history. Canvas: Yeni İşbirliği Editörü https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/canvas 2026-05-11T13:49:08.879Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Uzun metin/kod üzerinde ChatGPT ile satır-satır işbirliği. Edit mode, suggest, version history. Canvas: Yeni İşbirliği Editörü https://sukruyusufkaya.com/learn/chatgpt-ustaligi/memory-yonetimi 2026-05-11T13:49:09.119Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin sohbetler arası hatırladığı bilgi. Ne hatırlar, ne unutur, nasıl yönetilir? Memory: Kalıcı Bellek Yönetimi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/memory-yonetimi 2026-05-11T13:49:09.119Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin sohbetler arası hatırladığı bilgi. Ne hatırlar, ne unutur, nasıl yönetilir? Memory: Kalıcı Bellek Yönetimi https://sukruyusufkaya.com/learn/chatgpt-ustaligi/api-giris 2026-05-11T13:49:09.321Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI Platform hesabı, billing setup, rate limit'ler ve maliyet kontrolü. API'ye Giriş: Anahtar Alma, Faturalama, Limitler https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/api-giris 2026-05-11T13:49:09.321Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI Platform hesabı, billing setup, rate limit'ler ve maliyet kontrolü. API'ye Giriş: Anahtar Alma, Faturalama, Limitler https://sukruyusufkaya.com/learn/chatgpt-ustaligi/ilk-api-cagrisi 2026-05-11T13:49:09.523Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Aynı çağrıyı 3 dilde — terminal, Python, Node.js. Hangisi ne için? İlk API Çağrısı: curl, Python, Node.js https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/ilk-api-cagrisi 2026-05-11T13:49:09.523Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Aynı çağrıyı 3 dilde — terminal, Python, Node.js. Hangisi ne için? İlk API Çağrısı: curl, Python, Node.js https://sukruyusufkaya.com/learn/chatgpt-ustaligi/streaming-responses 2026-05-11T13:49:09.728Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT yanıtı tek seferde değil, akarak gelir — kullanıcı bekleme süresi azalır. SSE ile implementasyon. Streaming Responses: SSE Pattern https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/streaming-responses 2026-05-11T13:49:09.728Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT yanıtı tek seferde değil, akarak gelir — kullanıcı bekleme süresi azalır. SSE ile implementasyon. Streaming Responses: SSE Pattern https://sukruyusufkaya.com/learn/chatgpt-ustaligi/function-calling 2026-05-11T13:49:09.970Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modele 'şu fonksiyonları çağırabilirsin' deyip, hangisini çağıracağını model seçtirme. Agent'ların temeli. Function Calling: Yapılandırılmış Tool Kullanımı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/function-calling 2026-05-11T13:49:09.970Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modele 'şu fonksiyonları çağırabilirsin' deyip, hangisini çağıracağını model seçtirme. Agent'ların temeli. Function Calling: Yapılandırılmış Tool Kullanımı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/structured-outputs 2026-05-11T13:49:10.138Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 4'te giriş yaptık; burada API tarafında detayları, Zod entegrasyonu, performans. Structured Outputs: JSON Schema ile Garantili Format https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/structured-outputs 2026-05-11T13:49:10.138Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 4'te giriş yaptık; burada API tarafında detayları, Zod entegrasyonu, performans. Structured Outputs: JSON Schema ile Garantili Format https://sukruyusufkaya.com/learn/chatgpt-ustaligi/assistants-api 2026-05-11T13:49:10.341Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Custom GPT'nin programatik karşılığı: stateful asistanlar, kalıcı thread'ler, tool ekosistemi. Assistants API: Threads, Runs, Tools https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/assistants-api 2026-05-11T13:49:10.341Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Custom GPT'nin programatik karşılığı: stateful asistanlar, kalıcı thread'ler, tool ekosistemi. Assistants API: Threads, Runs, Tools https://sukruyusufkaya.com/learn/chatgpt-ustaligi/embeddings-rag 2026-05-11T13:49:10.521Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Metni vektöre dönüştürme, semantic search, RAG mimarisi. Custom GPT Knowledge altında bunlar var. Embeddings ve Vector Search: RAG Temelleri https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/embeddings-rag 2026-05-11T13:49:10.521Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Metni vektöre dönüştürme, semantic search, RAG mimarisi. Custom GPT Knowledge altında bunlar var. Embeddings ve Vector Search: RAG Temelleri https://sukruyusufkaya.com/learn/chatgpt-ustaligi/token-ekonomi 2026-05-11T13:49:10.681Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 10K kullanıcılı uygulamada API bütçesi nasıl yönetilir? Caching, model seçimi, prompt optimizasyon. Token Ekonomisi: Maliyet Optimizasyonu https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/token-ekonomi 2026-05-11T13:49:10.681Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 10K kullanıcılı uygulamada API bütçesi nasıl yönetilir? Caching, model seçimi, prompt optimizasyon. Token Ekonomisi: Maliyet Optimizasyonu https://sukruyusufkaya.com/learn/chatgpt-ustaligi/gunluk-rutin-entegrasyon 2026-05-11T13:49:10.863Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Sabahtan akşama 12 noktada ChatGPT — her birinin promptu hazır. ChatGPT'yi Günlük Rutine Entegre Etmek https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/gunluk-rutin-entegrasyon 2026-05-11T13:49:10.863Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Sabahtan akşama 12 noktada ChatGPT — her birinin promptu hazır. ChatGPT'yi Günlük Rutine Entegre Etmek https://sukruyusufkaya.com/learn/chatgpt-ustaligi/toplanti-notlari 2026-05-11T13:49:11.067Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Otomatik transkript + ChatGPT ile özet ve aksiyon çıkarma. Toplantı verimliliği 3x. Toplantı Notları, Özet ve Aksiyon Çıkarımı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/toplanti-notlari 2026-05-11T13:49:11.067Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Otomatik transkript + ChatGPT ile özet ve aksiyon çıkarma. Toplantı verimliliği 3x. Toplantı Notları, Özet ve Aksiyon Çıkarımı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/karar-verme-cerceveler 2026-05-11T13:49:11.230Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Klasik karar çerçeveleri + ChatGPT promptları. Kişisel ve iş kararları için. Karar Verme Çerçeveleri: Eisenhower, OODA, RICE https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/karar-verme-cerceveler 2026-05-11T13:49:11.230Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Klasik karar çerçeveleri + ChatGPT promptları. Kişisel ve iş kararları için. Karar Verme Çerçeveleri: Eisenhower, OODA, RICE https://sukruyusufkaya.com/learn/chatgpt-ustaligi/ogrenme-plani 2026-05-11T13:49:11.429Z monthly 0.70 https://images.unsplash.com/photo-1546900703-cf06143d1239?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'den özelleştirilmiş 7 günlük öğrenme planı isteme. Konu seçim → plan → günlük takip. Yeni Bir Konuyu 7 Günde Öğrenme Planı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/ogrenme-plani 2026-05-11T13:49:11.429Z monthly 0.60 https://images.unsplash.com/photo-1546900703-cf06143d1239?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'den özelleştirilmiş 7 günlük öğrenme planı isteme. Konu seçim → plan → günlük takip. Yeni Bir Konuyu 7 Günde Öğrenme Planı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/otomasyonlar 2026-05-11T13:49:11.569Z monthly 0.70 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT + Zapier/Make ile rutin işlerin otomatikleştirilmesi. 5 hazır şablon. E-posta ve Slack/Discord Otomasyonu (Zapier, Make) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/otomasyonlar 2026-05-11T13:49:11.569Z monthly 0.60 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT + Zapier/Make ile rutin işlerin otomatikleştirilmesi. 5 hazır şablon. E-posta ve Slack/Discord Otomasyonu (Zapier, Make) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/second-brain 2026-05-11T13:49:11.787Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Notlar, fikirler, belgeler — ChatGPT ile arama yapılabilir kişisel bilgi tabanı. Kişisel 'Second Brain' Setup'ı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/second-brain 2026-05-11T13:49:11.787Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Notlar, fikirler, belgeler — ChatGPT ile arama yapılabilir kişisel bilgi tabanı. Kişisel 'Second Brain' Setup'ı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sektor-pazarlama 2026-05-11T13:49:11.988Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 10 hazır pazarlama use case + her birinin promptu. Strateji, ad copy, SEO, analiz. Pazarlama, Reklam ve SEO https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sektor-pazarlama 2026-05-11T13:49:11.988Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 10 hazır pazarlama use case + her birinin promptu. Strateji, ad copy, SEO, analiz. Pazarlama, Reklam ve SEO https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sektor-egitim 2026-05-11T13:49:12.157Z monthly 0.70 https://images.unsplash.com/photo-1546900703-cf06143d1239?w=1280&h=720&fit=crop&auto=format&q=80 Öğretmenler ve eğitmenler için ChatGPT — ders planı, sınav, ödev geri bildirim, materyal üretimi. Eğitim ve Öğretmenlik https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sektor-egitim 2026-05-11T13:49:12.157Z monthly 0.60 https://images.unsplash.com/photo-1546900703-cf06143d1239?w=1280&h=720&fit=crop&auto=format&q=80 Öğretmenler ve eğitmenler için ChatGPT — ders planı, sınav, ödev geri bildirim, materyal üretimi. Eğitim ve Öğretmenlik https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sektor-saglik 2026-05-11T13:49:12.318Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Sağlık alanında ChatGPT'nin etik kullanımı: bilgilendirme, beslenme, fitness, mental sağlık. Sağlık (Klinik Olmayan Bilgilendirme) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sektor-saglik 2026-05-11T13:49:12.318Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Sağlık alanında ChatGPT'nin etik kullanımı: bilgilendirme, beslenme, fitness, mental sağlık. Sağlık (Klinik Olmayan Bilgilendirme) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sektor-hukuk 2026-05-11T13:49:12.515Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Hukuki metinleri anlama, sözleşme taslağı, hukuki sorgulara bilgilendirici yanıt. Hukuk (Sözleşme Taslağı, Bilgilendirme) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sektor-hukuk 2026-05-11T13:49:12.515Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Hukuki metinleri anlama, sözleşme taslağı, hukuki sorgulara bilgilendirici yanıt. Hukuk (Sözleşme Taslağı, Bilgilendirme) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sektor-finans 2026-05-11T13:49:12.690Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Finansal modelleme, oran analizi, raporlama, bütçe yönetimi — ChatGPT ile. Finans ve Muhasebe Asistanlığı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sektor-finans 2026-05-11T13:49:12.690Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Finansal modelleme, oran analizi, raporlama, bütçe yönetimi — ChatGPT ile. Finans ve Muhasebe Asistanlığı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sektor-yazilim 2026-05-11T13:49:12.844Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Daily standup notu, code review, mimari karar, deployment troubleshooting. Yazılım Geliştirme Pratikleri https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sektor-yazilim 2026-05-11T13:49:12.844Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Daily standup notu, code review, mimari karar, deployment troubleshooting. Yazılım Geliştirme Pratikleri https://sukruyusufkaya.com/learn/chatgpt-ustaligi/sektor-ik 2026-05-11T13:49:13.003Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 İş ilanı yazma, mülakat soruları, CV inceleme, çalışan geri bildirim, performans değerlendirme. İnsan Kaynakları ve Mülakatlar https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/sektor-ik 2026-05-11T13:49:13.003Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 İş ilanı yazma, mülakat soruları, CV inceleme, çalışan geri bildirim, performans değerlendirme. İnsan Kaynakları ve Mülakatlar https://sukruyusufkaya.com/learn/chatgpt-ustaligi/halusinasyon 2026-05-11T13:49:13.153Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin 'gerçekmiş gibi' yanlış bilgi üretmesi. Niçin olur, nasıl tanırsın, nasıl kaçınırsın? Halüsinasyon: Tanımı, Tanıma, Kaçınma https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/halusinasyon 2026-05-11T13:49:13.153Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin 'gerçekmiş gibi' yanlış bilgi üretmesi. Niçin olur, nasıl tanırsın, nasıl kaçınırsın? Halüsinasyon: Tanımı, Tanıma, Kaçınma https://sukruyusufkaya.com/learn/chatgpt-ustaligi/bias-onyargilar 2026-05-11T13:49:13.328Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM'ler eğitim verisindeki ön yargıları **öğrenir ve tekrarlar**. Tanıma ve azaltma stratejileri. Bias ve Önyargılar https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/bias-onyargilar 2026-05-11T13:49:13.328Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM'ler eğitim verisindeki ön yargıları **öğrenir ve tekrarlar**. Tanıma ve azaltma stratejileri. Bias ve Önyargılar https://sukruyusufkaya.com/learn/chatgpt-ustaligi/veri-gizliligi 2026-05-11T13:49:13.477Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'ye ne gönderebilir, ne göndermemelisin? KVKK, GDPR, kurumsal politika. Veri Gizliliği: Nelere Dikkat? https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/veri-gizliligi 2026-05-11T13:49:13.477Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'ye ne gönderebilir, ne göndermemelisin? KVKK, GDPR, kurumsal politika. Veri Gizliliği: Nelere Dikkat? https://sukruyusufkaya.com/learn/chatgpt-ustaligi/telif-atif 2026-05-11T13:49:13.643Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'in ürettiği içeriğin sahibi kim? Eğitim verisindeki telif sorunları, atıf gerekliliği. Telif Hakkı ve Atıf https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/telif-atif 2026-05-11T13:49:13.643Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'in ürettiği içeriğin sahibi kim? Eğitim verisindeki telif sorunları, atıf gerekliliği. Telif Hakkı ve Atıf https://sukruyusufkaya.com/learn/chatgpt-ustaligi/akademik-durustluk 2026-05-11T13:49:13.814Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin akademik kullanımı: nerede etik, nerede intihal? Tespit araçları ve çözümler. Akademik Dürüstlük ve Plagiarism Detection https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/akademik-durustluk 2026-05-11T13:49:13.814Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT'nin akademik kullanımı: nerede etik, nerede intihal? Tespit araçları ve çözümler. Akademik Dürüstlük ve Plagiarism Detection https://sukruyusufkaya.com/learn/chatgpt-ustaligi/kvkk-ai-act 2026-05-11T13:49:13.961Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 AI'ya yönelik 2025-2026 yasal çerçeve: Türkiye KVKK güncellemeleri, AB AI Act, ABD eyalet yasaları. Türkiye KVKK + AB AI Act Çerçevesi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/kvkk-ai-act 2026-05-11T13:49:13.961Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 AI'ya yönelik 2025-2026 yasal çerçeve: Türkiye KVKK güncellemeleri, AB AI Act, ABD eyalet yasaları. Türkiye KVKK + AB AI Act Çerçevesi https://sukruyusufkaya.com/learn/chatgpt-ustaligi/vaka-saglikli-yasam 2026-05-11T13:49:14.111Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Sıfırdan sağlıklı yaşam asistanı GPT'si: kişiselleştirme, plan üretimi, takip, motivasyon. Vaka 1: 30 Günlük Sağlıklı Yaşam Asistanı (Custom GPT) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/vaka-saglikli-yasam 2026-05-11T13:49:14.111Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Sıfırdan sağlıklı yaşam asistanı GPT'si: kişiselleştirme, plan üretimi, takip, motivasyon. Vaka 1: 30 Günlük Sağlıklı Yaşam Asistanı (Custom GPT) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/vaka-saas-lansman 2026-05-11T13:49:14.268Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Yeni ürün lansmanı için 12 haftalık pazarlama pipeline'ı. ChatGPT'nin her aşamadaki rolü. Vaka 2: SaaS Ürün Lansmanı — Sıfırdan Pazarlama Pipeline'ı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/vaka-saas-lansman 2026-05-11T13:49:14.268Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Yeni ürün lansmanı için 12 haftalık pazarlama pipeline'ı. ChatGPT'nin her aşamadaki rolü. Vaka 2: SaaS Ürün Lansmanı — Sıfırdan Pazarlama Pipeline'ı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/vaka-kitap-yazma 2026-05-11T13:49:14.473Z monthly 0.70 https://images.unsplash.com/photo-1497032628192-86f99bcd76bc?w=1280&h=720&fit=crop&auto=format&q=80 200 sayfalık bir kitabı 6 ayda yazma süreci. ChatGPT'nin yardımcı olduğu 7 aşama. Vaka 3: Kitap Yazma Workflow'u — Outline'dan Yayına https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/vaka-kitap-yazma 2026-05-11T13:49:14.473Z monthly 0.60 https://images.unsplash.com/photo-1497032628192-86f99bcd76bc?w=1280&h=720&fit=crop&auto=format&q=80 200 sayfalık bir kitabı 6 ayda yazma süreci. ChatGPT'nin yardımcı olduğu 7 aşama. Vaka 3: Kitap Yazma Workflow'u — Outline'dan Yayına https://sukruyusufkaya.com/learn/chatgpt-ustaligi/vaka-kurs-uretim 2026-05-11T13:49:14.654Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Sıfırdan yayına 8 saatlik bir online kurs nasıl üretilir? Müfredat, video script, alıştırma, sınav. Vaka 4: Online Kurs Üretim Pipeline'ı https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/vaka-kurs-uretim 2026-05-11T13:49:14.654Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Sıfırdan yayına 8 saatlik bir online kurs nasıl üretilir? Müfredat, video script, alıştırma, sınav. Vaka 4: Online Kurs Üretim Pipeline'ı https://sukruyusufkaya.com/learn/chatgpt-ustaligi/vaka-yatirim-arastirma 2026-05-11T13:49:14.836Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Hisse, sektör, makro analiz için ChatGPT'yi araştırma asistanı yapma — yatırım tavsiyesi değil. Vaka 5: Yatırım Araştırma Asistanı (Etik Sınırlarla) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/vaka-yatirim-arastirma 2026-05-11T13:49:14.836Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Hisse, sektör, makro analiz için ChatGPT'yi araştırma asistanı yapma — yatırım tavsiyesi değil. Vaka 5: Yatırım Araştırma Asistanı (Etik Sınırlarla) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/proje-bilgi-tabani 2026-05-11T13:49:14.987Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Tüm notlarını sorgulanabilir hale getir. Custom GPT + Notion/Obsidian export pipeline. Proje 1: Kişisel Bilgi Tabanı (Custom GPT + Knowledge) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/proje-bilgi-tabani 2026-05-11T13:49:14.987Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Tüm notlarını sorgulanabilir hale getir. Custom GPT + Notion/Obsidian export pipeline. Proje 1: Kişisel Bilgi Tabanı (Custom GPT + Knowledge) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/proje-blog-pipeline 2026-05-11T13:49:15.163Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Bir Notion sayfasından otomatik blog yazısı + meta + sosyal post + yayın akışı. Proje 2: Otomatik Blog Yayın Hattı (API + Webhook) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/proje-blog-pipeline 2026-05-11T13:49:15.163Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Bir Notion sayfasından otomatik blog yazısı + meta + sosyal post + yayın akışı. Proje 2: Otomatik Blog Yayın Hattı (API + Webhook) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/proje-destek-bot 2026-05-11T13:49:15.308Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Knowledge base + ticket oluşturma + escalation rules — uçtan uca destek botu. Proje 3: Müşteri Destek Botu (Custom GPT + Actions) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/proje-destek-bot 2026-05-11T13:49:15.308Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Knowledge base + ticket oluşturma + escalation rules — uçtan uca destek botu. Proje 3: Müşteri Destek Botu (Custom GPT + Actions) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/proje-dashboard 2026-05-11T13:49:15.479Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Aylık otomatik dashboard üretimi: CSV yükle, ChatGPT analiz + grafikler + insights yazsın. Proje 4: Veri Analizi Dashboard'u (Code Interpreter) https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/proje-dashboard 2026-05-11T13:49:15.479Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Aylık otomatik dashboard üretimi: CSV yükle, ChatGPT analiz + grafikler + insights yazsın. Proje 4: Veri Analizi Dashboard'u (Code Interpreter) https://sukruyusufkaya.com/learn/chatgpt-ustaligi/proje-lokalizasyon 2026-05-11T13:49:15.682Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 İçeriklerini 10 dile otomatik çevirme + kalite kontrol + re-import pipeline'ı. Proje 5: Çok Dilli Lokalizasyon Sistemi https://sukruyusufkaya.com/en/learn/chatgpt-ustaligi/proje-lokalizasyon 2026-05-11T13:49:15.682Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 İçeriklerini 10 dile otomatik çevirme + kalite kontrol + re-import pipeline'ı. Proje 5: Çok Dilli Lokalizasyon Sistemi https://sukruyusufkaya.com/learn/claude-ustaligi/claude-nedir 2026-05-14T03:18:48.106Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un ne olduğunu, geleneksel chatbot'lardan ne ile ayrıldığını ve günlük çalışmanı nasıl değiştireceğini sıfırdan öğren. Claude Nedir? Yapay Zekâ Asistanlarının Yeni Nesli https://sukruyusufkaya.com/en/learn/claude-ustaligi/claude-nedir 2026-05-14T03:18:48.106Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un ne olduğunu, geleneksel chatbot'lardan ne ile ayrıldığını ve günlük çalışmanı nasıl değiştireceğini sıfırdan öğren. Claude Nedir? Yapay Zekâ Asistanlarının Yeni Nesli https://sukruyusufkaya.com/learn/claude-ustaligi/anthropic-constitutional-ai 2026-05-13T08:35:24.470Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un karakterini şekillendiren Constitutional AI yaklaşımını, Anthropic'in güvenlik felsefesini ve Claude'un neyi neden reddettiğini anla. Anthropic, Constitutional AI ve Güvenlik Felsefesi https://sukruyusufkaya.com/en/learn/claude-ustaligi/anthropic-constitutional-ai 2026-05-13T08:35:24.470Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un karakterini şekillendiren Constitutional AI yaklaşımını, Anthropic'in güvenlik felsefesini ve Claude'un neyi neden reddettiğini anla. Anthropic, Constitutional AI ve Güvenlik Felsefesi https://sukruyusufkaya.com/learn/claude-ustaligi/claude-modelleri-karsilastirma 2026-05-13T08:40:29.910Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un üç ana modelinin (Opus, Sonnet, Haiku) güçlü yönlerini, maliyetlerini, hızlarını ve hangi senaryoda hangisini seçeceğini öğren. Modelleri Tanıyalım: Opus, Sonnet, Haiku Karşılaştırması https://sukruyusufkaya.com/en/learn/claude-ustaligi/claude-modelleri-karsilastirma 2026-05-13T08:40:29.910Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un üç ana modelinin (Opus, Sonnet, Haiku) güçlü yönlerini, maliyetlerini, hızlarını ve hangi senaryoda hangisini seçeceğini öğren. Modelleri Tanıyalım: Opus, Sonnet, Haiku Karşılaştırması https://sukruyusufkaya.com/learn/claude-ustaligi/ilk-konusma-arayuz-turu 2026-05-13T08:45:55.482Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Claude.ai web, mobil ve masaüstü uygulamalarının her köşesini öğren; Projects, Artifacts ve klavye kısayollarını ilk günden ustalaş. İlk Konuşma: Web, Mobil ve Desktop Arayüz Turu https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 İlk Konuşma: Web, Mobil ve Desktop Arayüz Turu Claude.ai web, mobil ve masaüstü uygulamalarının her köşesini öğren; Projects, Artifacts ve klavye kısayollarını ilk günden ustalaş. https://www.youtube.com/embed/dQw4w9WgXcQ 2026-05-13T08:45:55.482Z yes https://sukruyusufkaya.com/en/learn/claude-ustaligi/ilk-konusma-arayuz-turu 2026-05-13T08:45:55.482Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Claude.ai web, mobil ve masaüstü uygulamalarının her köşesini öğren; Projects, Artifacts ve klavye kısayollarını ilk günden ustalaş. İlk Konuşma: Web, Mobil ve Desktop Arayüz Turu https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 İlk Konuşma: Web, Mobil ve Desktop Arayüz Turu Claude.ai web, mobil ve masaüstü uygulamalarının her köşesini öğren; Projects, Artifacts ve klavye kısayollarını ilk günden ustalaş. https://www.youtube.com/embed/dQw4w9WgXcQ 2026-05-13T08:45:55.482Z yes https://sukruyusufkaya.com/learn/claude-ustaligi/claude-yetenek-haritasi 2026-05-13T09:10:45.403Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un nelerde parlak, nelerde zayıf olduğunu net bir harita üzerinde gör. Halüsinasyon, taze veri ve karmaşık matematik gibi sınırlarını öğren. Claude'un Yetenek Haritası ve Sınırları https://sukruyusufkaya.com/en/learn/claude-ustaligi/claude-yetenek-haritasi 2026-05-13T09:10:45.403Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un nelerde parlak, nelerde zayıf olduğunu net bir harita üzerinde gör. Halüsinasyon, taze veri ve karmaşık matematik gibi sınırlarını öğren. Claude'un Yetenek Haritası ve Sınırları https://sukruyusufkaya.com/learn/claude-ustaligi/aciklik-ve-spesifiklik 2026-05-13T09:12:49.419Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Belirsiz prompt'lar belirsiz cevap üretir. Bu derste 'fuzzy' isteklerin altındaki gerçek niyeti çıkarmayı ve cerrahi spesifiklik kazanmayı öğreneceğiz. Açıklık ve Spesifiklik: Belirsiz Prompt'tan Cerrahi Prompt'a https://sukruyusufkaya.com/en/learn/claude-ustaligi/aciklik-ve-spesifiklik 2026-05-13T09:12:49.419Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Belirsiz prompt'lar belirsiz cevap üretir. Bu derste 'fuzzy' isteklerin altındaki gerçek niyeti çıkarmayı ve cerrahi spesifiklik kazanmayı öğreneceğiz. Açıklık ve Spesifiklik: Belirsiz Prompt'tan Cerrahi Prompt'a https://sukruyusufkaya.com/learn/claude-ustaligi/xml-yapilandirilmis-prompt 2026-05-13T09:14:40.291Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic'in dokümantasyonunda öne çıkan XML etiketleri tekniği ile prompt'larını parse'lanabilir, sürdürülebilir ve test edilebilir hale getir. XML Etiketleri ile Yapılandırılmış Prompt'lar https://sukruyusufkaya.com/en/learn/claude-ustaligi/xml-yapilandirilmis-prompt 2026-05-13T09:14:40.291Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic'in dokümantasyonunda öne çıkan XML etiketleri tekniği ile prompt'larını parse'lanabilir, sürdürülebilir ve test edilebilir hale getir. XML Etiketleri ile Yapılandırılmış Prompt'lar https://sukruyusufkaya.com/learn/claude-ustaligi/prompt-sablon-tasarimi 2026-05-13T09:29:28.710Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Üretim seviyesi prompt'lar yazılım gibi yönetilmelidir: şablon, parametre, versiyon, test, monitoring. Bu derste prompt'ları kod gibi disiplinli yönetmeyi öğreneceğiz. Prompt Şablonu Tasarlama ve Versiyonlama https://sukruyusufkaya.com/en/learn/claude-ustaligi/prompt-sablon-tasarimi 2026-05-13T09:29:28.710Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Üretim seviyesi prompt'lar yazılım gibi yönetilmelidir: şablon, parametre, versiyon, test, monitoring. Bu derste prompt'ları kod gibi disiplinli yönetmeyi öğreneceğiz. Prompt Şablonu Tasarlama ve Versiyonlama https://sukruyusufkaya.com/learn/claude-ustaligi/system-prompt-persona 2026-05-13T09:33:15.668Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un kişiliğini, sınırlarını ve davranış çerçevesini sistem prompt'uyla nasıl tasarlarsın? Üretime hazır persona kalıpları bu derste. Sistem Prompt'u ve Persona Tasarımı https://sukruyusufkaya.com/en/learn/claude-ustaligi/system-prompt-persona 2026-05-13T09:33:15.668Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un kişiliğini, sınırlarını ve davranış çerçevesini sistem prompt'uyla nasıl tasarlarsın? Üretime hazır persona kalıpları bu derste. Sistem Prompt'u ve Persona Tasarımı https://sukruyusufkaya.com/learn/claude-ustaligi/output-format-kontrolu 2026-05-13T09:36:16.318Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un çıktısını parse edilebilir, tutarlı ve hatasız almak için format kontrolünün üç tekniğini ustalaş: schema, prefill, validator-loop. Output Format Kontrolü: JSON, Markdown, Tablo https://sukruyusufkaya.com/en/learn/claude-ustaligi/output-format-kontrolu 2026-05-13T09:36:16.318Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un çıktısını parse edilebilir, tutarlı ve hatasız almak için format kontrolünün üç tekniğini ustalaş: schema, prefill, validator-loop. Output Format Kontrolü: JSON, Markdown, Tablo https://sukruyusufkaya.com/learn/claude-ustaligi/task-decomposition 2026-05-13T09:37:27.734Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevleri tek prompt'la çözmeye çalışmak yerine, modüler alt görevlere bölerek çöz. Daha doğru, daha test edilebilir, daha ucuz. Çoklu Adım Görev Ayrıştırma (Task Decomposition) https://sukruyusufkaya.com/en/learn/claude-ustaligi/task-decomposition 2026-05-13T09:37:27.734Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevleri tek prompt'la çözmeye çalışmak yerine, modüler alt görevlere bölerek çöz. Daha doğru, daha test edilebilir, daha ucuz. Çoklu Adım Görev Ayrıştırma (Task Decomposition) https://sukruyusufkaya.com/learn/claude-ustaligi/prompt-debugging 2026-05-13T11:36:39.844Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Prompt çalışmıyor mu? Bu derste hatayı sistematik bulmak için çalışan bir teşhis ağacı, log stratejisi ve model değişikliği checklist'i öğreneceksin. Prompt Hata Ayıklama: Neden Çalışmıyor? https://sukruyusufkaya.com/en/learn/claude-ustaligi/prompt-debugging 2026-05-13T11:36:39.844Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Prompt çalışmıyor mu? Bu derste hatayı sistematik bulmak için çalışan bir teşhis ağacı, log stratejisi ve model değişikliği checklist'i öğreneceksin. Prompt Hata Ayıklama: Neden Çalışmıyor? https://sukruyusufkaya.com/learn/claude-ustaligi/token-ekonomisi 2026-05-13T11:36:56.690Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Aynı kaliteyi %50-90 daha az maliyetle üretmek için token ekonomisi: prompt caching, model katmanlama, output kısıtlama, batch. Token Ekonomisi ve Maliyet Optimizasyonu https://sukruyusufkaya.com/en/learn/claude-ustaligi/token-ekonomisi 2026-05-13T11:36:56.690Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Aynı kaliteyi %50-90 daha az maliyetle üretmek için token ekonomisi: prompt caching, model katmanlama, output kısıtlama, batch. Token Ekonomisi ve Maliyet Optimizasyonu https://sukruyusufkaya.com/learn/claude-ustaligi/kod-uretimi-sifirdan 2026-05-13T11:38:00.971Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Net bir spec'ten Claude'la production-ready fonksiyon / sınıf üretmenin akışı: tip imzası, edge case, test, doc. Sıfırdan Fonksiyon ve Sınıf Üretimi https://sukruyusufkaya.com/en/learn/claude-ustaligi/kod-uretimi-sifirdan 2026-05-13T11:38:00.971Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Net bir spec'ten Claude'la production-ready fonksiyon / sınıf üretmenin akışı: tip imzası, edge case, test, doc. Sıfırdan Fonksiyon ve Sınıf Üretimi https://sukruyusufkaya.com/learn/claude-ustaligi/kod-inceleme-refactor 2026-05-11T14:23:26.544Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Bir code reviewer olarak Claude'u nasıl kullanırsın: pattern bulma, refactor önerisi, performans tuning ve güvenlik review. Kod İnceleme, Refactor ve Optimizasyon https://sukruyusufkaya.com/en/learn/claude-ustaligi/kod-inceleme-refactor 2026-05-11T14:23:26.544Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Bir code reviewer olarak Claude'u nasıl kullanırsın: pattern bulma, refactor önerisi, performans tuning ve güvenlik review. Kod İnceleme, Refactor ve Optimizasyon https://sukruyusufkaya.com/learn/claude-ustaligi/bug-avi 2026-05-11T13:48:32.792Z monthly 0.70 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 Bir hatayı Claude'la sistematik bulmanın akışı: minimum repro, hipotez, izolasyon, fix, regresyon testi. Bug Avı: Stack Trace'ten Çözüme https://sukruyusufkaya.com/en/learn/claude-ustaligi/bug-avi 2026-05-11T13:48:32.792Z monthly 0.60 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 Bir hatayı Claude'la sistematik bulmanın akışı: minimum repro, hipotez, izolasyon, fix, regresyon testi. Bug Avı: Stack Trace'ten Çözüme https://sukruyusufkaya.com/learn/claude-ustaligi/test-yazma 2026-05-11T13:48:32.890Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Claude'la test yazmanın akışı: birim, entegrasyon, property-based, snapshot. Coverage hedefleri ve hangi testleri yazmamak. Test Yazma, TDD ve Coverage Stratejileri https://sukruyusufkaya.com/en/learn/claude-ustaligi/test-yazma 2026-05-11T13:48:32.890Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Claude'la test yazmanın akışı: birim, entegrasyon, property-based, snapshot. Coverage hedefleri ve hangi testleri yazmamak. Test Yazma, TDD ve Coverage Stratejileri https://sukruyusufkaya.com/learn/claude-ustaligi/dokuman-uretimi 2026-05-11T13:49:11.431Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'la docstring, README, mimari kararı belgesi, runbook üret. Dokümantasyon borç biriktiren değil, gelir üreten bir varlık olur. Dokümantasyon, Docstring ve README Üretimi https://sukruyusufkaya.com/en/learn/claude-ustaligi/dokuman-uretimi 2026-05-11T13:49:11.431Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'la docstring, README, mimari kararı belgesi, runbook üret. Dokümantasyon borç biriktiren değil, gelir üreten bir varlık olur. Dokümantasyon, Docstring ve README Üretimi https://sukruyusufkaya.com/learn/claude-ustaligi/claude-code-cli 2026-05-11T13:49:30.583Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Claude Code CLI ile terminalde Claude — proje genel haritası, dosya düzenleme, kod çalıştırma, hooks ve plan mode dahil. Claude Code: Terminal'de Çalışma https://sukruyusufkaya.com/en/learn/claude-ustaligi/claude-code-cli 2026-05-11T13:49:30.583Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Claude Code CLI ile terminalde Claude — proje genel haritası, dosya düzenleme, kod çalıştırma, hooks ve plan mode dahil. Claude Code: Terminal'de Çalışma https://sukruyusufkaya.com/learn/claude-ustaligi/blog-uzun-form 2026-05-11T13:51:23.925Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Bir konu fikrinden 2.000-4.000 kelimelik kaliteli uzun form içeriğe Claude'la nasıl gidersin? SEO, ton ve özgünlük dahil tam akış. Blog, Makale ve Uzun Form İçerik https://sukruyusufkaya.com/en/learn/claude-ustaligi/blog-uzun-form 2026-05-11T13:51:23.925Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Bir konu fikrinden 2.000-4.000 kelimelik kaliteli uzun form içeriğe Claude'la nasıl gidersin? SEO, ton ve özgünlük dahil tam akış. Blog, Makale ve Uzun Form İçerik https://sukruyusufkaya.com/learn/claude-ustaligi/email-yazismalari 2026-05-11T13:48:33.421Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Soğuk satış e-postası, müşteri kapatma, kötü haber duyurma, brief yazma — iş yazışmasının her tipi için kanıtlanmış prompt kalıpları. E-posta, Brief ve İş Yazışmaları https://sukruyusufkaya.com/en/learn/claude-ustaligi/email-yazismalari 2026-05-11T13:48:33.421Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Soğuk satış e-postası, müşteri kapatma, kötü haber duyurma, brief yazma — iş yazışmasının her tipi için kanıtlanmış prompt kalıpları. E-posta, Brief ve İş Yazışmaları https://sukruyusufkaya.com/learn/claude-ustaligi/yaraticik-yazim 2026-05-11T13:48:33.507Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Karakter, çatışma, mizansen, diyaloğun temel kuralları + Claude'la yaratıcı yazımın etiği. Roman tasarımından kısa film senaryosuna. Hikâye, Senaryo ve Karakter Geliştirme https://sukruyusufkaya.com/en/learn/claude-ustaligi/yaraticik-yazim 2026-05-11T13:48:33.507Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Karakter, çatışma, mizansen, diyaloğun temel kuralları + Claude'la yaratıcı yazımın etiği. Roman tasarımından kısa film senaryosuna. Hikâye, Senaryo ve Karakter Geliştirme https://sukruyusufkaya.com/learn/claude-ustaligi/ceviri-yerellestirme 2026-05-11T13:51:20.062Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Sadece kelime çevirisi değil — kültürel uyum, marka sesi, terminoloji listesi (TM) ve QA döngüsü. Türkçe-İngilizce odaklı. Çeviri, Yerelleştirme ve Stil Tutarlılığı https://sukruyusufkaya.com/en/learn/claude-ustaligi/ceviri-yerellestirme 2026-05-11T13:51:20.062Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Sadece kelime çevirisi değil — kültürel uyum, marka sesi, terminoloji listesi (TM) ve QA döngüsü. Türkçe-İngilizce odaklı. Çeviri, Yerelleştirme ve Stil Tutarlılığı https://sukruyusufkaya.com/learn/claude-ustaligi/ses-stil-transferi 2026-05-11T13:51:16.404Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Yazılı sesini Claude'a aşılamak — kişisel stilin, kurum sesin veya geçmiş yazıların referans alınarak tutarlı çıktı üretmek. Sesi ve Tonu Korumak: Stil Transferi https://sukruyusufkaya.com/en/learn/claude-ustaligi/ses-stil-transferi 2026-05-11T13:51:16.404Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Yazılı sesini Claude'a aşılamak — kişisel stilin, kurum sesin veya geçmiş yazıların referans alınarak tutarlı çıktı üretmek. Sesi ve Tonu Korumak: Stil Transferi https://sukruyusufkaya.com/learn/claude-ustaligi/csv-json-tablo 2026-05-11T13:48:33.804Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Tablo veriyi Claude'la güvenle işle: temizleme, dönüştürme, doğrulama, kontrol kodu üretme ve sonucu doğrulamanın akışı. CSV, JSON ve Tablolarla Çalışma https://sukruyusufkaya.com/en/learn/claude-ustaligi/csv-json-tablo 2026-05-11T13:48:33.804Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Tablo veriyi Claude'la güvenle işle: temizleme, dönüştürme, doğrulama, kontrol kodu üretme ve sonucu doğrulamanın akışı. CSV, JSON ve Tablolarla Çalışma https://sukruyusufkaya.com/learn/claude-ustaligi/istatistik-yorumlama 2026-05-11T13:48:33.912Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Sayılar değil hikâyeler — Claude'la istatistiksel sonuçları yorumla, anlamlılık eşiği, görselleştirme önerileri. İstatistiksel Yorumlama ve Görselleştirme https://sukruyusufkaya.com/en/learn/claude-ustaligi/istatistik-yorumlama 2026-05-11T13:48:33.912Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Sayılar değil hikâyeler — Claude'la istatistiksel sonuçları yorumla, anlamlılık eşiği, görselleştirme önerileri. İstatistiksel Yorumlama ve Görselleştirme https://sukruyusufkaya.com/learn/claude-ustaligi/uzun-belge-ozetleme 2026-05-11T13:48:34.026Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 200 sayfalık raporlardan 1 sayfalık brief'e: map-reduce, anchored summarization ve faithfulness eval. Uzun Belgeleri Özetleme ve Sentez https://sukruyusufkaya.com/en/learn/claude-ustaligi/uzun-belge-ozetleme 2026-05-11T13:48:34.026Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 200 sayfalık raporlardan 1 sayfalık brief'e: map-reduce, anchored summarization ve faithfulness eval. Uzun Belgeleri Özetleme ve Sentez https://sukruyusufkaya.com/learn/claude-ustaligi/karsilastirmali-analiz 2026-05-11T13:48:34.112Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Birbiriyle çelişen kaynakları birlikte tartmanın yolu: kaynak güvenilirlik etiketi, çelişki haritası, sentez bias kontrolü. Karşılaştırmalı Analiz ve Çoklu Kaynak Değerlendirme https://sukruyusufkaya.com/en/learn/claude-ustaligi/karsilastirmali-analiz 2026-05-11T13:48:34.112Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Birbiriyle çelişen kaynakları birlikte tartmanın yolu: kaynak güvenilirlik etiketi, çelişki haritası, sentez bias kontrolü. Karşılaştırmalı Analiz ve Çoklu Kaynak Değerlendirme https://sukruyusufkaya.com/learn/claude-ustaligi/halusinasyon-kaynak-dogrulama 2026-05-11T13:48:34.202Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Hallüsinasyonu sıfırlayamazsın ama yakalayabilirsin. 6 teknikle Claude çıktısını doğrulamayı sistemleştir. Hallüsinasyonu Yakalama ve Kaynak Doğrulama https://sukruyusufkaya.com/en/learn/claude-ustaligi/halusinasyon-kaynak-dogrulama 2026-05-11T13:48:34.202Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Hallüsinasyonu sıfırlayamazsın ama yakalayabilirsin. 6 teknikle Claude çıktısını doğrulamayı sistemleştir. Hallüsinasyonu Yakalama ve Kaynak Doğrulama https://sukruyusufkaya.com/learn/claude-ustaligi/tool-use 2026-05-13T11:38:19.503Z monthly 0.70 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Claude'a hesap makinesi, veritabanı, e-posta, Slack, kod sandbox gibi araçları nasıl tanıttırırsın? Tool use'un anatomisi ve üretim kalıbı. Tool Use: Claude'a Yetenek Eklemek https://sukruyusufkaya.com/en/learn/claude-ustaligi/tool-use 2026-05-13T11:38:19.503Z monthly 0.60 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Claude'a hesap makinesi, veritabanı, e-posta, Slack, kod sandbox gibi araçları nasıl tanıttırırsın? Tool use'un anatomisi ve üretim kalıbı. Tool Use: Claude'a Yetenek Eklemek https://sukruyusufkaya.com/learn/claude-ustaligi/vision 2026-05-11T13:48:34.395Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Ekran görüntüsü, fotoğraf, grafik, el yazısı not — Claude vision ile görselden bilgi çıkarmanın akışı ve sınırları. Vision: Görsel Anlama ve Analiz https://sukruyusufkaya.com/en/learn/claude-ustaligi/vision 2026-05-11T13:48:34.395Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Ekran görüntüsü, fotoğraf, grafik, el yazısı not — Claude vision ile görselden bilgi çıkarmanın akışı ve sınırları. Vision: Görsel Anlama ve Analiz https://sukruyusufkaya.com/learn/claude-ustaligi/pdf-belge 2026-05-11T13:48:34.488Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 PDF'leri Claude'a vermek, çok sayfalı belgelerden veri çıkarmak ve form / sözleşme analizinin akışı. PDF ve Belge İşleme https://sukruyusufkaya.com/en/learn/claude-ustaligi/pdf-belge 2026-05-11T13:48:34.488Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 PDF'leri Claude'a vermek, çok sayfalı belgelerden veri çıkarmak ve form / sözleşme analizinin akışı. PDF ve Belge İşleme https://sukruyusufkaya.com/learn/claude-ustaligi/computer-use 2026-05-13T11:39:45.950Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un ekranını, tarayıcısını ve fare/klavyeyi kontrol ettiği iki yetenek: Computer Use ve Claude in Chrome. Güvenli kullanım pratikleri dahil. Computer Use: Ekran ve Tarayıcı Kontrolü https://sukruyusufkaya.com/en/learn/claude-ustaligi/computer-use 2026-05-13T11:39:45.950Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un ekranını, tarayıcısını ve fare/klavyeyi kontrol ettiği iki yetenek: Computer Use ve Claude in Chrome. Güvenli kullanım pratikleri dahil. Computer Use: Ekran ve Tarayıcı Kontrolü https://sukruyusufkaya.com/learn/claude-ustaligi/extended-thinking 2026-05-11T13:48:34.696Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevlerde modelin gizli düşünce alanını açmak: extended thinking modu nedir, ne zaman aç, maliyeti nedir? Extended Thinking: Uzun Düşünme Modu https://sukruyusufkaya.com/en/learn/claude-ustaligi/extended-thinking 2026-05-11T13:48:34.696Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevlerde modelin gizli düşünce alanını açmak: extended thinking modu nedir, ne zaman aç, maliyeti nedir? Extended Thinking: Uzun Düşünme Modu https://sukruyusufkaya.com/learn/claude-ustaligi/artifacts 2026-05-11T13:48:34.794Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un ürettiği kod, SVG veya React bileşeninin yan panelde canlı render olduğu Artifacts mekaniği. Üretim ve canlı iyileştirme. Artifacts: Anında Çalışan Çıktılar https://sukruyusufkaya.com/en/learn/claude-ustaligi/artifacts 2026-05-11T13:48:34.794Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Claude'un ürettiği kod, SVG veya React bileşeninin yan panelde canlı render olduğu Artifacts mekaniği. Üretim ve canlı iyileştirme. Artifacts: Anında Çalışan Çıktılar https://sukruyusufkaya.com/learn/claude-ustaligi/api-baslangic 2026-05-11T13:48:34.889Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic console'dan API key al, SDK kur, ilk Claude çağrısını yap. Python ve TypeScript adım adım. API'ye Başlangıç: Auth, İlk İstek, SDK Kurulumu https://sukruyusufkaya.com/en/learn/claude-ustaligi/api-baslangic 2026-05-11T13:48:34.889Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic console'dan API key al, SDK kur, ilk Claude çağrısını yap. Python ve TypeScript adım adım. API'ye Başlangıç: Auth, İlk İstek, SDK Kurulumu https://sukruyusufkaya.com/learn/claude-ustaligi/messages-api 2026-05-11T13:48:34.966Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Messages API'nin yapı taşları, sistem mesajı, çok turlu konuşma, response object'inin yapısı ve token sayma. Messages API: Çok Turlu Konuşmalar https://sukruyusufkaya.com/en/learn/claude-ustaligi/messages-api 2026-05-11T13:48:34.966Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Messages API'nin yapı taşları, sistem mesajı, çok turlu konuşma, response object'inin yapısı ve token sayma. Messages API: Çok Turlu Konuşmalar https://sukruyusufkaya.com/learn/claude-ustaligi/streaming 2026-05-11T13:48:35.060Z monthly 0.70 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 Cevabı yazılırken kullanıcıya gösteren streaming nedir, neden önemlidir, SSE / Web Streams ile entegrasyon. Streaming Yanıtlar ve Real-Time UX https://sukruyusufkaya.com/en/learn/claude-ustaligi/streaming 2026-05-11T13:48:35.060Z monthly 0.60 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 Cevabı yazılırken kullanıcıya gösteren streaming nedir, neden önemlidir, SSE / Web Streams ile entegrasyon. Streaming Yanıtlar ve Real-Time UX https://sukruyusufkaya.com/learn/claude-ustaligi/tool-use-api 2026-05-11T13:48:35.152Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Modül 7'deki tool use'u API üzerinden bitir: tam loop, paralel tool, error feedback ve schema doğrulama. Tool Use API: Fonksiyon Çağırma Pratiği https://sukruyusufkaya.com/en/learn/claude-ustaligi/tool-use-api 2026-05-11T13:48:35.152Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Modül 7'deki tool use'u API üzerinden bitir: tam loop, paralel tool, error feedback ve schema doğrulama. Tool Use API: Fonksiyon Çağırma Pratiği https://sukruyusufkaya.com/learn/claude-ustaligi/prompt-caching 2026-05-11T13:48:35.261Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Sabit sistem promptu, büyük few-shot blokları ve uzun belgeleri cache'leyerek input maliyetini büyük oranda düşür. Prompt Caching ile %90'a Kadar Maliyet Düşürme https://sukruyusufkaya.com/en/learn/claude-ustaligi/prompt-caching 2026-05-11T13:48:35.261Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Sabit sistem promptu, büyük few-shot blokları ve uzun belgeleri cache'leyerek input maliyetini büyük oranda düşür. Prompt Caching ile %90'a Kadar Maliyet Düşürme https://sukruyusufkaya.com/learn/claude-ustaligi/batch-api 2026-05-11T13:48:35.358Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Anlık olmayan iş yüklerini batch API ile %50 ucuz çalıştır. Etiketleme, içerik üretimi, eval'lar için ideal. Batch API: Toplu İşlemler ve Async https://sukruyusufkaya.com/en/learn/claude-ustaligi/batch-api 2026-05-11T13:48:35.358Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Anlık olmayan iş yüklerini batch API ile %50 ucuz çalıştır. Etiketleme, içerik üretimi, eval'lar için ideal. Batch API: Toplu İşlemler ve Async https://sukruyusufkaya.com/learn/claude-ustaligi/error-handling 2026-05-11T13:48:35.448Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 API hatalarını sınıflandır, doğru retry stratejisini uygula, idempotency key kullan, dead-letter queue tasarla. Hata Yönetimi, Rate Limit ve Retry Stratejileri https://sukruyusufkaya.com/en/learn/claude-ustaligi/error-handling 2026-05-11T13:48:35.448Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 API hatalarını sınıflandır, doğru retry stratejisini uygula, idempotency key kullan, dead-letter queue tasarla. Hata Yönetimi, Rate Limit ve Retry Stratejileri https://sukruyusufkaya.com/learn/claude-ustaligi/evals 2026-05-11T13:48:35.532Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Üretim kalitesini ölçen eval setleri tasarlamak: oluşturma, dengeleme, otomatik puanlama (LLM-as-judge), insan kalibrasyonu. Eval Setleri ve LLM-as-Judge https://sukruyusufkaya.com/en/learn/claude-ustaligi/evals 2026-05-11T13:48:35.532Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Üretim kalitesini ölçen eval setleri tasarlamak: oluşturma, dengeleme, otomatik puanlama (LLM-as-judge), insan kalibrasyonu. Eval Setleri ve LLM-as-Judge https://sukruyusufkaya.com/learn/claude-ustaligi/security 2026-05-11T13:48:35.625Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Saldırgan kullanıcı, kötü niyetli içerik veya manipüle edilmiş veri Claude'u nasıl etkiler? Sekiz savunma kalıbı. Prompt Injection, Jailbreak ve Savunma https://sukruyusufkaya.com/en/learn/claude-ustaligi/security 2026-05-11T13:48:35.625Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Saldırgan kullanıcı, kötü niyetli içerik veya manipüle edilmiş veri Claude'u nasıl etkiler? Sekiz savunma kalıbı. Prompt Injection, Jailbreak ve Savunma https://sukruyusufkaya.com/learn/claude-ustaligi/cost-monitoring 2026-05-11T13:48:35.737Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Beklenmeyen fatura sürprizine düşmemek için maliyet pipeline'ı: per-user kota, alarm eşikleri, anomaly detection. Maliyet İzleme, Kota ve Bütçe Alarmları https://sukruyusufkaya.com/en/learn/claude-ustaligi/cost-monitoring 2026-05-11T13:48:35.737Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Beklenmeyen fatura sürprizine düşmemek için maliyet pipeline'ı: per-user kota, alarm eşikleri, anomaly detection. Maliyet İzleme, Kota ve Bütçe Alarmları https://sukruyusufkaya.com/learn/claude-ustaligi/performance 2026-05-11T13:48:35.825Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 p50 / p95 / p99 latency'i düşürmek için 8 kaldırac: model seçimi, cache, streaming, parallelism. Latency, Caching ve Performans Optimizasyonu https://sukruyusufkaya.com/en/learn/claude-ustaligi/performance 2026-05-11T13:48:35.825Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 p50 / p95 / p99 latency'i düşürmek için 8 kaldırac: model seçimi, cache, streaming, parallelism. Latency, Caching ve Performans Optimizasyonu https://sukruyusufkaya.com/learn/claude-ustaligi/monitoring 2026-05-11T13:48:35.943Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 OpenTelemetry uyumlu LLM tracing, structured log şeması, hata bildirimi, prompt versiyonlu izleme. Logging, Tracing ve Observability https://sukruyusufkaya.com/en/learn/claude-ustaligi/monitoring 2026-05-11T13:48:35.943Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 OpenTelemetry uyumlu LLM tracing, structured log şeması, hata bildirimi, prompt versiyonlu izleme. Logging, Tracing ve Observability https://sukruyusufkaya.com/learn/claude-ustaligi/agent-temelleri 2026-05-11T13:48:36.047Z monthly 0.70 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Agent ile pipeline farkı, agent'ın 4 yapı taşı (planner, memory, tools, controller) ve hangi problem agent gerektirir? Agent Nedir? Reaktif vs Otonom Sistemler https://sukruyusufkaya.com/en/learn/claude-ustaligi/agent-temelleri 2026-05-11T13:48:36.047Z monthly 0.60 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Agent ile pipeline farkı, agent'ın 4 yapı taşı (planner, memory, tools, controller) ve hangi problem agent gerektirir? Agent Nedir? Reaktif vs Otonom Sistemler https://sukruyusufkaya.com/learn/claude-ustaligi/agent-sdk 2026-05-11T13:48:36.143Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic'in Agent SDK'sı ile Hello-World agent'ı: tool tanımı, sistem prompt'u, controller loop ve insan onayı. Claude Agent SDK ile İlk Agent https://sukruyusufkaya.com/en/learn/claude-ustaligi/agent-sdk 2026-05-11T13:48:36.143Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic'in Agent SDK'sı ile Hello-World agent'ı: tool tanımı, sistem prompt'u, controller loop ve insan onayı. Claude Agent SDK ile İlk Agent https://sukruyusufkaya.com/learn/claude-ustaligi/agent-multi-tool 2026-05-11T13:48:36.227Z monthly 0.70 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevlerde planner + executor ayrımı; tool seçimi rehberi; iç içe agent çağrısı (sub-agent). Çoklu Araçlı Agent Mimarileri (Planner-Executor) https://sukruyusufkaya.com/en/learn/claude-ustaligi/agent-multi-tool 2026-05-11T13:48:36.227Z monthly 0.60 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 Karmaşık görevlerde planner + executor ayrımı; tool seçimi rehberi; iç içe agent çağrısı (sub-agent). Çoklu Araçlı Agent Mimarileri (Planner-Executor) https://sukruyusufkaya.com/learn/claude-ustaligi/agent-memory 2026-05-11T13:48:36.330Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Çoklu adımlı / çoklu oturumlu agent'larda hafıza katmanları: scratch, episodic, semantic, kullanıcı profili. Hafıza, Durum ve Uzun Vadeli Bağlam https://sukruyusufkaya.com/en/learn/claude-ustaligi/agent-memory 2026-05-11T13:48:36.330Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Çoklu adımlı / çoklu oturumlu agent'larda hafıza katmanları: scratch, episodic, semantic, kullanıcı profili. Hafıza, Durum ve Uzun Vadeli Bağlam https://sukruyusufkaya.com/learn/claude-ustaligi/agent-hitl 2026-05-11T13:48:36.413Z monthly 0.70 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 Riskli agent eylemlerini insan onayına bağlamak: pre-execution diff, severity tier, audit log. Human-in-the-Loop ve Onay Akışları https://sukruyusufkaya.com/en/learn/claude-ustaligi/agent-hitl 2026-05-11T13:48:36.413Z monthly 0.60 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 Riskli agent eylemlerini insan onayına bağlamak: pre-execution diff, severity tier, audit log. Human-in-the-Loop ve Onay Akışları https://sukruyusufkaya.com/learn/claude-ustaligi/support-bot-projesi 2026-05-11T13:48:36.511Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 TR/EN destek pipeline'ı: niyet, FAQ, eskalasyon, CSAT geri besleme. Hangi adım hangi modelde, eval seti nasıl tasarlanır? Proje: Çok Dilli Müşteri Destek Asistanı https://sukruyusufkaya.com/en/learn/claude-ustaligi/support-bot-projesi 2026-05-11T13:48:36.511Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 TR/EN destek pipeline'ı: niyet, FAQ, eskalasyon, CSAT geri besleme. Hangi adım hangi modelde, eval seti nasıl tasarlanır? Proje: Çok Dilli Müşteri Destek Asistanı https://sukruyusufkaya.com/learn/claude-ustaligi/rag-projesi 2026-05-11T13:48:36.606Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Şirket dokümantasyonu üzerinde RAG: chunking, embedding, retrieval, re-ranking, anchored answer. Proje: RAG ile Doküman Sorgulama Sistemi https://sukruyusufkaya.com/en/learn/claude-ustaligi/rag-projesi 2026-05-11T13:48:36.606Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Şirket dokümantasyonu üzerinde RAG: chunking, embedding, retrieval, re-ranking, anchored answer. Proje: RAG ile Doküman Sorgulama Sistemi https://sukruyusufkaya.com/learn/claude-ustaligi/code-review-projesi 2026-05-11T13:48:36.690Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 GitHub Actions + Claude'la PR review otomasyonu: diff parse, kural setine göre yorum, severity etiketi. Proje: Kod İnceleme Otomasyonu https://sukruyusufkaya.com/en/learn/claude-ustaligi/code-review-projesi 2026-05-11T13:48:36.690Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 GitHub Actions + Claude'la PR review otomasyonu: diff parse, kural setine göre yorum, severity etiketi. Proje: Kod İnceleme Otomasyonu https://sukruyusufkaya.com/learn/claude-ustaligi/content-pipeline-projesi 2026-05-11T13:48:36.791Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Konu listesinden yayına: outline → draft → editör → SEO → görsel önerisi → CMS yayını. Insan onayı her adımda. Proje: İçerik Üretim Pipeline'ı https://sukruyusufkaya.com/en/learn/claude-ustaligi/content-pipeline-projesi 2026-05-11T13:48:36.791Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Konu listesinden yayına: outline → draft → editör → SEO → görsel önerisi → CMS yayını. Insan onayı her adımda. Proje: İçerik Üretim Pipeline'ı https://sukruyusufkaya.com/learn/claude-ustaligi/extraction-projesi 2026-05-11T13:48:36.880Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Faturalar, sözleşmeler, formlar — Claude vision + tool use ile yapısal veri çıkarımı. Doğruluk metrikleri ve audit trail. Proje: PDF'ten Yapılandırılmış Veri Çıkarımı https://sukruyusufkaya.com/en/learn/claude-ustaligi/extraction-projesi 2026-05-11T13:48:36.880Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Faturalar, sözleşmeler, formlar — Claude vision + tool use ile yapısal veri çıkarımı. Doğruluk metrikleri ve audit trail. Proje: PDF'ten Yapılandırılmış Veri Çıkarımı https://sukruyusufkaya.com/learn/claude-ustaligi/mcp-entegrasyon 2026-05-11T13:48:36.975Z monthly 0.70 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 MCP nedir, neden ortaya çıktı? Claude'a yerel ve uzak MCP server'ları nasıl bağlarsın? Slack, Notion, Postgres örnekleri. MCP (Model Context Protocol) Entegrasyonu https://sukruyusufkaya.com/en/learn/claude-ustaligi/mcp-entegrasyon 2026-05-11T13:48:36.975Z monthly 0.60 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 MCP nedir, neden ortaya çıktı? Claude'a yerel ve uzak MCP server'ları nasıl bağlarsın? Slack, Notion, Postgres örnekleri. MCP (Model Context Protocol) Entegrasyonu https://sukruyusufkaya.com/learn/claude-ustaligi/skills-plugins 2026-05-11T13:48:37.112Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Skills nedir, ne zaman skill yazmalı, plugin nedir, marketplace nasıl çalışır? Hazır skills örnekleri ve kendi skill'ini yayınlama. Skills, Plugins ve Marketplace https://sukruyusufkaya.com/en/learn/claude-ustaligi/skills-plugins 2026-05-11T13:48:37.112Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Skills nedir, ne zaman skill yazmalı, plugin nedir, marketplace nasıl çalışır? Hazır skills örnekleri ve kendi skill'ini yayınlama. Skills, Plugins ve Marketplace https://sukruyusufkaya.com/learn/claude-ustaligi/topluluk 2026-05-11T13:48:37.225Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic dokümantasyonu, cookbook'lar, Discord, paper'lar ve günlük rutin: yeniliklere ayak uydurmak için kalıcı sistem. Topluluk, Dokümantasyon ve Sürekli Öğrenme https://sukruyusufkaya.com/en/learn/claude-ustaligi/topluluk 2026-05-11T13:48:37.225Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic dokümantasyonu, cookbook'lar, Discord, paper'lar ve günlük rutin: yeniliklere ayak uydurmak için kalıcı sistem. Topluluk, Dokümantasyon ve Sürekli Öğrenme https://sukruyusufkaya.com/learn/claude-ustaligi/capstone 2026-05-11T13:48:37.395Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Tüm kursun gerçek dünya sentezi: kendi seçtiğin bir agent'ı uçtan uca tasarla, yaz, çalıştır ve sertifika sınavına gir. Bitirme Projesi + Final Quiz + Sertifika https://sukruyusufkaya.com/en/learn/claude-ustaligi/capstone 2026-05-11T13:48:37.395Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Tüm kursun gerçek dünya sentezi: kendi seçtiğin bir agent'ı uçtan uca tasarla, yaz, çalıştır ve sertifika sınavına gir. Bitirme Projesi + Final Quiz + Sertifika https://sukruyusufkaya.com/learn/prompt-engineering/pe-01-bu-egitim-hakkinda 2026-05-14T05:48:33.569Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-01-bu-egitim-hakkinda 2026-05-14T05:48:33.569Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-02-ai-genai-llm-haritasi 2026-05-13T14:05:35.874Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-02-ai-genai-llm-haritasi 2026-05-13T14:05:35.874Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-03-llm-nasil-dusunur 2026-05-11T13:17:15.649Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-03-llm-nasil-dusunur 2026-05-11T13:17:15.649Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-04-pe-nedir-neden-disiplin 2026-05-11T13:17:15.864Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-04-pe-nedir-neden-disiplin 2026-05-11T13:17:15.864Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-05-llm-ekosistemi 2026-05-11T13:17:16.049Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-05-llm-ekosistemi 2026-05-11T13:17:16.049Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-06-sampling-parametreleri 2026-05-11T13:17:16.354Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-06-sampling-parametreleri 2026-05-11T13:17:16.354Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-07-ilk-promptun-hands-on 2026-05-11T13:17:16.587Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-07-ilk-promptun-hands-on 2026-05-11T13:17:16.587Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-08-prompt-bilesenleri 2026-05-11T13:17:16.783Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-08-prompt-bilesenleri 2026-05-11T13:17:16.783Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-09-net-talimat-clear-t 2026-05-12T08:35:52.447Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-09-net-talimat-clear-t 2026-05-12T08:35:52.447Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-10-baglam-saglama 2026-05-11T13:17:17.263Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-10-baglam-saglama 2026-05-11T13:17:17.263Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-11-cikti-formatlama 2026-05-11T13:17:17.471Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-11-cikti-formatlama 2026-05-11T13:17:17.471Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-12-kisitlamalar-negatif 2026-05-11T13:17:17.743Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-12-kisitlamalar-negatif 2026-05-11T13:17:17.743Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-13-kotu-vs-iyi-prompt 2026-05-11T13:17:17.946Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-13-kotu-vs-iyi-prompt 2026-05-11T13:17:17.946Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-14-anti-pattern-muzesi 2026-05-11T13:17:18.154Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-14-anti-pattern-muzesi 2026-05-11T13:17:18.154Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-15-modul-2-sinav 2026-05-11T13:17:18.367Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-15-modul-2-sinav 2026-05-11T13:17:18.367Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-16-zero-shot 2026-05-12T08:35:15.629Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-16-zero-shot 2026-05-12T08:35:15.629Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-17-few-shot-detay 2026-05-11T13:17:18.871Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-17-few-shot-detay 2026-05-11T13:17:18.871Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-18-ornek-secim-stratejileri 2026-05-11T13:17:19.068Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-18-ornek-secim-stratejileri 2026-05-11T13:17:19.068Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-19-format-contagion 2026-05-11T13:17:19.342Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-19-format-contagion 2026-05-11T13:17:19.342Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-20-handson-3-mini-proje 2026-05-11T13:17:19.590Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-20-handson-3-mini-proje 2026-05-11T13:17:19.590Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-21-chain-of-thought 2026-05-11T13:17:19.864Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-21-chain-of-thought 2026-05-11T13:17:19.864Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-22-self-consistency-tot 2026-05-11T13:17:20.066Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-22-self-consistency-tot 2026-05-11T13:17:20.066Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-23-react 2026-05-11T13:17:20.348Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-23-react 2026-05-11T13:17:20.348Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-24-step-back-plan-solve 2026-05-11T13:17:20.594Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-24-step-back-plan-solve 2026-05-11T13:17:20.594Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-25-self-critique-reflexion 2026-05-11T13:17:20.825Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-25-self-critique-reflexion 2026-05-11T13:17:20.825Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-26-reasoning-modelleri 2026-05-11T13:17:21.134Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-26-reasoning-modelleri 2026-05-11T13:17:21.134Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-27-mantik-matematik-lab 2026-05-11T13:17:21.310Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-27-mantik-matematik-lab 2026-05-11T13:17:21.310Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-28-persona-tasarimi-5-boyut 2026-05-11T13:17:21.478Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-28-persona-tasarimi-5-boyut 2026-05-11T13:17:21.478Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-29-brand-voice 2026-05-11T13:17:21.749Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-29-brand-voice 2026-05-11T13:17:21.749Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-30-tone-locking 2026-05-11T13:17:22.028Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-30-tone-locking 2026-05-11T13:17:22.028Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-31-sektorel-persona-galerisi 2026-05-11T13:17:22.221Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-31-sektorel-persona-galerisi 2026-05-11T13:17:22.221Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-32-json-mode-structured 2026-05-11T13:17:22.548Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-32-json-mode-structured 2026-05-11T13:17:22.548Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-33-json-schema-sozlesme 2026-05-11T13:17:22.754Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-33-json-schema-sozlesme 2026-05-11T13:17:22.754Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-34-tool-calling 2026-05-11T13:17:23.058Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-34-tool-calling 2026-05-11T13:17:23.058Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-35-pydantic-zod 2026-05-11T13:17:23.342Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-35-pydantic-zod 2026-05-11T13:17:23.342Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-36-streaming-structured 2026-05-11T13:17:23.554Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-36-streaming-structured 2026-05-11T13:17:23.554Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-37-fatura-cikarim-vakasi 2026-05-11T13:17:23.853Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-37-fatura-cikarim-vakasi 2026-05-11T13:17:23.853Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-38-cv-parsing-ats 2026-05-11T13:17:24.118Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-38-cv-parsing-ats 2026-05-11T13:17:24.118Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-39-rag-mimarisi-101 2026-05-11T13:17:24.286Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-39-rag-mimarisi-101 2026-05-11T13:17:24.286Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-40-chunking-stratejileri 2026-05-11T13:17:24.419Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-40-chunking-stratejileri 2026-05-11T13:17:24.419Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-41-embedding-modelleri 2026-05-11T13:17:24.622Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-41-embedding-modelleri 2026-05-11T13:17:24.622Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-42-retrieval-stratejileri 2026-05-11T13:17:24.836Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-42-retrieval-stratejileri 2026-05-11T13:17:24.836Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-43-baglam-yerlestirme-citation 2026-05-11T13:17:25.100Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-43-baglam-yerlestirme-citation 2026-05-11T13:17:25.100Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-44-hallusinasyon-grounding 2026-05-11T13:17:25.295Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-44-hallusinasyon-grounding 2026-05-11T13:17:25.295Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-45-handson-mini-rag 2026-05-11T13:17:25.490Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-45-handson-mini-rag 2026-05-11T13:17:25.490Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-46-agent-anatomisi 2026-05-12T08:35:39.129Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-46-agent-anatomisi 2026-05-12T08:35:39.129Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-47-multi-step-agent 2026-05-11T13:17:25.840Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-47-multi-step-agent 2026-05-11T13:17:25.840Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-48-multi-agent 2026-05-11T13:17:26.062Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-48-multi-agent 2026-05-11T13:17:26.062Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-49-memory-types 2026-05-11T13:17:26.221Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-49-memory-types 2026-05-11T13:17:26.221Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-50-musteri-destek-ajan-vaka 2026-05-11T13:17:26.429Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-50-musteri-destek-ajan-vaka 2026-05-11T13:17:26.429Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-51-arastirma-asistani-vaka 2026-05-11T13:17:26.701Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-51-arastirma-asistani-vaka 2026-05-11T13:17:26.701Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-52-vision-temel 2026-05-11T13:17:26.905Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-52-vision-temel 2026-05-11T13:17:26.905Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-53-belge-analizi 2026-05-11T13:17:27.183Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-53-belge-analizi 2026-05-11T13:17:27.183Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-54-ses-video 2026-05-11T13:17:27.389Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-54-ses-video 2026-05-11T13:17:27.389Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-55-uretim-vision-vaka 2026-05-11T13:17:27.665Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-55-uretim-vision-vaka 2026-05-11T13:17:27.665Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-56-perakende-gorsel-vaka 2026-05-11T13:17:27.863Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-56-perakende-gorsel-vaka 2026-05-11T13:17:27.863Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-57-prompt-injection 2026-05-11T13:17:28.142Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-57-prompt-injection 2026-05-11T13:17:28.142Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-58-jailbreak-savunma 2026-05-11T13:17:28.345Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-58-jailbreak-savunma 2026-05-11T13:17:28.345Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-59-pii-gdpr-kvkk 2026-05-11T13:17:28.585Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-59-pii-gdpr-kvkk 2026-05-11T13:17:28.585Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-60-hallusinasyon-derin 2026-05-11T13:17:28.781Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-60-hallusinasyon-derin 2026-05-11T13:17:28.781Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-61-bias-fairness 2026-05-11T13:17:28.990Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-61-bias-fairness 2026-05-11T13:17:28.990Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-62-guardrails 2026-05-11T13:17:29.260Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-62-guardrails 2026-05-11T13:17:29.260Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-63-eval-tasarimi 2026-05-11T13:17:29.482Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-63-eval-tasarimi 2026-05-11T13:17:29.482Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-64-llm-as-judge 2026-05-11T13:17:29.740Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-64-llm-as-judge 2026-05-11T13:17:29.740Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-65-ab-test-versiyonlama 2026-05-11T13:17:29.946Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-65-ab-test-versiyonlama 2026-05-11T13:17:29.946Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-66-hata-analizi 2026-05-11T13:17:30.233Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-66-hata-analizi 2026-05-11T13:17:30.233Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-67-maliyet-latans-token 2026-05-11T13:17:30.565Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-67-maliyet-latans-token 2026-05-11T13:17:30.565Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-68-handson-eval-pipeline 2026-05-11T13:17:30.759Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-68-handson-eval-pipeline 2026-05-11T13:17:30.759Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-69-prompt-yonetimi 2026-05-11T13:17:31.020Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-69-prompt-yonetimi 2026-05-11T13:17:31.020Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-70-prompt-as-code-cicd 2026-05-11T13:17:31.225Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-70-prompt-as-code-cicd 2026-05-11T13:17:31.225Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-71-observability 2026-05-11T13:17:31.537Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-71-observability 2026-05-11T13:17:31.537Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-72-caching-streaming-batch 2026-05-11T13:17:31.826Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-72-caching-streaming-batch 2026-05-11T13:17:31.826Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-73-vendor-failover 2026-05-11T13:17:32.023Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-73-vendor-failover 2026-05-11T13:17:32.023Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-74-yazilim-vakasi 2026-05-11T13:17:32.195Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-74-yazilim-vakasi 2026-05-11T13:17:32.195Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-75-pazarlama-vakasi 2026-05-11T13:17:32.429Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-75-pazarlama-vakasi 2026-05-11T13:17:32.429Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-76-eticaret-vakasi 2026-05-11T13:17:32.664Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-76-eticaret-vakasi 2026-05-11T13:17:32.664Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-77-finans-vakasi 2026-05-11T13:17:32.985Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-77-finans-vakasi 2026-05-11T13:17:32.985Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-78-hukuk-vakasi 2026-05-11T13:17:33.264Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-78-hukuk-vakasi 2026-05-11T13:17:33.264Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-79-saglik-vakasi 2026-05-11T13:17:33.468Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-79-saglik-vakasi 2026-05-11T13:17:33.468Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-80-egitim-vakasi 2026-05-11T13:17:33.747Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-80-egitim-vakasi 2026-05-11T13:17:33.747Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-81-ik-vakasi 2026-05-11T13:17:33.945Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-81-ik-vakasi 2026-05-11T13:17:33.945Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-82-musteri-hizmetleri-vakasi 2026-05-11T13:17:34.140Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-82-musteri-hizmetleri-vakasi 2026-05-11T13:17:34.140Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-83-prompt-compression 2026-05-11T13:17:34.425Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-83-prompt-compression 2026-05-11T13:17:34.425Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-84-constitutional-self-refinement 2026-05-11T13:17:34.759Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-84-constitutional-self-refinement 2026-05-11T13:17:34.759Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-85-prompt-vs-finetune-vs-rag 2026-05-11T13:17:35.033Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-85-prompt-vs-finetune-vs-rag 2026-05-11T13:17:35.033Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-86-mlops-pe-entegrasyonu 2026-05-11T13:17:35.340Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-86-mlops-pe-entegrasyonu 2026-05-11T13:17:35.340Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-87-2026-trendleri 2026-05-11T13:17:35.550Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-87-2026-trendleri 2026-05-11T13:17:35.550Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-88-kapanis-projesi 2026-05-11T13:17:35.783Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-88-kapanis-projesi 2026-05-11T13:17:35.783Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-engineering/pe-89-sertifika-sinavi 2026-05-11T13:17:36.017Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-engineering/pe-89-sertifika-sinavi 2026-05-11T13:17:36.017Z monthly 0.60 https://sukruyusufkaya.com/learn/llm-muhendisligi/llm-engineer-kimdir-kariyer-haritasi 2026-05-13T18:21:43.870Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLM mühendisliği yeni bir disiplin: ML engineer, data scientist, AI researcher ve MLOps arasındaki konumu, yetenek matrisi, kıdem seviyeleri, küresel ve Türkiye maaş aralıkları, günlük iş akışı, kariyer pivotları. LLM Engineer Kimdir? Junior'dan Staff'a Yapay Zekâ Mühendisliği Kariyer Haritası https://sukruyusufkaya.com/en/learn/llm-muhendisligi/llm-engineer-kimdir-kariyer-haritasi 2026-05-13T18:21:43.870Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLM mühendisliği yeni bir disiplin: ML engineer, data scientist, AI researcher ve MLOps arasındaki konumu, yetenek matrisi, kıdem seviyeleri, küresel ve Türkiye maaş aralıkları, günlük iş akışı, kariyer pivotları. LLM Engineer Kimdir? Junior'dan Staff'a Yapay Zekâ Mühendisliği Kariyer Haritası https://sukruyusufkaya.com/learn/llm-muhendisligi/kurs-felsefesi-neden-bu-yol 2026-05-13T13:00:22.270Z monthly 0.70 https://images.unsplash.com/photo-1546900703-cf06143d1239?w=1280&h=720&fit=crop&auto=format&q=80 Bu kursun arkasındaki 8 pedagojik ilke, 12 part / 76 modül mimarisi, prerequisite grafiği, Karpathy & Stanford CS336 & Hamel Husain ile karşılaştırma, 4 farklı çalışma modu, 3 sertifika seviyesi. Kurs Felsefesi: Neden Bu Yol, Neden Bu Sıra — 8 Aylık Müfredatın İskeleti https://sukruyusufkaya.com/en/learn/llm-muhendisligi/kurs-felsefesi-neden-bu-yol 2026-05-13T13:00:22.270Z monthly 0.60 https://images.unsplash.com/photo-1546900703-cf06143d1239?w=1280&h=720&fit=crop&auto=format&q=80 Bu kursun arkasındaki 8 pedagojik ilke, 12 part / 76 modül mimarisi, prerequisite grafiği, Karpathy & Stanford CS336 & Hamel Husain ile karşılaştırma, 4 farklı çalışma modu, 3 sertifika seviyesi. Kurs Felsefesi: Neden Bu Yol, Neden Bu Sıra — 8 Aylık Müfredatın İskeleti https://sukruyusufkaya.com/learn/llm-muhendisligi/atolye-kurulumu-uv-pytorch-cuda-wsl2 2026-05-13T13:00:22.363Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Sıfırdan modern Python + PyTorch + CUDA + Triton + FlashAttention + Nsight kurulumu. Linux, WSL2, macOS (Apple Silicon), Windows native — her platforma adım adım. uv paket yöneticisi neden pip/conda'dan üstün, sanity test. Atölye Kurulumu: uv, PyTorch 2.5+, CUDA, WSL2, Mac MPS, Triton, FlashAttention, Nsight https://sukruyusufkaya.com/en/learn/llm-muhendisligi/atolye-kurulumu-uv-pytorch-cuda-wsl2 2026-05-13T13:00:22.363Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Sıfırdan modern Python + PyTorch + CUDA + Triton + FlashAttention + Nsight kurulumu. Linux, WSL2, macOS (Apple Silicon), Windows native — her platforma adım adım. uv paket yöneticisi neden pip/conda'dan üstün, sanity test. Atölye Kurulumu: uv, PyTorch 2.5+, CUDA, WSL2, Mac MPS, Triton, FlashAttention, Nsight https://sukruyusufkaya.com/learn/llm-muhendisligi/cloud-hesaplar-atlasi-hf-openai-anthropic-modal 2026-05-13T13:00:22.456Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Bir LLM mühendisinin 8 ay boyunca 12+ cloud hesabı yönetmesi gerekir. Hangisi niye, fiyatlandırma modelleri, API anahtarı güvenliği, ücretsiz kredi avı, çoklu sağlayıcı stratejisi, Türkiye için ödeme/vergi pratikleri. Cloud Hesaplar Atlası: HuggingFace, OpenAI, Anthropic, Together, Modal, Runpod, Lambda — Hangisi Niye? https://sukruyusufkaya.com/en/learn/llm-muhendisligi/cloud-hesaplar-atlasi-hf-openai-anthropic-modal 2026-05-13T13:00:22.456Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Bir LLM mühendisinin 8 ay boyunca 12+ cloud hesabı yönetmesi gerekir. Hangisi niye, fiyatlandırma modelleri, API anahtarı güvenliği, ücretsiz kredi avı, çoklu sağlayıcı stratejisi, Türkiye için ödeme/vergi pratikleri. Cloud Hesaplar Atlası: HuggingFace, OpenAI, Anthropic, Together, Modal, Runpod, Lambda — Hangisi Niye? https://sukruyusufkaya.com/learn/llm-muhendisligi/maliyet-ve-etik-sozlesmesi 2026-05-13T13:00:22.557Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Kursun toplam tahmini maliyeti üç senaryoda, token economics 101, bütçe alarmı kurma, AI mühendisinin etik sözleşmesi: telif hakları, KVKK, EU AI Act, akademik dürüstlük, açık-kaynak katkı, çevre etkisi. Maliyet ve Etik Sözleşmesi: 8 Ay Bütçesi, Token Economics, AI Mühendisinin Ahlakı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/maliyet-ve-etik-sozlesmesi 2026-05-13T13:00:22.557Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Kursun toplam tahmini maliyeti üç senaryoda, token economics 101, bütçe alarmı kurma, AI mühendisinin etik sözleşmesi: telif hakları, KVKK, EU AI Act, akademik dürüstlük, açık-kaynak katkı, çevre etkisi. Maliyet ve Etik Sözleşmesi: 8 Ay Bütçesi, Token Economics, AI Mühendisinin Ahlakı https://sukruyusufkaya.com/learn/llm-muhendisligi/lineer-cebir-refresher-vektor-matris-einsum 2026-05-13T13:00:22.653Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Vektör/matris/tensor sezgisi, broadcasting kuralları, dot product, matris çarpımının üç farklı bakış açısı, einsum notasyonu, norm aileleri, attention'da Q@K^T çarpımının matematiksel anatomisi. Lineer Cebir Refresher: Vektör, Matris, Broadcasting, Einsum — LLM Mühendisinin Matematiksel Dili https://sukruyusufkaya.com/en/learn/llm-muhendisligi/lineer-cebir-refresher-vektor-matris-einsum 2026-05-13T13:00:22.653Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Vektör/matris/tensor sezgisi, broadcasting kuralları, dot product, matris çarpımının üç farklı bakış açısı, einsum notasyonu, norm aileleri, attention'da Q@K^T çarpımının matematiksel anatomisi. Lineer Cebir Refresher: Vektör, Matris, Broadcasting, Einsum — LLM Mühendisinin Matematiksel Dili https://sukruyusufkaya.com/learn/llm-muhendisligi/matris-ayristirmalari-svd-eigen-pca-lora 2026-05-13T13:00:22.742Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Bir matrisi 'DNA'sına' ayırma sanatı. Eigendecomposition (özdeğer) ve SVD (tekil değer) ayrıştırmaları, PCA'nın SVD ile sıfırdan inşası, LoRA'nın matematiksel temeli — neden düşük-rank güncelleme yeter? Embedding compression pratiği. Matris Ayrıştırmaları: Eigendecomposition, SVD, PCA ve LoRA'nın Sırrı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/matris-ayristirmalari-svd-eigen-pca-lora 2026-05-13T13:00:22.742Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Bir matrisi 'DNA'sına' ayırma sanatı. Eigendecomposition (özdeğer) ve SVD (tekil değer) ayrıştırmaları, PCA'nın SVD ile sıfırdan inşası, LoRA'nın matematiksel temeli — neden düşük-rank güncelleme yeter? Embedding compression pratiği. Matris Ayrıştırmaları: Eigendecomposition, SVD, PCA ve LoRA'nın Sırrı https://sukruyusufkaya.com/learn/llm-muhendisligi/turev-gradient-matrix-calculus-backprop 2026-05-13T13:00:22.832Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Skalerden vektöre, vektörden matrise türev. Jacobian, Hessian, chain rule, numerator vs denominator layout. Softmax + cross-entropy'nin türevinin neden zarif olduğu. Backprop'un manuel hesabıyla PyTorch autograd karşılaştırması. Türev, Gradient ve Matrix Calculus: Backprop'un Matematiği Sıfırdan https://sukruyusufkaya.com/en/learn/llm-muhendisligi/turev-gradient-matrix-calculus-backprop 2026-05-13T13:00:22.832Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Skalerden vektöre, vektörden matrise türev. Jacobian, Hessian, chain rule, numerator vs denominator layout. Softmax + cross-entropy'nin türevinin neden zarif olduğu. Backprop'un manuel hesabıyla PyTorch autograd karşılaştırması. Türev, Gradient ve Matrix Calculus: Backprop'un Matematiği Sıfırdan https://sukruyusufkaya.com/learn/llm-muhendisligi/chain-rule-backpropagation-mini-autograd 2026-05-13T13:00:22.922Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Karpathy'nin micrograd'ını Türkçe sıfırdan inşa etmek — 200 satır PyTorch-benzeri otomatik türev motoru. Computational graph, topological sort, operator overloading, _backward closures, gradient accumulation. Sonunda bir MLP'yi eğit. Chain Rule ve Backpropagation: Mini-Autograd'ı Sıfırdan İnşa Et (Karpathy micrograd Türkçe) https://sukruyusufkaya.com/en/learn/llm-muhendisligi/chain-rule-backpropagation-mini-autograd 2026-05-13T13:00:22.922Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Karpathy'nin micrograd'ını Türkçe sıfırdan inşa etmek — 200 satır PyTorch-benzeri otomatik türev motoru. Computational graph, topological sort, operator overloading, _backward closures, gradient accumulation. Sonunda bir MLP'yi eğit. Chain Rule ve Backpropagation: Mini-Autograd'ı Sıfırdan İnşa Et (Karpathy micrograd Türkçe) https://sukruyusufkaya.com/learn/llm-muhendisligi/olasilik-temelleri-joint-marginal-conditional-bayes 2026-05-13T13:00:23.014Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM'ler özünde conditional probability makineleridir. P(x_t | x_<t)'nin matematiği, joint/marginal/conditional ilişkisi, bağımsızlık, Bayes teoreminin gücü, dağılım aileleri (Bernoulli, Categorical, Gaussian), expectation, variance — sampling (temperature, top-k, top-p) buradan başlar. Olasılık Temelleri: Joint, Marginal, Conditional ve Bayes — LLM'in Düşünme Dili https://sukruyusufkaya.com/en/learn/llm-muhendisligi/olasilik-temelleri-joint-marginal-conditional-bayes 2026-05-13T13:00:23.014Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM'ler özünde conditional probability makineleridir. P(x_t | x_<t)'nin matematiği, joint/marginal/conditional ilişkisi, bağımsızlık, Bayes teoreminin gücü, dağılım aileleri (Bernoulli, Categorical, Gaussian), expectation, variance — sampling (temperature, top-k, top-p) buradan başlar. Olasılık Temelleri: Joint, Marginal, Conditional ve Bayes — LLM'in Düşünme Dili https://sukruyusufkaya.com/learn/llm-muhendisligi/mle-map-posterior-modelleme-grameri 2026-05-13T13:00:23.105Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 LLM pretrain loss'unun bir Maximum Likelihood Estimation (MLE) objective olduğunu, fine-tuning'in matematiksel olarak Bayesian güncelleme olduğunu, regularization'ın MAP'a karşılık geldiğini gözden geçir. Cross-entropy = NLL ilişkisi, prior seçimi, conjugate priors. MLE, MAP, Posterior: Modelleme Dilinin Grameri — Pretrain Loss'un Matematiksel Kökü https://sukruyusufkaya.com/en/learn/llm-muhendisligi/mle-map-posterior-modelleme-grameri 2026-05-13T13:00:23.105Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 LLM pretrain loss'unun bir Maximum Likelihood Estimation (MLE) objective olduğunu, fine-tuning'in matematiksel olarak Bayesian güncelleme olduğunu, regularization'ın MAP'a karşılık geldiğini gözden geçir. Cross-entropy = NLL ilişkisi, prior seçimi, conjugate priors. MLE, MAP, Posterior: Modelleme Dilinin Grameri — Pretrain Loss'un Matematiksel Kökü https://sukruyusufkaya.com/learn/llm-muhendisligi/entropi-kl-divergence-mutual-information 2026-05-13T13:00:23.193Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Shannon entropisi, cross-entropy'nin LLM loss olarak gerçek anlamı, KL divergence'ın asimetrisi ve forward vs reverse KL (mode covering vs mode seeking), RLHF/DPO'da KL constraint'in rolü, JS ve Wasserstein, mutual information, knowledge distillation matematik. Entropi, Cross-Entropy, KL Divergence ve Mutual Information: Bilgi Teorisinin LLM'deki Hayatı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/entropi-kl-divergence-mutual-information 2026-05-13T13:00:23.193Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Shannon entropisi, cross-entropy'nin LLM loss olarak gerçek anlamı, KL divergence'ın asimetrisi ve forward vs reverse KL (mode covering vs mode seeking), RLHF/DPO'da KL constraint'in rolü, JS ve Wasserstein, mutual information, knowledge distillation matematik. Entropi, Cross-Entropy, KL Divergence ve Mutual Information: Bilgi Teorisinin LLM'deki Hayatı https://sukruyusufkaya.com/learn/llm-muhendisligi/optimization-sgd-adam-adamw-lion-muon 2026-05-13T13:00:23.285Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Gradient descent ailesinin geçmişi ve geleceği: GD, SGD, Momentum (Heavy ball, Nesterov), AdaGrad, RMSProp, Adam, AdamW, Lion, Muon. Learning rate schedules: linear warmup + cosine decay. Loss landscape: sharp vs flat minima. Optimization: SGD'den AdamW'a, Lion'a, Muon'a — Modern LLM'in Tüm Optimizer'ları https://sukruyusufkaya.com/en/learn/llm-muhendisligi/optimization-sgd-adam-adamw-lion-muon 2026-05-13T13:00:23.285Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Gradient descent ailesinin geçmişi ve geleceği: GD, SGD, Momentum (Heavy ball, Nesterov), AdaGrad, RMSProp, Adam, AdamW, Lion, Muon. Learning rate schedules: linear warmup + cosine decay. Loss landscape: sharp vs flat minima. Optimization: SGD'den AdamW'a, Lion'a, Muon'a — Modern LLM'in Tüm Optimizer'ları https://sukruyusufkaya.com/learn/llm-muhendisligi/numerik-stabilite-fp16-bf16-fp8-nan 2026-05-13T13:00:23.372Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Floating point representation (FP32, FP16, BF16, FP8), overflow/underflow/NaN avı, log-sum-exp trick, softmax sayısal stabilitesi, mixed precision training (autocast + GradScaler), pretrain loss spike'larının sayısal kökenleri. Numerik Stabilite: Log-Sum-Exp, FP16 Tuzakları, NaN Avı — LLM Eğitiminin Gizli Saatleri https://sukruyusufkaya.com/en/learn/llm-muhendisligi/numerik-stabilite-fp16-bf16-fp8-nan 2026-05-13T13:00:23.372Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Floating point representation (FP32, FP16, BF16, FP8), overflow/underflow/NaN avı, log-sum-exp trick, softmax sayısal stabilitesi, mixed precision training (autocast + GradScaler), pretrain loss spike'larının sayısal kökenleri. Numerik Stabilite: Log-Sum-Exp, FP16 Tuzakları, NaN Avı — LLM Eğitiminin Gizli Saatleri https://sukruyusufkaya.com/learn/llm-muhendisligi/bilgi-geometrisi-manifold-embedding 2026-05-13T13:00:23.458Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Embedding space'in geometrik anatomisi: manifold hipotezi, t-SNE/UMAP görselleştirme, cosine vs Euclidean metric, Riemannian geometri sezgisi, Fisher information, natural gradient, embedding rotation invariance. Bu dersle Modül 1'i tamamlıyoruz. Bilgi Geometrisi ve Manifold Sezgisi: Embedding'lerin Niçin Anlamlı Olduğu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/bilgi-geometrisi-manifold-embedding 2026-05-13T13:00:23.458Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Embedding space'in geometrik anatomisi: manifold hipotezi, t-SNE/UMAP görselleştirme, cosine vs Euclidean metric, Riemannian geometri sezgisi, Fisher information, natural gradient, embedding rotation invariance. Bu dersle Modül 1'i tamamlıyoruz. Bilgi Geometrisi ve Manifold Sezgisi: Embedding'lerin Niçin Anlamlı Olduğu https://sukruyusufkaya.com/learn/llm-muhendisligi/numpy-tensor-strides-view-broadcasting 2026-05-13T13:00:23.545Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Bir tensor'un bellek anatomisi: row-major C vs column-major F, strides, view vs copy, contiguous, fancy indexing, advanced broadcasting kuralları, BLAS arka uç sezgisi, einsum vs einops. Performans kritik kodun temeli. NumPy Tensor Mühendisliği: Strides, View, Broadcasting ve Bellek Düzeninin Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/numpy-tensor-strides-view-broadcasting 2026-05-13T13:00:23.545Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Bir tensor'un bellek anatomisi: row-major C vs column-major F, strides, view vs copy, contiguous, fancy indexing, advanced broadcasting kuralları, BLAS arka uç sezgisi, einsum vs einops. Performans kritik kodun temeli. NumPy Tensor Mühendisliği: Strides, View, Broadcasting ve Bellek Düzeninin Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/computational-graph-dag-topological-eager-static 2026-05-13T13:00:23.633Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Autograd'in arkasındaki graph yapısının derinlemesine analizi: DAG anatomisi, in-degree/out-degree, topological sort algoritmaları (DFS post-order, Kahn's), eager (PyTorch) vs static (TF1, JAX, XLA) graph paradigmaları, graph optimization (fusion, dead code elimination). Computational Graph Derinden: DAG Yapısı, Topological Sort, Eager vs Static Paradigma https://sukruyusufkaya.com/en/learn/llm-muhendisligi/computational-graph-dag-topological-eager-static 2026-05-13T13:00:23.633Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Autograd'in arkasındaki graph yapısının derinlemesine analizi: DAG anatomisi, in-degree/out-degree, topological sort algoritmaları (DFS post-order, Kahn's), eager (PyTorch) vs static (TF1, JAX, XLA) graph paradigmaları, graph optimization (fusion, dead code elimination). Computational Graph Derinden: DAG Yapısı, Topological Sort, Eager vs Static Paradigma https://sukruyusufkaya.com/learn/llm-muhendisligi/reverse-mode-forward-mode-autodiff-jvp-vjp 2026-05-13T13:00:23.722Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Otomatik türevin iki temel modu: forward-mode (Jacobian-vector product, dual numbers) ve reverse-mode (vector-Jacobian product, backprop). Matematiksel karşılaştırma, hesaplama karmaşıklığı, JAX'te jvp/vjp/grad/hessian, LLM'de hangi senaryo hangi modu gerektirir. Reverse-mode vs Forward-mode Autodiff: JVP, VJP, Dual Numbers ve LLM'de Hangisi Ne Zaman https://sukruyusufkaya.com/en/learn/llm-muhendisligi/reverse-mode-forward-mode-autodiff-jvp-vjp 2026-05-13T13:00:23.722Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Otomatik türevin iki temel modu: forward-mode (Jacobian-vector product, dual numbers) ve reverse-mode (vector-Jacobian product, backprop). Matematiksel karşılaştırma, hesaplama karmaşıklığı, JAX'te jvp/vjp/grad/hessian, LLM'de hangi senaryo hangi modu gerektirir. Reverse-mode vs Forward-mode Autodiff: JVP, VJP, Dual Numbers ve LLM'de Hangisi Ne Zaman https://sukruyusufkaya.com/learn/llm-muhendisligi/numpy-tensor-autograd-mini-tinygrad 2026-05-13T13:00:23.821Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 1.4'teki skaler micrograd'ı tensor seviyesine yükselt: NumPy üzerinde Tensor class, broadcasting-aware backward (sum-along-broadcast-dims trick), matmul/conv/softmax operatörleri, transpose ve view'ın gradient akışı, ~500 satırda PyTorch-benzeri eğitim motoru. NumPy ile Tensor Autograd Sıfırdan: Broadcasting-Aware Mini-Tinygrad İnşası https://sukruyusufkaya.com/en/learn/llm-muhendisligi/numpy-tensor-autograd-mini-tinygrad 2026-05-13T13:00:23.821Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 1.4'teki skaler micrograd'ı tensor seviyesine yükselt: NumPy üzerinde Tensor class, broadcasting-aware backward (sum-along-broadcast-dims trick), matmul/conv/softmax operatörleri, transpose ve view'ın gradient akışı, ~500 satırda PyTorch-benzeri eğitim motoru. NumPy ile Tensor Autograd Sıfırdan: Broadcasting-Aware Mini-Tinygrad İnşası https://sukruyusufkaya.com/learn/llm-muhendisligi/pytorch-jax-torch-compile-karsilastirma 2026-05-13T13:00:23.906Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 2.2'deki teorik fark → pratik benchmark. Aynı transformer bloğunu PyTorch eager, JAX jit, torch.compile (reduce-overhead, max-autotune) modlarında implement et. Compile time, throughput, memory, debug deneyimi yan yana. 2026'da hangi framework hangi senaryoda? PyTorch vs JAX vs torch.compile: Eager, Static ve Hybrid'in Pratik Karşılaştırması https://sukruyusufkaya.com/en/learn/llm-muhendisligi/pytorch-jax-torch-compile-karsilastirma 2026-05-13T13:00:23.906Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 2.2'deki teorik fark → pratik benchmark. Aynı transformer bloğunu PyTorch eager, JAX jit, torch.compile (reduce-overhead, max-autotune) modlarında implement et. Compile time, throughput, memory, debug deneyimi yan yana. 2026'da hangi framework hangi senaryoda? PyTorch vs JAX vs torch.compile: Eager, Static ve Hybrid'in Pratik Karşılaştırması https://sukruyusufkaya.com/learn/llm-muhendisligi/custom-autograd-function-pytorch-internals 2026-05-13T13:00:23.992Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch autograd'ı extend etmek: torch.autograd.Function subclass'ları, custom forward/backward, ctx ile state saklama, gradcheck doğrulaması, custom CUDA/Triton kernel wrap (preview), FlashAttention block matmul mini-implementasyon, second-order gradients ve gradgradcheck. Custom autograd.Function ve PyTorch Internals: Kendi Gradient'lerini Yaz https://sukruyusufkaya.com/en/learn/llm-muhendisligi/custom-autograd-function-pytorch-internals 2026-05-13T13:00:23.992Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch autograd'ı extend etmek: torch.autograd.Function subclass'ları, custom forward/backward, ctx ile state saklama, gradcheck doğrulaması, custom CUDA/Triton kernel wrap (preview), FlashAttention block matmul mini-implementasyon, second-order gradients ve gradgradcheck. Custom autograd.Function ve PyTorch Internals: Kendi Gradient'lerini Yaz https://sukruyusufkaya.com/learn/llm-muhendisligi/ysa-70-yillik-yolculuk-perceptron-gpt5 2026-05-13T13:00:24.083Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Derin öğrenmenin tarihi: 1943 McCulloch-Pitts nöronları, 1958 Perceptron, 1986 backprop popülerizasyonu, 1989 LeCun ZIP-code CNN, 1997 LSTM, 2006 Hinton'un DBN paper'ı, 2012 AlexNet, 2017 Transformer, 2022 ChatGPT, 2026 GPT-5. Her milestone'un teknik ve sosyal bağlamı. Yapay Sinir Ağlarının 70 Yıllık Yolculuğu: McCulloch-Pitts'ten GPT-5'e https://sukruyusufkaya.com/en/learn/llm-muhendisligi/ysa-70-yillik-yolculuk-perceptron-gpt5 2026-05-13T13:00:24.083Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Derin öğrenmenin tarihi: 1943 McCulloch-Pitts nöronları, 1958 Perceptron, 1986 backprop popülerizasyonu, 1989 LeCun ZIP-code CNN, 1997 LSTM, 2006 Hinton'un DBN paper'ı, 2012 AlexNet, 2017 Transformer, 2022 ChatGPT, 2026 GPT-5. Her milestone'un teknik ve sosyal bağlamı. Yapay Sinir Ağlarının 70 Yıllık Yolculuğu: McCulloch-Pitts'ten GPT-5'e https://sukruyusufkaya.com/learn/llm-muhendisligi/connectionism-vs-symbolic-llm 2026-05-13T13:00:24.172Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Symbolic AI (LISP, expert systems, mantık programlama) ile connectionism (neural networks) arasındaki 60 yıllık felsefi savaş. Bitter Lesson (Sutton 2019), neuro-symbolic hibridler, chain-of-thought ve tool use'un symbolic manipülasyon mu olduğu, LLM reasoning'in geleceği. Connectionism vs Symbolic: Bitmeyen Tartışmanın 60 Yılı ve LLM'lerin Yeri https://sukruyusufkaya.com/en/learn/llm-muhendisligi/connectionism-vs-symbolic-llm 2026-05-13T13:00:24.172Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Symbolic AI (LISP, expert systems, mantık programlama) ile connectionism (neural networks) arasındaki 60 yıllık felsefi savaş. Bitter Lesson (Sutton 2019), neuro-symbolic hibridler, chain-of-thought ve tool use'un symbolic manipülasyon mu olduğu, LLM reasoning'in geleceği. Connectionism vs Symbolic: Bitmeyen Tartışmanın 60 Yılı ve LLM'lerin Yeri https://sukruyusufkaya.com/learn/llm-muhendisligi/vision-big-bang-alexnet-vgg-inception-resnet 2026-05-13T13:00:24.261Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 2012-2017 vision devrimi: AlexNet'in 5 yeniliği, VGG'nin uniformity prensibi, Inception'ın multi-scale yaklaşımı, ResNet'in skip connection devrimi, BatchNorm'un internal covariate shift cevabı. Transformer'a giden mimari mirasın detaylı analizi. Vision'da Big Bang: AlexNet, VGG, Inception, ResNet, BatchNorm — Modern Mimari Bileşenlerinin Doğuşu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/vision-big-bang-alexnet-vgg-inception-resnet 2026-05-13T13:00:24.261Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 2012-2017 vision devrimi: AlexNet'in 5 yeniliği, VGG'nin uniformity prensibi, Inception'ın multi-scale yaklaşımı, ResNet'in skip connection devrimi, BatchNorm'un internal covariate shift cevabı. Transformer'a giden mimari mirasın detaylı analizi. Vision'da Big Bang: AlexNet, VGG, Inception, ResNet, BatchNorm — Modern Mimari Bileşenlerinin Doğuşu https://sukruyusufkaya.com/learn/llm-muhendisligi/sequence-modelleme-rnn-lstm-attention 2026-05-13T13:00:24.352Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 NLP'nin 1990-2017 evrimi: vanilla RNN'in vanishing gradient sorunu, LSTM (Hochreiter 1997) ve GRU çözümü, Seq2Seq (Sutskever 2014), Bahdanau ve Luong attention mekanizmaları, ELMo ile contextual embedding'lerin doğuşu. Bu yolculuk 2017 Transformer'ın zeminini hazırladı. Sequence Modelleme: RNN, LSTM, GRU'dan Encoder-Decoder ve Attention'a Giden Yol https://sukruyusufkaya.com/en/learn/llm-muhendisligi/sequence-modelleme-rnn-lstm-attention 2026-05-13T13:00:24.352Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 NLP'nin 1990-2017 evrimi: vanilla RNN'in vanishing gradient sorunu, LSTM (Hochreiter 1997) ve GRU çözümü, Seq2Seq (Sutskever 2014), Bahdanau ve Luong attention mekanizmaları, ELMo ile contextual embedding'lerin doğuşu. Bu yolculuk 2017 Transformer'ın zeminini hazırladı. Sequence Modelleme: RNN, LSTM, GRU'dan Encoder-Decoder ve Attention'a Giden Yol https://sukruyusufkaya.com/learn/llm-muhendisligi/transformer-sonrasi-8-yil-tam-anatomi 2026-05-13T13:00:24.446Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Vaswani 2017'den 2026 GPT-5'e transformer'ın 8 yıllık evrim haritası: BERT, GPT serisi, T5, BART, Llama, Claude, DeepSeek, Mistral, Qwen. Pre-training paradigmasının yerleşmesi, scaling laws, RLHF, multimodal yetenek, reasoning model'lar. Transformer Sonrası 8 Yıl: 'Attention Is All You Need'ten GPT-5'e Tam Anatomi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/transformer-sonrasi-8-yil-tam-anatomi 2026-05-13T13:00:24.446Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Vaswani 2017'den 2026 GPT-5'e transformer'ın 8 yıllık evrim haritası: BERT, GPT serisi, T5, BART, Llama, Claude, DeepSeek, Mistral, Qwen. Pre-training paradigmasının yerleşmesi, scaling laws, RLHF, multimodal yetenek, reasoning model'lar. Transformer Sonrası 8 Yıl: 'Attention Is All You Need'ten GPT-5'e Tam Anatomi https://sukruyusufkaya.com/learn/llm-muhendisligi/llm-conditional-probability-machine 2026-05-13T13:00:24.536Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Bir LLM'in özünde ne olduğunu netleştir: conditional probability dağılımı üretici machine. Autoregressive generation, joint probability'nin chain rule ile decomposition'ı, perplexity ölçümünün gerçek anlamı, neden 'hallucination' kaçınılmaz, calibration kavramı, logit ve probability arasındaki ilişki. LLM Bir Conditional Probability Machine: P(x_t | x_<t) ve Bunun Sonuçları https://sukruyusufkaya.com/en/learn/llm-muhendisligi/llm-conditional-probability-machine 2026-05-13T13:00:24.536Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Bir LLM'in özünde ne olduğunu netleştir: conditional probability dağılımı üretici machine. Autoregressive generation, joint probability'nin chain rule ile decomposition'ı, perplexity ölçümünün gerçek anlamı, neden 'hallucination' kaçınılmaz, calibration kavramı, logit ve probability arasındaki ilişki. LLM Bir Conditional Probability Machine: P(x_t | x_<t) ve Bunun Sonuçları https://sukruyusufkaya.com/learn/llm-muhendisligi/tokenization-token-ekonomisi-glitch-tokens 2026-05-13T13:00:24.628Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Token sınırlarının tahminleri nasıl şekillendirdiği, Türkçe gibi morfolojik zengin dillerde token ekonomisinin etkisi, SolidGoldMagikarp gibi 'glitch tokens', leading whitespace problemi, prompt engineering'in token-level detayı. Modül 6 (Tokenization Mikro-Cerrahisi) için pratik zemin. Tokenization Zihinsel Modelin Parçası: Token Ekonomisi, Türkçe Tuzakları ve Glitch Tokens https://sukruyusufkaya.com/en/learn/llm-muhendisligi/tokenization-token-ekonomisi-glitch-tokens 2026-05-13T13:00:24.628Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Token sınırlarının tahminleri nasıl şekillendirdiği, Türkçe gibi morfolojik zengin dillerde token ekonomisinin etkisi, SolidGoldMagikarp gibi 'glitch tokens', leading whitespace problemi, prompt engineering'in token-level detayı. Modül 6 (Tokenization Mikro-Cerrahisi) için pratik zemin. Tokenization Zihinsel Modelin Parçası: Token Ekonomisi, Türkçe Tuzakları ve Glitch Tokens https://sukruyusufkaya.com/learn/llm-muhendisligi/sampling-sanati-temperature-top-p-min-p-dry 2026-05-13T13:00:24.719Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Production-level sampling stratejileri: temperature/top-k/top-p/min-p/typical-p/tail-free/DRY repetition penalty, beam search ve diverse beam, contrastive decoding, speculative sampling, reasoning model'larda sampling, structured output ile sampling, multi-sample self-consistency. Sampling Sanatı Derinlemesine: Greedy, Beam, Top-K, Top-P, Min-P, DRY, Tail-Free — Hepsi Production'da https://sukruyusufkaya.com/en/learn/llm-muhendisligi/sampling-sanati-temperature-top-p-min-p-dry 2026-05-13T13:00:24.719Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Production-level sampling stratejileri: temperature/top-k/top-p/min-p/typical-p/tail-free/DRY repetition penalty, beam search ve diverse beam, contrastive decoding, speculative sampling, reasoning model'larda sampling, structured output ile sampling, multi-sample self-consistency. Sampling Sanatı Derinlemesine: Greedy, Beam, Top-K, Top-P, Min-P, DRY, Tail-Free — Hepsi Production'da https://sukruyusufkaya.com/learn/llm-muhendisligi/logit-gozlemciligi-logprobs-production 2026-05-13T13:00:24.812Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 logprobs API'sının production-grade kullanımı: confidence-based filtering, hallucination detection, prompt diagnostics, model probing, MCQ scoring, semantic confidence, anomaly detection. logits/probability/log-probability dönüşümleri, token-level entropy, ekstraksiyon teknikleri. Logit Gözlemciliği: logprobs ile Modelin Zihnini Okuma — Production Diagnostics https://sukruyusufkaya.com/en/learn/llm-muhendisligi/logit-gozlemciligi-logprobs-production 2026-05-13T13:00:24.812Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 logprobs API'sının production-grade kullanımı: confidence-based filtering, hallucination detection, prompt diagnostics, model probing, MCQ scoring, semantic confidence, anomaly detection. logits/probability/log-probability dönüşümleri, token-level entropy, ekstraksiyon teknikleri. Logit Gözlemciliği: logprobs ile Modelin Zihnini Okuma — Production Diagnostics https://sukruyusufkaya.com/learn/llm-muhendisligi/in-context-learning-matematik-induction-heads 2026-05-13T13:00:24.900Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 GPT-3'ün few-shot learning yeteneğinin matematiksel açıklamaları: implicit Bayesian inference (Xie 2022), induction heads mechanism (Olsson 2022), task identification ve learning algorithm emergence. Prompt'a örnek vermek niye çalışıyor, niye yeterince büyük modellerde, niye OOD'da çuvallıyor. In-Context Learning'in Matematiği: Implicit Bayesian Inference ve Induction Heads https://sukruyusufkaya.com/en/learn/llm-muhendisligi/in-context-learning-matematik-induction-heads 2026-05-13T13:00:24.900Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 GPT-3'ün few-shot learning yeteneğinin matematiksel açıklamaları: implicit Bayesian inference (Xie 2022), induction heads mechanism (Olsson 2022), task identification ve learning algorithm emergence. Prompt'a örnek vermek niye çalışıyor, niye yeterince büyük modellerde, niye OOD'da çuvallıyor. In-Context Learning'in Matematiği: Implicit Bayesian Inference ve Induction Heads https://sukruyusufkaya.com/learn/llm-muhendisligi/scaling-laws-kaplan-chinchilla-post-chinchilla 2026-05-13T13:00:25.002Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM eğitiminin matematiksel temellerinin tam analizi: Kaplan 2020 power laws, Chinchilla 2022 compute-optimal teoremi, post-Chinchilla over-training (Llama 3 yaklaşımı), inference-aware scaling (Sardana 2023), μP hyperparameter transfer, FLOP hesaplama, MFU optimization. Scaling Laws Sezgisi: Kaplan, Chinchilla, Post-Chinchilla — LLM Eğitiminin Matematiksel Planlaması https://sukruyusufkaya.com/en/learn/llm-muhendisligi/scaling-laws-kaplan-chinchilla-post-chinchilla 2026-05-13T13:00:25.002Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM eğitiminin matematiksel temellerinin tam analizi: Kaplan 2020 power laws, Chinchilla 2022 compute-optimal teoremi, post-Chinchilla over-training (Llama 3 yaklaşımı), inference-aware scaling (Sardana 2023), μP hyperparameter transfer, FLOP hesaplama, MFU optimization. Scaling Laws Sezgisi: Kaplan, Chinchilla, Post-Chinchilla — LLM Eğitiminin Matematiksel Planlaması https://sukruyusufkaya.com/learn/llm-muhendisligi/emergent-capabilities-mirage-gercek 2026-05-13T13:00:25.089Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 GPT-3 paper'ının 'emergent abilities' iddiası, Wei 2022'nin systematic çalışması, Schaeffer 2023'ün 'Are Emergent Abilities a Mirage?' meydan okuması. Threshold effects, metric design, smooth vs discontinuous capabilities. Hangi yetenek gerçekten emergent, hangisi ölçüm artefaktı? Emergent Capabilities: 'Sudden' Yetenekler Gerçek mi, Ölçüm Artefaktı mı? https://sukruyusufkaya.com/en/learn/llm-muhendisligi/emergent-capabilities-mirage-gercek 2026-05-13T13:00:25.089Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 GPT-3 paper'ının 'emergent abilities' iddiası, Wei 2022'nin systematic çalışması, Schaeffer 2023'ün 'Are Emergent Abilities a Mirage?' meydan okuması. Threshold effects, metric design, smooth vs discontinuous capabilities. Hangi yetenek gerçekten emergent, hangisi ölçüm artefaktı? Emergent Capabilities: 'Sudden' Yetenekler Gerçek mi, Ölçüm Artefaktı mı? https://sukruyusufkaya.com/learn/llm-muhendisligi/memorization-generalization-paraphrase 2026-05-13T13:00:25.176Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 LLM training corpus'u 'ezberliyor' mu yoksa 'genelleyerek öğreniyor' mu? Exact match tests, paraphrase resistance, contamination detection, membership inference. Eval'de memorization detection, training data extraction risks, privacy implications. Memorization vs Generalization: Paraphrase Testleri ve LLM'in Gerçek Anlayışı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/memorization-generalization-paraphrase 2026-05-13T13:00:25.176Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 LLM training corpus'u 'ezberliyor' mu yoksa 'genelleyerek öğreniyor' mu? Exact match tests, paraphrase resistance, contamination detection, membership inference. Eval'de memorization detection, training data extraction risks, privacy implications. Memorization vs Generalization: Paraphrase Testleri ve LLM'in Gerçek Anlayışı https://sukruyusufkaya.com/learn/llm-muhendisligi/torch-compile-torch-fx-graph-capture 2026-05-13T13:00:25.262Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch 2.0+'ın game-changer feature'ı torch.compile derinlemesine: TorchDynamo + TorchInductor + Triton akışı, FX graph manipulation, compile modes (default/reduce-overhead/max-autotune), graph breaks debugging, dynamic shapes, production trade-off'lar. Modül 2.5'in production extension'ı. torch.compile ve torch.fx: Graph Capture, JIT Compilation ve Production Optimization https://sukruyusufkaya.com/en/learn/llm-muhendisligi/torch-compile-torch-fx-graph-capture 2026-05-13T13:00:25.262Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch 2.0+'ın game-changer feature'ı torch.compile derinlemesine: TorchDynamo + TorchInductor + Triton akışı, FX graph manipulation, compile modes (default/reduce-overhead/max-autotune), graph breaks debugging, dynamic shapes, production trade-off'lar. Modül 2.5'in production extension'ı. torch.compile ve torch.fx: Graph Capture, JIT Compilation ve Production Optimization https://sukruyusufkaya.com/learn/llm-muhendisligi/mixed-precision-bf16-fp16-fp8-autocast 2026-05-13T13:00:25.352Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 1.9'da numerik stabilite temellerini gördük. Bu derste production mixed precision: autocast region tasarımı, GradScaler dinamikleri, FP8 H100/B200 native training (DeepSeek-V3 yöntemi), gradient norm monitoring, loss spike investigation, BF16 vs FP16 production karar matrisi. Mixed Precision Training Derinlemesine: BF16, FP16, FP8, autocast, GradScaler — Production Patterns https://sukruyusufkaya.com/en/learn/llm-muhendisligi/mixed-precision-bf16-fp16-fp8-autocast 2026-05-13T13:00:25.352Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 1.9'da numerik stabilite temellerini gördük. Bu derste production mixed precision: autocast region tasarımı, GradScaler dinamikleri, FP8 H100/B200 native training (DeepSeek-V3 yöntemi), gradient norm monitoring, loss spike investigation, BF16 vs FP16 production karar matrisi. Mixed Precision Training Derinlemesine: BF16, FP16, FP8, autocast, GradScaler — Production Patterns https://sukruyusufkaya.com/learn/llm-muhendisligi/memory-profiling-torch-profiler-nsight-oom 2026-05-13T13:00:25.440Z monthly 0.70 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 GPU memory'sinin gizli yaşamı: aktivasyon vs gradient vs optimizer state breakdown, torch.profiler ile memory snapshot, Nsight Systems timeline analizi, OOM root cause analysis, activation checkpointing, gradient accumulation, fragmentation çözümleri. Memory Profiling: torch.profiler, Nsight Systems, OOM Debugging — Production GPU Memory Yönetimi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/memory-profiling-torch-profiler-nsight-oom 2026-05-13T13:00:25.440Z monthly 0.60 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 GPU memory'sinin gizli yaşamı: aktivasyon vs gradient vs optimizer state breakdown, torch.profiler ile memory snapshot, Nsight Systems timeline analizi, OOM root cause analysis, activation checkpointing, gradient accumulation, fragmentation çözümleri. Memory Profiling: torch.profiler, Nsight Systems, OOM Debugging — Production GPU Memory Yönetimi https://sukruyusufkaya.com/learn/llm-muhendisligi/cuda-streams-events-nccl-temelleri 2026-05-13T13:00:25.529Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 GPU'da concurrency: streams ile parallel kernel execution, events ile fine-grained synchronization, NCCL collective operations (allreduce, broadcast, all-gather, reduce-scatter). Distributed training'in altyapı katmanı. Modül 17 (Distributed Training) için ön hazırlık. CUDA Streams, Events ve NCCL Temelleri: Multi-GPU Communication'ın Alt Katmanı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/cuda-streams-events-nccl-temelleri 2026-05-13T13:00:25.529Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 GPU'da concurrency: streams ile parallel kernel execution, events ile fine-grained synchronization, NCCL collective operations (allreduce, broadcast, all-gather, reduce-scatter). Distributed training'in altyapı katmanı. Modül 17 (Distributed Training) için ön hazırlık. CUDA Streams, Events ve NCCL Temelleri: Multi-GPU Communication'ın Alt Katmanı https://sukruyusufkaya.com/learn/llm-muhendisligi/triton-custom-gpu-kernels-flashattention 2026-05-13T13:00:25.618Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Triton'un Python syntax ile GPU programming sırrı: programming model (program_id, block_size, autotune), softmax kernel sıfırdan, matmul tiling, FlashAttention'ın block-wise mini implementasyonu, performans tuning. Modül 37 (CUDA/Triton derin dalış) için pratik temel. Triton ile Custom GPU Kernels: Softmax, Matmul, FlashAttention Mini Sıfırdan https://sukruyusufkaya.com/en/learn/llm-muhendisligi/triton-custom-gpu-kernels-flashattention 2026-05-13T13:00:25.618Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Triton'un Python syntax ile GPU programming sırrı: programming model (program_id, block_size, autotune), softmax kernel sıfırdan, matmul tiling, FlashAttention'ın block-wise mini implementasyonu, performans tuning. Modül 37 (CUDA/Triton derin dalış) için pratik temel. Triton ile Custom GPU Kernels: Softmax, Matmul, FlashAttention Mini Sıfırdan https://sukruyusufkaya.com/learn/llm-muhendisligi/torch-distributed-ddp-fsdp-zero-stages 2026-05-13T13:00:25.708Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 5.4'te NCCL temellerini gördük. Şimdi production distributed training stack: DDP gradient bucketing + overlap, FSDP shard strategies (FULL_SHARD, SHARD_GRAD_OP, HYBRID_SHARD), DeepSpeed ZeRO Stage 1/2/3 karşılaştırma, hybrid 3D parallelism. Modül 17 için son köprü. torch.distributed Derinleştirilmiş: DDP, FSDP, ZeRO Stages — Production Distributed Training https://sukruyusufkaya.com/en/learn/llm-muhendisligi/torch-distributed-ddp-fsdp-zero-stages 2026-05-13T13:00:25.708Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 5.4'te NCCL temellerini gördük. Şimdi production distributed training stack: DDP gradient bucketing + overlap, FSDP shard strategies (FULL_SHARD, SHARD_GRAD_OP, HYBRID_SHARD), DeepSpeed ZeRO Stage 1/2/3 karşılaştırma, hybrid 3D parallelism. Modül 17 için son köprü. torch.distributed Derinleştirilmiş: DDP, FSDP, ZeRO Stages — Production Distributed Training https://sukruyusufkaya.com/learn/llm-muhendisligi/debug-arsenal-hooks-anomaly-benchmark 2026-05-13T13:00:25.796Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Production PyTorch'ta iş bozulduğunda toolkit: forward/backward hooks, anomaly detection mode, deterministic training, torch.utils.benchmark precise timing, repro pattern'leri, NaN avı systematik, gradient inspection, model debugging stratejileri. Debug Arsenal: register_hook, Anomaly Mode, torch.utils.benchmark — Production Debugging Toolkit https://sukruyusufkaya.com/en/learn/llm-muhendisligi/debug-arsenal-hooks-anomaly-benchmark 2026-05-13T13:00:25.796Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Production PyTorch'ta iş bozulduğunda toolkit: forward/backward hooks, anomaly detection mode, deterministic training, torch.utils.benchmark precise timing, repro pattern'leri, NaN avı systematik, gradient inspection, model debugging stratejileri. Debug Arsenal: register_hook, Anomaly Mode, torch.utils.benchmark — Production Debugging Toolkit https://sukruyusufkaya.com/learn/llm-muhendisligi/production-engineering-cicd-versioning-deployment 2026-05-13T13:00:25.894Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch mühendisliğinin son dersi — production workflow patterns: ML CI/CD pipelines, eval harness CI'a integration, model + prompt + data versioning (DVC, MLflow, HF Hub), canary deployment, A/B testing, rollback strategies, drift monitoring, KVKK uyumlu deploy. Part I'in kapanışı. Production Engineering: Reproducibility, CI/CD for ML, Versioning ve Deployment Patterns https://sukruyusufkaya.com/en/learn/llm-muhendisligi/production-engineering-cicd-versioning-deployment 2026-05-13T13:00:25.894Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch mühendisliğinin son dersi — production workflow patterns: ML CI/CD pipelines, eval harness CI'a integration, model + prompt + data versioning (DVC, MLflow, HF Hub), canary deployment, A/B testing, rollback strategies, drift monitoring, KVKK uyumlu deploy. Part I'in kapanışı. Production Engineering: Reproducibility, CI/CD for ML, Versioning ve Deployment Patterns https://sukruyusufkaya.com/learn/llm-muhendisligi/tokenization-karakter-sozcuk-subword-karar 2026-05-13T13:00:25.982Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Tokenization tasarım uzayı: karakter-level (UTF-8, byte), sözcük-level (whitespace, morfoloji), subword (BPE, WordPiece, Unigram). Her seçimin matematiksel ve pragmatik trade-off'ları, OOV problemi, vocabulary size karar matrisi, multilingual zorlukları, Türkçe karakteristikleri. Karakter, Sözcük, Subword: Tokenization Tasarım Baskıları ve Karar Matrisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/tokenization-karakter-sozcuk-subword-karar 2026-05-13T13:00:25.982Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Tokenization tasarım uzayı: karakter-level (UTF-8, byte), sözcük-level (whitespace, morfoloji), subword (BPE, WordPiece, Unigram). Her seçimin matematiksel ve pragmatik trade-off'ları, OOV problemi, vocabulary size karar matrisi, multilingual zorlukları, Türkçe karakteristikleri. Karakter, Sözcük, Subword: Tokenization Tasarım Baskıları ve Karar Matrisi https://sukruyusufkaya.com/learn/llm-muhendisligi/bpe-algoritma-sennrich-pseudocode-complexity 2026-05-13T13:00:26.070Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 BPE'nin matematik anatomi. Sennrich 2016 paper'ı satır satır: pre-tokenization, byte-pair merge counting, greedy merge selection, vocabulary inşası, encoding logic, complexity analysis (O(N·V)), edge cases (Unicode, whitespace, special tokens). Modül 6.3'te implement öncesi tam kavrama. BPE Algoritması: Sennrich 2016 Satır Satır — Pseudocode, Complexity, Edge Cases https://sukruyusufkaya.com/en/learn/llm-muhendisligi/bpe-algoritma-sennrich-pseudocode-complexity 2026-05-13T13:00:26.070Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 BPE'nin matematik anatomi. Sennrich 2016 paper'ı satır satır: pre-tokenization, byte-pair merge counting, greedy merge selection, vocabulary inşası, encoding logic, complexity analysis (O(N·V)), edge cases (Unicode, whitespace, special tokens). Modül 6.3'te implement öncesi tam kavrama. BPE Algoritması: Sennrich 2016 Satır Satır — Pseudocode, Complexity, Edge Cases https://sukruyusufkaya.com/learn/llm-muhendisligi/bpe-sifirdan-200-satir-turkce-corpus 2026-05-13T13:00:26.162Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Karpathy minbpe stil sıfırdan implementation: pure Python BPE training (Sennrich algorithm), encoding/decoding, regex pre-tokenization, byte-level extension, Türkçe corpus üzerinde train + Trendyol-LLM ile karşılaştırma. Modern LLM tokenizer'larını pratik anlama. BPE'yi 200 Satırda Sıfırdan Yaz: Training + Encoding + Decoding + Türkçe Corpus https://sukruyusufkaya.com/en/learn/llm-muhendisligi/bpe-sifirdan-200-satir-turkce-corpus 2026-05-13T13:00:26.162Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Karpathy minbpe stil sıfırdan implementation: pure Python BPE training (Sennrich algorithm), encoding/decoding, regex pre-tokenization, byte-level extension, Türkçe corpus üzerinde train + Trendyol-LLM ile karşılaştırma. Modern LLM tokenizer'larını pratik anlama. BPE'yi 200 Satırda Sıfırdan Yaz: Training + Encoding + Decoding + Türkçe Corpus https://sukruyusufkaya.com/learn/llm-muhendisligi/wordpiece-bert-likelihood-merges 2026-05-13T13:00:26.254Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 WordPiece algoritması: Schuster & Nakajima 2012'den BERT 2018'e yolculuk. Frequency yerine likelihood-based merge skoru, ##suffix prefix konvansiyonu, [UNK]/[CLS]/[SEP] special tokens, BPE'den sessiz ama kritik farklılıklar. HuggingFace Tokenizers ile pratik training, BERT-base-Turkish-cased örneği, vocab tasarımı. WordPiece (BERT): Likelihood-Based Merges ve BPE'den Sessiz Farklılıklar https://sukruyusufkaya.com/en/learn/llm-muhendisligi/wordpiece-bert-likelihood-merges 2026-05-13T13:00:26.254Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 WordPiece algoritması: Schuster & Nakajima 2012'den BERT 2018'e yolculuk. Frequency yerine likelihood-based merge skoru, ##suffix prefix konvansiyonu, [UNK]/[CLS]/[SEP] special tokens, BPE'den sessiz ama kritik farklılıklar. HuggingFace Tokenizers ile pratik training, BERT-base-Turkish-cased örneği, vocab tasarımı. WordPiece (BERT): Likelihood-Based Merges ve BPE'den Sessiz Farklılıklar https://sukruyusufkaya.com/learn/llm-muhendisligi/sentencepiece-unigram-lm-kudo 2026-05-13T13:00:26.342Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 SentencePiece framework + Unigram language model algoritması. Kudo 2018'in olasılıksal yaklaşımı: büyük vocab'tan başla, EM ile budama. Viterbi forward encoding, subword regularization, ▁ whitespace-as-character. Llama, T5, Mistral'in tercihi. Türkçe ve multilingual avantajları. SentencePiece + Unigram LM (Kudo 2018): Olasılıksal Tokenizasyon ve Subword Regularization https://sukruyusufkaya.com/en/learn/llm-muhendisligi/sentencepiece-unigram-lm-kudo 2026-05-13T13:00:26.342Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 SentencePiece framework + Unigram language model algoritması. Kudo 2018'in olasılıksal yaklaşımı: büyük vocab'tan başla, EM ile budama. Viterbi forward encoding, subword regularization, ▁ whitespace-as-character. Llama, T5, Mistral'in tercihi. Türkçe ve multilingual avantajları. SentencePiece + Unigram LM (Kudo 2018): Olasılıksal Tokenizasyon ve Subword Regularization https://sukruyusufkaya.com/learn/llm-muhendisligi/gpt-byte-level-bpe-tiktoken-regex 2026-05-13T13:00:26.435Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 GPT-2 byte-level BPE'nin doğuşu (Radford 2019), regex pre-tokenizer'ın sırrı, GPT-3.5 cl100k, GPT-4o o200k, Llama-3'ün tiktoken'a geri dönüşü. tiktoken Rust performansı, prompt engineering için token counting, Türkçe maliyet ekonomisi, encoding rejimlerinin kıyaslaması. GPT-2/GPT-4 Byte-Level BPE + tiktoken Regex: Modern Standardın Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/gpt-byte-level-bpe-tiktoken-regex 2026-05-13T13:00:26.435Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 GPT-2 byte-level BPE'nin doğuşu (Radford 2019), regex pre-tokenizer'ın sırrı, GPT-3.5 cl100k, GPT-4o o200k, Llama-3'ün tiktoken'a geri dönüşü. tiktoken Rust performansı, prompt engineering için token counting, Türkçe maliyet ekonomisi, encoding rejimlerinin kıyaslaması. GPT-2/GPT-4 Byte-Level BPE + tiktoken Regex: Modern Standardın Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/special-tokens-chatml-chat-templates 2026-05-13T13:00:26.556Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Chat formatlarının doğuşu (ChatGPT Mart 2022), ChatML resmi spec, <|im_start|>/<|im_end|>/<|im_sep|> token anatomisi, Llama-3 Instruct + Mistral [INST] + Claude Messages API + Gemini formatları, HuggingFace chat_template Jinja2, system prompt placement, tool use tokenları, prompt injection güvenliği, multi-turn token ekonomisi, Türkçe chat pratiği. Special Tokens + ChatML + Chat Templates: Konuşan LLM'in Tokenization Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/special-tokens-chatml-chat-templates 2026-05-13T13:00:26.556Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Chat formatlarının doğuşu (ChatGPT Mart 2022), ChatML resmi spec, <|im_start|>/<|im_end|>/<|im_sep|> token anatomisi, Llama-3 Instruct + Mistral [INST] + Claude Messages API + Gemini formatları, HuggingFace chat_template Jinja2, system prompt placement, tool use tokenları, prompt injection güvenliği, multi-turn token ekonomisi, Türkçe chat pratiği. Special Tokens + ChatML + Chat Templates: Konuşan LLM'in Tokenization Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/huggingface-tokenizers-rust-production-pipeline 2026-05-13T13:00:26.648Z monthly 0.70 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 HuggingFace tokenizers crate'inin Rust mimarisi, 6 katmanlı pipeline (Normalizer → PreTokenizer → Model → PostProcessor → Decoder → Trainer), tokenizer.json format anatomisi, Türkçe production-grade end-to-end training, Rust internals (parallel processing, SIMD, ahash, mmap), tiktoken/SentencePiece conversion, threading + caching + FFI overhead, benchmarklar. HuggingFace Tokenizers Rust + Production Pipeline: Üretim-Kalite Tokenizer'ı Sıfırdan Eğitmek https://sukruyusufkaya.com/en/learn/llm-muhendisligi/huggingface-tokenizers-rust-production-pipeline 2026-05-13T13:00:26.648Z monthly 0.60 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 HuggingFace tokenizers crate'inin Rust mimarisi, 6 katmanlı pipeline (Normalizer → PreTokenizer → Model → PostProcessor → Decoder → Trainer), tokenizer.json format anatomisi, Türkçe production-grade end-to-end training, Rust internals (parallel processing, SIMD, ahash, mmap), tiktoken/SentencePiece conversion, threading + caching + FFI overhead, benchmarklar. HuggingFace Tokenizers Rust + Production Pipeline: Üretim-Kalite Tokenizer'ı Sıfırdan Eğitmek https://sukruyusufkaya.com/learn/llm-muhendisligi/tokenizer-evaluation-fertility-compression-downstream 2026-05-13T13:00:26.742Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Tokenizer kalitesini ölçen tüm metriklerin derin anatomisi: fertility (token/word), compression ratio (bytes/token), OOV rate, bits-per-character (BPC), perplexity'ye etki, cross-lingual fertility, downstream task impact, vocab coverage, A/B testing protokolleri, Türkçe-spesifik metrikler, maliyet 'vergi' analizi, capstone evaluation framework. Tokenizer Evaluation: Fertility, Compression Ratio, Downstream Impact ve Bilgi Teorik Ölçümler https://sukruyusufkaya.com/en/learn/llm-muhendisligi/tokenizer-evaluation-fertility-compression-downstream 2026-05-13T13:00:26.742Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Tokenizer kalitesini ölçen tüm metriklerin derin anatomisi: fertility (token/word), compression ratio (bytes/token), OOV rate, bits-per-character (BPC), perplexity'ye etki, cross-lingual fertility, downstream task impact, vocab coverage, A/B testing protokolleri, Türkçe-spesifik metrikler, maliyet 'vergi' analizi, capstone evaluation framework. Tokenizer Evaluation: Fertility, Compression Ratio, Downstream Impact ve Bilgi Teorik Ölçümler https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turktokenizer-tr-huggingface-hub 2026-05-13T13:00:26.836Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 6'nın eseri: TurkTokenizer-tr 32K vocab Türkçe BPE'i sıfırdan eğit, 6.9'un evaluation framework'ü ile değerlendir, model card yaz, license seç, HuggingFace Hub'a publish et. Corpus curation (Wikipedia + OSCAR + news + literature + code), cleaning pipeline, chat template, production integration, maintenance roadmap. Modül 6.1-6.9'un sentezi, gerçek dünya artefakt. Capstone TurkTokenizer-tr: Türkçe Production-Grade Tokenizer Eğit, Değerlendir ve HuggingFace Hub'a Yayınla https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turktokenizer-tr-huggingface-hub 2026-05-13T13:00:26.836Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 6'nın eseri: TurkTokenizer-tr 32K vocab Türkçe BPE'i sıfırdan eğit, 6.9'un evaluation framework'ü ile değerlendir, model card yaz, license seç, HuggingFace Hub'a publish et. Corpus curation (Wikipedia + OSCAR + news + literature + code), cleaning pipeline, chat template, production integration, maintenance roadmap. Modül 6.1-6.9'un sentezi, gerçek dünya artefakt. Capstone TurkTokenizer-tr: Türkçe Production-Grade Tokenizer Eğit, Değerlendir ve HuggingFace Hub'a Yayınla https://sukruyusufkaya.com/learn/llm-muhendisligi/embedding-nedir-token-id-vektor-koprusu 2026-05-13T13:00:26.928Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Embedding'in matematiksel anatomisi: integer token ID'sini d-dimensional dense vector'e mapping. Vocab × d_model matrisi. One-hot encoding'in dejenere durumu. Niye semantic vector space çalışıyor (distributional hypothesis, Firth 1957). Embedding'in 'meaning emerges from co-occurrence' felsefesi. Pre-NN dönem (LSA, LSI) vs neural era (word2vec → BERT → LLM). Türkçe için pratik anlam. Embedding Nedir? Token ID'den Anlam Vektörüne Köprü — Discrete'den Continuous'a Devrim https://sukruyusufkaya.com/en/learn/llm-muhendisligi/embedding-nedir-token-id-vektor-koprusu 2026-05-13T13:00:26.928Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Embedding'in matematiksel anatomisi: integer token ID'sini d-dimensional dense vector'e mapping. Vocab × d_model matrisi. One-hot encoding'in dejenere durumu. Niye semantic vector space çalışıyor (distributional hypothesis, Firth 1957). Embedding'in 'meaning emerges from co-occurrence' felsefesi. Pre-NN dönem (LSA, LSI) vs neural era (word2vec → BERT → LLM). Türkçe için pratik anlam. Embedding Nedir? Token ID'den Anlam Vektörüne Köprü — Discrete'den Continuous'a Devrim https://sukruyusufkaya.com/learn/llm-muhendisligi/word2vec-mikolov-2013-skip-gram-cbow-negative-sampling 2026-05-13T13:00:27.017Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Mikolov 2013 paper'ının satır satır anatomi: Skip-Gram vs CBOW mimari farkları, softmax computational bottleneck, hierarchical softmax (Huffman tree), negative sampling (Mikolov 2013b), subsampling, dynamic window. Pure Python implementation 100 satırda. Gensim ile Türkçe word2vec eğitim demosu. Modern LLM embedding ile karşılaştırma. Word2Vec Satır Satır: Mikolov 2013'ün Skip-Gram + CBOW + Negative Sampling Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/word2vec-mikolov-2013-skip-gram-cbow-negative-sampling 2026-05-13T13:00:27.017Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Mikolov 2013 paper'ının satır satır anatomi: Skip-Gram vs CBOW mimari farkları, softmax computational bottleneck, hierarchical softmax (Huffman tree), negative sampling (Mikolov 2013b), subsampling, dynamic window. Pure Python implementation 100 satırda. Gensim ile Türkçe word2vec eğitim demosu. Modern LLM embedding ile karşılaştırma. Word2Vec Satır Satır: Mikolov 2013'ün Skip-Gram + CBOW + Negative Sampling Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/glove-fasttext-global-cooccurrence-subword-extension 2026-05-13T13:00:27.105Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 GloVe (Pennington 2014) global co-occurrence matrisi yaklaşımı vs Word2Vec local window: matematiksel formülasyon, weighted least squares objective, X_ij interpretation. FastText (Bojanowski 2017) subword n-gram embedding: 'merhaba' = 'mer' + 'erh' + ... OOV problem çözümü, Türkçe morfolojik diller için ideal. Performance karşılaştırması, hangi senaryoda hangisi. GloVe + FastText: Global Co-Occurrence Matrisi + Subword N-Gram Genişletme https://sukruyusufkaya.com/en/learn/llm-muhendisligi/glove-fasttext-global-cooccurrence-subword-extension 2026-05-13T13:00:27.105Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 GloVe (Pennington 2014) global co-occurrence matrisi yaklaşımı vs Word2Vec local window: matematiksel formülasyon, weighted least squares objective, X_ij interpretation. FastText (Bojanowski 2017) subword n-gram embedding: 'merhaba' = 'mer' + 'erh' + ... OOV problem çözümü, Türkçe morfolojik diller için ideal. Performance karşılaştırması, hangi senaryoda hangisi. GloVe + FastText: Global Co-Occurrence Matrisi + Subword N-Gram Genişletme https://sukruyusufkaya.com/learn/llm-muhendisligi/modern-llm-embedding-tying-input-output-paylasim 2026-05-13T13:00:27.195Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modern transformer mimarisinde embedding katmanı: nn.Embedding initialization (Llama-3 style), embedding tying (input/output paylaşımı) — matematiksel justification ve memory savings, transformer pre-layernorm öncesi embedding scaling (sqrt(d_model) ya da değil), RoPE öncesi pozisyon ekleme yok, multimodal embeddings (vision + audio tokens). Llama-3, GPT-4o, Claude-3 mimari farkları. Modern LLM Embedding Katmanı + Embedding Tying: Input/Output Paylaşımı ve Scaling https://sukruyusufkaya.com/en/learn/llm-muhendisligi/modern-llm-embedding-tying-input-output-paylasim 2026-05-13T13:00:27.195Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modern transformer mimarisinde embedding katmanı: nn.Embedding initialization (Llama-3 style), embedding tying (input/output paylaşımı) — matematiksel justification ve memory savings, transformer pre-layernorm öncesi embedding scaling (sqrt(d_model) ya da değil), RoPE öncesi pozisyon ekleme yok, multimodal embeddings (vision + audio tokens). Llama-3, GPT-4o, Claude-3 mimari farkları. Modern LLM Embedding Katmanı + Embedding Tying: Input/Output Paylaşımı ve Scaling https://sukruyusufkaya.com/learn/llm-muhendisligi/embedding-geometry-cosine-isotropy-bertology 2026-05-13T13:00:27.289Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Embedding vector space'in topolojisi: cosine similarity vs Euclidean distance vs dot product (hangisi ne zaman, matematiksel ilişkiler), isotropy (vectors balanced across directions, Gao 2019 'representation degeneration'), anisotropy problemi BERT/GPT embeddings'de, mitigation (whitening, normalization). BERTology bulguları: hangi layer'da hangi bilgi (Rogers 2020). Türkçe için pratik analiz. Embedding Geometry: Cosine Similarity, Euclidean Distance, Isotropy ve BERTology Bulguları https://sukruyusufkaya.com/en/learn/llm-muhendisligi/embedding-geometry-cosine-isotropy-bertology 2026-05-13T13:00:27.289Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Embedding vector space'in topolojisi: cosine similarity vs Euclidean distance vs dot product (hangisi ne zaman, matematiksel ilişkiler), isotropy (vectors balanced across directions, Gao 2019 'representation degeneration'), anisotropy problemi BERT/GPT embeddings'de, mitigation (whitening, normalization). BERTology bulguları: hangi layer'da hangi bilgi (Rogers 2020). Türkçe için pratik analiz. Embedding Geometry: Cosine Similarity, Euclidean Distance, Isotropy ve BERTology Bulguları https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-semantic-search-faiss-mini-rag 2026-05-13T13:03:51.177Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modül 7'nin capstone projesi: Türkçe semantic search sistemi sıfırdan. sentence-transformers Türkçe model seçimi, FAISS vector index, production-grade query pipeline, mini-RAG architecture (retriever + generator), benchmark + deployment. Embedding teorisinin pratik uygulaması. Capstone Modül 7: Türkçe Semantic Search Sistemi — sentence-transformers + FAISS + Mini-RAG https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-semantic-search-faiss-mini-rag 2026-05-13T13:03:51.177Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modül 7'nin capstone projesi: Türkçe semantic search sistemi sıfırdan. sentence-transformers Türkçe model seçimi, FAISS vector index, production-grade query pipeline, mini-RAG architecture (retriever + generator), benchmark + deployment. Embedding teorisinin pratik uygulaması. Capstone Modül 7: Türkçe Semantic Search Sistemi — sentence-transformers + FAISS + Mini-RAG https://sukruyusufkaya.com/learn/llm-muhendisligi/scaled-dot-product-attention-vaswani-2017-qkv 2026-05-13T13:00:27.474Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Transformer'ın temel taşı — scaled dot-product attention'ın matematiksel anatomisi: Query/Key/Value üçlüsü, dot product similarity, softmax normalize, sqrt(d_k) scaling justification, causal mask (autoregressive), attention weights interpretation. PyTorch implementation, FLOP analizi, numerical stability concerns, Türkçe örneklerle attention pattern görselleştirme. Scaled Dot-Product Attention: Vaswani 2017'nin Kalbi Satır Satır — Query, Key, Value Üçlüsünün Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/scaled-dot-product-attention-vaswani-2017-qkv 2026-05-13T13:00:27.474Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Transformer'ın temel taşı — scaled dot-product attention'ın matematiksel anatomisi: Query/Key/Value üçlüsü, dot product similarity, softmax normalize, sqrt(d_k) scaling justification, causal mask (autoregressive), attention weights interpretation. PyTorch implementation, FLOP analizi, numerical stability concerns, Türkçe örneklerle attention pattern görselleştirme. Scaled Dot-Product Attention: Vaswani 2017'nin Kalbi Satır Satır — Query, Key, Value Üçlüsünün Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/multi-head-attention-gqa-mqa-llama-3 2026-05-13T13:00:27.562Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Tek attention'ı niye N paralel head'e bölüyoruz: her head'in farklı pattern öğrenme kapasitesi (syntactic, semantic, positional). Concat + output projection mimari, head pruning empirical bulgular, Llama-3 grouped-query attention (GQA), Mistral multi-query attention (MQA), head visualization Türkçe örneklerle. Multi-Head Attention: N Paralel Head, Concat + Projection, Grouped-Query Attention (GQA), Multi-Query Attention (MQA) https://sukruyusufkaya.com/en/learn/llm-muhendisligi/multi-head-attention-gqa-mqa-llama-3 2026-05-13T13:00:27.562Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Tek attention'ı niye N paralel head'e bölüyoruz: her head'in farklı pattern öğrenme kapasitesi (syntactic, semantic, positional). Concat + output projection mimari, head pruning empirical bulgular, Llama-3 grouped-query attention (GQA), Mistral multi-query attention (MQA), head visualization Türkçe örneklerle. Multi-Head Attention: N Paralel Head, Concat + Projection, Grouped-Query Attention (GQA), Multi-Query Attention (MQA) https://sukruyusufkaya.com/learn/llm-muhendisligi/flashattention-dao-2022-io-aware-attention 2026-05-13T13:00:27.650Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FlashAttention'ın matematiksel ve sistemsel anatomi: niye standard attention memory-bound, GPU memory hierarchy (HBM vs SRAM), tile-based computation, online softmax, recomputation backward. FlashAttention-1 (Dao 2022), FlashAttention-2, FlashAttention-3 evrimi. PyTorch flash_attn library, performance benchmarks, long context enablement. FlashAttention: IO-Aware Attention — Dao 2022 Algoritması ve Modern Implementations https://sukruyusufkaya.com/en/learn/llm-muhendisligi/flashattention-dao-2022-io-aware-attention 2026-05-13T13:00:27.650Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FlashAttention'ın matematiksel ve sistemsel anatomi: niye standard attention memory-bound, GPU memory hierarchy (HBM vs SRAM), tile-based computation, online softmax, recomputation backward. FlashAttention-1 (Dao 2022), FlashAttention-2, FlashAttention-3 evrimi. PyTorch flash_attn library, performance benchmarks, long context enablement. FlashAttention: IO-Aware Attention — Dao 2022 Algoritması ve Modern Implementations https://sukruyusufkaya.com/learn/llm-muhendisligi/kv-cache-paged-attention-vllm-continuous-batching 2026-05-13T13:00:27.737Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLM inference serving optimization: KV cache anatomy (prefill vs decode phases), memory fragmentation problem, paged attention (vLLM 2023 Kwon), continuous batching, dynamic memory allocation. Llama-3 production serving math: throughput, latency trade-offs, multi-tenancy. KV Cache + Paged Attention: Inference Serving Optimization — vLLM Paged Attention ve Continuous Batching https://sukruyusufkaya.com/en/learn/llm-muhendisligi/kv-cache-paged-attention-vllm-continuous-batching 2026-05-13T13:00:27.737Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLM inference serving optimization: KV cache anatomy (prefill vs decode phases), memory fragmentation problem, paged attention (vLLM 2023 Kwon), continuous batching, dynamic memory allocation. Llama-3 production serving math: throughput, latency trade-offs, multi-tenancy. KV Cache + Paged Attention: Inference Serving Optimization — vLLM Paged Attention ve Continuous Batching https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-linear-attention-retnet-mamba-ssm 2026-05-13T13:00:27.826Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modül 8 capstone: quadratic attention'ın alternatifleri. Linear Attention (Katharopoulos 2020) — kernel trick + recurrent form. RetNet (Sun 2023) — retention mechanism Microsoft. Mamba (Gu Dao 2023) — selective state space models. Hangi sub-quadratic mimari hangi senaryo için, GPT-4 vs Mamba karşılaştırma, hibrit modeller (Jamba), gelecek trendleri. Capstone Modül 8: Quadratic Attention'a Alternatifler — Linear Attention, RetNet, Mamba (State Space Models) https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-linear-attention-retnet-mamba-ssm 2026-05-13T13:00:27.826Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modül 8 capstone: quadratic attention'ın alternatifleri. Linear Attention (Katharopoulos 2020) — kernel trick + recurrent form. RetNet (Sun 2023) — retention mechanism Microsoft. Mamba (Gu Dao 2023) — selective state space models. Hangi sub-quadratic mimari hangi senaryo için, GPT-4 vs Mamba karşılaştırma, hibrit modeller (Jamba), gelecek trendleri. Capstone Modül 8: Quadratic Attention'a Alternatifler — Linear Attention, RetNet, Mamba (State Space Models) https://sukruyusufkaya.com/learn/llm-muhendisligi/position-encoding-sinusoidal-learned-absolute 2026-05-13T13:00:27.915Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Attention'ın permutation-invariance problemi: 'Köpek kediyi ısırdı' ile 'Kedi köpeği ısırdı' aynı! Position encoding'in zorunluluğu. Vaswani 2017 sinusoidal formülü (sin/cos farklı frequency'lerde), generalization argümanı (longer sequences). GPT-2 learned absolute position embedding, max_position_embeddings sınırı. Trade-offs, Türkçe sözdizimi için pratik anlamı. Position Encoding Neden Zorunlu? Sinusoidal vs Learned Absolute Position — Vaswani 2017'den GPT-2'ye Klasik Yaklaşımlar https://sukruyusufkaya.com/en/learn/llm-muhendisligi/position-encoding-sinusoidal-learned-absolute 2026-05-13T13:00:27.915Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Attention'ın permutation-invariance problemi: 'Köpek kediyi ısırdı' ile 'Kedi köpeği ısırdı' aynı! Position encoding'in zorunluluğu. Vaswani 2017 sinusoidal formülü (sin/cos farklı frequency'lerde), generalization argümanı (longer sequences). GPT-2 learned absolute position embedding, max_position_embeddings sınırı. Trade-offs, Türkçe sözdizimi için pratik anlamı. Position Encoding Neden Zorunlu? Sinusoidal vs Learned Absolute Position — Vaswani 2017'den GPT-2'ye Klasik Yaklaşımlar https://sukruyusufkaya.com/learn/llm-muhendisligi/rope-rotary-position-embedding-su-2021-llama-3 2026-05-13T13:00:27.999Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 RoPE'in matematiksel anatomisi: kompleks sayı rotation interpretation, niye Q ve K'ye uygulanır, relative position implicit derivation. Llama-3 RoPE implementation satır satır, base frequency 10000, pair-wise rotation. PyTorch implementation, RoPE vs sinusoidal/learned karşılaştırma, modern modellerin yaygın tercih sebebi. RoPE Derinlemesine: Rotary Position Embedding'in Matematiksel Anatomisi — Su 2021'den Llama-3'e https://sukruyusufkaya.com/en/learn/llm-muhendisligi/rope-rotary-position-embedding-su-2021-llama-3 2026-05-13T13:00:27.999Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 RoPE'in matematiksel anatomisi: kompleks sayı rotation interpretation, niye Q ve K'ye uygulanır, relative position implicit derivation. Llama-3 RoPE implementation satır satır, base frequency 10000, pair-wise rotation. PyTorch implementation, RoPE vs sinusoidal/learned karşılaştırma, modern modellerin yaygın tercih sebebi. RoPE Derinlemesine: Rotary Position Embedding'in Matematiksel Anatomisi — Su 2021'den Llama-3'e https://sukruyusufkaya.com/learn/llm-muhendisligi/alibi-attention-linear-biases-press-2021 2026-05-13T13:00:28.086Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ALiBi (Press 2021): position embedding kullanmadan attention score'a linear bias ekleyerek pozisyon bilgisini inject etmek. Math: attention[i,j] += m × (j-i). Per-head slopes hierarchy (m_h = 2^{-8h/H}). Strengths: zero parameters, train-short eval-long extrapolation, simple implementation. RoPE ile karşılaştırma, Mistral ve BLOOM kullanımı. ALiBi: Attention with Linear Biases — Press 2021'in Sade Çözümü ve Extrapolation Avantajı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/alibi-attention-linear-biases-press-2021 2026-05-13T13:00:28.086Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 ALiBi (Press 2021): position embedding kullanmadan attention score'a linear bias ekleyerek pozisyon bilgisini inject etmek. Math: attention[i,j] += m × (j-i). Per-head slopes hierarchy (m_h = 2^{-8h/H}). Strengths: zero parameters, train-short eval-long extrapolation, simple implementation. RoPE ile karşılaştırma, Mistral ve BLOOM kullanımı. ALiBi: Attention with Linear Biases — Press 2021'in Sade Çözümü ve Extrapolation Avantajı https://sukruyusufkaya.com/learn/llm-muhendisligi/long-context-ntk-aware-yarn-longrope-extrapolation 2026-05-13T13:00:28.174Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 RoPE'in long context'e genişletilmesi: NTK-aware scaling intuisyonu, YaRN (Peng 2023) — kapsamlı çözüm + temperature scaling, LongRoPE (Microsoft 2024) — 2M token context. Llama-3-8B base 8K → 128K extension reciplerine, Gemini 1.5 1M token tricks, fine-tune protokolü. Long Context Extrapolation: NTK-Aware Scaling + YaRN + LongRoPE — 8K'dan 1M Token'a Yolculuk https://sukruyusufkaya.com/en/learn/llm-muhendisligi/long-context-ntk-aware-yarn-longrope-extrapolation 2026-05-13T13:00:28.174Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 RoPE'in long context'e genişletilmesi: NTK-aware scaling intuisyonu, YaRN (Peng 2023) — kapsamlı çözüm + temperature scaling, LongRoPE (Microsoft 2024) — 2M token context. Llama-3-8B base 8K → 128K extension reciplerine, Gemini 1.5 1M token tricks, fine-tune protokolü. Long Context Extrapolation: NTK-Aware Scaling + YaRN + LongRoPE — 8K'dan 1M Token'a Yolculuk https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-llama-3-rope-50-line-implementation 2026-05-13T13:00:28.262Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 9 capstone: Llama-3 uyumlu RoPE'i 50 satır pure NumPy'da implement et. cos/sin cache precomputation, pair-wise rotation, position visualization (cos/sin heatmap, attention bias pattern). Llama-3 actual weights ile compatibility test. Türkçe örneklerle position pattern interpretasyonu. Capstone Modül 9: Llama-3 RoPE'i 50 Satırda Sıfırdan Implement Et — Pure NumPy + Visualization https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-llama-3-rope-50-line-implementation 2026-05-13T13:00:28.262Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 9 capstone: Llama-3 uyumlu RoPE'i 50 satır pure NumPy'da implement et. cos/sin cache precomputation, pair-wise rotation, position visualization (cos/sin heatmap, attention bias pattern). Llama-3 actual weights ile compatibility test. Türkçe örneklerle position pattern interpretasyonu. Capstone Modül 9: Llama-3 RoPE'i 50 Satırda Sıfırdan Implement Et — Pure NumPy + Visualization https://sukruyusufkaya.com/learn/llm-muhendisligi/layernorm-rmsnorm-pre-ln-post-ln 2026-05-13T13:00:28.349Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Transformer training stabilitesinin matematiksel ve sistemsel anatomi: LayerNorm (Ba 2016) klasik formülü, RMSNorm (Zhang 2019) — Llama-3 tercihi, niye gain parameter only, computational savings. Pre-LN (modern) vs Post-LN (original Vaswani) trade-off, gradient flow, deep transformer stability. Türkçe model fine-tune'da normalization concerns. Normalization Devrim: LayerNorm, RMSNorm ve Pre-LN vs Post-LN — Training Stabilitesinin Temel Taşı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/layernorm-rmsnorm-pre-ln-post-ln 2026-05-13T13:00:28.349Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Transformer training stabilitesinin matematiksel ve sistemsel anatomi: LayerNorm (Ba 2016) klasik formülü, RMSNorm (Zhang 2019) — Llama-3 tercihi, niye gain parameter only, computational savings. Pre-LN (modern) vs Post-LN (original Vaswani) trade-off, gradient flow, deep transformer stability. Türkçe model fine-tune'da normalization concerns. Normalization Devrim: LayerNorm, RMSNorm ve Pre-LN vs Post-LN — Training Stabilitesinin Temel Taşı https://sukruyusufkaya.com/learn/llm-muhendisligi/swiglu-activation-shazeer-2020-llama-3 2026-05-13T13:00:28.436Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 SwiGLU activation function'ın anatomi: SiLU (Sigmoid-weighted Linear Unit) base + Gated Linear Unit mechanism. Shazeer 2020 'GLU Variants Improve Transformer'. ReLU/GeLU karşılaştırma, niye modern modellerin tercihi. FFN dimensions (d_ff = 8/3 × d_model Llama-3 tercihi), parameter math, Llama-3 implementation. SwiGLU Activation: SiLU + GLU = Modern FFN'in Kalbi — Shazeer 2020'den Llama-3'e https://sukruyusufkaya.com/en/learn/llm-muhendisligi/swiglu-activation-shazeer-2020-llama-3 2026-05-13T13:00:28.436Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 SwiGLU activation function'ın anatomi: SiLU (Sigmoid-weighted Linear Unit) base + Gated Linear Unit mechanism. Shazeer 2020 'GLU Variants Improve Transformer'. ReLU/GeLU karşılaştırma, niye modern modellerin tercihi. FFN dimensions (d_ff = 8/3 × d_model Llama-3 tercihi), parameter math, Llama-3 implementation. SwiGLU Activation: SiLU + GLU = Modern FFN'in Kalbi — Shazeer 2020'den Llama-3'e https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-llama-3-transformer-block-200-lines 2026-05-13T13:00:28.525Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 10 capstone: Llama-3 architecture transformer block'unu 200 satırda implement et. RMSNorm + Pre-LN + GQA (Grouped-Query Attention) + RoPE + SwiGLU FFN + residual connections. Module 6-10'un sentezi. Türkçe örnekle forward pass, gradient flow analysis, Llama-3 actual weights load test. Capstone Modül 10: Llama-3 Transformer Block'u 200 Satırda Sıfırdan — RMSNorm + RoPE + GQA + SwiGLU https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-llama-3-transformer-block-200-lines 2026-05-13T13:00:28.525Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 10 capstone: Llama-3 architecture transformer block'unu 200 satırda implement et. RMSNorm + Pre-LN + GQA (Grouped-Query Attention) + RoPE + SwiGLU FFN + residual connections. Module 6-10'un sentezi. Türkçe örnekle forward pass, gradient flow analysis, Llama-3 actual weights load test. Capstone Modül 10: Llama-3 Transformer Block'u 200 Satırda Sıfırdan — RMSNorm + RoPE + GQA + SwiGLU https://sukruyusufkaya.com/learn/llm-muhendisligi/pretraining-pipeline-corpus-tokenize-pack-train 2026-05-13T13:00:28.616Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Pre-training pipeline'ın tüm aşamaları: corpus collection (Common Crawl, Wikipedia, code), data cleaning (deduplication, language filtering, quality scoring), tokenization batching, sequence packing strategy, document boundary handling. Llama-3 production recipe: 15T tokens, 24K H100 günü compute, 70 günde training. Pre-training Pipeline End-to-End: Corpus → Tokenize → Pack → Train — Llama-3 Production Recipe https://sukruyusufkaya.com/en/learn/llm-muhendisligi/pretraining-pipeline-corpus-tokenize-pack-train 2026-05-13T13:00:28.616Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Pre-training pipeline'ın tüm aşamaları: corpus collection (Common Crawl, Wikipedia, code), data cleaning (deduplication, language filtering, quality scoring), tokenization batching, sequence packing strategy, document boundary handling. Llama-3 production recipe: 15T tokens, 24K H100 günü compute, 70 günde training. Pre-training Pipeline End-to-End: Corpus → Tokenize → Pack → Train — Llama-3 Production Recipe https://sukruyusufkaya.com/learn/llm-muhendisligi/adamw-optimizer-learning-rate-schedule 2026-05-13T13:00:28.705Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modern LLM optimization: SGD'den Adam'a, Adam'dan AdamW'ye evrim. Loshchilov 2019 weight decay decoupling. Momentum (β1=0.9) + variance estimate (β2=0.95) intuition. Learning rate schedules: cosine decay, linear decay, warmup gerekli. Gradient clipping, mixed precision training, hyperparameter pitfalls. AdamW + Learning Rate Schedule: Modern LLM Optimization'ın Matematik Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/adamw-optimizer-learning-rate-schedule 2026-05-13T13:00:28.705Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modern LLM optimization: SGD'den Adam'a, Adam'dan AdamW'ye evrim. Loshchilov 2019 weight decay decoupling. Momentum (β1=0.9) + variance estimate (β2=0.95) intuition. Learning rate schedules: cosine decay, linear decay, warmup gerekli. Gradient clipping, mixed precision training, hyperparameter pitfalls. AdamW + Learning Rate Schedule: Modern LLM Optimization'ın Matematik Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-mini-llama-3-pretraining-single-h100 2026-05-13T13:00:28.795Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 11 capstone: kendi Llama-3 architecture mini model'i (100M param) sıfırdan pre-train. Modül 6-10'un tüm parçaları (Llama tokenizer + RMSNorm + GQA + RoPE + SwiGLU) + Modül 11 pre-training pipeline + AdamW. 5GB Türkçe corpus, single H100, 1 hafta. Validation loss tracking, checkpoint, sampling demosu. Capstone Modül 11: Mini Llama-3 100M Param Pre-training — Single H100, 1 Hafta https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-mini-llama-3-pretraining-single-h100 2026-05-13T13:00:28.795Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 11 capstone: kendi Llama-3 architecture mini model'i (100M param) sıfırdan pre-train. Modül 6-10'un tüm parçaları (Llama tokenizer + RMSNorm + GQA + RoPE + SwiGLU) + Modül 11 pre-training pipeline + AdamW. 5GB Türkçe corpus, single H100, 1 hafta. Validation loss tracking, checkpoint, sampling demosu. Capstone Modül 11: Mini Llama-3 100M Param Pre-training — Single H100, 1 Hafta https://sukruyusufkaya.com/learn/llm-muhendisligi/kaplan-scaling-laws-2020-power-law 2026-05-13T13:00:28.882Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Kaplan et al. 2020 paper'ının anatomi: LLM loss compute (C), parameters (N), data (D) için power law'a uyar. Niye log-log plot lineer, optimum allocation formülü, 'bigger is better' iddiası, GPT-3 (175B) bunun üzerine inşa edildi. Limitleri ve sonraki Chinchilla refutation'ı. Kaplan Scaling Laws (2020): LLM Performansının Power Law Anatomisi — Compute, Data, Param Üçgeni https://sukruyusufkaya.com/en/learn/llm-muhendisligi/kaplan-scaling-laws-2020-power-law 2026-05-13T13:00:28.882Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Kaplan et al. 2020 paper'ının anatomi: LLM loss compute (C), parameters (N), data (D) için power law'a uyar. Niye log-log plot lineer, optimum allocation formülü, 'bigger is better' iddiası, GPT-3 (175B) bunun üzerine inşa edildi. Limitleri ve sonraki Chinchilla refutation'ı. Kaplan Scaling Laws (2020): LLM Performansının Power Law Anatomisi — Compute, Data, Param Üçgeni https://sukruyusufkaya.com/learn/llm-muhendisligi/chinchilla-scaling-laws-hoffmann-2022 2026-05-13T13:00:28.967Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Hoffmann et al. 2022 'Training Compute-Optimal LLMs' paper'ı — Kaplan'ı düzeltti. Kaplan undertrained models bias. Chinchilla recipe: N ≈ D (1:1 ratio). 70B Chinchilla model > 280B Gopher (Hoffmann). Llama-3 Chinchilla-aware. Compute-optimal formula yeni, post-Chinchilla overtraining trend. Chinchilla Scaling Laws (2022): Hoffmann et al. — 1:1 Param:Data Devrim https://sukruyusufkaya.com/en/learn/llm-muhendisligi/chinchilla-scaling-laws-hoffmann-2022 2026-05-13T13:00:28.967Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Hoffmann et al. 2022 'Training Compute-Optimal LLMs' paper'ı — Kaplan'ı düzeltti. Kaplan undertrained models bias. Chinchilla recipe: N ≈ D (1:1 ratio). 70B Chinchilla model > 280B Gopher (Hoffmann). Llama-3 Chinchilla-aware. Compute-optimal formula yeni, post-Chinchilla overtraining trend. Chinchilla Scaling Laws (2022): Hoffmann et al. — 1:1 Param:Data Devrim https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-compute-budget-planner-chinchilla 2026-05-13T13:00:29.050Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 12 capstone: Kendi LLM training budget'ı planla. Hedeflediğin model size (1B-70B), available compute (single GPU / cluster), available data — Chinchilla-aware optimal allocation hesapla. Cost estimator ($/training), time estimator, quality projection. Capstone Modül 12: Kendi LLM Training Compute Budget'ını Planla — Chinchilla-Aware Calculator https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-compute-budget-planner-chinchilla 2026-05-13T13:00:29.050Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 12 capstone: Kendi LLM training budget'ı planla. Hedeflediğin model size (1B-70B), available compute (single GPU / cluster), available data — Chinchilla-aware optimal allocation hesapla. Cost estimator ($/training), time estimator, quality projection. Capstone Modül 12: Kendi LLM Training Compute Budget'ını Planla — Chinchilla-Aware Calculator https://sukruyusufkaya.com/learn/llm-muhendisligi/ddp-data-parallel-allreduce-nccl 2026-05-13T13:00:29.136Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Distributed Data Parallel (DDP) anatomi: model replication across GPUs, mini-batch split, forward/backward independent per GPU, gradient AllReduce synchronization. NCCL (NVIDIA Collective Communication Library), ring-allreduce algorithm, bandwidth math. PyTorch DDP API, launch scripts, common pitfalls (uneven batches, batch norm sync). Data Parallelism (DDP): Multi-GPU LLM Training'in Temeli — AllReduce ve NCCL Anatomi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/ddp-data-parallel-allreduce-nccl 2026-05-13T13:00:29.136Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Distributed Data Parallel (DDP) anatomi: model replication across GPUs, mini-batch split, forward/backward independent per GPU, gradient AllReduce synchronization. NCCL (NVIDIA Collective Communication Library), ring-allreduce algorithm, bandwidth math. PyTorch DDP API, launch scripts, common pitfalls (uneven batches, batch norm sync). Data Parallelism (DDP): Multi-GPU LLM Training'in Temeli — AllReduce ve NCCL Anatomi https://sukruyusufkaya.com/learn/llm-muhendisligi/fsdp-zero-sharded-training-rajbhandari-2020 2026-05-13T13:00:29.222Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 ZeRO (Zero Redundancy Optimizer, Rajbhandari 2020) — DeepSpeed library: optimizer state, gradients, parameters sharding stage 1/2/3. FSDP (Fully Sharded Data Parallel, PyTorch native) — ZeRO-3 implementation. Llama-3 production: FSDP + activation checkpointing. Memory math: 8B model 1 H100'de eğitilebilir. FSDP + ZeRO: Sharded Training — Rajbhandari 2020'den Llama-3'e Memory Devrim https://sukruyusufkaya.com/en/learn/llm-muhendisligi/fsdp-zero-sharded-training-rajbhandari-2020 2026-05-13T13:00:29.222Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 ZeRO (Zero Redundancy Optimizer, Rajbhandari 2020) — DeepSpeed library: optimizer state, gradients, parameters sharding stage 1/2/3. FSDP (Fully Sharded Data Parallel, PyTorch native) — ZeRO-3 implementation. Llama-3 production: FSDP + activation checkpointing. Memory math: 8B model 1 H100'de eğitilebilir. FSDP + ZeRO: Sharded Training — Rajbhandari 2020'den Llama-3'e Memory Devrim https://sukruyusufkaya.com/learn/llm-muhendisligi/3d-parallelism-tensor-pipeline-data-llama-3-70b 2026-05-13T13:00:29.310Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Frontier LLM training: Megatron-LM'in 3D parallelism. Tensor Parallelism (Shoeybi 2019) — matrix splits across GPUs. Pipeline Parallelism (Huang 2018) — layer splits + bubble optimization. Combined 3D: DP × TP × PP. Llama-3 70B (DP=192, TP=8, PP=16). Communication patterns, optimization, capstone implementation outline. 3D Parallelism: Tensor + Pipeline + Data Parallel — Llama-3 70B ve 405B Training https://sukruyusufkaya.com/en/learn/llm-muhendisligi/3d-parallelism-tensor-pipeline-data-llama-3-70b 2026-05-13T13:00:29.310Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Frontier LLM training: Megatron-LM'in 3D parallelism. Tensor Parallelism (Shoeybi 2019) — matrix splits across GPUs. Pipeline Parallelism (Huang 2018) — layer splits + bubble optimization. Combined 3D: DP × TP × PP. Llama-3 70B (DP=192, TP=8, PP=16). Communication patterns, optimization, capstone implementation outline. 3D Parallelism: Tensor + Pipeline + Data Parallel — Llama-3 70B ve 405B Training https://sukruyusufkaya.com/learn/llm-muhendisligi/supervised-finetuning-sft-base-to-instruct 2026-05-13T13:00:29.393Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Supervised Fine-Tuning (SFT) anatomi: pre-trained base model → instruction-following model. Instruction dataset (Alpaca, OASST, Dolly), chat template uygulaması, loss masking (sadece response üzerinde loss), hyperparameter farkları (lr 1/10 of pre-train), Llama-3-Instruct production recipe, Türkçe için pratik fine-tune. Supervised Fine-Tuning (SFT): Pre-trained Base Model'i Instruct'a Dönüştürme — Llama-3-Instruct Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/supervised-finetuning-sft-base-to-instruct 2026-05-13T13:00:29.393Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Supervised Fine-Tuning (SFT) anatomi: pre-trained base model → instruction-following model. Instruction dataset (Alpaca, OASST, Dolly), chat template uygulaması, loss masking (sadece response üzerinde loss), hyperparameter farkları (lr 1/10 of pre-train), Llama-3-Instruct production recipe, Türkçe için pratik fine-tune. Supervised Fine-Tuning (SFT): Pre-trained Base Model'i Instruct'a Dönüştürme — Llama-3-Instruct Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/lora-qlora-parameter-efficient-finetuning 2026-05-13T13:00:29.477Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 LoRA (Hu 2021): low-rank decomposition fine-tuning — base weights frozen, sadece küçük adapter eğit. %1 parameters, %95+ quality preservation. QLoRA (Dettmers 2023): 4-bit base + LoRA, 70B model'i consumer GPU'da fine-tune. NF4 quantization, paged optimizer. Türkçe pratik: $5K maliyetle production Türkçe Llama-3 70B. LoRA + QLoRA: Parameter-Efficient Fine-Tuning Devrim — Hu 2021'den Dettmers 2023'e https://sukruyusufkaya.com/en/learn/llm-muhendisligi/lora-qlora-parameter-efficient-finetuning 2026-05-13T13:00:29.477Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 LoRA (Hu 2021): low-rank decomposition fine-tuning — base weights frozen, sadece küçük adapter eğit. %1 parameters, %95+ quality preservation. QLoRA (Dettmers 2023): 4-bit base + LoRA, 70B model'i consumer GPU'da fine-tune. NF4 quantization, paged optimizer. Türkçe pratik: $5K maliyetle production Türkçe Llama-3 70B. LoRA + QLoRA: Parameter-Efficient Fine-Tuning Devrim — Hu 2021'den Dettmers 2023'e https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkish-llama-3-qlora-finetune 2026-05-13T13:00:29.575Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 14 capstone: Llama-3-8B base + Türkçe SFT + QLoRA = production-quality Türkçe Llama-3-Instruct. Dataset curation (50K Türkçe instruction), QLoRA training (single H100 8 saat), evaluation (MT-Bench-TR), HuggingFace Hub publish, vLLM inference deployment. Capstone Modül 14: Türkçe Llama-3 8B Production Fine-Tune — QLoRA + SFT End-to-End https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkish-llama-3-qlora-finetune 2026-05-13T13:00:29.575Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 14 capstone: Llama-3-8B base + Türkçe SFT + QLoRA = production-quality Türkçe Llama-3-Instruct. Dataset curation (50K Türkçe instruction), QLoRA training (single H100 8 saat), evaluation (MT-Bench-TR), HuggingFace Hub publish, vLLM inference deployment. Capstone Modül 14: Türkçe Llama-3 8B Production Fine-Tune — QLoRA + SFT End-to-End https://sukruyusufkaya.com/learn/llm-muhendisligi/rlhf-ouyang-2022-instructgpt-chatgpt 2026-05-13T11:17:37.253Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 RLHF'in tam anatomisi: SFT model → reward model training (Bradley-Terry) → PPO RL training. Ouyang 2022 InstructGPT paper, 3-stage pipeline, KL divergence penalty, reward hacking concerns. ChatGPT'nin gizli sosu. Türkçe RLHF zorlukları (human annotator pool, cultural nuances). RLHF: Reinforcement Learning from Human Feedback — Ouyang 2022 InstructGPT'den ChatGPT'ye https://sukruyusufkaya.com/en/learn/llm-muhendisligi/rlhf-ouyang-2022-instructgpt-chatgpt 2026-05-13T11:17:37.253Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 RLHF'in tam anatomisi: SFT model → reward model training (Bradley-Terry) → PPO RL training. Ouyang 2022 InstructGPT paper, 3-stage pipeline, KL divergence penalty, reward hacking concerns. ChatGPT'nin gizli sosu. Türkçe RLHF zorlukları (human annotator pool, cultural nuances). RLHF: Reinforcement Learning from Human Feedback — Ouyang 2022 InstructGPT'den ChatGPT'ye https://sukruyusufkaya.com/learn/llm-muhendisligi/dpo-direct-preference-optimization-rafailov-2023 2026-05-13T11:17:37.339Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 DPO (Rafailov 2023): RLHF mathematical reformulation — no reward model, no RL. Direct preference loss. Llama-3 RLHF replacement. Math derivation, implementation simpler than PPO, comparable quality. Türkçe DPO pratik: $1K maliyetle 8B model alignment. DPO: Direct Preference Optimization — Rafailov 2023, RLHF'in Cheaper Yeniden Doğuşu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/dpo-direct-preference-optimization-rafailov-2023 2026-05-13T11:17:37.339Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 DPO (Rafailov 2023): RLHF mathematical reformulation — no reward model, no RL. Direct preference loss. Llama-3 RLHF replacement. Math derivation, implementation simpler than PPO, comparable quality. Türkçe DPO pratik: $1K maliyetle 8B model alignment. DPO: Direct Preference Optimization — Rafailov 2023, RLHF'in Cheaper Yeniden Doğuşu https://sukruyusufkaya.com/learn/llm-muhendisligi/vllm-production-serving-deployment 2026-05-13T11:47:21.433Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 vLLM production deployment: paged attention (Kwon 2023), continuous batching, OpenAI-compatible API, multi-GPU tensor parallel serving, Kubernetes deployment patterns. Llama-3-8B + custom Türkçe model serving 1000+ concurrent users. vLLM Production Serving: Paged Attention + Continuous Batching ile 10x Throughput https://sukruyusufkaya.com/en/learn/llm-muhendisligi/vllm-production-serving-deployment 2026-05-13T11:47:21.433Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 vLLM production deployment: paged attention (Kwon 2023), continuous batching, OpenAI-compatible API, multi-GPU tensor parallel serving, Kubernetes deployment patterns. Llama-3-8B + custom Türkçe model serving 1000+ concurrent users. vLLM Production Serving: Paged Attention + Continuous Batching ile 10x Throughput https://sukruyusufkaya.com/learn/llm-muhendisligi/quantization-capstone-turkish-chatgpt-clone 2026-05-13T11:47:21.521Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 16 capstone (müfredatın final capstone'u): GPTQ, AWQ, GGUF quantization formats. Türkçe Llama-3-8B-Instruct quantize + vLLM serve + Next.js frontend = Türkçe ChatGPT klonu. sukruyusufkaya.com/ai-asistan production deploy. Müfredatın sentezi, gerçek dünya artefakt. Quantization (GPTQ/AWQ/GGUF) + Final Capstone: Türkçe ChatGPT Klonu Production'da https://sukruyusufkaya.com/en/learn/llm-muhendisligi/quantization-capstone-turkish-chatgpt-clone 2026-05-13T11:47:21.521Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 16 capstone (müfredatın final capstone'u): GPTQ, AWQ, GGUF quantization formats. Türkçe Llama-3-8B-Instruct quantize + vLLM serve + Next.js frontend = Türkçe ChatGPT klonu. sukruyusufkaya.com/ai-asistan production deploy. Müfredatın sentezi, gerçek dünya artefakt. Quantization (GPTQ/AWQ/GGUF) + Final Capstone: Türkçe ChatGPT Klonu Production'da https://sukruyusufkaya.com/learn/llm-muhendisligi/reasoning-models-o1-deepseek-r1-test-time-compute 2026-05-13T11:59:44.371Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 2024-2026 LLM frontier'ı: reasoning models. OpenAI o1 (Eylül 2024), DeepSeek-R1 (Ocak 2025) devrim. Test-time compute scaling (Kaplan'ın yeni boyutu), chain-of-thought intensification, hidden reasoning tokens (o1) vs visible (R1), RL training reasoning patterns. AIME, MATH benchmark devrim, GPT-4 → o1 90% accuracy sıçraması. Reasoning Devrim: OpenAI o1'den DeepSeek-R1'e — Test-Time Compute ve Chain-of-Thought'un Yeniden Doğuşu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/reasoning-models-o1-deepseek-r1-test-time-compute 2026-05-13T11:59:44.371Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 2024-2026 LLM frontier'ı: reasoning models. OpenAI o1 (Eylül 2024), DeepSeek-R1 (Ocak 2025) devrim. Test-time compute scaling (Kaplan'ın yeni boyutu), chain-of-thought intensification, hidden reasoning tokens (o1) vs visible (R1), RL training reasoning patterns. AIME, MATH benchmark devrim, GPT-4 → o1 90% accuracy sıçraması. Reasoning Devrim: OpenAI o1'den DeepSeek-R1'e — Test-Time Compute ve Chain-of-Thought'un Yeniden Doğuşu https://sukruyusufkaya.com/learn/llm-muhendisligi/deepseek-r1-self-host-turkish-reasoning 2026-05-13T11:59:44.461Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-R1-distilled (7B, 14B, 32B) self-host: vLLM deployment, hardware requirements, prompt patterns for reasoning, Türkçe math problem solving demo. Reasoning model production usage: when, how, cost-benefit. DeepSeek-R1 Self-Host + Türkçe Reasoning: Distilled Models, Prompt Patterns, Production Deployment https://sukruyusufkaya.com/en/learn/llm-muhendisligi/deepseek-r1-self-host-turkish-reasoning 2026-05-13T11:59:44.461Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-R1-distilled (7B, 14B, 32B) self-host: vLLM deployment, hardware requirements, prompt patterns for reasoning, Türkçe math problem solving demo. Reasoning model production usage: when, how, cost-benefit. DeepSeek-R1 Self-Host + Türkçe Reasoning: Distilled Models, Prompt Patterns, Production Deployment https://sukruyusufkaya.com/learn/llm-muhendisligi/mixture-of-experts-mixtral-deepseek-v3 2026-05-13T12:20:23.587Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Mixture of Experts (MoE) mimarisi: sparse activation, expert routing (top-k gating), Mixtral 8x7B (Ocak 2024) açık-kaynak devrim, DeepSeek-V3 671B (Aralık 2024) frontier. Routing math (Shazeer 2017 outrageously sparse), auxiliary loss, load balancing. Memory-efficient frontier scale modeller. Mixture of Experts (MoE): Sparse Activation Devrim — Mixtral 8x7B'den DeepSeek-V3'e https://sukruyusufkaya.com/en/learn/llm-muhendisligi/mixture-of-experts-mixtral-deepseek-v3 2026-05-13T12:20:23.587Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Mixture of Experts (MoE) mimarisi: sparse activation, expert routing (top-k gating), Mixtral 8x7B (Ocak 2024) açık-kaynak devrim, DeepSeek-V3 671B (Aralık 2024) frontier. Routing math (Shazeer 2017 outrageously sparse), auxiliary loss, load balancing. Memory-efficient frontier scale modeller. Mixture of Experts (MoE): Sparse Activation Devrim — Mixtral 8x7B'den DeepSeek-V3'e https://sukruyusufkaya.com/learn/llm-muhendisligi/vision-language-models-clip-gpt-4o-llama-vision 2026-05-13T12:28:50.176Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Vision-Language Models (VLM) anatomi: CLIP (Radford 2021) image-text alignment, image patch embedding (ViT), projection layer LLM'e, GPT-4V (Eylül 2023), GPT-4o (Mayıs 2024) unified, Llama-3.2 Vision (Eylül 2024) open-source. Mimari: image encoder + projection + LLM. Türkçe multimodal pratik. Vision-Language Models: CLIP'ten GPT-4o'ya — Image Encoder + LLM Birleşimi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/vision-language-models-clip-gpt-4o-llama-vision 2026-05-13T12:28:50.176Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Vision-Language Models (VLM) anatomi: CLIP (Radford 2021) image-text alignment, image patch embedding (ViT), projection layer LLM'e, GPT-4V (Eylül 2023), GPT-4o (Mayıs 2024) unified, Llama-3.2 Vision (Eylül 2024) open-source. Mimari: image encoder + projection + LLM. Türkçe multimodal pratik. Vision-Language Models: CLIP'ten GPT-4o'ya — Image Encoder + LLM Birleşimi https://sukruyusufkaya.com/learn/llm-muhendisligi/tool-use-function-calling-mcp 2026-05-13T12:42:29.037Z monthly 0.70 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Tool Use anatomi: LLM'in JSON schema tool tanımlarını okuyup, doğru tool ile doğru parametre seçimi. OpenAI function calling (Haziran 2023), Anthropic MCP (Model Context Protocol, Kasım 2024), Llama-3 tool tokens. Production agent patterns: ReAct, Plan-and-Execute, Reflexion. Türkçe agent pratik. Tool Use + Function Calling: LLM'in Dış Dünyaya Açılan Kapıları — OpenAI Tools'tan MCP'ye https://sukruyusufkaya.com/en/learn/llm-muhendisligi/tool-use-function-calling-mcp 2026-05-13T12:42:29.037Z monthly 0.60 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Tool Use anatomi: LLM'in JSON schema tool tanımlarını okuyup, doğru tool ile doğru parametre seçimi. OpenAI function calling (Haziran 2023), Anthropic MCP (Model Context Protocol, Kasım 2024), Llama-3 tool tokens. Production agent patterns: ReAct, Plan-and-Execute, Reflexion. Türkçe agent pratik. Tool Use + Function Calling: LLM'in Dış Dünyaya Açılan Kapıları — OpenAI Tools'tan MCP'ye https://sukruyusufkaya.com/learn/llm-muhendisligi/llm-evaluation-mmlu-helm-mt-bench-lmsys-arena 2026-05-13T12:47:42.197Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 LLM evaluation framework'leri: MMLU (Hendrycks 2020) general knowledge, HELM (Stanford 2022) comprehensive, MT-Bench (Zheng 2023) chat, LMSys Chatbot Arena (community ELO ranking), GPQA (Rein 2023) graduate-level, HumanEval/MBPP code. Türkçe benchmarks (TR-MMLU, MUKAYESE). Benchmark contamination concern, holistic evaluation. LLM Evaluation Benchmark'ları: MMLU, HELM, MT-Bench, LMSys Arena — Quality Ölçümünün Anatomi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/llm-evaluation-mmlu-helm-mt-bench-lmsys-arena 2026-05-13T12:47:42.197Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 LLM evaluation framework'leri: MMLU (Hendrycks 2020) general knowledge, HELM (Stanford 2022) comprehensive, MT-Bench (Zheng 2023) chat, LMSys Chatbot Arena (community ELO ranking), GPQA (Rein 2023) graduate-level, HumanEval/MBPP code. Türkçe benchmarks (TR-MMLU, MUKAYESE). Benchmark contamination concern, holistic evaluation. LLM Evaluation Benchmark'ları: MMLU, HELM, MT-Bench, LMSys Arena — Quality Ölçümünün Anatomi https://sukruyusufkaya.com/learn/llm-muhendisligi/ai-safety-jailbreak-red-teaming-constitutional-kvkk 2026-05-13T12:55:10.865Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 AI safety production'da: jailbreak saldırıları + defense, red-teaming protocols, Anthropic Constitutional AI (Bai 2022), OpenAI alignment, Türkçe için KVKK + AB AI Act 2024 uyumluluk. Production deployment'ta safety guardrails, content filtering, audit logs. AI Safety + Alignment: Jailbreak Defense, Red-Teaming, Constitutional AI, KVKK Uyumluluğu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/ai-safety-jailbreak-red-teaming-constitutional-kvkk 2026-05-13T12:55:10.865Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 AI safety production'da: jailbreak saldırıları + defense, red-teaming protocols, Anthropic Constitutional AI (Bai 2022), OpenAI alignment, Türkçe için KVKK + AB AI Act 2024 uyumluluk. Production deployment'ta safety guardrails, content filtering, audit logs. AI Safety + Alignment: Jailbreak Defense, Red-Teaming, Constitutional AI, KVKK Uyumluluğu https://sukruyusufkaya.com/learn/llm-muhendisligi/rlhf-dogusu-christiano-2017-chatgpt-tarih-felsefe 2026-05-13T13:00:29.665Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 RLHF'in tarihsel ve felsefi temelleri: Christiano vd. 2017 'Deep RL from Human Preferences' paper'ından başlayarak, Stiennon 2020 özetleme çalışması, Ouyang 2022 InstructGPT, Aralık 2022 ChatGPT lansmanına uzanan yedi yıllık dönüşüm. Niye sadece SFT yetmiyor, 'helpful-harmless-honest' üçgeninin gerilimi, Goodhart Yasası ve reward hacking sorunu. Türkçe için kültürel bağlamla alignment ne demek — sen/siz ayrımı, sosyal hassasiyet, KVKK sınırı. Müfredatın en kritik kavramsal dersi. RLHF'in Doğuşu: Christiano 2017'den ChatGPT'ye Yedi Yıllık Yolculuk — İnsan Tercihiyle Hizalama'nın Tarihsel ve Felsefi Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/rlhf-dogusu-christiano-2017-chatgpt-tarih-felsefe 2026-05-13T13:00:29.665Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 RLHF'in tarihsel ve felsefi temelleri: Christiano vd. 2017 'Deep RL from Human Preferences' paper'ından başlayarak, Stiennon 2020 özetleme çalışması, Ouyang 2022 InstructGPT, Aralık 2022 ChatGPT lansmanına uzanan yedi yıllık dönüşüm. Niye sadece SFT yetmiyor, 'helpful-harmless-honest' üçgeninin gerilimi, Goodhart Yasası ve reward hacking sorunu. Türkçe için kültürel bağlamla alignment ne demek — sen/siz ayrımı, sosyal hassasiyet, KVKK sınırı. Müfredatın en kritik kavramsal dersi. RLHF'in Doğuşu: Christiano 2017'den ChatGPT'ye Yedi Yıllık Yolculuk — İnsan Tercihiyle Hizalama'nın Tarihsel ve Felsefi Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/reward-model-matematik-bradley-terry-modern-mimari 2026-05-13T13:00:29.754Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 RLHF'in kalbi olan reward model'in matematiksel anatomisi: Bradley-Terry 1952 logistik tercih modelinin türetilmesi, sigmoid'in olasılıkçı yorumu, ranking loss'un türevi, RM mimari seçimleri (SFT'den ayrı vs ortak gövde + value head), kalibrasyon ve overconfidence sorunları, multiple comparison'lar için Plackett-Luce uzantısı, Türkçe için RM eğitiminin pratik tuzakları. Reward Model'in Matematiği: Bradley-Terry 1952'den Modern LLM Reward Mimari'ye — Tercihten Skalar Skora Geçiş https://sukruyusufkaya.com/en/learn/llm-muhendisligi/reward-model-matematik-bradley-terry-modern-mimari 2026-05-13T13:00:29.754Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 RLHF'in kalbi olan reward model'in matematiksel anatomisi: Bradley-Terry 1952 logistik tercih modelinin türetilmesi, sigmoid'in olasılıkçı yorumu, ranking loss'un türevi, RM mimari seçimleri (SFT'den ayrı vs ortak gövde + value head), kalibrasyon ve overconfidence sorunları, multiple comparison'lar için Plackett-Luce uzantısı, Türkçe için RM eğitiminin pratik tuzakları. Reward Model'in Matematiği: Bradley-Terry 1952'den Modern LLM Reward Mimari'ye — Tercihten Skalar Skora Geçiş https://sukruyusufkaya.com/learn/llm-muhendisligi/ppo-algoritma-satir-satir-schulman-2017 2026-05-13T13:00:29.841Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Proximal Policy Optimization (Schulman 2017) algoritmasının LLM RLHF'e uyarlanması: policy gradient temeli, advantage estimation (GAE), clipped surrogate loss'un türevi ve neden 'clip', KL penalty matematiği, value function loss, entropi bonusu. InstructGPT'nin tam PPO setup'ı, hyperparametre seçimleri, eğitim stabilitesi, debug stratejileri. PPO Algoritması Satır Satır: Schulman 2017'den InstructGPT'ye — RL'in LLM'e Uyarlanması https://sukruyusufkaya.com/en/learn/llm-muhendisligi/ppo-algoritma-satir-satir-schulman-2017 2026-05-13T13:00:29.841Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Proximal Policy Optimization (Schulman 2017) algoritmasının LLM RLHF'e uyarlanması: policy gradient temeli, advantage estimation (GAE), clipped surrogate loss'un türevi ve neden 'clip', KL penalty matematiği, value function loss, entropi bonusu. InstructGPT'nin tam PPO setup'ı, hyperparametre seçimleri, eğitim stabilitesi, debug stratejileri. PPO Algoritması Satır Satır: Schulman 2017'den InstructGPT'ye — RL'in LLM'e Uyarlanması https://sukruyusufkaya.com/learn/llm-muhendisligi/dpo-devrim-rafailov-2023-matematik-kesfi 2026-05-13T13:00:29.930Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Direct Preference Optimization (Rafailov vd. 2023): RLHF'in 3 aşamasını tek supervised loss'a indiren matematik keşfin tam türevi. Reward model'in 'gizli reformülasyonu', Bradley-Terry + KL constraint optimum çözümü, neden DPO 'her LLM zaten reward model' diyor, kapalı form çözümün matematik anlamı. PPO ile sayısal karşılaştırma, modern DPO varyantları (IPO, KTO, SimPO), Türkçe DPO production pipeline'ı. DPO Devrim: Rafailov 2023'ün Matematik Keşfi — RLHF'i Tek Loss Fonksiyonuna Sıkıştırmak https://sukruyusufkaya.com/en/learn/llm-muhendisligi/dpo-devrim-rafailov-2023-matematik-kesfi 2026-05-13T13:00:29.930Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Direct Preference Optimization (Rafailov vd. 2023): RLHF'in 3 aşamasını tek supervised loss'a indiren matematik keşfin tam türevi. Reward model'in 'gizli reformülasyonu', Bradley-Terry + KL constraint optimum çözümü, neden DPO 'her LLM zaten reward model' diyor, kapalı form çözümün matematik anlamı. PPO ile sayısal karşılaştırma, modern DPO varyantları (IPO, KTO, SimPO), Türkçe DPO production pipeline'ı. DPO Devrim: Rafailov 2023'ün Matematik Keşfi — RLHF'i Tek Loss Fonksiyonuna Sıkıştırmak https://sukruyusufkaya.com/learn/llm-muhendisligi/grpo-reasoning-rl-deepseek-r1 2026-05-13T13:00:30.020Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 GRPO (Group Relative Policy Optimization): DeepSeek'in PPO'ya getirdiği elegant sadeleştirme. Value function olmadan advantage tahmini, grup karşılaştırması, computational verimlilik. DeepSeek-R1 paper'ının (Ocak 2025) anatomi, reasoning eğitiminin RL sıralaması, 'aha moments' fenomeni, process reward model'lerin rolü, o1 vs R1 mimari karşılaştırma, Türkçe reasoning model'i için pratik notlar. GRPO ve Reasoning RL: DeepSeek-R1'in İçi — Grup-Bazlı Avantaj Tahmininden Process Reward'a https://sukruyusufkaya.com/en/learn/llm-muhendisligi/grpo-reasoning-rl-deepseek-r1 2026-05-13T13:00:30.020Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 GRPO (Group Relative Policy Optimization): DeepSeek'in PPO'ya getirdiği elegant sadeleştirme. Value function olmadan advantage tahmini, grup karşılaştırması, computational verimlilik. DeepSeek-R1 paper'ının (Ocak 2025) anatomi, reasoning eğitiminin RL sıralaması, 'aha moments' fenomeni, process reward model'lerin rolü, o1 vs R1 mimari karşılaştırma, Türkçe reasoning model'i için pratik notlar. GRPO ve Reasoning RL: DeepSeek-R1'in İçi — Grup-Bazlı Avantaj Tahmininden Process Reward'a https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-dpo-modeli-uretim 2026-05-13T13:00:30.110Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 15 capstone projesi: Llama-3-8B-Instruct üzerine Türkçe DPO ile production-grade model üretmek. 5K Türkçe karşılaştırma verisinin nasıl toplanır (manual + synthetic), DPO eğitimi (QLoRA, single H100, $50), MT-Bench-TR ile değerlendirme, win-rate ölçümü, HuggingFace Hub'da model card ile yayın. Müfredatın altıncı production artefaktı. Capstone Modül 15: Türkçe DPO Modeli Sıfırdan Üretime — Veri, Eğitim, Değerlendirme, Yayın https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-dpo-modeli-uretim 2026-05-13T13:00:30.110Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 15 capstone projesi: Llama-3-8B-Instruct üzerine Türkçe DPO ile production-grade model üretmek. 5K Türkçe karşılaştırma verisinin nasıl toplanır (manual + synthetic), DPO eğitimi (QLoRA, single H100, $50), MT-Bench-TR ile değerlendirme, win-rate ölçümü, HuggingFace Hub'da model card ile yayın. Müfredatın altıncı production artefaktı. Capstone Modül 15: Türkçe DPO Modeli Sıfırdan Üretime — Veri, Eğitim, Değerlendirme, Yayın https://sukruyusufkaya.com/learn/llm-muhendisligi/self-host-karar-cercevesi-api-vs-gpu 2026-05-13T13:00:30.197Z monthly 0.70 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 LLM üretimine geçişin ilk kritik kararı: API mı, self-host mu? Bu dersin hedefi karar mühendisliğini sağlam temellendirmek. Maliyet matematiği (per-token ekonomisi, fixed vs variable costs), gizlilik (KVKK, sektörel kısıtlar), performans (latency, throughput), bağımsızlık (lock-in riski). Türkçe SaaS için 5 farklı senaryo: chatbot, RAG, content gen, hukuki, sağlık. Her birinde doğru karar farklı. Self-Host Karar Çerçevesi: OpenAI API vs Kendi GPU'n — Maliyet, Gizlilik, Performans, Bağımsızlık https://sukruyusufkaya.com/en/learn/llm-muhendisligi/self-host-karar-cercevesi-api-vs-gpu 2026-05-13T13:00:30.197Z monthly 0.60 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 LLM üretimine geçişin ilk kritik kararı: API mı, self-host mu? Bu dersin hedefi karar mühendisliğini sağlam temellendirmek. Maliyet matematiği (per-token ekonomisi, fixed vs variable costs), gizlilik (KVKK, sektörel kısıtlar), performans (latency, throughput), bağımsızlık (lock-in riski). Türkçe SaaS için 5 farklı senaryo: chatbot, RAG, content gen, hukuki, sağlık. Her birinde doğru karar farklı. Self-Host Karar Çerçevesi: OpenAI API vs Kendi GPU'n — Maliyet, Gizlilik, Performans, Bağımsızlık https://sukruyusufkaya.com/learn/llm-muhendisligi/vllm-production-muhendisligi-paged-attention-sla 2026-05-13T13:00:30.285Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 vLLM'in matematiksel ve sistemsel anatomi: Paged attention (Kwon vd. 2023) niye RAM'i 5× verimli kullanıyor, continuous batching matematik, KV cache'in iç yapısı, OpenAI-uyumlu API, Türkçe Llama-3 deployment'ı baştan sona. Hardware seçimi (H100 vs A100 vs RTX 4090), Kubernetes setup, autoscaling, SLA garantileri. vLLM Production Mühendisliği: Paged Attention'dan SLA'lara — Modern LLM Sunumunun Anatomisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/vllm-production-muhendisligi-paged-attention-sla 2026-05-13T13:00:30.285Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 vLLM'in matematiksel ve sistemsel anatomi: Paged attention (Kwon vd. 2023) niye RAM'i 5× verimli kullanıyor, continuous batching matematik, KV cache'in iç yapısı, OpenAI-uyumlu API, Türkçe Llama-3 deployment'ı baştan sona. Hardware seçimi (H100 vs A100 vs RTX 4090), Kubernetes setup, autoscaling, SLA garantileri. vLLM Production Mühendisliği: Paged Attention'dan SLA'lara — Modern LLM Sunumunun Anatomisi https://sukruyusufkaya.com/learn/llm-muhendisligi/quantization-derinlemesine-int4-fp8 2026-05-13T13:00:30.375Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM quantization'ın matematiksel ve mühendislik anatomi: INT8, INT4, FP8 formatları, GPTQ (Frantar 2022) vs AWQ (Lin 2023) vs GGUF (Gerganov) algoritmaları, kalite-boyut-hız trade-off'ları. Llama-3-8B Türkçe DPO model'ini 4-bit AWQ ile quantize etme, kalite kaybı ölçümü, RTX 4090'da Llama-3-70B çalıştırma, mobil cihaz deployment'ı. Quantization Derinlemesine: INT4'ten FP8'e — Modelinizi 4× Küçültmek, 2× Hızlandırmak https://sukruyusufkaya.com/en/learn/llm-muhendisligi/quantization-derinlemesine-int4-fp8 2026-05-13T13:00:30.375Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 LLM quantization'ın matematiksel ve mühendislik anatomi: INT8, INT4, FP8 formatları, GPTQ (Frantar 2022) vs AWQ (Lin 2023) vs GGUF (Gerganov) algoritmaları, kalite-boyut-hız trade-off'ları. Llama-3-8B Türkçe DPO model'ini 4-bit AWQ ile quantize etme, kalite kaybı ölçümü, RTX 4090'da Llama-3-70B çalıştırma, mobil cihaz deployment'ı. Quantization Derinlemesine: INT4'ten FP8'e — Modelinizi 4× Küçültmek, 2× Hızlandırmak https://sukruyusufkaya.com/learn/llm-muhendisligi/monitoring-observability-alerting-llm 2026-05-13T13:00:30.463Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Production LLM sunumunun izleme ve gözlemlenebilirlik katmanı: Prometheus metrikleri (vLLM native), Grafana dashboard tasarımı, OpenTelemetry tracing, log aggregation (Loki/Elastic), alerting kuralları (Slack/PagerDuty), Sentry ile error tracking. Türkçe-spesifik anomaliler: hallucination tespit, tokenizer hataları, prompt injection alarm. Bir LLM mühendisinin 'ne izlemeli' rehberi. Monitoring, Observability ve Alerting: Production LLM'inizi Gözleyin — Metrikten Eyleme https://sukruyusufkaya.com/en/learn/llm-muhendisligi/monitoring-observability-alerting-llm 2026-05-13T13:00:30.463Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Production LLM sunumunun izleme ve gözlemlenebilirlik katmanı: Prometheus metrikleri (vLLM native), Grafana dashboard tasarımı, OpenTelemetry tracing, log aggregation (Loki/Elastic), alerting kuralları (Slack/PagerDuty), Sentry ile error tracking. Türkçe-spesifik anomaliler: hallucination tespit, tokenizer hataları, prompt injection alarm. Bir LLM mühendisinin 'ne izlemeli' rehberi. Monitoring, Observability ve Alerting: Production LLM'inizi Gözleyin — Metrikten Eyleme https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-chatgpt-klonu-yayinda 2026-05-13T13:00:30.548Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Modül 16'nın capstone'u: 4 dersin (karar, vLLM, quantization, monitoring) sentezini gerçek bir ürüne dönüştürmek. Modül 15.6'daki Türkçe DPO modelimizi → 4-bit AWQ quantize → vLLM serve → Next.js frontend + streaming → Vercel deploy → Sentry + Grafana monitoring → **chat.sukruyusufkaya.com**'da yayında. Müfredatın 7. production artefaktı. Backend ($60/ay maliyet), frontend (Vercel free tier), monitoring (Grafana Cloud free) ile tam stack. Capstone Modül 16: Türkçe ChatGPT Klonu Yayında — Modülün 16 Bütünleştirilmesi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-chatgpt-klonu-yayinda 2026-05-13T13:00:30.548Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Modül 16'nın capstone'u: 4 dersin (karar, vLLM, quantization, monitoring) sentezini gerçek bir ürüne dönüştürmek. Modül 15.6'daki Türkçe DPO modelimizi → 4-bit AWQ quantize → vLLM serve → Next.js frontend + streaming → Vercel deploy → Sentry + Grafana monitoring → **chat.sukruyusufkaya.com**'da yayında. Müfredatın 7. production artefaktı. Backend ($60/ay maliyet), frontend (Vercel free tier), monitoring (Grafana Cloud free) ile tam stack. Capstone Modül 16: Türkçe ChatGPT Klonu Yayında — Modülün 16 Bütünleştirilmesi https://sukruyusufkaya.com/learn/llm-muhendisligi/reasoning-tarih-chain-of-thought-o1-dogus 2026-05-13T13:00:30.635Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'lerin tarihsel ve kavramsal anatomi: Wei vd. 2022 'Chain-of-Thought Prompting'ten 12 Eylül 2024 OpenAI o1 lansmanına yedi yıl. Self-consistency (Wang 2022), Tree of Thoughts (Yao 2023), Reflexion (Shinn 2023) — prompting-based reasoning'in yükselişi ve sınırları. Niye 2024'e kadar 'reasoning model' yoktu, niye o1 farklıydı, test-time compute'un yeni scaling boyutu olarak ortaya çıkışı. Türkçe matematik problemi çözen modeller için ne ifade ediyor. Reasoning Devrimi'nin Tarihi: Wei 2022 Chain-of-Thought'tan o1'e — 'Düşünmeyi Öğrenen Modellerin' Yedi Yıllık Doğuşu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/reasoning-tarih-chain-of-thought-o1-dogus 2026-05-13T13:00:30.635Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'lerin tarihsel ve kavramsal anatomi: Wei vd. 2022 'Chain-of-Thought Prompting'ten 12 Eylül 2024 OpenAI o1 lansmanına yedi yıl. Self-consistency (Wang 2022), Tree of Thoughts (Yao 2023), Reflexion (Shinn 2023) — prompting-based reasoning'in yükselişi ve sınırları. Niye 2024'e kadar 'reasoning model' yoktu, niye o1 farklıydı, test-time compute'un yeni scaling boyutu olarak ortaya çıkışı. Türkçe matematik problemi çözen modeller için ne ifade ediyor. Reasoning Devrimi'nin Tarihi: Wei 2022 Chain-of-Thought'tan o1'e — 'Düşünmeyi Öğrenen Modellerin' Yedi Yıllık Doğuşu https://sukruyusufkaya.com/learn/yapay-zekaya-giris/turkce-icin-yapay-zeka-derinlemesine 2026-05-13T12:09:21.920Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Türkçe NLP'nin spesifik zorlukları (aglutinatif morfoloji, ünlü uyumu, tokenization patlaması), Türkçe-özel açık LLM ekosistemi (TURNA, Kanarya, Kumru, Trendyol-LLM), Türkçe RAG kurma rehberi, ve Türkiye AI ekosisteminde nasıl kariyer kuracağınız üzerine kapsamlı bir bölüm. Bu ders Türkçe için bir AI sistemi inşa edecek herkes için zorunlu okuma. Türkçe için Yapay Zeka Derinlemesine: NLP, LLM ve Pratik Pipeline https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/turkce-icin-yapay-zeka-derinlemesine 2026-05-13T12:09:21.920Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Türkçe NLP'nin spesifik zorlukları (aglutinatif morfoloji, ünlü uyumu, tokenization patlaması), Türkçe-özel açık LLM ekosistemi (TURNA, Kanarya, Kumru, Trendyol-LLM), Türkçe RAG kurma rehberi, ve Türkiye AI ekosisteminde nasıl kariyer kuracağınız üzerine kapsamlı bir bölüm. Bu ders Türkçe için bir AI sistemi inşa edecek herkes için zorunlu okuma. Türkçe için Yapay Zeka Derinlemesine: NLP, LLM ve Pratik Pipeline https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ai-guvenligi-derinlemesine 2026-05-14T11:53:57.485Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Modern AI sistemlerinde saldırı yüzeyleri, NIST AI 100-2 taksonomisi, jailbreaking teknikleri (8+ varyant), prompt injection (direct + indirect), adversarial examples, model stealing, privacy attacks, supply chain saldırıları, agentic AI'nın yeni güvenlik zorlukları ve production red teaming pratikleri. Bu ders her AI mühendisinin bilmesi gerekenleri kapsar. AI Güvenliği Derinlemesine: Saldırılar, Savunmalar ve Red Teaming https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ai-guvenligi-derinlemesine 2026-05-14T11:53:57.485Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Modern AI sistemlerinde saldırı yüzeyleri, NIST AI 100-2 taksonomisi, jailbreaking teknikleri (8+ varyant), prompt injection (direct + indirect), adversarial examples, model stealing, privacy attacks, supply chain saldırıları, agentic AI'nın yeni güvenlik zorlukları ve production red teaming pratikleri. Bu ders her AI mühendisinin bilmesi gerekenleri kapsar. AI Güvenliği Derinlemesine: Saldırılar, Savunmalar ve Red Teaming https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ai-glossary-hizli-referans 2026-05-14T14:36:27.436Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Yapay zeka, makine öğrenmesi, derin öğrenme, LLM, agent, güvenlik ve Türkçe AI ekosistemine ait 120+ temel terim, Türkçe karşılıkları ve kısa tanımlarla. Bu kursu bitirdikten sonra bir başvuru kılavuzu olarak kullanın; yeni bir makale/blog okurken yanınızda bulunsun. AI Glossary & Hızlı Referans Kılavuzu — 120+ Terim, Türkçe-İngilizce https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ai-glossary-hizli-referans 2026-05-14T14:36:27.436Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 Yapay zeka, makine öğrenmesi, derin öğrenme, LLM, agent, güvenlik ve Türkçe AI ekosistemine ait 120+ temel terim, Türkçe karşılıkları ve kısa tanımlarla. Bu kursu bitirdikten sonra bir başvuru kılavuzu olarak kullanın; yeni bir makale/blog okurken yanınızda bulunsun. AI Glossary & Hızlı Referans Kılavuzu — 120+ Terim, Türkçe-İngilizce https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/veri-merkezli-ai-manifestosu 2026-05-13T12:53:31.841Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Andrew Ng'in 80/20 kuralı, modern LLM çağında veri kalitesinin model boyutundan daha kritik olmasının nedenleri, Tesla/OpenAI/Meta'nın veri stratejileri ve neden veri etiketleme bir mühendislik disiplinidir. Veri-Merkezli AI Manifestosu: Neden Modelden Çok Veriye Yatırım Yapmalısın? https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/veri-merkezli-ai-manifestosu 2026-05-13T12:53:31.841Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Andrew Ng'in 80/20 kuralı, modern LLM çağında veri kalitesinin model boyutundan daha kritik olmasının nedenleri, Tesla/OpenAI/Meta'nın veri stratejileri ve neden veri etiketleme bir mühendislik disiplinidir. Veri-Merkezli AI Manifestosu: Neden Modelden Çok Veriye Yatırım Yapmalısın? https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/etiketleme-muhendisi-kariyer-haritasi 2026-05-13T12:53:31.936Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketleme alanındaki kariyer seviyeleri, günlük iş akışı, yetkinlik matrisi, küresel ve Türkiye maaş aralıkları, kariyer pivotları ve hangi yetenekleri hangi sırayla geliştirmen gerektiği. Etiketleme Mühendisinin Kariyer Haritası: Annotator'dan Head of Data Operations'a https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/etiketleme-muhendisi-kariyer-haritasi 2026-05-13T12:53:31.936Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketleme alanındaki kariyer seviyeleri, günlük iş akışı, yetkinlik matrisi, küresel ve Türkiye maaş aralıkları, kariyer pivotları ve hangi yetenekleri hangi sırayla geliştirmen gerektiği. Etiketleme Mühendisinin Kariyer Haritası: Annotator'dan Head of Data Operations'a https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/turkiye-veri-etiketleme-ekosistemi 2026-05-13T12:53:32.037Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Türkiye'deki veri etiketleme vendor'ları, freelance pazarı, ücret bantları, KVKK'nın yarattığı yerli avantaj, Türkçe veri kıtlığı sorunu ve bunun fırsata nasıl dönüştürüleceği. Türkiye'deki Veri Etiketleme Ekosistemi: Vendor'lar, Freelance Pazarı, KVKK ve Türkçe Veri Kıtlığı https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/turkiye-veri-etiketleme-ekosistemi 2026-05-13T12:53:32.037Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Türkiye'deki veri etiketleme vendor'ları, freelance pazarı, ücret bantları, KVKK'nın yarattığı yerli avantaj, Türkçe veri kıtlığı sorunu ve bunun fırsata nasıl dönüştürüleceği. Türkiye'deki Veri Etiketleme Ekosistemi: Vendor'lar, Freelance Pazarı, KVKK ve Türkçe Veri Kıtlığı https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/gelistirme-ortami-kurulumu-label-studio-docker 2026-05-13T12:53:32.131Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketleme & kalite yönetimi kursunun tüm derslerinde kullanacağımız geliştirme ortamı: Python 3.12 (uv ile), Docker Compose, PostgreSQL, Label Studio ve ilk "Hello World" annotation projesi. [ATÖLYE] Geliştirme Ortamı Kurulumu: Python, Docker, PostgreSQL ve Label Studio'yu Sıfırdan Kuralım https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/gelistirme-ortami-kurulumu-label-studio-docker 2026-05-13T12:53:32.131Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketleme & kalite yönetimi kursunun tüm derslerinde kullanacağımız geliştirme ortamı: Python 3.12 (uv ile), Docker Compose, PostgreSQL, Label Studio ve ilk "Hello World" annotation projesi. [ATÖLYE] Geliştirme Ortamı Kurulumu: Python, Docker, PostgreSQL ve Label Studio'yu Sıfırdan Kuralım https://sukruyusufkaya.com/learn/anomali-tespiti/anomaly-detection-engineer-kimdir 2026-05-13T13:04:47.735Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly Detection Engineer rolünün ML Engineer, Fraud Analyst, SRE, Quality Engineer ile farkları; yetkinlik matrisi, kıdem seviyeleri, Türkiye ve global maaş aralıkları, günlük iş akışı, sektör beklentileri. Anomaly Detection Engineer Kimdir? Fraud, SRE, Quality Engineer ile Farklar ve Türkiye Maaş Manzarası https://sukruyusufkaya.com/en/learn/anomali-tespiti/anomaly-detection-engineer-kimdir 2026-05-13T13:04:47.735Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly Detection Engineer rolünün ML Engineer, Fraud Analyst, SRE, Quality Engineer ile farkları; yetkinlik matrisi, kıdem seviyeleri, Türkiye ve global maaş aralıkları, günlük iş akışı, sektör beklentileri. Anomaly Detection Engineer Kimdir? Fraud, SRE, Quality Engineer ile Farklar ve Türkiye Maaş Manzarası https://sukruyusufkaya.com/learn/anomali-tespiti/anomaly-detection-kurs-felsefesi 2026-05-13T13:04:47.836Z monthly 0.70 https://images.unsplash.com/photo-1497032628192-86f99bcd76bc?w=1280&h=720&fit=crop&auto=format&q=80 İstatistik → klasik ML → deep learning → time series → domain → production sıralamasını neden seçtik; öğrenme nehri modeli, hangi capstone'la hangi yetenek inşa ediliyor, kursta hangi 5 prensibi takip edeceğiz. Kurs Felsefesi: Neden Bu Yol, Neden Bu Sıra — Anomaly Detection Öğrenme Nehri https://sukruyusufkaya.com/en/learn/anomali-tespiti/anomaly-detection-kurs-felsefesi 2026-05-13T13:04:47.836Z monthly 0.60 https://images.unsplash.com/photo-1497032628192-86f99bcd76bc?w=1280&h=720&fit=crop&auto=format&q=80 İstatistik → klasik ML → deep learning → time series → domain → production sıralamasını neden seçtik; öğrenme nehri modeli, hangi capstone'la hangi yetenek inşa ediliyor, kursta hangi 5 prensibi takip edeceğiz. Kurs Felsefesi: Neden Bu Yol, Neden Bu Sıra — Anomaly Detection Öğrenme Nehri https://sukruyusufkaya.com/learn/anomali-tespiti/anomaly-detection-atolye-kurulumu 2026-05-13T13:04:47.932Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly detection için uv ile Python 3.12 sanal ortam, PyTorch 2.5+, PyOD, anomalib, alibi-detect, river, Jupyter Lab kurulumu; Windows WSL2, macOS MPS ve Linux CUDA için adım adım rehber. Atölye Kurulumu: uv + Python 3.12 + PyOD + anomalib + PyTorch — Sıfırdan Production-Ready Anomaly Detection Ortamı https://sukruyusufkaya.com/en/learn/anomali-tespiti/anomaly-detection-atolye-kurulumu 2026-05-13T13:04:47.932Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly detection için uv ile Python 3.12 sanal ortam, PyTorch 2.5+, PyOD, anomalib, alibi-detect, river, Jupyter Lab kurulumu; Windows WSL2, macOS MPS ve Linux CUDA için adım adım rehber. Atölye Kurulumu: uv + Python 3.12 + PyOD + anomalib + PyTorch — Sıfırdan Production-Ready Anomaly Detection Ortamı https://sukruyusufkaya.com/learn/anomali-tespiti/anomaly-detection-veri-hesaplari-cloud 2026-05-13T13:04:48.024Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Kursta kullanacağımız 18 veri kümesinin nereden indirileceği, Kaggle API kurulumu, HuggingFace datasets, Numenta NAB, MVTec AD, NASA Turbofan, CWRU bearing, IEEE-CIS Fraud — ve Google Colab/RunPod ile ücretsiz GPU erişimi. Veri Hesapları & Cloud: Kaggle, HuggingFace, Numenta, MVTec, NASA — Anomaly Detection Veri Cephaneliği https://sukruyusufkaya.com/en/learn/anomali-tespiti/anomaly-detection-veri-hesaplari-cloud 2026-05-13T13:04:48.024Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Kursta kullanacağımız 18 veri kümesinin nereden indirileceği, Kaggle API kurulumu, HuggingFace datasets, Numenta NAB, MVTec AD, NASA Turbofan, CWRU bearing, IEEE-CIS Fraud — ve Google Colab/RunPod ile ücretsiz GPU erişimi. Veri Hesapları & Cloud: Kaggle, HuggingFace, Numenta, MVTec, NASA — Anomaly Detection Veri Cephaneliği https://sukruyusufkaya.com/learn/llm-muhendisligi/test-time-compute-scaling-snell-2024-matematik 2026-05-13T13:00:30.723Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Yeni scaling boyutunun matematiği: Snell vd. 2024 'Scaling LLM Test-Time Compute Optimally' paper'ı. Multi-sample (best-of-N, self-consistency) vs deep thinking (uzun reasoning chain) trade-off'ları. Optimum compute allocation: aynı bütçeyi nasıl en iyi dağıtırsın? Pre-training compute ile arasındaki paradoks: %20 daha az pre-training + %50 daha çok test-time = aynı kalite. Türkçe için 'düşünme bütçesi' planlaması. Test-Time Compute Scaling Matematiği: Snell 2024 Paper'ı — 'Düşünmek' İçin Compute Harcamanın Yeni Bilimi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/test-time-compute-scaling-snell-2024-matematik 2026-05-13T13:00:30.723Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Yeni scaling boyutunun matematiği: Snell vd. 2024 'Scaling LLM Test-Time Compute Optimally' paper'ı. Multi-sample (best-of-N, self-consistency) vs deep thinking (uzun reasoning chain) trade-off'ları. Optimum compute allocation: aynı bütçeyi nasıl en iyi dağıtırsın? Pre-training compute ile arasındaki paradoks: %20 daha az pre-training + %50 daha çok test-time = aynı kalite. Türkçe için 'düşünme bütçesi' planlaması. Test-Time Compute Scaling Matematiği: Snell 2024 Paper'ı — 'Düşünmek' İçin Compute Harcamanın Yeni Bilimi https://sukruyusufkaya.com/learn/llm-muhendisligi/o1-mimari-spekulatif-analiz 2026-05-13T13:00:30.810Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI'in açıklamadığı o1 mimarisini, public observations + akademik paper'lar + community reverse engineering birleştirerek tahmin ediyoruz. PRM (Process Reward Model) + MCTS (Monte Carlo Tree Search) + RL kombinasyonu mu? Pricing modelinden çıkarılan ipuçları. Reasoning tokens'in görünmemesinin AI safety + ticari anlamı. R1 paper'ından geri yansıma — açık alternatif ne öğretti? o1 Mimari Spekülatif Analiz: Kapalı Kapılar Ardından — Public Observations + Reverse Engineering https://sukruyusufkaya.com/en/learn/llm-muhendisligi/o1-mimari-spekulatif-analiz 2026-05-13T13:00:30.810Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI'in açıklamadığı o1 mimarisini, public observations + akademik paper'lar + community reverse engineering birleştirerek tahmin ediyoruz. PRM (Process Reward Model) + MCTS (Monte Carlo Tree Search) + RL kombinasyonu mu? Pricing modelinden çıkarılan ipuçları. Reasoning tokens'in görünmemesinin AI safety + ticari anlamı. R1 paper'ından geri yansıma — açık alternatif ne öğretti? o1 Mimari Spekülatif Analiz: Kapalı Kapılar Ardından — Public Observations + Reverse Engineering https://sukruyusufkaya.com/learn/llm-muhendisligi/deepseek-r1-grpo-derinlemesine-matematik 2026-05-13T13:00:30.896Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-R1'in (Ocak 2025) ana eğitim algoritması GRPO (Group Relative Policy Optimization). PPO'dan farkları satır satır türev. Value function'sız avantaj tahmini (grup karşılaştırması). 4 aşamalı eğitim (R1-Zero → Cold Start → Reasoning RL → Distill) detaylı walk-through. 'Aha moments' empirik fenomeni — paper'da verilen örnekler ve istatistik analiz. Türkçe için R1 fine-tune stratejileri. DeepSeek-R1 GRPO Derinlemesine: Açık Reasoning RL'in Matematiği — Group Relative Policy Optimization https://sukruyusufkaya.com/en/learn/llm-muhendisligi/deepseek-r1-grpo-derinlemesine-matematik 2026-05-13T13:00:30.896Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-R1'in (Ocak 2025) ana eğitim algoritması GRPO (Group Relative Policy Optimization). PPO'dan farkları satır satır türev. Value function'sız avantaj tahmini (grup karşılaştırması). 4 aşamalı eğitim (R1-Zero → Cold Start → Reasoning RL → Distill) detaylı walk-through. 'Aha moments' empirik fenomeni — paper'da verilen örnekler ve istatistik analiz. Türkçe için R1 fine-tune stratejileri. DeepSeek-R1 GRPO Derinlemesine: Açık Reasoning RL'in Matematiği — Group Relative Policy Optimization https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-reasoning-model-r1-distill 2026-05-13T13:00:30.984Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 17 capstone: R1-Distill-Qwen-32B üzerine Türkçe matematik DPO fine-tune. YKS/TYT/TÜBİTAK matematik problemlerinden 5K Türkçe reasoning chain dataset oluşturma, DPO eğitim (1 H100, 1 hafta, $200-500), evaluation (AIME-TR, YKS matematik), HuggingFace Hub'da yayın. Müfredatın 8. production artefaktı: sukruyusufkaya/r1-distill-tr-math-32b. Capstone Modül 17: Türkçe Reasoning Model Üretime — R1-Distill-32B Türkçe Matematik Fine-Tune https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-reasoning-model-r1-distill 2026-05-13T13:00:30.984Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 17 capstone: R1-Distill-Qwen-32B üzerine Türkçe matematik DPO fine-tune. YKS/TYT/TÜBİTAK matematik problemlerinden 5K Türkçe reasoning chain dataset oluşturma, DPO eğitim (1 H100, 1 hafta, $200-500), evaluation (AIME-TR, YKS matematik), HuggingFace Hub'da yayın. Müfredatın 8. production artefaktı: sukruyusufkaya/r1-distill-tr-math-32b. Capstone Modül 17: Türkçe Reasoning Model Üretime — R1-Distill-32B Türkçe Matematik Fine-Tune https://sukruyusufkaya.com/learn/ai-veri-muhendisligi/ai-cagi-veri-muhendisi-evrimi 2026-05-13T21:00:51.535Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Veri mühendisliği 1995'ten 2026'ya nasıl evrimleşti? DBA, ETL Developer, Data Engineer, Analytics Engineer ve AI Data Engineer rolleri arasındaki farklar, yetkinlik matrisi, Türkiye ve global maaş aralıkları, günlük iş akışı. AI Çağında Veri Mühendisi Kimdir? DBA'dan AI Data Engineer'a 30 Yıllık Evrim https://sukruyusufkaya.com/en/learn/ai-veri-muhendisligi/ai-cagi-veri-muhendisi-evrimi 2026-05-13T21:00:51.535Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Veri mühendisliği 1995'ten 2026'ya nasıl evrimleşti? DBA, ETL Developer, Data Engineer, Analytics Engineer ve AI Data Engineer rolleri arasındaki farklar, yetkinlik matrisi, Türkiye ve global maaş aralıkları, günlük iş akışı. AI Çağında Veri Mühendisi Kimdir? DBA'dan AI Data Engineer'a 30 Yıllık Evrim https://sukruyusufkaya.com/learn/ai-veri-muhendisligi/kurs-yol-haritasi-11-part-34-modul 2026-05-13T12:22:37.569Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 AI için Veri Mühendisliği kursunun tam yol haritası: 11 part, 34 modül, ~150 ders, 3 capstone proje. Hangi modül ne öğretiyor, hangi sırayla gitmek mantıklı, atölyeler ne içeriyor — kurs içeriğinin haritalı önizlemesi. Bu Kursta Ne Öğreneceksin? 11 Part, 34 Modül, 3 Capstone — Tam Yol Haritası https://sukruyusufkaya.com/en/learn/ai-veri-muhendisligi/kurs-yol-haritasi-11-part-34-modul 2026-05-13T12:22:37.569Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 AI için Veri Mühendisliği kursunun tam yol haritası: 11 part, 34 modül, ~150 ders, 3 capstone proje. Hangi modül ne öğretiyor, hangi sırayla gitmek mantıklı, atölyeler ne içeriyor — kurs içeriğinin haritalı önizlemesi. Bu Kursta Ne Öğreneceksin? 11 Part, 34 Modül, 3 Capstone — Tam Yol Haritası https://sukruyusufkaya.com/learn/ai-veri-muhendisligi/atolye-kurulumu-docker-compose-postgres-minio-kafka-spark-jupyter 2026-05-13T12:22:37.659Z monthly 0.70 https://images.unsplash.com/photo-1573164574230-db1d5e960238?w=1280&h=720&fit=crop&auto=format&q=80 Bu kursun tamamında kullanacağın profesyonel lokal veri stack'ini kur: uv ile Python 3.12, Docker Compose ile Postgres 16 + pgvector + MinIO + Kafka + Spark + JupyterLab. Adım adım, hata mesajları dahil. Atölye Kurulumu — uv + Docker Compose ile Postgres, MinIO, Kafka, Spark, Jupyter https://sukruyusufkaya.com/en/learn/ai-veri-muhendisligi/atolye-kurulumu-docker-compose-postgres-minio-kafka-spark-jupyter 2026-05-13T12:22:37.659Z monthly 0.60 https://images.unsplash.com/photo-1573164574230-db1d5e960238?w=1280&h=720&fit=crop&auto=format&q=80 Bu kursun tamamında kullanacağın profesyonel lokal veri stack'ini kur: uv ile Python 3.12, Docker Compose ile Postgres 16 + pgvector + MinIO + Kafka + Spark + JupyterLab. Adım adım, hata mesajları dahil. Atölye Kurulumu — uv + Docker Compose ile Postgres, MinIO, Kafka, Spark, Jupyter https://sukruyusufkaya.com/learn/llm-muhendisligi/moe-tarihce-jacobs-1991-deepseek-v3 2026-05-13T13:04:09.988Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Mixture of Experts'in 33 yıllık entelektüel yolculuğu: Jacobs vd. 1991 orijinal paper ('Adaptive Mixtures of Local Experts'), Shazeer vd. 2017 'Outrageously Large Neural Networks' — modern MoE'nin başlangıcı, GShard 2020 Google scale, Switch Transformer 2021, Mixtral 8x7B (Ocak 2024) açık kaynak devrim, DeepSeek-V3 (Aralık 2024) 671B aktif 37B. 'Niye 33 yıl kapı dışında kaldı, niye şimdi geri döndü?' MoE Tarihçesi: Jacobs 1991'den DeepSeek-V3 2024'e — 33 Yıllık Sparse Activation Devrimi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/moe-tarihce-jacobs-1991-deepseek-v3 2026-05-13T13:04:09.988Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Mixture of Experts'in 33 yıllık entelektüel yolculuğu: Jacobs vd. 1991 orijinal paper ('Adaptive Mixtures of Local Experts'), Shazeer vd. 2017 'Outrageously Large Neural Networks' — modern MoE'nin başlangıcı, GShard 2020 Google scale, Switch Transformer 2021, Mixtral 8x7B (Ocak 2024) açık kaynak devrim, DeepSeek-V3 (Aralık 2024) 671B aktif 37B. 'Niye 33 yıl kapı dışında kaldı, niye şimdi geri döndü?' MoE Tarihçesi: Jacobs 1991'den DeepSeek-V3 2024'e — 33 Yıllık Sparse Activation Devrimi https://sukruyusufkaya.com/learn/llm-muhendisligi/moe-matematik-anatomi-gating-routing-load-balancing 2026-05-13T13:04:10.292Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 MoE'nin iç matematiği: gating network'ün türev hesabı, top-k routing'in implementasyonu, expert collapse problemi ve load balancing loss (Shazeer 2017), auxiliary loss matematik, capacity factor, drop tokens, FLOP analizi. PyTorch'ta sıfırdan MoE FFN layer implementation. Türkçe data'da expert utilization gözlemleri. MoE Matematik Anatomi: Gating Network, Top-k Routing, Load Balancing — Sparse Activation Sıfırdan https://sukruyusufkaya.com/en/learn/llm-muhendisligi/moe-matematik-anatomi-gating-routing-load-balancing 2026-05-13T13:04:10.292Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 MoE'nin iç matematiği: gating network'ün türev hesabı, top-k routing'in implementasyonu, expert collapse problemi ve load balancing loss (Shazeer 2017), auxiliary loss matematik, capacity factor, drop tokens, FLOP analizi. PyTorch'ta sıfırdan MoE FFN layer implementation. Türkçe data'da expert utilization gözlemleri. MoE Matematik Anatomi: Gating Network, Top-k Routing, Load Balancing — Sparse Activation Sıfırdan https://sukruyusufkaya.com/learn/llm-muhendisligi/deepseek-v3-inovasyonlari-mla-multi-token 2026-05-13T13:00:31.251Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-V3'ün 3 kritik yeniliği derinlemesine: (1) Multi-head Latent Attention (MLA) — KV cache'i %93 azaltan attention varyantı, (2) Auxiliary-loss-free load balancing — bias trick ile temiz gating, (3) Multi-token prediction (MTP) — eğitimde 2-3 token paralel tahmin. Her birinin matematik anatomisi, niye işe yarıyor, V3'ün $5.6M training cost'una nasıl katkıda bulundu. Türkçe için pratik kullanım. DeepSeek-V3 İnovasyonları: MLA, Auxiliary-Loss-Free, Multi-Token Prediction — 2024 Frontier'ın 3 Anahtarı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/deepseek-v3-inovasyonlari-mla-multi-token 2026-05-13T13:00:31.251Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-V3'ün 3 kritik yeniliği derinlemesine: (1) Multi-head Latent Attention (MLA) — KV cache'i %93 azaltan attention varyantı, (2) Auxiliary-loss-free load balancing — bias trick ile temiz gating, (3) Multi-token prediction (MTP) — eğitimde 2-3 token paralel tahmin. Her birinin matematik anatomisi, niye işe yarıyor, V3'ün $5.6M training cost'una nasıl katkıda bulundu. Türkçe için pratik kullanım. DeepSeek-V3 İnovasyonları: MLA, Auxiliary-Loss-Free, Multi-Token Prediction — 2024 Frontier'ın 3 Anahtarı https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-mixtral-dpo 2026-05-13T13:00:31.348Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 18 capstone: Mixtral-8x7B-Instruct üzerine Türkçe DPO fine-tune. 5K Türkçe karşılaştırma data + QLoRA-DPO + 2× H100 (FSDP) + vLLM deployment. Expert utilization Türkçe için optimize ediliyor. Maliyet $200-500. Müfredatın 9. production artefaktı: sukruyusufkaya/mixtral-8x7b-tr-dpo. Capstone Modül 18: Türkçe Mixtral DPO — Açık MoE'yi Türkçeye Bük https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-mixtral-dpo 2026-05-13T13:00:31.348Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Modül 18 capstone: Mixtral-8x7B-Instruct üzerine Türkçe DPO fine-tune. 5K Türkçe karşılaştırma data + QLoRA-DPO + 2× H100 (FSDP) + vLLM deployment. Expert utilization Türkçe için optimize ediliyor. Maliyet $200-500. Müfredatın 9. production artefaktı: sukruyusufkaya/mixtral-8x7b-tr-dpo. Capstone Modül 18: Türkçe Mixtral DPO — Açık MoE'yi Türkçeye Bük https://sukruyusufkaya.com/learn/anomali-tespiti/anomali-outlier-novelty-noise-farklari 2026-05-13T13:04:48.112Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Akademik literatürde ve sektörde sık sık birbirinin yerine kullanılan anomali, outlier, novelty ve noise kavramları arasındaki kesin farklar; Hawkins tanımı; bu farklar neden production'da kritik? Anomali, Outlier, Novelty, Noise: Birbirine Karıştırılan Dört Kavramın Hassas Farkları https://sukruyusufkaya.com/en/learn/anomali-tespiti/anomali-outlier-novelty-noise-farklari 2026-05-13T13:04:48.112Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Akademik literatürde ve sektörde sık sık birbirinin yerine kullanılan anomali, outlier, novelty ve noise kavramları arasındaki kesin farklar; Hawkins tanımı; bu farklar neden production'da kritik? Anomali, Outlier, Novelty, Noise: Birbirine Karıştırılan Dört Kavramın Hassas Farkları https://sukruyusufkaya.com/learn/anomali-tespiti/uc-anomali-tipi-point-contextual-collective 2026-05-13T13:04:48.199Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anomalilerin üç temel tipi: nokta anomalileri (point), bağlamsal anomaliler (contextual) ve toplu anomaliler (collective). Her tip için 6 sektörel örnek, görsel sezgi ve uygun yöntem haritası. Üç Anomali Tipi: Point, Contextual ve Collective — Hangi Yöntem Hangisi İçin? https://sukruyusufkaya.com/en/learn/anomali-tespiti/uc-anomali-tipi-point-contextual-collective 2026-05-13T13:04:48.199Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anomalilerin üç temel tipi: nokta anomalileri (point), bağlamsal anomaliler (contextual) ve toplu anomaliler (collective). Her tip için 6 sektörel örnek, görsel sezgi ve uygun yöntem haritası. Üç Anomali Tipi: Point, Contextual ve Collective — Hangi Yöntem Hangisi İçin? https://sukruyusufkaya.com/learn/anomali-tespiti/anomali-tespiti-ogrenme-rejimleri 2026-05-13T13:04:48.283Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly detection için dört öğrenme rejimi: supervised, semi-supervised, unsupervised, weakly-supervised. Etiket pahalılığı tablosu, hangi sektörde hangi rejim, ve hibrit yaklaşımlar. Öğrenme Rejimleri: Supervised, Semi-Supervised, Unsupervised, Weakly-Supervised — Etiket Kıtlığı Altında Karar https://sukruyusufkaya.com/en/learn/anomali-tespiti/anomali-tespiti-ogrenme-rejimleri 2026-05-13T13:04:48.283Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly detection için dört öğrenme rejimi: supervised, semi-supervised, unsupervised, weakly-supervised. Etiket pahalılığı tablosu, hangi sektörde hangi rejim, ve hibrit yaklaşımlar. Öğrenme Rejimleri: Supervised, Semi-Supervised, Unsupervised, Weakly-Supervised — Etiket Kıtlığı Altında Karar https://sukruyusufkaya.com/learn/anomali-tespiti/anomaly-detection-pipeline-anatomisi 2026-05-13T13:04:48.373Z monthly 0.70 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 Production-grade anomaly detection pipeline'ının 7 katmanı: ingestion, feature engineering, scoring, thresholding, alerting, feedback loop, monitoring. Her katmanda kritik kararlar ve ölçüm noktaları. Anomaly Detection Pipeline Anatomisi: Ingestion'dan Alarm'a Uçtan Uca 7 Katman https://sukruyusufkaya.com/en/learn/anomali-tespiti/anomaly-detection-pipeline-anatomisi 2026-05-13T13:04:48.373Z monthly 0.60 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 Production-grade anomaly detection pipeline'ının 7 katmanı: ingestion, feature engineering, scoring, thresholding, alerting, feedback loop, monitoring. Her katmanda kritik kararlar ve ölçüm noktaları. Anomaly Detection Pipeline Anatomisi: Ingestion'dan Alarm'a Uçtan Uca 7 Katman https://sukruyusufkaya.com/learn/anomali-tespiti/hands-on-uc-anomali-tipi-gorsellestirme 2026-05-13T13:04:48.478Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Pratik laboratuvar: Python ile sentetik veri üreterek üç anomali tipini (point, contextual, collective) görselleştir; iForest, Prophet residual ve LSTM-AE ile her tipi tespit et; interaktif Plotly dashboard'u kur. Hands-on Lab: Üç Anomali Tipini Sentetik Veriyle Görselleştirme — Python + Matplotlib + Plotly https://sukruyusufkaya.com/en/learn/anomali-tespiti/hands-on-uc-anomali-tipi-gorsellestirme 2026-05-13T13:04:48.478Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Pratik laboratuvar: Python ile sentetik veri üreterek üç anomali tipini (point, contextual, collective) görselleştir; iForest, Prophet residual ve LSTM-AE ile her tipi tespit et; interaktif Plotly dashboard'u kur. Hands-on Lab: Üç Anomali Tipini Sentetik Veriyle Görselleştirme — Python + Matplotlib + Plotly https://sukruyusufkaya.com/learn/llm-muhendisligi/multimodal-tarihce-clip-gpt-4o 2026-05-13T13:00:31.432Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Multimodal LLM'lerin tarihsel ve kavramsal anatomisi: Radford vd. 2021 CLIP paper'ı — contrastive learning ile resim-metin alignment'ın doğuşu, ViT (Dosovitskiy 2020) image transformer, BLIP (Li 2022), Flamingo (Alayrac 2022), LLaVA (Liu 2023) open-source çığır, GPT-4V (Eylül 2023), GPT-4o (Mayıs 2024) unified omni-modal, Llama-3.2 Vision (Eylül 2024) açık-kaynak. 5 yıllık 'dil + görüntü' birleşme yolculuğu ve Türkçe için multimodal ne ifade ediyor (Türkçe doküman OCR, kültürel görsel anlama). Multimodal LLM Tarihçesi: Radford 2021 CLIP'ten GPT-4o'ya — 'Görmeyi Öğrenen' Dil Modellerinin Doğuşu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/multimodal-tarihce-clip-gpt-4o 2026-05-13T13:00:31.432Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Multimodal LLM'lerin tarihsel ve kavramsal anatomisi: Radford vd. 2021 CLIP paper'ı — contrastive learning ile resim-metin alignment'ın doğuşu, ViT (Dosovitskiy 2020) image transformer, BLIP (Li 2022), Flamingo (Alayrac 2022), LLaVA (Liu 2023) open-source çığır, GPT-4V (Eylül 2023), GPT-4o (Mayıs 2024) unified omni-modal, Llama-3.2 Vision (Eylül 2024) açık-kaynak. 5 yıllık 'dil + görüntü' birleşme yolculuğu ve Türkçe için multimodal ne ifade ediyor (Türkçe doküman OCR, kültürel görsel anlama). Multimodal LLM Tarihçesi: Radford 2021 CLIP'ten GPT-4o'ya — 'Görmeyi Öğrenen' Dil Modellerinin Doğuşu https://sukruyusufkaya.com/learn/llm-muhendisligi/multimodal-mimari-matematik-vision-llm-baglama 2026-05-13T13:00:31.526Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Multimodal LLM'lerin iç mimari matematiği: Vision encoder (ViT/CLIP/SigLIP) → projection → LLM bağlama 3 stratejisi. (1) Linear projection (LLaVA tarzı, basit), (2) Q-Former (BLIP-2 tarzı, learnable queries), (3) Cross-attention (Flamingo/Llama-3.2 tarzı, derin entegrasyon). Image token budget management, resolution sorunu, vision-text alignment. PyTorch'ta sıfırdan LLaVA-style multimodal mimari. Türkçe için image-text alignment. Multimodal Mimari Matematiği: Vision Encoder → Projection → LLM — 3 Bağlama Stratejisi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/multimodal-mimari-matematik-vision-llm-baglama 2026-05-13T13:00:31.526Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Multimodal LLM'lerin iç mimari matematiği: Vision encoder (ViT/CLIP/SigLIP) → projection → LLM bağlama 3 stratejisi. (1) Linear projection (LLaVA tarzı, basit), (2) Q-Former (BLIP-2 tarzı, learnable queries), (3) Cross-attention (Flamingo/Llama-3.2 tarzı, derin entegrasyon). Image token budget management, resolution sorunu, vision-text alignment. PyTorch'ta sıfırdan LLaVA-style multimodal mimari. Türkçe için image-text alignment. Multimodal Mimari Matematiği: Vision Encoder → Projection → LLM — 3 Bağlama Stratejisi https://sukruyusufkaya.com/learn/llm-muhendisligi/turkce-multimodal-pratik-kimlik-fatura-trafik 2026-05-13T13:00:31.610Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe multimodal LLM'lerin production kullanım alanları: (1) Kimlik kartı + ehliyet OCR + alan çıkarma (bankacılık, telco), (2) E-fatura + makbuz processing (muhasebe), (3) Türkçe trafik işaretleri tanıma (otomotiv), (4) Türkçe sınav kağıdı dijitalleştirme (eğitim), (5) Osmanlıca belge analizi (akademik). Her use case için GPT-4o vs Llama-3.2-Vision karşılaştırma, KVKK uyumlu pipeline, Python production code. Türkçe için multimodal prompting best practices. Türkçe Multimodal Pratiği: Kimlik OCR'dan Trafik İşaretine — 5 Production Use Case https://sukruyusufkaya.com/en/learn/llm-muhendisligi/turkce-multimodal-pratik-kimlik-fatura-trafik 2026-05-13T13:00:31.610Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe multimodal LLM'lerin production kullanım alanları: (1) Kimlik kartı + ehliyet OCR + alan çıkarma (bankacılık, telco), (2) E-fatura + makbuz processing (muhasebe), (3) Türkçe trafik işaretleri tanıma (otomotiv), (4) Türkçe sınav kağıdı dijitalleştirme (eğitim), (5) Osmanlıca belge analizi (akademik). Her use case için GPT-4o vs Llama-3.2-Vision karşılaştırma, KVKK uyumlu pipeline, Python production code. Türkçe için multimodal prompting best practices. Türkçe Multimodal Pratiği: Kimlik OCR'dan Trafik İşaretine — 5 Production Use Case https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-multimodal-dokuman-isleme 2026-05-13T13:00:31.709Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 19 capstone: Türkçe multimodal doküman işleme production SaaS. Next.js drag-drop frontend + FastAPI backend + Llama-3.2-Vision veya GPT-4o seçilebilir model + KVKK uyumlu encrypted storage + Stripe payment. Kimlik OCR, e-fatura, sınav kağıdı, ücretsiz tier + premium. Müfredatın 10. production artefaktı: docproc.sukruyusufkaya.com. Capstone Modül 19: Türkçe Multimodal Doküman İşleme Sistemi — Production SaaS https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-multimodal-dokuman-isleme 2026-05-13T13:00:31.709Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 19 capstone: Türkçe multimodal doküman işleme production SaaS. Next.js drag-drop frontend + FastAPI backend + Llama-3.2-Vision veya GPT-4o seçilebilir model + KVKK uyumlu encrypted storage + Stripe payment. Kimlik OCR, e-fatura, sınav kağıdı, ücretsiz tier + premium. Müfredatın 10. production artefaktı: docproc.sukruyusufkaya.com. Capstone Modül 19: Türkçe Multimodal Doküman İşleme Sistemi — Production SaaS https://sukruyusufkaya.com/learn/llm-muhendisligi/tool-use-tarihce-react-mcp 2026-05-13T13:00:31.795Z monthly 0.70 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 LLM ajanlarının tarihsel ve kavramsal anatomisi: Yao vd. 2022 ReAct paper'ı ('Reasoning + Action' birleşmesi), OpenAI function calling (Haziran 2023, ilk standartlaşma), Anthropic MCP (Kasım 2024, açık standart). LangChain, AutoGen, CrewAI gibi framework'lerin yükselişi. 'Niye LLM'ler kendi başına yeterli değil, niye tool kullanmaları gerekiyor?' AGI tartışmasının pratik yüzü. Türkçe ajan use case'leri. Tool Use Tarihçesi: Yao 2022 ReAct'tan Anthropic MCP'ye — LLM Ajanlarının 3 Yıllık Doğuşu https://sukruyusufkaya.com/en/learn/llm-muhendisligi/tool-use-tarihce-react-mcp 2026-05-13T13:00:31.795Z monthly 0.60 https://images.unsplash.com/photo-1542903660-eedba2cda473?w=1280&h=720&fit=crop&auto=format&q=80 LLM ajanlarının tarihsel ve kavramsal anatomisi: Yao vd. 2022 ReAct paper'ı ('Reasoning + Action' birleşmesi), OpenAI function calling (Haziran 2023, ilk standartlaşma), Anthropic MCP (Kasım 2024, açık standart). LangChain, AutoGen, CrewAI gibi framework'lerin yükselişi. 'Niye LLM'ler kendi başına yeterli değil, niye tool kullanmaları gerekiyor?' AGI tartışmasının pratik yüzü. Türkçe ajan use case'leri. Tool Use Tarihçesi: Yao 2022 ReAct'tan Anthropic MCP'ye — LLM Ajanlarının 3 Yıllık Doğuşu https://sukruyusufkaya.com/learn/llm-muhendisligi/tool-use-matematik-implementation-pydantic 2026-05-13T13:00:31.880Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Tool use'un iç matematiği ve production implementation: JSON schema standardı detayı, OpenAI function calling tam anatomisi, ReAct prompt mühendisliği teknikleri, MCP protokol implementation (Python stdio + SSE). Türkçe tool calling örnekleri (TC kimlik validasyonu, e-fatura sorgulama). Pydantic AI ile temiz, type-safe ajan. LangChain alternatifi olarak modern yaklaşım. Error handling, retry logic, tool timeout management. Tool Use Matematik ve Implementation: JSON Schema'dan Pydantic AI'a — Production Ajan Mühendisliği https://sukruyusufkaya.com/en/learn/llm-muhendisligi/tool-use-matematik-implementation-pydantic 2026-05-13T13:00:31.880Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Tool use'un iç matematiği ve production implementation: JSON schema standardı detayı, OpenAI function calling tam anatomisi, ReAct prompt mühendisliği teknikleri, MCP protokol implementation (Python stdio + SSE). Türkçe tool calling örnekleri (TC kimlik validasyonu, e-fatura sorgulama). Pydantic AI ile temiz, type-safe ajan. LangChain alternatifi olarak modern yaklaşım. Error handling, retry logic, tool timeout management. Tool Use Matematik ve Implementation: JSON Schema'dan Pydantic AI'a — Production Ajan Mühendisliği https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-e-ticaret-multi-agent-crewai 2026-05-13T13:00:31.966Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Modül 20 capstone: Türkçe e-ticaret multi-agent sistemi. 3 ajan: (1) Research Agent — Trendyol/Hepsiburada'da ürün arama, (2) Price Compare Agent — fiyat ve kargo karşılaştırma, (3) Recommendation Agent — kullanıcıya öneri. CrewAI framework, Pydantic AI tools, FastAPI backend, Next.js frontend, Stripe API. Türkçe doğal sohbet → otomatik alışveriş araştırması. KVKK uyumlu. Müfredatın 11. production artefaktı. Capstone Modül 20: Türkçe E-Ticaret Multi-Agent Sistemi — CrewAI ile Production Ajan https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-e-ticaret-multi-agent-crewai 2026-05-13T13:00:31.966Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Modül 20 capstone: Türkçe e-ticaret multi-agent sistemi. 3 ajan: (1) Research Agent — Trendyol/Hepsiburada'da ürün arama, (2) Price Compare Agent — fiyat ve kargo karşılaştırma, (3) Recommendation Agent — kullanıcıya öneri. CrewAI framework, Pydantic AI tools, FastAPI backend, Next.js frontend, Stripe API. Türkçe doğal sohbet → otomatik alışveriş araştırması. KVKK uyumlu. Müfredatın 11. production artefaktı. Capstone Modül 20: Türkçe E-Ticaret Multi-Agent Sistemi — CrewAI ile Production Ajan https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/ml-pipeline-veri-yeri-dongusu 2026-05-13T12:53:32.222Z monthly 0.70 https://images.unsplash.com/photo-1460925895917-afdab827c52f?w=1280&h=720&fit=crop&auto=format&q=80 Bir makine öğrenmesi sisteminin tam yaşam döngüsü: veri toplama → etiketleme → eğitim → değerlendirme → üretim → izleme → geri toplama. Her aşamanın veri etiketlemeyle ilişkisi, geri bildirim döngüsü, sürekli iyileştirme ve neden "data flywheel" modern AI'ın ana rekabet avantajıdır. ML Pipeline'da Verinin Yeri: Toplama, Etiketleme, Eğitim, Değerlendirme, Üretim Döngüsü https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/ml-pipeline-veri-yeri-dongusu 2026-05-13T12:53:32.222Z monthly 0.60 https://images.unsplash.com/photo-1460925895917-afdab827c52f?w=1280&h=720&fit=crop&auto=format&q=80 Bir makine öğrenmesi sisteminin tam yaşam döngüsü: veri toplama → etiketleme → eğitim → değerlendirme → üretim → izleme → geri toplama. Her aşamanın veri etiketlemeyle ilişkisi, geri bildirim döngüsü, sürekli iyileştirme ve neden "data flywheel" modern AI'ın ana rekabet avantajıdır. ML Pipeline'da Verinin Yeri: Toplama, Etiketleme, Eğitim, Değerlendirme, Üretim Döngüsü https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/etiketleme-turleri-tam-taksonomi 2026-05-13T12:53:32.313Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketlemenin 14 ana format çeşidi: tekli sınıflandırma, çoklu etiket, sıralı (ordinal), NER, span, BBox, polygon, segmentation, keypoint, ranking, preference, free-form, structured ve hibrit. Her format için kullanım alanları, tooling, tipik metrikler ve hatalar. Etiketleme Türlerinin Tam Taksonomisi: Classification'dan Preference'a 14 Format https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/etiketleme-turleri-tam-taksonomi 2026-05-13T12:53:32.313Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketlemenin 14 ana format çeşidi: tekli sınıflandırma, çoklu etiket, sıralı (ordinal), NER, span, BBox, polygon, segmentation, keypoint, ranking, preference, free-form, structured ve hibrit. Her format için kullanım alanları, tooling, tipik metrikler ve hatalar. Etiketleme Türlerinin Tam Taksonomisi: Classification'dan Preference'a 14 Format https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/supervised-semi-self-supervised-veri-etiketleme 2026-05-13T13:03:22.514Z monthly 0.70 https://images.unsplash.com/photo-1505373877841-8d25f7d46678?w=1280&h=720&fit=crop&auto=format&q=80 Modern AI'ın beş büyük öğrenme paradigması — supervised, semi-supervised, self-supervised, weakly supervised, ve few-shot/in-context — her birinin veri etiketleme ihtiyacı, maliyet profili ve nerede kullanılması gerektiği. Supervised, Semi-supervised, Self-supervised: Etiketleme İhtiyacı Paradigmalara Göre Nasıl Değişir? https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/supervised-semi-self-supervised-veri-etiketleme 2026-05-13T13:03:22.514Z monthly 0.60 https://images.unsplash.com/photo-1505373877841-8d25f7d46678?w=1280&h=720&fit=crop&auto=format&q=80 Modern AI'ın beş büyük öğrenme paradigması — supervised, semi-supervised, self-supervised, weakly supervised, ve few-shot/in-context — her birinin veri etiketleme ihtiyacı, maliyet profili ve nerede kullanılması gerektiği. Supervised, Semi-supervised, Self-supervised: Etiketleme İhtiyacı Paradigmalara Göre Nasıl Değişir? https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/schema-karsilastirma-binary-multiclass-hierarchical 2026-05-13T13:03:21.941Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Aynı 1.000 Türkçe yorum dataseti üzerinde üç farklı schema (binary positive/negative, 5-class fine-grained, hierarchical) ile etiketleme yap, model eğit ve performans+maliyet+kullanışlılık karşılaştırması yap. Bu, schema kararının pratik etkisini gösteren tam bir vaka çalışmasıdır. [VAKA] Aynı Veriyi 3 Farklı Schema ile Etiketle: Binary, Multi-class, Hierarchical Karşılaştırma https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/schema-karsilastirma-binary-multiclass-hierarchical 2026-05-13T13:03:21.941Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Aynı 1.000 Türkçe yorum dataseti üzerinde üç farklı schema (binary positive/negative, 5-class fine-grained, hierarchical) ile etiketleme yap, model eğit ve performans+maliyet+kullanışlılık karşılaştırması yap. Bu, schema kararının pratik etkisini gösteren tam bir vaka çalışmasıdır. [VAKA] Aynı Veriyi 3 Farklı Schema ile Etiketle: Binary, Multi-class, Hierarchical Karşılaştırma https://sukruyusufkaya.com/learn/veri-etiketleme-kalite/ground-truth-illuzyonu-annotator-subjectivity 2026-05-13T13:02:10.428Z monthly 0.70 https://images.unsplash.com/photo-1522071820081-009f0129c71c?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketlemenin felsefi temeli: ground truth gerçekte var mı, annotator subjectivity neden kaçınılmaz, "doğru cevap" varsayımının modern AI'da yarattığı sorunlar ve disagreement'i sinyal olarak görmenin yeni paradigması. Ground Truth İllüzyonu: "Doğru Etiket" Diye Bir Şey Gerçekten Var mı? https://sukruyusufkaya.com/en/learn/veri-etiketleme-kalite/ground-truth-illuzyonu-annotator-subjectivity 2026-05-13T13:02:10.428Z monthly 0.60 https://images.unsplash.com/photo-1522071820081-009f0129c71c?w=1280&h=720&fit=crop&auto=format&q=80 Veri etiketlemenin felsefi temeli: ground truth gerçekte var mı, annotator subjectivity neden kaçınılmaz, "doğru cevap" varsayımının modern AI'da yarattığı sorunlar ve disagreement'i sinyal olarak görmenin yeni paradigması. Ground Truth İllüzyonu: "Doğru Etiket" Diye Bir Şey Gerçekten Var mı? https://sukruyusufkaya.com/learn/anomali-tespiti/normal-dagilim-zscore-mad 2026-05-13T13:08:08.402Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Normal dağılımın anomaly detection için anlamı; z-score formülü, sezgisi ve sınırları; modified z-score ve MAD (Median Absolute Deviation) — outlier'a dirençli alternatifler; from-scratch Python implementasyon. Normal Dağılım, Z-Score, Modified Z-Score ve MAD: Anomaly Detection'ın İstatistiksel Aleti https://sukruyusufkaya.com/en/learn/anomali-tespiti/normal-dagilim-zscore-mad 2026-05-13T13:08:08.402Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Normal dağılımın anomaly detection için anlamı; z-score formülü, sezgisi ve sınırları; modified z-score ve MAD (Median Absolute Deviation) — outlier'a dirençli alternatifler; from-scratch Python implementasyon. Normal Dağılım, Z-Score, Modified Z-Score ve MAD: Anomaly Detection'ın İstatistiksel Aleti https://sukruyusufkaya.com/learn/anomali-tespiti/iqr-tukey-adjusted-boxplot 2026-05-13T13:04:48.656Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Interquartile Range (IQR), Tukey's fences (k=1.5 / k=3), boxplot anatomi, ve skewed (asimetrik) veride medcouple ile adjusted boxplot — z-score'un işe yaramadığı yerlerde robust alternatifler. IQR, Tukey's Fences ve Adjusted Boxplot: Skewed Veride Outlier Tespiti https://sukruyusufkaya.com/en/learn/anomali-tespiti/iqr-tukey-adjusted-boxplot 2026-05-13T13:04:48.656Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Interquartile Range (IQR), Tukey's fences (k=1.5 / k=3), boxplot anatomi, ve skewed (asimetrik) veride medcouple ile adjusted boxplot — z-score'un işe yaramadığı yerlerde robust alternatifler. IQR, Tukey's Fences ve Adjusted Boxplot: Skewed Veride Outlier Tespiti https://sukruyusufkaya.com/learn/anomali-tespiti/grubbs-dixon-esd-testleri 2026-05-13T13:04:48.746Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Klasik istatistiksel hipotez testleri ile outlier tespiti: Grubbs test (tek outlier), Dixon Q-test (küçük örneklem), Generalized ESD (çoklu outlier) — p-değer, formüller, scipy implementasyonu, ve hangi test ne zaman. Grubbs, Dixon ve Generalized ESD: Outlier Tespitini Hipotez Testine Çevirmek https://sukruyusufkaya.com/en/learn/anomali-tespiti/grubbs-dixon-esd-testleri 2026-05-13T13:04:48.746Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Klasik istatistiksel hipotez testleri ile outlier tespiti: Grubbs test (tek outlier), Dixon Q-test (küçük örneklem), Generalized ESD (çoklu outlier) — p-değer, formüller, scipy implementasyonu, ve hangi test ne zaman. Grubbs, Dixon ve Generalized ESD: Outlier Tespitini Hipotez Testine Çevirmek https://sukruyusufkaya.com/learn/anomali-tespiti/chebyshev-evt-pot-uc-olaylar 2026-05-13T13:04:48.832Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Normal varsayımı geçmediğinde: Chebyshev eşitsizliği ile dağılım-agnostik sınır; Extreme Value Theory (block maxima, GEV); Peak Over Threshold (POT) ile Generalized Pareto Distribution — banking ve telekomda baş aktör. Chebyshev, Extreme Value Theory ve Peak Over Threshold: Uç Olayların İstatistiği https://sukruyusufkaya.com/en/learn/anomali-tespiti/chebyshev-evt-pot-uc-olaylar 2026-05-13T13:04:48.832Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Normal varsayımı geçmediğinde: Chebyshev eşitsizliği ile dağılım-agnostik sınır; Extreme Value Theory (block maxima, GEV); Peak Over Threshold (POT) ile Generalized Pareto Distribution — banking ve telekomda baş aktör. Chebyshev, Extreme Value Theory ve Peak Over Threshold: Uç Olayların İstatistiği https://sukruyusufkaya.com/learn/anomali-tespiti/robust-istatistik-huber-m-estimator-mcd 2026-05-13T13:04:48.919Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Klasik istatistiğin outlier'a karşı kırılganlığı; robust istatistik felsefesi; M-estimator çatısı; Huber ve Tukey biweight loss; Minimum Covariance Determinant (MCD) ile robust çok-değişkenli tahmin — modern AD'nin gizli temeli. Robust İstatistikler: Huber, M-Estimator, Tukey Biweight ve MCD — Outlier'a Dirençli Tahmin https://sukruyusufkaya.com/en/learn/anomali-tespiti/robust-istatistik-huber-m-estimator-mcd 2026-05-13T13:04:48.919Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Klasik istatistiğin outlier'a karşı kırılganlığı; robust istatistik felsefesi; M-estimator çatısı; Huber ve Tukey biweight loss; Minimum Covariance Determinant (MCD) ile robust çok-değişkenli tahmin — modern AD'nin gizli temeli. Robust İstatistikler: Huber, M-Estimator, Tukey Biweight ve MCD — Outlier'a Dirençli Tahmin https://sukruyusufkaya.com/learn/anomali-tespiti/hands-on-nyc-taxi-5-detektor-benchmark 2026-05-13T13:04:49.004Z monthly 0.70 https://images.unsplash.com/photo-1460925895917-afdab827c52f?w=1280&h=720&fit=crop&auto=format&q=80 Numenta NAB benchmark'ından NYC Taxi saatlik talep verisi: z-score, modified z, IQR, adjusted boxplot ve POT detektörlerini yan yana koşturup PR-AUC karşılaştırması — kursun ilk gerçek dataset hands-on lab'ı. Hands-on Lab: NYC Taxi Talep Anomalisinde 5 İstatistiksel Detektör Karşılaştırma https://sukruyusufkaya.com/en/learn/anomali-tespiti/hands-on-nyc-taxi-5-detektor-benchmark 2026-05-13T13:04:49.004Z monthly 0.60 https://images.unsplash.com/photo-1460925895917-afdab827c52f?w=1280&h=720&fit=crop&auto=format&q=80 Numenta NAB benchmark'ından NYC Taxi saatlik talep verisi: z-score, modified z, IQR, adjusted boxplot ve POT detektörlerini yan yana koşturup PR-AUC karşılaştırması — kursun ilk gerçek dataset hands-on lab'ı. Hands-on Lab: NYC Taxi Talep Anomalisinde 5 İstatistiksel Detektör Karşılaştırma https://sukruyusufkaya.com/learn/llm-muhendisligi/benchmark-anatomi-mmlu-arena 2026-05-13T13:00:32.050Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 LLM benchmark'larının matematiksel ve epistemik anatomi: MMLU (Hendrycks 2020 — 57 task), HumanEval (Chen 2021 — kod), MT-Bench (Zheng 2023 — chat), LMSys Chatbot Arena (community ELO ranking), GPQA (Rein 2023 — graduate-level reasoning). 'Niye bir benchmark yeterli değil?' Türkçe için TR-MMLU, MUKAYESE, BoazıçNLP. **Benchmark contamination** sorununun ciddi analizi — model'in eğitim verisinde test soruları varsa skor yanıltıcı. Holistic evaluation yaklaşımı. Benchmark Anatomi: MMLU'dan LMSys Arena'ya — LLM Kalitesini Ölçmenin Bilimi ve Sanatı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/benchmark-anatomi-mmlu-arena 2026-05-13T13:00:32.050Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 LLM benchmark'larının matematiksel ve epistemik anatomi: MMLU (Hendrycks 2020 — 57 task), HumanEval (Chen 2021 — kod), MT-Bench (Zheng 2023 — chat), LMSys Chatbot Arena (community ELO ranking), GPQA (Rein 2023 — graduate-level reasoning). 'Niye bir benchmark yeterli değil?' Türkçe için TR-MMLU, MUKAYESE, BoazıçNLP. **Benchmark contamination** sorununun ciddi analizi — model'in eğitim verisinde test soruları varsa skor yanıltıcı. Holistic evaluation yaklaşımı. Benchmark Anatomi: MMLU'dan LMSys Arena'ya — LLM Kalitesini Ölçmenin Bilimi ve Sanatı https://sukruyusufkaya.com/learn/llm-muhendisligi/production-eval-framework-test-set-llm-judge 2026-05-13T13:00:32.142Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Production-grade LLM evaluation framework kurmak: test set design (sampling strategy, edge cases, adversarial), automated eval pipeline (pytest-like setup), LLM-as-a-judge stratejileri (GPT-4o vs Claude vs ensemble, bias detection), error analysis (clustering, root cause), A/B testing protokolleri (statistical significance, sample size). Modül 15-20'deki 7 production artefakt'ı objektif karşılaştırma. Python + Pydantic ile clean evaluation code. Production Evaluation Framework: Test Set Design'dan LLM-as-Judge'a — Kendi Türkçe Eval Sistemi Kur https://sukruyusufkaya.com/en/learn/llm-muhendisligi/production-eval-framework-test-set-llm-judge 2026-05-13T13:00:32.142Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Production-grade LLM evaluation framework kurmak: test set design (sampling strategy, edge cases, adversarial), automated eval pipeline (pytest-like setup), LLM-as-a-judge stratejileri (GPT-4o vs Claude vs ensemble, bias detection), error analysis (clustering, root cause), A/B testing protokolleri (statistical significance, sample size). Modül 15-20'deki 7 production artefakt'ı objektif karşılaştırma. Python + Pydantic ile clean evaluation code. Production Evaluation Framework: Test Set Design'dan LLM-as-Judge'a — Kendi Türkçe Eval Sistemi Kur https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-tr-llmarena-leaderboard 2026-05-13T13:00:32.233Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modül 21 capstone: Türkçe LMSys benzeri community-driven leaderboard. Çift-anonim A/B vote sistemi, ELO ranking, aylık leaderboard. HuggingFace Spaces deploy, GPT-4o/Claude/Llama-3 vs Türkçe modeller (Modül 14-20 capstone'ları). Türkçe AI ekosistemine somut bilim katkısı. Müfredatın 12. production artefaktı. Capstone Modül 21: TR-LLMArena — Türkçe LMSys-tarzı Community Leaderboard https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-tr-llmarena-leaderboard 2026-05-13T13:00:32.233Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modül 21 capstone: Türkçe LMSys benzeri community-driven leaderboard. Çift-anonim A/B vote sistemi, ELO ranking, aylık leaderboard. HuggingFace Spaces deploy, GPT-4o/Claude/Llama-3 vs Türkçe modeller (Modül 14-20 capstone'ları). Türkçe AI ekosistemine somut bilim katkısı. Müfredatın 12. production artefaktı. Capstone Modül 21: TR-LLMArena — Türkçe LMSys-tarzı Community Leaderboard https://sukruyusufkaya.com/learn/llm-muhendisligi/jailbreak-red-teaming-constitutional-ai 2026-05-13T13:00:32.316Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLM güvenliğinin saldırı + savunma tarafı: prompt injection, jailbreak teknikleri (DAN, roleplay, encoding attacks), token smuggling, indirect injection (RAG'lerden sızıntı). Bai vd. 2022 Constitutional AI yaklaşımı — Anthropic'in savunma stratejisi. Red-teaming protocols (OpenAI, Anthropic best practices). Türkçe-özgül jailbreak örnekleri (İslami hassasiyet bypass, KVKK bypass denemeleri). Production-grade savunma katmanları: input filter + output filter + monitoring. Jailbreak ve Red-Teaming: 'DAN'dan Constitutional AI'a — LLM Saldırı ve Savunma Sanatı https://sukruyusufkaya.com/en/learn/llm-muhendisligi/jailbreak-red-teaming-constitutional-ai 2026-05-13T13:00:32.316Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLM güvenliğinin saldırı + savunma tarafı: prompt injection, jailbreak teknikleri (DAN, roleplay, encoding attacks), token smuggling, indirect injection (RAG'lerden sızıntı). Bai vd. 2022 Constitutional AI yaklaşımı — Anthropic'in savunma stratejisi. Red-teaming protocols (OpenAI, Anthropic best practices). Türkçe-özgül jailbreak örnekleri (İslami hassasiyet bypass, KVKK bypass denemeleri). Production-grade savunma katmanları: input filter + output filter + monitoring. Jailbreak ve Red-Teaming: 'DAN'dan Constitutional AI'a — LLM Saldırı ve Savunma Sanatı https://sukruyusufkaya.com/learn/llm-muhendisligi/kvkk-ab-ai-act-turkce-llm-regulasyon 2026-05-13T13:00:32.405Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe LLM mühendisinin regülasyon rehberi: KVKK (6698 sayılı kanun) tüm relevant maddeler, **AB AI Act** (Haziran 2024) risk kategorileri (yasak, yüksek-risk, sınırlı, minimal), Türk şirketin AB'ye hizmet verme ikilemi (hem KVKK hem AI Act compliance). Production compliance pipeline: VERBİS kaydı, veri envanteri, GDPR-uyumlu logging, KVK kurulu denetimi, AI Act high-risk dokumentasyon. Gerçek davalar ve cezalar (KVKK ile $50K+ fines). KVKK + AB AI Act Regülasyon: Türk LLM Mühendisinin Hukuki Rehberi — Compliance Pipeline Kurmak https://sukruyusufkaya.com/en/learn/llm-muhendisligi/kvkk-ab-ai-act-turkce-llm-regulasyon 2026-05-13T13:00:32.405Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe LLM mühendisinin regülasyon rehberi: KVKK (6698 sayılı kanun) tüm relevant maddeler, **AB AI Act** (Haziran 2024) risk kategorileri (yasak, yüksek-risk, sınırlı, minimal), Türk şirketin AB'ye hizmet verme ikilemi (hem KVKK hem AI Act compliance). Production compliance pipeline: VERBİS kaydı, veri envanteri, GDPR-uyumlu logging, KVK kurulu denetimi, AI Act high-risk dokumentasyon. Gerçek davalar ve cezalar (KVKK ile $50K+ fines). KVKK + AB AI Act Regülasyon: Türk LLM Mühendisinin Hukuki Rehberi — Compliance Pipeline Kurmak https://sukruyusufkaya.com/learn/llm-muhendisligi/capstone-turkce-llm-compliance-stack 2026-05-13T13:00:32.497Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 22 capstone: müfredatın 12 production artefakt'ını (Modül 6-21) KVKK + AB AI Act uyumlu hale getirmek. Audit log infrastructure + encryption + deletion endpoint + breach response plan + AB temsilci + AI Act risk değerlendirme dokümantasyonu. Müfredatın **13. ve final production artefaktı**. Aynı zamanda müfredatın **resmi kapanışı** — sıfırdan AI mühendisliğine 200+ saatlik uzman seviye yolculuğun sonu. Capstone Modül 22: Türkçe LLM Compliance Stack — Müfredatın Kapanış Kurdelesi https://sukruyusufkaya.com/en/learn/llm-muhendisligi/capstone-turkce-llm-compliance-stack 2026-05-13T13:00:32.497Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Modül 22 capstone: müfredatın 12 production artefakt'ını (Modül 6-21) KVKK + AB AI Act uyumlu hale getirmek. Audit log infrastructure + encryption + deletion endpoint + breach response plan + AB temsilci + AI Act risk değerlendirme dokümantasyonu. Müfredatın **13. ve final production artefaktı**. Aynı zamanda müfredatın **resmi kapanışı** — sıfırdan AI mühendisliğine 200+ saatlik uzman seviye yolculuğun sonu. Capstone Modül 22: Türkçe LLM Compliance Stack — Müfredatın Kapanış Kurdelesi https://sukruyusufkaya.com/learn/anomali-tespiti/class-imbalance-problemi-accuracy-yalan 2026-05-13T13:04:49.092Z monthly 0.70 https://images.unsplash.com/photo-1559526324-4b87b5e36e44?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly detection'ın temel zorluğu: dengesiz sınıf dağılımı. 1:1.000.000 oranlarında neden klasik ML çöker, accuracy paradoksu, imbalanced learning'in matematiksel ve pratik etkileri, sektörel imbalance tablosu. Class Imbalance Problemi: 1:1.000.000 Oranında Fraud ve Neden Accuracy Yalan Söyler https://sukruyusufkaya.com/en/learn/anomali-tespiti/class-imbalance-problemi-accuracy-yalan 2026-05-13T13:04:49.092Z monthly 0.60 https://images.unsplash.com/photo-1559526324-4b87b5e36e44?w=1280&h=720&fit=crop&auto=format&q=80 Anomaly detection'ın temel zorluğu: dengesiz sınıf dağılımı. 1:1.000.000 oranlarında neden klasik ML çöker, accuracy paradoksu, imbalanced learning'in matematiksel ve pratik etkileri, sektörel imbalance tablosu. Class Imbalance Problemi: 1:1.000.000 Oranında Fraud ve Neden Accuracy Yalan Söyler https://sukruyusufkaya.com/learn/anomali-tespiti/sampling-stratejileri-smote-adasyn 2026-05-13T13:04:49.181Z monthly 0.70 https://images.unsplash.com/photo-1543286386-713bdd548da4?w=1280&h=720&fit=crop&auto=format&q=80 Imbalanced veride sentetik pozitif örnek üretme: Random oversampling/undersampling, SMOTE, ADASYN, Borderline-SMOTE, SMOTE-NC (numeric + categorical), SMOTE-Tomek hibrit; imblearn pipeline'ı ve sık karşılaşılan tuzaklar. Sampling Stratejileri: SMOTE, ADASYN, Borderline-SMOTE, SMOTE-NC — Sentetik Pozitif Üretmenin Sanatı https://sukruyusufkaya.com/en/learn/anomali-tespiti/sampling-stratejileri-smote-adasyn 2026-05-13T13:04:49.181Z monthly 0.60 https://images.unsplash.com/photo-1543286386-713bdd548da4?w=1280&h=720&fit=crop&auto=format&q=80 Imbalanced veride sentetik pozitif örnek üretme: Random oversampling/undersampling, SMOTE, ADASYN, Borderline-SMOTE, SMOTE-NC (numeric + categorical), SMOTE-Tomek hibrit; imblearn pipeline'ı ve sık karşılaşılan tuzaklar. Sampling Stratejileri: SMOTE, ADASYN, Borderline-SMOTE, SMOTE-NC — Sentetik Pozitif Üretmenin Sanatı https://sukruyusufkaya.com/learn/anomali-tespiti/cost-sensitive-learning-focal-loss 2026-05-13T13:04:49.268Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Sampling alternatifi: loss function'ı değiştirme. Cost matrix, class weight, sample weight, asymmetric loss, focal loss (Lin et al., 2017), Tversky loss, ve imbalanced AD'de pratik uygulamalar. Cost-Sensitive Learning ve Focal Loss: Loss Function'ı Imbalanced'a Eğitmek https://sukruyusufkaya.com/en/learn/anomali-tespiti/cost-sensitive-learning-focal-loss 2026-05-13T13:04:49.268Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Sampling alternatifi: loss function'ı değiştirme. Cost matrix, class weight, sample weight, asymmetric loss, focal loss (Lin et al., 2017), Tversky loss, ve imbalanced AD'de pratik uygulamalar. Cost-Sensitive Learning ve Focal Loss: Loss Function'ı Imbalanced'a Eğitmek https://sukruyusufkaya.com/learn/anomali-tespiti/weak-supervision-snorkel-programmatic-labeling 2026-05-13T13:04:49.355Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Manuel etiket pahalı olduğunda 'programmatic labeling': Snorkel framework, labeling functions, label model (generative), Cleanlab ile etiket düzeltme, weak supervision'ın güçlü ve zayıf yönleri. Weak Supervision ve Snorkel: Etiket Pahalı Olduğunda Programmatic Labeling https://sukruyusufkaya.com/en/learn/anomali-tespiti/weak-supervision-snorkel-programmatic-labeling 2026-05-13T13:04:49.355Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Manuel etiket pahalı olduğunda 'programmatic labeling': Snorkel framework, labeling functions, label model (generative), Cleanlab ile etiket düzeltme, weak supervision'ın güçlü ve zayıf yönleri. Weak Supervision ve Snorkel: Etiket Pahalı Olduğunda Programmatic Labeling https://sukruyusufkaya.com/learn/anomali-tespiti/hands-on-ieee-cis-fraud-4-sampling-benchmark 2026-05-13T13:08:25.087Z monthly 0.70 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Kaggle IEEE-CIS Fraud Kaggle verisinde 4 imbalance stratejisi (baseline / SMOTE / class_weight / focal loss) yan yana koşturulup PR-AUC, recall@k ve maliyet karşılaştırması — Capstone 1'in temel taşı. Hands-on Lab: IEEE-CIS Fraud Verisinde 4 Sampling Stratejisi Benchmark https://sukruyusufkaya.com/en/learn/anomali-tespiti/hands-on-ieee-cis-fraud-4-sampling-benchmark 2026-05-13T13:08:25.087Z monthly 0.60 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Kaggle IEEE-CIS Fraud Kaggle verisinde 4 imbalance stratejisi (baseline / SMOTE / class_weight / focal loss) yan yana koşturulup PR-AUC, recall@k ve maliyet karşılaştırması — Capstone 1'in temel taşı. Hands-on Lab: IEEE-CIS Fraud Verisinde 4 Sampling Stratejisi Benchmark https://sukruyusufkaya.com/learn/oneri-sistemleri/oneri-sistemleri-neden-onemli-disiplinin-dogusu 2026-05-13T13:29:32.913Z monthly 0.70 https://images.unsplash.com/photo-1607083206869-4c7672e72a8a?w=1280&h=720&fit=crop&auto=format&q=80 Tavsiye motorları interneti şekillendiren tek mühendislik disiplinidir: Netflix izlemelerinin %80'i, YouTube tüketiminin %70'i, Amazon'un %35'i öneri sistemlerinden gelir. Bu disiplinin doğuşunu, milyar dolarlık etkisini ve neden tam şimdi öğrenilmesi gerektiğini görüyoruz. Öneri Sistemleri Neden Bu Kadar Önemli? Bir Disiplinin Doğuşu, Bugünü ve Yarını https://sukruyusufkaya.com/en/learn/oneri-sistemleri/oneri-sistemleri-neden-onemli-disiplinin-dogusu 2026-05-13T13:29:32.913Z monthly 0.60 https://images.unsplash.com/photo-1607083206869-4c7672e72a8a?w=1280&h=720&fit=crop&auto=format&q=80 Tavsiye motorları interneti şekillendiren tek mühendislik disiplinidir: Netflix izlemelerinin %80'i, YouTube tüketiminin %70'i, Amazon'un %35'i öneri sistemlerinden gelir. Bu disiplinin doğuşunu, milyar dolarlık etkisini ve neden tam şimdi öğrenilmesi gerektiğini görüyoruz. Öneri Sistemleri Neden Bu Kadar Önemli? Bir Disiplinin Doğuşu, Bugünü ve Yarını https://sukruyusufkaya.com/learn/oneri-sistemleri/recommender-engineer-kimdir-kariyer-haritasi 2026-05-13T13:29:33.071Z monthly 0.70 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Recommender Engineer = Data Engineer + ML Engineer + ML Researcher + Backend Engineer'ın belirli bir kesişimi. 8 yetkinlik kategorisinde tam atlas, junior → senior → staff yolculuğu, görüşmelerde sorulan tipik sorular ve T-şeklinde uzmanlık stratejisi. Recommender Engineer Kimdir? Yetkinlik Atlası ve Junior → Staff Kariyer Haritası https://sukruyusufkaya.com/en/learn/oneri-sistemleri/recommender-engineer-kimdir-kariyer-haritasi 2026-05-13T13:29:33.071Z monthly 0.60 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Recommender Engineer = Data Engineer + ML Engineer + ML Researcher + Backend Engineer'ın belirli bir kesişimi. 8 yetkinlik kategorisinde tam atlas, junior → senior → staff yolculuğu, görüşmelerde sorulan tipik sorular ve T-şeklinde uzmanlık stratejisi. Recommender Engineer Kimdir? Yetkinlik Atlası ve Junior → Staff Kariyer Haritası https://sukruyusufkaya.com/learn/oneri-sistemleri/kurs-felsefesi-matematik-manuel-kod-kutuphane-benchmark 2026-05-13T13:29:33.167Z monthly 0.70 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 Bu kurs neden klasik 'Coursera tarzından' farklı? Her konuyu 5 aşamada işliyoruz: (1) Kağıt-kalem matematik, (2) Saf NumPy ile sıfırdan, (3) Kütüphane ile üretim-tarzı, (4) Aynı dataset üzerinde benchmark, (5) 'production gotcha' notu. Bu sıra neden 3x daha derin bir öğrenme verir? Kurs Felsefesi: Matematik → Manuel Kod → Kütüphane → Benchmark → Üretim https://sukruyusufkaya.com/en/learn/oneri-sistemleri/kurs-felsefesi-matematik-manuel-kod-kutuphane-benchmark 2026-05-13T13:29:33.167Z monthly 0.60 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 Bu kurs neden klasik 'Coursera tarzından' farklı? Her konuyu 5 aşamada işliyoruz: (1) Kağıt-kalem matematik, (2) Saf NumPy ile sıfırdan, (3) Kütüphane ile üretim-tarzı, (4) Aynı dataset üzerinde benchmark, (5) 'production gotcha' notu. Bu sıra neden 3x daha derin bir öğrenme verir? Kurs Felsefesi: Matematik → Manuel Kod → Kütüphane → Benchmark → Üretim https://sukruyusufkaya.com/learn/oneri-sistemleri/atolye-kurulumu-python-uv-pytorch-faiss-polars-jupyter 2026-05-13T13:29:33.261Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Recommender systems çalışmak için modern bir Python ortamını sıfırdan kuruyoruz: uv (Rust-based, conda'dan 80x hızlı), Python 3.12, PyTorch 2.5+, FAISS CPU+GPU, Polars, implicit, lightfm, surprise, Jupyter Lab. Mac, Windows (WSL2), Linux ve Google Colab seçenekleri. Atölye Kurulumu: Python 3.12, uv, PyTorch, FAISS, Polars ve Jupyter Lab https://sukruyusufkaya.com/en/learn/oneri-sistemleri/atolye-kurulumu-python-uv-pytorch-faiss-polars-jupyter 2026-05-13T13:29:33.261Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Recommender systems çalışmak için modern bir Python ortamını sıfırdan kuruyoruz: uv (Rust-based, conda'dan 80x hızlı), Python 3.12, PyTorch 2.5+, FAISS CPU+GPU, Polars, implicit, lightfm, surprise, Jupyter Lab. Mac, Windows (WSL2), Linux ve Google Colab seçenekleri. Atölye Kurulumu: Python 3.12, uv, PyTorch, FAISS, Polars ve Jupyter Lab https://sukruyusufkaya.com/learn/oneri-sistemleri/veri-setleri-etik-sozlesme-movielens-amazon-hm 2026-05-13T13:29:33.353Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Kurs boyunca kullanacağımız 8 datasetin tam profili: MovieLens (3 boyut), Amazon Reviews (2023), RetailRocket, H&M Fashion, MIND News, Spotify MPD, Last.fm, Yelp. Her birinin lisansı, boyutu, indirme adımı, neye uygun olduğu ve etik sözleşme. Veri Setlerimiz ve Etik Sözleşme: MovieLens'ten H&M'e Sahaya İniş https://sukruyusufkaya.com/en/learn/oneri-sistemleri/veri-setleri-etik-sozlesme-movielens-amazon-hm 2026-05-13T13:29:33.353Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Kurs boyunca kullanacağımız 8 datasetin tam profili: MovieLens (3 boyut), Amazon Reviews (2023), RetailRocket, H&M Fashion, MIND News, Spotify MPD, Last.fm, Yelp. Her birinin lisansı, boyutu, indirme adımı, neye uygun olduğu ve etik sözleşme. Veri Setlerimiz ve Etik Sözleşme: MovieLens'ten H&M'e Sahaya İniş https://sukruyusufkaya.com/learn/oneri-sistemleri/tavsiye-motorlari-nerede-calisir-mimari-turu 2026-05-13T13:29:33.443Z monthly 0.70 https://images.unsplash.com/photo-1607082348824-0a96f2a4b9da?w=1280&h=720&fit=crop&auto=format&q=80 6 büyük şirketin yayınlanmış mühendislik blog'larına dayalı somut mimari turu: Netflix retrieval-ranking pipeline'ı, YouTube'un 2 aşamalı modeli, Spotify Discover Weekly'nin BaRT mimarisi, Amazon item-CF mirası, TikTok Monolith, Trendyol kişiselleştirme. Tavsiye Motorları Nerede Çalışır? Netflix, YouTube, Spotify, Amazon, TikTok, Trendyol Mimari Turu https://sukruyusufkaya.com/en/learn/oneri-sistemleri/tavsiye-motorlari-nerede-calisir-mimari-turu 2026-05-13T13:29:33.443Z monthly 0.60 https://images.unsplash.com/photo-1607082348824-0a96f2a4b9da?w=1280&h=720&fit=crop&auto=format&q=80 6 büyük şirketin yayınlanmış mühendislik blog'larına dayalı somut mimari turu: Netflix retrieval-ranking pipeline'ı, YouTube'un 2 aşamalı modeli, Spotify Discover Weekly'nin BaRT mimarisi, Amazon item-CF mirası, TikTok Monolith, Trendyol kişiselleştirme. Tavsiye Motorları Nerede Çalışır? Netflix, YouTube, Spotify, Amazon, TikTok, Trendyol Mimari Turu https://sukruyusufkaya.com/learn/oneri-sistemleri/problem-tipolojisi-rating-ranking-topn-sequential 2026-05-13T13:29:33.531Z monthly 0.70 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Bir recommender problem 4 farklı şekilde formüle edilebilir — ve doğru formülasyonu seçmek çoğu zaman doğru algoritmayı seçmekten önemlidir. Her birinin matematiksel tanımı, ne zaman seçilir, hangi metrikle ölçülür ve hangi gerçek senaryolar yaşar. Problem Tipolojisi: Rating Prediction vs. Ranking vs. Top-N Retrieval vs. Sequential https://sukruyusufkaya.com/en/learn/oneri-sistemleri/problem-tipolojisi-rating-ranking-topn-sequential 2026-05-13T13:29:33.531Z monthly 0.60 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Bir recommender problem 4 farklı şekilde formüle edilebilir — ve doğru formülasyonu seçmek çoğu zaman doğru algoritmayı seçmekten önemlidir. Her birinin matematiksel tanımı, ne zaman seçilir, hangi metrikle ölçülür ve hangi gerçek senaryolar yaşar. Problem Tipolojisi: Rating Prediction vs. Ranking vs. Top-N Retrieval vs. Sequential https://sukruyusufkaya.com/learn/oneri-sistemleri/explicit-implicit-feedback-rating-click-skip 2026-05-13T13:29:33.622Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Recommender'da kullanılan iki temel veri türü: explicit (kullanıcı bilerek verdiği yıldız/like) vs implicit (click, dwell time, completion, skip). Farkları, loss fonksiyonu etkisi, bias kaynakları, hibrit kullanımı ve gerçek e-ticaret etiketleme stratejileri. Explicit ve Implicit Feedback: 1-5 Yıldızdan Tıklama-Skip Davranışına Eksiksiz Rehber https://sukruyusufkaya.com/en/learn/oneri-sistemleri/explicit-implicit-feedback-rating-click-skip 2026-05-13T13:29:33.622Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Recommender'da kullanılan iki temel veri türü: explicit (kullanıcı bilerek verdiği yıldız/like) vs implicit (click, dwell time, completion, skip). Farkları, loss fonksiyonu etkisi, bias kaynakları, hibrit kullanımı ve gerçek e-ticaret etiketleme stratejileri. Explicit ve Implicit Feedback: 1-5 Yıldızdan Tıklama-Skip Davranışına Eksiksiz Rehber https://sukruyusufkaya.com/learn/oneri-sistemleri/cold-start-problemi-user-item-system-cozumler 2026-05-13T13:29:33.716Z monthly 0.70 https://images.unsplash.com/photo-1607083206869-4c7672e72a8a?w=1280&h=720&fit=crop&auto=format&q=80 Recommender sistemlerin en sinir bozucu problemi: hakkında veri olmayan kullanıcı/item'a nasıl öneri yaparsın? User cold-start, item cold-start ve system cold-start için pratik strateji haritası — Netflix'in 5-film ekranından TikTok'un viral-loop'una. Cold-Start Probleminin Üç Yüzü: User, Item, System — ve Pratik Çözümler https://sukruyusufkaya.com/en/learn/oneri-sistemleri/cold-start-problemi-user-item-system-cozumler 2026-05-13T13:29:33.716Z monthly 0.60 https://images.unsplash.com/photo-1607083206869-4c7672e72a8a?w=1280&h=720&fit=crop&auto=format&q=80 Recommender sistemlerin en sinir bozucu problemi: hakkında veri olmayan kullanıcı/item'a nasıl öneri yaparsın? User cold-start, item cold-start ve system cold-start için pratik strateji haritası — Netflix'in 5-film ekranından TikTok'un viral-loop'una. Cold-Start Probleminin Üç Yüzü: User, Item, System — ve Pratik Çözümler https://sukruyusufkaya.com/learn/oneri-sistemleri/movielens-schema-eda-polars-yukleme 2026-05-13T13:29:33.819Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 MovieLens-100K, 1M ve 25M'in dosya yapısı, satır-satır schema, Polars ile lazy/streaming load (Pandas'tan 10-30x hızlı), sparse matrix'e çevirme, ilk EDA grafikleri ve veri kalite kontrolleri. MovieLens'i Sıfırdan Tanıyalım: Schema, EDA ve Polars ile Verimli Yükleme https://sukruyusufkaya.com/en/learn/oneri-sistemleri/movielens-schema-eda-polars-yukleme 2026-05-13T13:29:33.819Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 MovieLens-100K, 1M ve 25M'in dosya yapısı, satır-satır schema, Polars ile lazy/streaming load (Pandas'tan 10-30x hızlı), sparse matrix'e çevirme, ilk EDA grafikleri ve veri kalite kontrolleri. MovieLens'i Sıfırdan Tanıyalım: Schema, EDA ve Polars ile Verimli Yükleme https://sukruyusufkaya.com/learn/oneri-sistemleri/implicit-feedback-etikete-cevirmek-click-dwell-aggregation 2026-05-13T13:29:33.917Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Bir e-ticaret site log'unun ham hali → modelin eğitilebileceği etiket veri seti. Hu/Koren confidence weighting'in matematiği ve NumPy implementasyonu, multi-signal weighted aggregation, session reconstruction, label leakage'ı önleme. Implicit Feedback'i Etikete Çevirmek: Click, Dwell ve Multi-Signal Aggregation https://sukruyusufkaya.com/en/learn/oneri-sistemleri/implicit-feedback-etikete-cevirmek-click-dwell-aggregation 2026-05-13T13:29:33.917Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Bir e-ticaret site log'unun ham hali → modelin eğitilebileceği etiket veri seti. Hu/Koren confidence weighting'in matematiği ve NumPy implementasyonu, multi-signal weighted aggregation, session reconstruction, label leakage'ı önleme. Implicit Feedback'i Etikete Çevirmek: Click, Dwell ve Multi-Signal Aggregation https://sukruyusufkaya.com/learn/oneri-sistemleri/bias-galaksisi-position-popularity-ips-correction 2026-05-13T13:29:34.005Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Recommender sistemlerinin 5 önemli bias'ı (position, presentation, popularity, exposure, selection), her birinin matematiksel tanımı, log data'da gözlemleme yolları, ve Inverse Propensity Scoring (IPS) düzeltmesinin türetimi + NumPy implementasyonu. Bias Galaksisi: Position, Presentation, Popularity ve IPS Düzeltmesi https://sukruyusufkaya.com/en/learn/oneri-sistemleri/bias-galaksisi-position-popularity-ips-correction 2026-05-13T13:29:34.005Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Recommender sistemlerinin 5 önemli bias'ı (position, presentation, popularity, exposure, selection), her birinin matematiksel tanımı, log data'da gözlemleme yolları, ve Inverse Propensity Scoring (IPS) düzeltmesinin türetimi + NumPy implementasyonu. Bias Galaksisi: Position, Presentation, Popularity ve IPS Düzeltmesi https://sukruyusufkaya.com/learn/oneri-sistemleri/gdpr-kvkk-unutulma-hakki-recommender-compliance 2026-05-13T13:29:34.096Z monthly 0.70 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Bir recommender sistemi data subject rights (erişim, silme, taşıma) ile nasıl uyum sağlar? AB AI Act 2024-2026 takvimi, KVKK'nın 2025 güncellemesi, ML modelinden user data'sı çıkarma teknikleri (machine unlearning), audit log gereksinimleri. GDPR, KVKK ve Unutulma Hakkı: Recommender'da Hukuk Uyumu https://sukruyusufkaya.com/en/learn/oneri-sistemleri/gdpr-kvkk-unutulma-hakki-recommender-compliance 2026-05-13T13:29:34.096Z monthly 0.60 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Bir recommender sistemi data subject rights (erişim, silme, taşıma) ile nasıl uyum sağlar? AB AI Act 2024-2026 takvimi, KVKK'nın 2025 güncellemesi, ML modelinden user data'sı çıkarma teknikleri (machine unlearning), audit log gereksinimleri. GDPR, KVKK ve Unutulma Hakkı: Recommender'da Hukuk Uyumu https://sukruyusufkaya.com/learn/oneri-sistemleri/dogruluk-metrikleri-rmse-ndcg-map-numpy 2026-05-13T13:29:34.186Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 8 ana doğruluk metriğinin tam matematiksel tanımı, sıfırdan NumPy implementasyonu, MovieLens üzerinde karşılaştırmalı çalıştırma, ve hangi durumda hangi metriği seçmen gerektiği — recommender mühendisinin metric cheat sheet'i. Doğruluk Metrikleri: RMSE, MAE, Precision@K, Recall@K, MAP, MRR, NDCG, HR@K — Tam Matematik + NumPy https://sukruyusufkaya.com/en/learn/oneri-sistemleri/dogruluk-metrikleri-rmse-ndcg-map-numpy 2026-05-13T13:29:34.186Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 8 ana doğruluk metriğinin tam matematiksel tanımı, sıfırdan NumPy implementasyonu, MovieLens üzerinde karşılaştırmalı çalıştırma, ve hangi durumda hangi metriği seçmen gerektiği — recommender mühendisinin metric cheat sheet'i. Doğruluk Metrikleri: RMSE, MAE, Precision@K, Recall@K, MAP, MRR, NDCG, HR@K — Tam Matematik + NumPy https://sukruyusufkaya.com/learn/oneri-sistemleri/beyond-accuracy-coverage-diversity-novelty-serendipity 2026-05-13T13:29:34.294Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 NDCG'si yüksek ama kullanıcı sıkılan recommender'ın sebebi: tek metrik 'doğruluk' ile ölçüldü. Coverage, intra-list similarity (ILS), novelty, serendipity ve gini coefficient ile sistemin tüm yüzlerini ölç. Beyond-Accuracy: Coverage, Diversity (ILS), Novelty, Serendipity ve Popularity Bias Ölçümü https://sukruyusufkaya.com/en/learn/oneri-sistemleri/beyond-accuracy-coverage-diversity-novelty-serendipity 2026-05-13T13:29:34.294Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 NDCG'si yüksek ama kullanıcı sıkılan recommender'ın sebebi: tek metrik 'doğruluk' ile ölçüldü. Coverage, intra-list similarity (ILS), novelty, serendipity ve gini coefficient ile sistemin tüm yüzlerini ölç. Beyond-Accuracy: Coverage, Diversity (ILS), Novelty, Serendipity ve Popularity Bias Ölçümü https://sukruyusufkaya.com/learn/oneri-sistemleri/veri-bolme-stratejileri-random-time-user-loo 2026-05-13T13:29:34.393Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 MovieLens'i nasıl bölersen NDCG'nin değişir — 0.15 veya 0.25. Bu derste 5 ana split stratejisi, her birinin ne zaman doğru, ne zaman 'leakage' verdiği ve production realism açısından karşılaştırması. Veri Bölme Stratejileri: Random, Time, User, Leave-One-Out — Pratik Trade-Off https://sukruyusufkaya.com/en/learn/oneri-sistemleri/veri-bolme-stratejileri-random-time-user-loo 2026-05-13T13:29:34.393Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 MovieLens'i nasıl bölersen NDCG'nin değişir — 0.15 veya 0.25. Bu derste 5 ana split stratejisi, her birinin ne zaman doğru, ne zaman 'leakage' verdiği ve production realism açısından karşılaştırması. Veri Bölme Stratejileri: Random, Time, User, Leave-One-Out — Pratik Trade-Off https://sukruyusufkaya.com/learn/oneri-sistemleri/online-evaluation-ab-test-interleaving-cuped 2026-05-13T13:29:34.482Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Offline NDCG +%2 artırdın — production'a deploy etmeden önce A/B test ile gerçekten kullanıcının davranışını değiştiriyor mu doğrula. A/B test sample size matematiği, interleaving (10x daha verimli), CUPED varyans azaltma ve switchback testing. Online Evaluation: A/B Test, Interleaving, CUPED ve İstatistiksel Güç https://sukruyusufkaya.com/en/learn/oneri-sistemleri/online-evaluation-ab-test-interleaving-cuped 2026-05-13T13:29:34.482Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Offline NDCG +%2 artırdın — production'a deploy etmeden önce A/B test ile gerçekten kullanıcının davranışını değiştiriyor mu doğrula. A/B test sample size matematiği, interleaving (10x daha verimli), CUPED varyans azaltma ve switchback testing. Online Evaluation: A/B Test, Interleaving, CUPED ve İstatistiksel Güç https://sukruyusufkaya.com/learn/oneri-sistemleri/offline-online-bosluk-dacrema-krizi-protokol 2026-05-13T13:29:34.571Z monthly 0.70 https://images.unsplash.com/photo-1556742502-ec7c0e9f34b1?w=1280&h=720&fit=crop&auto=format&q=80 2019'da Dacrema, Cremonesi, Jannach paper'ı recommender literatürünü silkeledi: 'Neural recommender'lar gerçekten iyi mi? Çoğunu klasik k-NN bile geçiyor.' Bu derste reproducibility krizi, offline-online korelasyon problemi ve nasıl doğru protokol seçileceği. Offline-Online Boşluğu: Dacrema Krizi ve Doğru Protokol Seçimi https://sukruyusufkaya.com/en/learn/oneri-sistemleri/offline-online-bosluk-dacrema-krizi-protokol 2026-05-13T13:29:34.571Z monthly 0.60 https://images.unsplash.com/photo-1556742502-ec7c0e9f34b1?w=1280&h=720&fit=crop&auto=format&q=80 2019'da Dacrema, Cremonesi, Jannach paper'ı recommender literatürünü silkeledi: 'Neural recommender'lar gerçekten iyi mi? Çoğunu klasik k-NN bile geçiyor.' Bu derste reproducibility krizi, offline-online korelasyon problemi ve nasıl doğru protokol seçileceği. Offline-Online Boşluğu: Dacrema Krizi ve Doğru Protokol Seçimi https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ai-mulakat-sureci-hazirlik-stratejisi 2026-05-13T13:16:01.386Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI/ML mühendisi pozisyonlarına Türkiye'de hazırlanmanın uçtan uca rehberi: pazar gerçekleri (2026 maaş aralıkları), şirket bazlı mülakat akışları (Trendyol, Getir, Hepsiburada, bankacılık, FAANG remote), 8 haftalık hazırlık planı, CV optimizasyonu, pre-screening tuzakları, LinkedIn outreach stratejisi ve yurt dışı remote pozisyonlara nasıl başvurulur. AI Mülakat Süreci & Hazırlık Stratejisi — Türkiye Pazarı 2026 https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ai-mulakat-sureci-hazirlik-stratejisi 2026-05-13T13:16:01.386Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI/ML mühendisi pozisyonlarına Türkiye'de hazırlanmanın uçtan uca rehberi: pazar gerçekleri (2026 maaş aralıkları), şirket bazlı mülakat akışları (Trendyol, Getir, Hepsiburada, bankacılık, FAANG remote), 8 haftalık hazırlık planı, CV optimizasyonu, pre-screening tuzakları, LinkedIn outreach stratejisi ve yurt dışı remote pozisyonlara nasıl başvurulur. AI Mülakat Süreci & Hazırlık Stratejisi — Türkiye Pazarı 2026 https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ai-mulakat-50-konsept-sorusu 2026-05-13T13:16:01.519Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI/ML mühendisi mülakatlarında en sık çıkan 50+ konsept sorusu, doğru cevap stratejileri, zayıf cevap tuzakları ve takip sorularına nasıl hazırlanılır. ML fundamentals, deep learning, LLM/RAG/agent, production/MLOps, güvenlik/etik ve Türkçe NLP spesifik kategorilerinde organize edilmiştir. 50+ Konsept Sorusu — Gerçek AI Mülakatlarında Çıkanlar https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ai-mulakat-50-konsept-sorusu 2026-05-13T13:16:01.519Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI/ML mühendisi mülakatlarında en sık çıkan 50+ konsept sorusu, doğru cevap stratejileri, zayıf cevap tuzakları ve takip sorularına nasıl hazırlanılır. ML fundamentals, deep learning, LLM/RAG/agent, production/MLOps, güvenlik/etik ve Türkçe NLP spesifik kategorilerinde organize edilmiştir. 50+ Konsept Sorusu — Gerçek AI Mülakatlarında Çıkanlar https://sukruyusufkaya.com/learn/yapay-zekaya-giris/ai-mulakat-sistem-tasarim-kod-davranissal-maas 2026-05-13T13:16:01.647Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI mülakatının pratik kısımları: 5 sistem tasarımı vakası (Türkçe RAG, recommendation, fraud detection, LLM cost optimization, multi-tenant platform), 5 kod sorusu (numpy/pandas/sklearn/PyTorch/LangChain), 10 davranışsal STAR senaryosu ve Türkiye + remote pazarı için maaş görüşmesi taktikleri. Sistem Tasarımı + Kod + Davranışsal + Maaş Görüşmesi https://sukruyusufkaya.com/en/learn/yapay-zekaya-giris/ai-mulakat-sistem-tasarim-kod-davranissal-maas 2026-05-13T13:16:01.647Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1200&q=80 AI mülakatının pratik kısımları: 5 sistem tasarımı vakası (Türkçe RAG, recommendation, fraud detection, LLM cost optimization, multi-tenant platform), 5 kod sorusu (numpy/pandas/sklearn/PyTorch/LangChain), 10 davranışsal STAR senaryosu ve Türkiye + remote pazarı için maaş görüşmesi taktikleri. Sistem Tasarımı + Kod + Davranışsal + Maaş Görüşmesi https://sukruyusufkaya.com/learn/oneri-sistemleri/content-based-filtering-felsefesi-neye-benziyor 2026-05-13T13:29:34.659Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Collaborative filtering 'benzer kullanıcılar' arar, content-based 'benzer item'lar' arar. Bu felsefi fark teknik kararları belirler — cold-start avantajı, filter bubble dezavantajı, hybrid stratejileri. Konsept + matematik + endüstri pozisyonlama. Content-Based Filtering Felsefesi: 'Ne İzledi' Yerine 'Neye Benziyor' https://sukruyusufkaya.com/en/learn/oneri-sistemleri/content-based-filtering-felsefesi-neye-benziyor 2026-05-13T13:29:34.659Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Collaborative filtering 'benzer kullanıcılar' arar, content-based 'benzer item'lar' arar. Bu felsefi fark teknik kararları belirler — cold-start avantajı, filter bubble dezavantajı, hybrid stratejileri. Konsept + matematik + endüstri pozisyonlama. Content-Based Filtering Felsefesi: 'Ne İzledi' Yerine 'Neye Benziyor' https://sukruyusufkaya.com/learn/oneri-sistemleri/item-profilleme-tfidf-bm25-encoding 2026-05-13T13:29:34.752Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Content-based recommender'ın temeli: item'ı sayısal vektöre çevirme. TF-IDF formülü tam türetim + sıfırdan NumPy implementasyon, BM25'in TF-IDF'ten farkı, n-gram ile film başlığı işleme, kategorik encoding (one-hot, target encoding, frequency encoding). Item Profilleme: TF-IDF, BM25, n-gram ve Kategorik Feature Encoding — Matematik + NumPy https://sukruyusufkaya.com/en/learn/oneri-sistemleri/item-profilleme-tfidf-bm25-encoding 2026-05-13T13:29:34.752Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Content-based recommender'ın temeli: item'ı sayısal vektöre çevirme. TF-IDF formülü tam türetim + sıfırdan NumPy implementasyon, BM25'in TF-IDF'ten farkı, n-gram ile film başlığı işleme, kategorik encoding (one-hot, target encoding, frequency encoding). Item Profilleme: TF-IDF, BM25, n-gram ve Kategorik Feature Encoding — Matematik + NumPy https://sukruyusufkaya.com/learn/oneri-sistemleri/sifirdan-numpy-content-based-recommender-movielens 2026-05-13T13:29:34.843Z monthly 0.70 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Bu modülün omurga dersi: MovieLens-100K'da gerçek bir content-based recommender kuruyoruz — sadece NumPy ile, 150 satır kod, end-to-end. Item profilleme, user profile vektörü, cosine scoring, top-N öneri, evaluation. Sonra sklearn ile karşılaştırma ve baseline tablomuza ilk satır. Sıfırdan NumPy ile Content-Based Recommender: MovieLens-100K Üzerinde 150 Satır https://sukruyusufkaya.com/en/learn/oneri-sistemleri/sifirdan-numpy-content-based-recommender-movielens 2026-05-13T13:29:34.843Z monthly 0.60 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Bu modülün omurga dersi: MovieLens-100K'da gerçek bir content-based recommender kuruyoruz — sadece NumPy ile, 150 satır kod, end-to-end. Item profilleme, user profile vektörü, cosine scoring, top-N öneri, evaluation. Sonra sklearn ile karşılaştırma ve baseline tablomuza ilk satır. Sıfırdan NumPy ile Content-Based Recommender: MovieLens-100K Üzerinde 150 Satır https://sukruyusufkaya.com/learn/oneri-sistemleri/production-notlari-feature-drift-multimodal-turkce-nlp 2026-05-13T13:29:34.933Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 4'ün kapanışı: content-based recommender'ı 6 ay production'da tuttuğunda karşılaşacağın gerçek problemler. Feature distribution drift, multi-modal embedding (image+text+audio) ile cold-start gücü, CLIP/SBERT modern yaklaşımlar, Türkçe NLP özelinde stemming + BERTurk. Production Notları: Feature Drift, Multi-Modal Content, ve Türkçe NLP'nin Zorlukları https://sukruyusufkaya.com/en/learn/oneri-sistemleri/production-notlari-feature-drift-multimodal-turkce-nlp 2026-05-13T13:29:34.933Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Modül 4'ün kapanışı: content-based recommender'ı 6 ay production'da tuttuğunda karşılaşacağın gerçek problemler. Feature distribution drift, multi-modal embedding (image+text+audio) ile cold-start gücü, CLIP/SBERT modern yaklaşımlar, Türkçe NLP özelinde stemming + BERTurk. Production Notları: Feature Drift, Multi-Modal Content, ve Türkçe NLP'nin Zorlukları https://sukruyusufkaya.com/learn/oneri-sistemleri/knn-cf-user-user-vs-item-item 2026-05-13T13:29:35.026Z monthly 0.70 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Recommender disiplininin doğum makalesi GroupLens 1994. 30 yıl sonra hala her recommender sistemin temel baseline'ı. Bu derste user-user CF ve item-item CF'in felsefi farkları, her birinin matematiksel formülasyonu, hangi senaryoda hangisinin kazandığı. k-NN Collaborative Filtering: User-User vs Item-Item — Hangisi Ne Zaman? https://sukruyusufkaya.com/en/learn/oneri-sistemleri/knn-cf-user-user-vs-item-item 2026-05-13T13:29:35.026Z monthly 0.60 https://images.unsplash.com/photo-1556740772-1a741367b93e?w=1280&h=720&fit=crop&auto=format&q=80 Recommender disiplininin doğum makalesi GroupLens 1994. 30 yıl sonra hala her recommender sistemin temel baseline'ı. Bu derste user-user CF ve item-item CF'in felsefi farkları, her birinin matematiksel formülasyonu, hangi senaryoda hangisinin kazandığı. k-NN Collaborative Filtering: User-User vs Item-Item — Hangisi Ne Zaman? https://sukruyusufkaya.com/learn/oneri-sistemleri/similarity-metrikleri-pearson-cosine-jaccard 2026-05-13T13:29:35.122Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Tüm CF algoritmalarının temeli: 4 ana similarity metric. Pearson correlation (rating bias düzeltmesi), cosine similarity (vektör yön), adjusted cosine (user bias düzeltmesi), Jaccard (binary implicit). Tam matematiksel türetim + sıfırdan NumPy + MovieLens karşılaştırması. Similarity Metrikleri: Pearson, Cosine, Adjusted Cosine, Jaccard — Tam Matematik + NumPy https://sukruyusufkaya.com/en/learn/oneri-sistemleri/similarity-metrikleri-pearson-cosine-jaccard 2026-05-13T13:29:35.122Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Tüm CF algoritmalarının temeli: 4 ana similarity metric. Pearson correlation (rating bias düzeltmesi), cosine similarity (vektör yön), adjusted cosine (user bias düzeltmesi), Jaccard (binary implicit). Tam matematiksel türetim + sıfırdan NumPy + MovieLens karşılaştırması. Similarity Metrikleri: Pearson, Cosine, Adjusted Cosine, Jaccard — Tam Matematik + NumPy https://sukruyusufkaya.com/learn/oneri-sistemleri/sifirdan-item-item-knn-numpy-movielens-1m 2026-05-13T13:29:35.218Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modül 5'in omurga dersi: MovieLens-1M üzerinde sıfırdan production-grade item-item k-NN. Adjusted cosine + shrinkage, sparse matrix optimizasyonları, offline batch precomputation pattern, top-K neighbor caching, benchmark tablomuza ikinci satır. Sıfırdan NumPy ile Item-Item k-NN: MovieLens-1M Üzerinde Production-Grade https://sukruyusufkaya.com/en/learn/oneri-sistemleri/sifirdan-item-item-knn-numpy-movielens-1m 2026-05-13T13:29:35.218Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modül 5'in omurga dersi: MovieLens-1M üzerinde sıfırdan production-grade item-item k-NN. Adjusted cosine + shrinkage, sparse matrix optimizasyonları, offline batch precomputation pattern, top-K neighbor caching, benchmark tablomuza ikinci satır. Sıfırdan NumPy ile Item-Item k-NN: MovieLens-1M Üzerinde Production-Grade https://sukruyusufkaya.com/learn/oneri-sistemleri/scalability-tavanlari-100m-rating-optimizasyon 2026-05-13T13:29:35.312Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 MovieLens-1M çok küçük — gerçek dünyada 100M+ rating, 10M+ item'la çalışırsın. Bu derste: offline batch precomputation pattern, LSH (Locality-Sensitive Hashing), MinHash ile approximate Jaccard, MapReduce/Spark ile distributed computation, Redis-tabanlı serving. Scalability Tavanları: 100M Rating Üstünde Optimizasyon Stratejileri https://sukruyusufkaya.com/en/learn/oneri-sistemleri/scalability-tavanlari-100m-rating-optimizasyon 2026-05-13T13:29:35.312Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 MovieLens-1M çok küçük — gerçek dünyada 100M+ rating, 10M+ item'la çalışırsın. Bu derste: offline batch precomputation pattern, LSH (Locality-Sensitive Hashing), MinHash ile approximate Jaccard, MapReduce/Spark ile distributed computation, Redis-tabanlı serving. Scalability Tavanları: 100M Rating Üstünde Optimizasyon Stratejileri https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-cookbook-sistematigi-ve-reproducibility-kontrati 2026-05-14T14:42:48.835Z monthly 0.70 https://images.unsplash.com/photo-1533750349088-cd871a92f312?w=1280&h=720&fit=crop&auto=format&q=80 Bu cookbook'un kullanım kılavuzu: 5-bileşenli ders anatomisi (Theory/Math/Lab/Debug/Bench), Stage taksonomisi (Spike → Reference → Production → Research), reproducibility kontratı (bit-exact runs), RTX 4090 baseline'ı niye seçildi, GPU bütçeleme matematiği. Fine-Tuning Cookbook'a Hoş Geldin: Sistematik, Stage Taksonomisi ve Reproducibility Kontratı https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-cookbook-sistematigi-ve-reproducibility-kontrati 2026-05-14T14:42:48.835Z monthly 0.60 https://images.unsplash.com/photo-1533750349088-cd871a92f312?w=1280&h=720&fit=crop&auto=format&q=80 Bu cookbook'un kullanım kılavuzu: 5-bileşenli ders anatomisi (Theory/Math/Lab/Debug/Bench), Stage taksonomisi (Spike → Reference → Production → Research), reproducibility kontratı (bit-exact runs), RTX 4090 baseline'ı niye seçildi, GPU bütçeleme matematiği. Fine-Tuning Cookbook'a Hoş Geldin: Sistematik, Stage Taksonomisi ve Reproducibility Kontratı https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-reproducibility-stack-seeds-cudnn-deterministic 2026-05-14T14:42:49.094Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 ML'in en pahalı zaman tüketicisi: tekrar üretilemeyen sonuçlar. Bu derste seed yönetimi, cuDNN/cuBLAS deterministic flags, ATen non-deterministic op tespiti, dataloader worker'ların seed'lenmesi, deterministic scatter/gather'ların maliyeti — her şey pratik kod ve gerçek log'larla. Reproducibility Stack: Seeds, cuDNN Flags ve Deterministic CUDA — 'Sende Niye Çalışıyor Bende Çalışmıyor' Sorununu Bitir https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-reproducibility-stack-seeds-cudnn-deterministic 2026-05-14T14:42:49.094Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 ML'in en pahalı zaman tüketicisi: tekrar üretilemeyen sonuçlar. Bu derste seed yönetimi, cuDNN/cuBLAS deterministic flags, ATen non-deterministic op tespiti, dataloader worker'ların seed'lenmesi, deterministic scatter/gather'ların maliyeti — her şey pratik kod ve gerçek log'larla. Reproducibility Stack: Seeds, cuDNN Flags ve Deterministic CUDA — 'Sende Niye Çalışıyor Bende Çalışmıyor' Sorununu Bitir https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-environment-pinning-uv-cuda-matrix-containers 2026-05-14T14:42:49.189Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Reproducibility'nin ikinci yarısı: lib versiyonlarını çivile, CUDA matrix'i anla, Docker/Apptainer reçetelerini yaz. uv'nin pip+poetry'yi 10-100x geçtiği noktalar, RTX 4090 için CUDA 12.4 PyTorch 2.5 stack'i, FT framework'lerinin (TRL, Unsloth, Axolotl) hangi versiyonlarının uyumlu olduğunu gösteren uyum matrisi. Environment Pinning: uv + pyproject.toml, CUDA Version Matrix ve Container Reçeteleri https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-environment-pinning-uv-cuda-matrix-containers 2026-05-14T14:42:49.189Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Reproducibility'nin ikinci yarısı: lib versiyonlarını çivile, CUDA matrix'i anla, Docker/Apptainer reçetelerini yaz. uv'nin pip+poetry'yi 10-100x geçtiği noktalar, RTX 4090 için CUDA 12.4 PyTorch 2.5 stack'i, FT framework'lerinin (TRL, Unsloth, Axolotl) hangi versiyonlarının uyumlu olduğunu gösteren uyum matrisi. Environment Pinning: uv + pyproject.toml, CUDA Version Matrix ve Container Reçeteleri https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-container-slurm-recipes-multi-node 2026-05-14T14:42:49.279Z monthly 0.70 https://images.unsplash.com/photo-1518770660439-4636190af475?w=1280&h=720&fit=crop&auto=format&q=80 Tek 4090'da hazırladığın eğitimi 8×H100 cluster'a taşıma kılavuzu: Slurm sbatch şablonu, multi-node NCCL setup, EFA/InfiniBand sanity check, Lambda/RunPod/CoreWeave/Vast'ın gerçek saat fiyatları, preemption-tolerant training, checkpoint manifest, FAULT_TOLERANCE prensipleri. Container & Slurm Recipes: Tek 4090'dan Cloud Multi-Node'a Doğru Köprü https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-container-slurm-recipes-multi-node 2026-05-14T14:42:49.279Z monthly 0.60 https://images.unsplash.com/photo-1518770660439-4636190af475?w=1280&h=720&fit=crop&auto=format&q=80 Tek 4090'da hazırladığın eğitimi 8×H100 cluster'a taşıma kılavuzu: Slurm sbatch şablonu, multi-node NCCL setup, EFA/InfiniBand sanity check, Lambda/RunPod/CoreWeave/Vast'ın gerçek saat fiyatları, preemption-tolerant training, checkpoint manifest, FAULT_TOLERANCE prensipleri. Container & Slurm Recipes: Tek 4090'dan Cloud Multi-Node'a Doğru Köprü https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-experiment-tracking-wandb-hydra-dvc-sweep 2026-05-14T14:42:49.369Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ML deneylerini disipline almak: Hydra ile config-driven runs, W&B ile sweep + system metrics + offline mode, DVC ile dataset/checkpoint versioning, alias/lineage tracking. Cookbook'un 'rapor edilebilir Lab' standardı: hangi run hangi commit hash + dataset hash + W&B run ID + checkpoint sha? Experiment Tracking Mimarisi: Weights&Biases + Hydra + DVC — Sweep'in Mühendisliği https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-experiment-tracking-wandb-hydra-dvc-sweep 2026-05-14T14:42:49.369Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ML deneylerini disipline almak: Hydra ile config-driven runs, W&B ile sweep + system metrics + offline mode, DVC ile dataset/checkpoint versioning, alias/lineage tracking. Cookbook'un 'rapor edilebilir Lab' standardı: hangi run hangi commit hash + dataset hash + W&B run ID + checkpoint sha? Experiment Tracking Mimarisi: Weights&Biases + Hydra + DVC — Sweep'in Mühendisliği https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-gpu-memory-budgeting-w-g-o-a-b 2026-05-14T14:42:49.459Z monthly 0.70 https://images.unsplash.com/photo-1591453089816-0fbb971b454c?w=1280&h=720&fit=crop&auto=format&q=80 Fine-tuning'de en sık duyduğun cümle: 'OOM'. Bu ders OOM'u bir daha **hiç** rastgele yaşatmayacak. Weights/Grads/Optimizer/Activations/Buffers bütçesini paramparça aç; AdamW'nin niye 8 byte/param, Lion'un 4 byte/param istediğini, NF4'ün niye 0.5 byte/param ile çalışabildiğini matematiksel olarak kavra. Llama 3.1 8B'yi 24GB'a 4 ayrı yöntemle sığdır. GPU Bellek Bütçesinin Anatomisi: W + G + O + A + B — RTX 4090'daki 24GB'ı Atomları Görerek Yönet https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-gpu-memory-budgeting-w-g-o-a-b 2026-05-14T14:42:49.459Z monthly 0.60 https://images.unsplash.com/photo-1591453089816-0fbb971b454c?w=1280&h=720&fit=crop&auto=format&q=80 Fine-tuning'de en sık duyduğun cümle: 'OOM'. Bu ders OOM'u bir daha **hiç** rastgele yaşatmayacak. Weights/Grads/Optimizer/Activations/Buffers bütçesini paramparça aç; AdamW'nin niye 8 byte/param, Lion'un 4 byte/param istediğini, NF4'ün niye 0.5 byte/param ile çalışabildiğini matematiksel olarak kavra. Llama 3.1 8B'yi 24GB'a 4 ayrı yöntemle sığdır. GPU Bellek Bütçesinin Anatomisi: W + G + O + A + B — RTX 4090'daki 24GB'ı Atomları Görerek Yönet https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-activation-memory-anatomy-flashattention 2026-05-14T14:42:49.550Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Activation memory: forward pass'in en yanıltıcı bellek tüketicisi. Layer-by-layer breakdown (attn intermediates, FFN, norm, residual), FlashAttention'ın saved memory matematiği (O(s²)'den O(s)'e), grad-checkpoint'in 'sqrt(L) tasarruf' efsanesi, packing + variable-length attention. Activation Memory Anatomisi: Niye O(L·s·h) ve FlashAttention'ın Gerçek Tasarrufu https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-activation-memory-anatomy-flashattention 2026-05-14T14:42:49.550Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Activation memory: forward pass'in en yanıltıcı bellek tüketicisi. Layer-by-layer breakdown (attn intermediates, FFN, norm, residual), FlashAttention'ın saved memory matematiği (O(s²)'den O(s)'e), grad-checkpoint'in 'sqrt(L) tasarruf' efsanesi, packing + variable-length attention. Activation Memory Anatomisi: Niye O(L·s·h) ve FlashAttention'ın Gerçek Tasarrufu https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-gradient-checkpointing-tradeoff-lab 2026-05-14T14:42:49.638Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Gradient checkpointing'in seçim ağacı: per-layer mı, segment-based mi, custom selective mi? Re-entrant vs non-re-entrant farkı, torch.utils.checkpoint vs HF Trainer kwargs, selective checkpointing (sadece attn'i checkpoint et, FFN'i değil). RTX 4090 + Llama 3.1 8B üzerinde 5 strateji bench'i. Gradient Checkpointing Trade-off Lab: Memory'yi Kompresleyip Compute'ı Krediye Yatırmak https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-gradient-checkpointing-tradeoff-lab 2026-05-14T14:42:49.638Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Gradient checkpointing'in seçim ağacı: per-layer mı, segment-based mi, custom selective mi? Re-entrant vs non-re-entrant farkı, torch.utils.checkpoint vs HF Trainer kwargs, selective checkpointing (sadece attn'i checkpoint et, FFN'i değil). RTX 4090 + Llama 3.1 8B üzerinde 5 strateji bench'i. Gradient Checkpointing Trade-off Lab: Memory'yi Kompresleyip Compute'ı Krediye Yatırmak https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-mixed-precision-bf16-fp16-fp8-rtx4090 2026-05-14T14:42:49.729Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 fp16'nın loss scaling karmaşası, bf16'nın 'master fp32' örüntüsü, fp8 (Ada destekler, ama H100 native), TF32 matmul precision flag, autocast nuance'ları — RTX 4090 için cookbook'un kesin tercihi olarak saf bf16. NaN'ların maliyeti, training stability matematiği. Mixed Precision Mimarisi: bf16 vs fp16 vs fp8 — Niye RTX 4090'da Saf bf16? https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-mixed-precision-bf16-fp16-fp8-rtx4090 2026-05-14T14:42:49.729Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 fp16'nın loss scaling karmaşası, bf16'nın 'master fp32' örüntüsü, fp8 (Ada destekler, ama H100 native), TF32 matmul precision flag, autocast nuance'ları — RTX 4090 için cookbook'un kesin tercihi olarak saf bf16. NaN'ların maliyeti, training stability matematiği. Mixed Precision Mimarisi: bf16 vs fp16 vs fp8 — Niye RTX 4090'da Saf bf16? https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-pcie-nvlink-infiniband-bandwidth 2026-05-14T14:42:49.820Z monthly 0.70 https://images.unsplash.com/photo-1533750349088-cd871a92f312?w=1280&h=720&fit=crop&auto=format&q=80 Tek 4090'da bandwidth görünmez ama scale-out'a geçince eğitimi tek başına yavaşlatabilen şey. PCIe 4.0/5.0 lane matematiği, NVLink (4090'da neden YOK), NVSwitch topolojisi, InfiniBand 400G, NCCL all-reduce'un network-bound olduğu eşik, p2p_access detection, GPU-direct. PCIe vs NVLink vs InfiniBand: Bandwidth'in Eğitim Üzerindeki Görünmez Etkisi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-pcie-nvlink-infiniband-bandwidth 2026-05-14T14:42:49.820Z monthly 0.60 https://images.unsplash.com/photo-1533750349088-cd871a92f312?w=1280&h=720&fit=crop&auto=format&q=80 Tek 4090'da bandwidth görünmez ama scale-out'a geçince eğitimi tek başına yavaşlatabilen şey. PCIe 4.0/5.0 lane matematiği, NVLink (4090'da neden YOK), NVSwitch topolojisi, InfiniBand 400G, NCCL all-reduce'un network-bound olduğu eşik, p2p_access detection, GPU-direct. PCIe vs NVLink vs InfiniBand: Bandwidth'in Eğitim Üzerindeki Görünmez Etkisi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-storage-io-engineering-dataset-bottleneck 2026-05-14T14:42:49.909Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Dataset bottleneck: GPU %30 idle bekliyor çünkü disk yetmiyor. NVMe Gen3/Gen4/Gen5 throughput, dataset format seçimi (parquet vs arrow vs webdataset), HuggingFace datasets caching, num_workers tuning, prefetch_factor, persistent_workers, pinned memory, FSx vs S3 vs local — RTX 4090 + 50K Türkçe dataset'i 0 idle çalıştırma reçetesi. Storage I/O Engineering: Dataset'in Eğitimi Yavaşlatma Sanatı (ve Önleme) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-storage-io-engineering-dataset-bottleneck 2026-05-14T14:42:49.909Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Dataset bottleneck: GPU %30 idle bekliyor çünkü disk yetmiyor. NVMe Gen3/Gen4/Gen5 throughput, dataset format seçimi (parquet vs arrow vs webdataset), HuggingFace datasets caching, num_workers tuning, prefetch_factor, persistent_workers, pinned memory, FSx vs S3 vs local — RTX 4090 + 50K Türkçe dataset'i 0 idle çalıştırma reçetesi. Storage I/O Engineering: Dataset'in Eğitimi Yavaşlatma Sanatı (ve Önleme) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-profiling-stack-torch-profiler-nsys-ncu-mfu 2026-05-14T14:42:50.000Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Optimization olmadan profiling = boş laf. torch.profiler ile Python-level timing, Nsight Systems (nsys) ile kernel-level timeline, Nsight Compute (ncu) ile kernel-internal metrics, MFU (Model FLOPs Utilization) hesabı: senin Llama 3.1 8B QLoRA Lab'ın RTX 4090'da teorik 165 TFLOPs'un %ne kaçında çalışıyor? Cookbook'un sertifika gereksinimi: her Lab MFU > %35. Profiling Stack: torch.profiler + Nsight Systems + Nsight Compute + MFU Hesabı https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-profiling-stack-torch-profiler-nsys-ncu-mfu 2026-05-14T14:42:50.000Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Optimization olmadan profiling = boş laf. torch.profiler ile Python-level timing, Nsight Systems (nsys) ile kernel-level timeline, Nsight Compute (ncu) ile kernel-internal metrics, MFU (Model FLOPs Utilization) hesabı: senin Llama 3.1 8B QLoRA Lab'ın RTX 4090'da teorik 165 TFLOPs'un %ne kaçında çalışıyor? Cookbook'un sertifika gereksinimi: her Lab MFU > %35. Profiling Stack: torch.profiler + Nsight Systems + Nsight Compute + MFU Hesabı https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-cost-engineering-4090-vs-cloud-tco 2026-05-14T14:42:50.089Z monthly 0.70 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 Her FT mühendisinin sorduğu sessiz soru: 'Bunu lokal 4090'da mı yapsam, cloud'a mı atayım, hangisi ucuz?' Cookbook'un kesin cevap matematiği: RTX 4090 amortismanı (₺), elektrik (₺3.5/kWh × 450W), bulut saat fiyat tablosu (Lambda/RunPod/CoreWeave), spot risk hesabı, breakeven süresi, hybrid stratejisi (4090 dev + cloud production). Cost Engineering: 4090 Lokal mi Cloud H100 mu? — Breakeven, Spot ve TCO Matematiği https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-cost-engineering-4090-vs-cloud-tco 2026-05-14T14:42:50.089Z monthly 0.60 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 Her FT mühendisinin sorduğu sessiz soru: 'Bunu lokal 4090'da mı yapsam, cloud'a mı atayım, hangisi ucuz?' Cookbook'un kesin cevap matematiği: RTX 4090 amortismanı (₺), elektrik (₺3.5/kWh × 450W), bulut saat fiyat tablosu (Lambda/RunPod/CoreWeave), spot risk hesabı, breakeven süresi, hybrid stratejisi (4090 dev + cloud production). Cost Engineering: 4090 Lokal mi Cloud H100 mu? — Breakeven, Spot ve TCO Matematiği https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-bpe-sentencepiece-unigram-mathematics 2026-05-14T14:42:50.176Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 BPE'nin merge tablosu, SentencePiece'in language-agnostic byte/char model'i, Unigram'ın EM training'i; her birinin neden sonuçta farklı token verimi getirdiği. RTX 4090 ile 1.5GB Türkçe corpus üzerinde 50K-vocab BPE eğitimi (~12 dakika). TR-aware tokenizer'ın Llama-3'ün default'unu nasıl 1.6x verimle geçtiği — matematiksel ispatla. BPE / SentencePiece / Unigram: Tokenizer Algoritmalarının Matematiği ve Sıfırdan TR-Aware Eğitim https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-bpe-sentencepiece-unigram-mathematics 2026-05-14T14:42:50.176Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 BPE'nin merge tablosu, SentencePiece'in language-agnostic byte/char model'i, Unigram'ın EM training'i; her birinin neden sonuçta farklı token verimi getirdiği. RTX 4090 ile 1.5GB Türkçe corpus üzerinde 50K-vocab BPE eğitimi (~12 dakika). TR-aware tokenizer'ın Llama-3'ün default'unu nasıl 1.6x verimle geçtiği — matematiksel ispatla. BPE / SentencePiece / Unigram: Tokenizer Algoritmalarının Matematiği ve Sıfırdan TR-Aware Eğitim https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-vocabulary-extension-llama3-tr-8k 2026-05-14T14:42:50.274Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama-3 default tokenizer 128K — multilingual ama TR için verim düşük. 'Extension' yaklaşımı: Llama-3 vocab'ına 8K TR-spesifik token ekle, embedding matrix'i 128K→136K büyüt, yeni satırları akıllıca init et (mean-init, SVD-init, byte-decomposition). RTX 4090'da pratik lab + perplexity delta ölçümü. Vocabulary Extension: Llama-3 Tokenizer'a 8K TR Token Ekle (Embedding Init Stratejileri) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-vocabulary-extension-llama3-tr-8k 2026-05-14T14:42:50.274Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama-3 default tokenizer 128K — multilingual ama TR için verim düşük. 'Extension' yaklaşımı: Llama-3 vocab'ına 8K TR-spesifik token ekle, embedding matrix'i 128K→136K büyüt, yeni satırları akıllıca init et (mean-init, SVD-init, byte-decomposition). RTX 4090'da pratik lab + perplexity delta ölçümü. Vocabulary Extension: Llama-3 Tokenizer'a 8K TR Token Ekle (Embedding Init Stratejileri) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tokenizer-distillation-token-verimi 2026-05-14T14:42:50.361Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Distil ettiğin teacher modelin tokenizer'ı student'inkinden farklı → label mismatch. Token-level distillation için cross-tokenizer mapping table inşası, GPT-4 → Llama-3 distill örneği, TR token verimi karşılaştırması (Llama-3 vs Qwen 2.5 vs Gemma 3 vs Mistral vs Phi-4) — hangi tokenizer Türkçe için ne kadar etkili? Tokenizer Distillation: Çoklu Modeller Arası Token Mapping ve TR Token Verimi Ölçümü https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tokenizer-distillation-token-verimi 2026-05-14T14:42:50.361Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Distil ettiğin teacher modelin tokenizer'ı student'inkinden farklı → label mismatch. Token-level distillation için cross-tokenizer mapping table inşası, GPT-4 → Llama-3 distill örneği, TR token verimi karşılaştırması (Llama-3 vs Qwen 2.5 vs Gemma 3 vs Mistral vs Phi-4) — hangi tokenizer Türkçe için ne kadar etkili? Tokenizer Distillation: Çoklu Modeller Arası Token Mapping ve TR Token Verimi Ölçümü https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-chat-template-anatomi-jinja-tokens 2026-05-14T14:42:50.450Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Chat template = LLM'in 'konuşma'yı anladığı format. Llama-3, Qwen 2.5, Gemma 3, Mistral, Phi-4 chat template'lerinin token-by-token anatomisi. apply_chat_template'in arka planda ne yaptığı, system/user/assistant role'lerinin token ID'leri, tool-calling extensions, multimodal turn formatları. Chat Template Anatomi: Jinja, Special Tokens ve Token-by-Token Açılım https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-chat-template-anatomi-jinja-tokens 2026-05-14T14:42:50.450Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Chat template = LLM'in 'konuşma'yı anladığı format. Llama-3, Qwen 2.5, Gemma 3, Mistral, Phi-4 chat template'lerinin token-by-token anatomisi. apply_chat_template'in arka planda ne yaptığı, system/user/assistant role'lerinin token ID'leri, tool-calling extensions, multimodal turn formatları. Chat Template Anatomi: Jinja, Special Tokens ve Token-by-Token Açılım https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-loss-masking-implementation-real 2026-05-14T14:42:50.539Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Loss masking SFT'nin temel taşı. IGNORE_INDEX=-100'ın PyTorch CrossEntropyLoss ile etkileşimi, instruction token'larının nasıl maskelenip response'un nasıl tutulduğu, Unsloth'un train_on_responses_only fonksiyonunun source-code okuma, multi-turn conversation'da turn-by-turn masking, edge case'ler (assistant cevabının ortasında system prompt değişimi). Loss Masking: 'Sadece Response Üzerinde Loss' Cümlesinin Gerçek Implementasyonu https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-loss-masking-implementation-real 2026-05-14T14:42:50.539Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Loss masking SFT'nin temel taşı. IGNORE_INDEX=-100'ın PyTorch CrossEntropyLoss ile etkileşimi, instruction token'larının nasıl maskelenip response'un nasıl tutulduğu, Unsloth'un train_on_responses_only fonksiyonunun source-code okuma, multi-turn conversation'da turn-by-turn masking, edge case'ler (assistant cevabının ortasında system prompt değişimi). Loss Masking: 'Sadece Response Üzerinde Loss' Cümlesinin Gerçek Implementasyonu https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-dataset-quality-pipeline-minhash-perplexity 2026-05-14T14:42:50.627Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Garbage in, garbage out. SFT dataset quality pipeline: MinHash LSH ile near-duplicate detection (~%30-40 duplicate olur), KenLM 5-gram perplexity filter (anlamsızları at), HateBERT-TR ile toxicity score, FineWeb-style educational-value scorer. RTX 4090'da 1M satır TR datasetini 25 dakikada temizleme. Dataset Quality Pipeline: MinHash Dedupe + Perplexity Filter + Toxicity + Educational-Value https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-dataset-quality-pipeline-minhash-perplexity 2026-05-14T14:42:50.627Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 Garbage in, garbage out. SFT dataset quality pipeline: MinHash LSH ile near-duplicate detection (~%30-40 duplicate olur), KenLM 5-gram perplexity filter (anlamsızları at), HateBERT-TR ile toxicity score, FineWeb-style educational-value scorer. RTX 4090'da 1M satır TR datasetini 25 dakikada temizleme. Dataset Quality Pipeline: MinHash Dedupe + Perplexity Filter + Toxicity + Educational-Value https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-synthetic-data-self-instruct-evol-magpie-tr 2026-05-14T14:42:50.715Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe için instruction data çok kıt. Çözüm: synthetic generation. Self-Instruct (Stanford 2022), Evol-Instruct (WizardLM), OSS-Instruct (Magicoder), MAGPIE (2024) tekniklerinin TR adaptasyonu. Teacher model seçimi etiği (GPT-4 ToS), prompt mühendisliği, automated quality control loop. Synthetic Data: Self-Instruct, Evol-Instruct, OSS-Instruct, MAGPIE (TR İçin Adaptasyon) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-synthetic-data-self-instruct-evol-magpie-tr 2026-05-14T14:42:50.715Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe için instruction data çok kıt. Çözüm: synthetic generation. Self-Instruct (Stanford 2022), Evol-Instruct (WizardLM), OSS-Instruct (Magicoder), MAGPIE (2024) tekniklerinin TR adaptasyonu. Teacher model seçimi etiği (GPT-4 ToS), prompt mühendisliği, automated quality control loop. Synthetic Data: Self-Instruct, Evol-Instruct, OSS-Instruct, MAGPIE (TR İçin Adaptasyon) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-data-mixing-math-doremi-temperature 2026-05-14T14:42:50.805Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Multiple dataset varsa nasıl karıştırırsın? Naïve concatenation = büyük dataset dominates. Sampling temperature, proportional mixing, DoReMi (Xie et al. 2023) algoritması ile dynamic reweighting. Türkçe SFT mix örneği: %40 TR-Alpaca + %25 OASST + %20 ShareGPT-TR + %15 custom — niye bu yüzde? Data Mixing Math: Sampling Temperature, DoReMi, Domain Reweighting https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-data-mixing-math-doremi-temperature 2026-05-14T14:42:50.805Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Multiple dataset varsa nasıl karıştırırsın? Naïve concatenation = büyük dataset dominates. Sampling temperature, proportional mixing, DoReMi (Xie et al. 2023) algoritması ile dynamic reweighting. Türkçe SFT mix örneği: %40 TR-Alpaca + %25 OASST + %20 ShareGPT-TR + %15 custom — niye bu yüzde? Data Mixing Math: Sampling Temperature, DoReMi, Domain Reweighting https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-sequence-packing-varlen-attention 2026-05-14T14:42:50.892Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Padding token'lar boşa giden compute. Packing: birden fazla kısa örneği tek sequence'a doldur. Variable-length attention (flash_attn_varlen_func) ile block-diagonal mask. TRL SFTTrainer packing=True internals, cu_seqlens tensor anatomisi, throughput bench (Llama 3.1 8B RTX 4090: 7290 → 10200 tokens/s). Sequence Packing & Variable-Length Attention: Throughput'u %40 Artıran Trick https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-sequence-packing-varlen-attention 2026-05-14T14:42:50.892Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Padding token'lar boşa giden compute. Packing: birden fazla kısa örneği tek sequence'a doldur. Variable-length attention (flash_attn_varlen_func) ile block-diagonal mask. TRL SFTTrainer packing=True internals, cu_seqlens tensor anatomisi, throughput bench (Llama 3.1 8B RTX 4090: 7290 → 10200 tokens/s). Sequence Packing & Variable-Length Attention: Throughput'u %40 Artıran Trick https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-streaming-sharded-datasets-large-scale 2026-05-14T14:42:50.980Z monthly 0.70 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 1 TB dataset 4090'ın 2TB NVMe'sine sığar ama tokenize edip cache'lemek 5 TB ister. Çözüm: streaming. HuggingFace datasets.IterableDataset, WebDataset .tar shard'lar, MosaicML Streaming (MDS), S3 streaming, resumable streaming (epoch'tan yarıdayken duruyor, resume). Multi-worker collator pattern. Streaming & Sharded Datasets: 500GB+ Veriye Disk Olmadan Eğitim https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-streaming-sharded-datasets-large-scale 2026-05-14T14:42:50.980Z monthly 0.60 https://images.unsplash.com/photo-1551288049-bebda4e38f71?w=1280&h=720&fit=crop&auto=format&q=80 1 TB dataset 4090'ın 2TB NVMe'sine sığar ama tokenize edip cache'lemek 5 TB ister. Çözüm: streaming. HuggingFace datasets.IterableDataset, WebDataset .tar shard'lar, MosaicML Streaming (MDS), S3 streaming, resumable streaming (epoch'tan yarıdayken duruyor, resume). Multi-worker collator pattern. Streaming & Sharded Datasets: 500GB+ Veriye Disk Olmadan Eğitim https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-long-context-niah-ruler-128k 2026-05-14T14:42:51.066Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.1'in 128K context'ini gerçekten kullanmak: long-context SFT data nasıl üretilir? NIAH (Needle-in-Haystack) synthetic, RULER benchmark üretim reçeteleri, long-form QA dataset, code-repo concatenation, repository-level context. RTX 4090'da long-context QLoRA (128K seq) — packing dahil 22GB peak. Long-Context Dataset Engineering: NIAH, RULER ve 128K Context FT İçin Veri Hazırlama https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-long-context-niah-ruler-128k 2026-05-14T14:42:51.066Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.1'in 128K context'ini gerçekten kullanmak: long-context SFT data nasıl üretilir? NIAH (Needle-in-Haystack) synthetic, RULER benchmark üretim reçeteleri, long-form QA dataset, code-repo concatenation, repository-level context. RTX 4090'da long-context QLoRA (128K seq) — packing dahil 22GB peak. Long-Context Dataset Engineering: NIAH, RULER ve 128K Context FT İçin Veri Hazırlama https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-dpo-kto-dataset-engineering 2026-05-14T14:42:51.155Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 DPO ve KTO için 'chosen' (iyi) ve 'rejected' (kötü) cevap çiftleri lazım. Üretim yöntemleri: AI Feedback Loop (RLAIF), regex-graded pairs (math/code), human-in-the-loop, hard-negative mining, length-controlled pairs. UltraFeedback dataset analizi, TR DPO dataset inşası, KTO'nun tek-yönlü preference avantajı. DPO / KTO Dataset Engineering: Chosen/Rejected Triplet Üretiminin Mühendisliği https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-dpo-kto-dataset-engineering 2026-05-14T14:42:51.155Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 DPO ve KTO için 'chosen' (iyi) ve 'rejected' (kötü) cevap çiftleri lazım. Üretim yöntemleri: AI Feedback Loop (RLAIF), regex-graded pairs (math/code), human-in-the-loop, hard-negative mining, length-controlled pairs. UltraFeedback dataset analizi, TR DPO dataset inşası, KTO'nun tek-yönlü preference avantajı. DPO / KTO Dataset Engineering: Chosen/Rejected Triplet Üretiminin Mühendisliği https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-llama-3x-8b-rtx4090-recipe 2026-05-14T14:42:51.244Z monthly 0.70 https://images.unsplash.com/photo-1533750349088-cd871a92f312?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.1/3.2/3.3 8B-Instruct'ın anatomisi: 32 layer × 4096 hidden, GQA (8 KV-head), RoPE θ=500K, SwiGLU, RMSNorm, 128K context (YaRN-extended). RTX 4090'da QLoRA NF4 + Unsloth ile 50K Türkçe Alpaca üzerinde 1 epoch ~50 dakika. TR-MMLU baseline 32.4 → fine-tune 39.8 (+%23). Full reçete: dataset format, hyperparameter tablosu, sweep aralıkları, sample inference, eval pipeline. Llama 3.1 / 3.2 / 3.3 8B — RTX 4090'ın İş Atı: GQA + 128K Context + Türkçe Reçete https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-llama-3x-8b-rtx4090-recipe 2026-05-14T14:42:51.244Z monthly 0.60 https://images.unsplash.com/photo-1533750349088-cd871a92f312?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.1/3.2/3.3 8B-Instruct'ın anatomisi: 32 layer × 4096 hidden, GQA (8 KV-head), RoPE θ=500K, SwiGLU, RMSNorm, 128K context (YaRN-extended). RTX 4090'da QLoRA NF4 + Unsloth ile 50K Türkçe Alpaca üzerinde 1 epoch ~50 dakika. TR-MMLU baseline 32.4 → fine-tune 39.8 (+%23). Full reçete: dataset format, hyperparameter tablosu, sweep aralıkları, sample inference, eval pipeline. Llama 3.1 / 3.2 / 3.3 8B — RTX 4090'ın İş Atı: GQA + 128K Context + Türkçe Reçete https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-llama-3.2-1b-3b-edge-mobile-ft 2026-05-14T14:42:51.333Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.2 1B/3B — Llama 3.1 8B'den distilled. Tied embeddings (input/output emb shared), edge cihazlarda inference. RTX 4090'da full FT mümkün (1B=2GB, 3B=6GB W). GGUF Q4_K_M quant ile iPhone/Pixel'de 8-15 tok/s. TR-MMLU sayıları ve dataset stratejileri. Llama 3.2 1B / 3B — Edge & Mobile FT: Tied Embeddings + Distillation + GGUF Q4 https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-llama-3.2-1b-3b-edge-mobile-ft 2026-05-14T14:42:51.333Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.2 1B/3B — Llama 3.1 8B'den distilled. Tied embeddings (input/output emb shared), edge cihazlarda inference. RTX 4090'da full FT mümkün (1B=2GB, 3B=6GB W). GGUF Q4_K_M quant ile iPhone/Pixel'de 8-15 tok/s. TR-MMLU sayıları ve dataset stratejileri. Llama 3.2 1B / 3B — Edge & Mobile FT: Tied Embeddings + Distillation + GGUF Q4 https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-qwen2.5-qwen3-7b-multilingual-turkish 2026-05-14T14:42:51.420Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Qwen 2.5 / Qwen3 — Alibaba'nın açık ağırlık ailesi. 151K token vocab (TR-friendly), Apache 2.0 lisans, FT için Llama'dan rahat. RTX 4090'da Qwen2.5-7B QLoRA 1 epoch ~40 dakika. TR-MMLU baseline 38.1 (Llama'dan iyi!) → fine-tune 44.2 (+%16). Qwen3 14B + YaRN context extension. Qwen 2.5 / Qwen3 1.5B/3B/7B — Multilingual Şampiyonu (Türkçe Token Verimi) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-qwen2.5-qwen3-7b-multilingual-turkish 2026-05-14T14:42:51.420Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Qwen 2.5 / Qwen3 — Alibaba'nın açık ağırlık ailesi. 151K token vocab (TR-friendly), Apache 2.0 lisans, FT için Llama'dan rahat. RTX 4090'da Qwen2.5-7B QLoRA 1 epoch ~40 dakika. TR-MMLU baseline 38.1 (Llama'dan iyi!) → fine-tune 44.2 (+%16). Qwen3 14B + YaRN context extension. Qwen 2.5 / Qwen3 1.5B/3B/7B — Multilingual Şampiyonu (Türkçe Token Verimi) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-qwen3-14b-32b-yarn-long-context 2026-05-14T14:42:51.508Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Qwen3 14B'nin RTX 4090'da QLoRA + 32K context FT'si — mem peak 21 GB, marjinal sığıyor. YaRN rope-scaling math (β_fast, β_slow, scaling), long-context SFT dataset (NIAH + RULER), 32B'nin 4090'da imkansız olduğu yer. Cloud 1×H100 80GB alternatifi. Qwen3 14B / 32B Base + YaRN: Long-Context FT (32K → 128K) RTX 4090'da Marjinal Mümkün https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-qwen3-14b-32b-yarn-long-context 2026-05-14T14:42:51.508Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Qwen3 14B'nin RTX 4090'da QLoRA + 32K context FT'si — mem peak 21 GB, marjinal sığıyor. YaRN rope-scaling math (β_fast, β_slow, scaling), long-context SFT dataset (NIAH + RULER), 32B'nin 4090'da imkansız olduğu yer. Cloud 1×H100 80GB alternatifi. Qwen3 14B / 32B Base + YaRN: Long-Context FT (32K → 128K) RTX 4090'da Marjinal Mümkün https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-mistral-7b-mistral-small-3-recipe 2026-05-14T14:42:51.597Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Mistral 7B v0.3 (Apache 2.0, 32K context), Mistral Small 3 (24B, Apache 2.0, 32K). v0.3'te sliding window deprecation, function-calling chat template, tool-token training. RTX 4090'da Mistral 7B QLoRA 1 epoch ~45 dakika. Mistral Small 3 (24B): NF4 = 12 GB, QLoRA marjinal sığar (~22 GB peak). Mistral 7B v0.3 + Mistral Small 3 (24B): Sliding Window Deprecation + Tool-Calling https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-mistral-7b-mistral-small-3-recipe 2026-05-14T14:42:51.597Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Mistral 7B v0.3 (Apache 2.0, 32K context), Mistral Small 3 (24B, Apache 2.0, 32K). v0.3'te sliding window deprecation, function-calling chat template, tool-token training. RTX 4090'da Mistral 7B QLoRA 1 epoch ~45 dakika. Mistral Small 3 (24B): NF4 = 12 GB, QLoRA marjinal sığar (~22 GB peak). Mistral 7B v0.3 + Mistral Small 3 (24B): Sliding Window Deprecation + Tool-Calling https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-gemma-3-1b-4b-12b-27b-recipe 2026-05-14T14:42:51.686Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Gemma 3 — Google'ın 2025 açık modelleri. 256K vocab (TR-friendly), 4B+ multimodal (SigLIP vision tower), GeGLU activation, RMSNorm, 128K context, ShieldGemma safety classifier. RTX 4090'da Gemma 3 4B/12B QLoRA. system role yok (user'a prepend), Gemma 3 ToS dikkati. Gemma 3 1B / 4B / 12B / 27B: Google'ın 256K Vocab + Multimodal (4B+) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-gemma-3-1b-4b-12b-27b-recipe 2026-05-14T14:42:51.686Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Gemma 3 — Google'ın 2025 açık modelleri. 256K vocab (TR-friendly), 4B+ multimodal (SigLIP vision tower), GeGLU activation, RMSNorm, 128K context, ShieldGemma safety classifier. RTX 4090'da Gemma 3 4B/12B QLoRA. system role yok (user'a prepend), Gemma 3 ToS dikkati. Gemma 3 1B / 4B / 12B / 27B: Google'ın 256K Vocab + Multimodal (4B+) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-phi-4-phi-4-mini-synthetic-curriculum 2026-05-14T14:42:51.775Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Phi-4 14B + Phi-4-mini 3.8B — Microsoft'un 'textbook quality' synthetic data ile train edilmiş modelleri. Math + code'da güçlü, genel TR konuşmada zayıf. Niye? Synthetic data ağırlıklı İngilizce. RTX 4090'da Phi-4 QLoRA Lab + niche domain'lerde nasıl parlıyor (math reasoning, code completion). Phi-4 + Phi-4-mini: Microsoft'un Synthetic-Curriculum Modeli — TR'de Niye Kırılgan? https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-phi-4-phi-4-mini-synthetic-curriculum 2026-05-14T14:42:51.775Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Phi-4 14B + Phi-4-mini 3.8B — Microsoft'un 'textbook quality' synthetic data ile train edilmiş modelleri. Math + code'da güçlü, genel TR konuşmada zayıf. Niye? Synthetic data ağırlıklı İngilizce. RTX 4090'da Phi-4 QLoRA Lab + niche domain'lerde nasıl parlıyor (math reasoning, code completion). Phi-4 + Phi-4-mini: Microsoft'un Synthetic-Curriculum Modeli — TR'de Niye Kırılgan? https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-smollm3-1.7b-tiny-tier 2026-05-14T14:42:51.865Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 SmolLM3 (HuggingFace, Mart 2025) — 1.7B param, hybrid GQA, 256K context (YaRN), %100 açık (data, training pipeline, weights). Edge cihaz target: 8GB RAM phone / Raspberry Pi 5 / IoT. RTX 4090'da full FT 25 dakika. Q4_K_M GGUF → 1.0 GB. SmolLM3 1.7B: Tiny Tier — 8GB RAM'li Cihazda Çalışan Production Model https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-smollm3-1.7b-tiny-tier 2026-05-14T14:42:51.865Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 SmolLM3 (HuggingFace, Mart 2025) — 1.7B param, hybrid GQA, 256K context (YaRN), %100 açık (data, training pipeline, weights). Edge cihaz target: 8GB RAM phone / Raspberry Pi 5 / IoT. RTX 4090'da full FT 25 dakika. Q4_K_M GGUF → 1.0 GB. SmolLM3 1.7B: Tiny Tier — 8GB RAM'li Cihazda Çalışan Production Model https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-deepseek-r1-distill-reasoning 2026-05-14T14:42:51.952Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-R1-Distill — R1 (671B reasoning model) traces ile distilled Llama/Qwen base'ler. <think>...</think> token format, chain-of-thought trace dataset, R1 reasoning capability'sini 7-8B'ye sıkıştırma. RTX 4090'da kendi reasoning FT'ni yapmak: 1000 R1-traced example yeter. DeepSeek-R1-Distill (Llama-8B / Qwen-7B): Reasoning Trace Distillation — 'Think Token'ları Öğrenmek https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-deepseek-r1-distill-reasoning 2026-05-14T14:42:51.952Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-R1-Distill — R1 (671B reasoning model) traces ile distilled Llama/Qwen base'ler. <think>...</think> token format, chain-of-thought trace dataset, R1 reasoning capability'sini 7-8B'ye sıkıştırma. RTX 4090'da kendi reasoning FT'ni yapmak: 1000 R1-traced example yeter. DeepSeek-R1-Distill (Llama-8B / Qwen-7B): Reasoning Trace Distillation — 'Think Token'ları Öğrenmek https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-yi-internlm-aya-underdogs 2026-05-14T14:42:52.042Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Llama / Qwen / Gemma popüler ama tek seçenek değil. Yi-1.5 (01.AI, 6B/9B/34B), InternLM2.5 (Shanghai AI Lab, 7B/20B), Aya Expanse (Cohere, 8B multilingual) — TR'de hangisi parlıyor? RTX 4090'da aynı reçeteyle 4 model karşılaştırması. Yi-1.5 / InternLM2.5 / Aya Expanse: Underdog'ların TR-MMLU Karşılaştırması https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-yi-internlm-aya-underdogs 2026-05-14T14:42:52.042Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Llama / Qwen / Gemma popüler ama tek seçenek değil. Yi-1.5 (01.AI, 6B/9B/34B), InternLM2.5 (Shanghai AI Lab, 7B/20B), Aya Expanse (Cohere, 8B multilingual) — TR'de hangisi parlıyor? RTX 4090'da aynı reçeteyle 4 model karşılaştırması. Yi-1.5 / InternLM2.5 / Aya Expanse: Underdog'ların TR-MMLU Karşılaştırması https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-comparative-lab-10-models-same-recipe 2026-05-14T14:42:52.132Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un Part III capstone'u: 10 modeli (Llama 3.1/3.2/3.3, Qwen 2.5/3, Mistral, Gemma 3, Phi-4, SmolLM3, R1-Distill, Aya Expanse) aynı 50K TR Alpaca üzerinde aynı hyperparam'larla FT et. Loss curve overlay, TR-MMLU + MT-Bench tablo, GPU saat, elektrik maliyet, kalite başına maliyet — hangi model hangi senaryoya? Comparative Lab: 10 Modelin Aynı Reçete + Aynı Veriyle FT'si — Tablo Karar Verir https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-comparative-lab-10-models-same-recipe 2026-05-14T14:42:52.132Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un Part III capstone'u: 10 modeli (Llama 3.1/3.2/3.3, Qwen 2.5/3, Mistral, Gemma 3, Phi-4, SmolLM3, R1-Distill, Aya Expanse) aynı 50K TR Alpaca üzerinde aynı hyperparam'larla FT et. Loss curve overlay, TR-MMLU + MT-Bench tablo, GPU saat, elektrik maliyet, kalite başına maliyet — hangi model hangi senaryoya? Comparative Lab: 10 Modelin Aynı Reçete + Aynı Veriyle FT'si — Tablo Karar Verir https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-fsdp-anatomi-full-shard-grad-op-hybrid 2026-05-14T14:42:52.230Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 FSDP — modern PyTorch'un distributed training silahı. 3 sharding strategy (FULL_SHARD param+grad+optim sharded, SHARD_GRAD_OP yalnız grad+optim, HYBRID_SHARD intra-node FSDP + inter-node DDP), MixedPrecision policy (param/reduce/buffer dtype'ları), BackwardPrefetch, auto_wrap_policy (transformer layer-wise). 8×H100 SXM'de Llama 3.3 70B QLoRA tam reçete. PyTorch FSDP Anatomi: FULL_SHARD vs SHARD_GRAD_OP vs HYBRID_SHARD + Mixed Precision Policy https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-fsdp-anatomi-full-shard-grad-op-hybrid 2026-05-14T14:42:52.230Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 FSDP — modern PyTorch'un distributed training silahı. 3 sharding strategy (FULL_SHARD param+grad+optim sharded, SHARD_GRAD_OP yalnız grad+optim, HYBRID_SHARD intra-node FSDP + inter-node DDP), MixedPrecision policy (param/reduce/buffer dtype'ları), BackwardPrefetch, auto_wrap_policy (transformer layer-wise). 8×H100 SXM'de Llama 3.3 70B QLoRA tam reçete. PyTorch FSDP Anatomi: FULL_SHARD vs SHARD_GRAD_OP vs HYBRID_SHARD + Mixed Precision Policy https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-fsdp2-per-parameter-sharding-dtensor 2026-05-14T14:42:52.316Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 FSDP2 (PyTorch 2.4+) — eski FSDP'in evrimi. Per-parameter sharding (FlatParameter pattern'ı atıldı), DTensor backbone, FQN (Fully Qualified Names) ile resumable checkpointing, mixed precision daha rahat. Llama 3.3 70B + FSDP2 + DCP (Distributed Checkpoint) reçetesi. FSDP2 (fully_shard): Per-Parameter Sharding + DTensor + 2024+ PyTorch Yeniliği https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-fsdp2-per-parameter-sharding-dtensor 2026-05-14T14:42:52.316Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 FSDP2 (PyTorch 2.4+) — eski FSDP'in evrimi. Per-parameter sharding (FlatParameter pattern'ı atıldı), DTensor backbone, FQN (Fully Qualified Names) ile resumable checkpointing, mixed precision daha rahat. Llama 3.3 70B + FSDP2 + DCP (Distributed Checkpoint) reçetesi. FSDP2 (fully_shard): Per-Parameter Sharding + DTensor + 2024+ PyTorch Yeniliği https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-deepspeed-zero-stages-infinity 2026-05-14T14:42:52.403Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 ZeRO (Microsoft) — sharding'in babası, FSDP'ten önce. Stage 1 (optimizer state shard), Stage 2 (+ gradient shard), Stage 3 (+ param shard, FULL_SHARD ekvivalent). ZeRO-Infinity ile NVMe'ye spillover → 70B single GPU **theoretically mümkün** (yavaş ama mümkün). Karar matrisi: ZeRO vs FSDP — hangisi? DeepSpeed ZeRO Stage 1/2/3 + ZeRO-Infinity: NVMe Offload + 70B Single GPU? https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-deepspeed-zero-stages-infinity 2026-05-14T14:42:52.403Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 ZeRO (Microsoft) — sharding'in babası, FSDP'ten önce. Stage 1 (optimizer state shard), Stage 2 (+ gradient shard), Stage 3 (+ param shard, FULL_SHARD ekvivalent). ZeRO-Infinity ile NVMe'ye spillover → 70B single GPU **theoretically mümkün** (yavaş ama mümkün). Karar matrisi: ZeRO vs FSDP — hangisi? DeepSpeed ZeRO Stage 1/2/3 + ZeRO-Infinity: NVMe Offload + 70B Single GPU? https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tensor-parallelism-megatron-column-row 2026-05-14T14:42:52.492Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Megatron-LM (NVIDIA) Tensor Parallel: bir matrix'in **kendi** içinde GPU'lar arasında bölünmesi. Column-parallel linear (output channels split), row-parallel linear (input channels split), all-reduce/gather pattern. 8×H100'de TP=2 vs TP=4 karar matrisi. FSDP+TP combine = 2D parallelism. Tensor Parallelism (Megatron): Column-Parallel + Row-Parallel Linear — Matrix'i Böl https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tensor-parallelism-megatron-column-row 2026-05-14T14:42:52.492Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Megatron-LM (NVIDIA) Tensor Parallel: bir matrix'in **kendi** içinde GPU'lar arasında bölünmesi. Column-parallel linear (output channels split), row-parallel linear (input channels split), all-reduce/gather pattern. 8×H100'de TP=2 vs TP=4 karar matrisi. FSDP+TP combine = 2D parallelism. Tensor Parallelism (Megatron): Column-Parallel + Row-Parallel Linear — Matrix'i Böl https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-pipeline-parallelism-gpipe-1f1b-interleaved 2026-05-14T14:42:52.578Z monthly 0.70 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Pipeline Parallel: model'in **layer'ları** GPU'lara dağıtılır (layer 1-10 GPU0, layer 11-20 GPU1, ...). Forward+Backward'ı pipeline-stream'le. GPipe (basit + bubble overhead), 1F1B (memory efficient), Interleaved 1F1B (Megatron, bubble %50 azaltır). 70B + 4-node × 8 GPU senaryo. Pipeline Parallelism: GPipe + 1F1B + Interleaved — Bubble Overhead Matematiği https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-pipeline-parallelism-gpipe-1f1b-interleaved 2026-05-14T14:42:52.578Z monthly 0.60 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Pipeline Parallel: model'in **layer'ları** GPU'lara dağıtılır (layer 1-10 GPU0, layer 11-20 GPU1, ...). Forward+Backward'ı pipeline-stream'le. GPipe (basit + bubble overhead), 1F1B (memory efficient), Interleaved 1F1B (Megatron, bubble %50 azaltır). 70B + 4-node × 8 GPU senaryo. Pipeline Parallelism: GPipe + 1F1B + Interleaved — Bubble Overhead Matematiği https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-sequence-context-parallel-ulysses-ring 2026-05-14T14:42:52.666Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Long-context FT'in fizik sınırını aşmak: sequence/context'i GPU'lar arasında böl. DeepSpeed-Ulysses (sequence parallel — head-wise), Ring Attention (Berkeley, sequence-wise), Megatron Sequence Parallel. 1M token context'i mümkün kıl. Kimi-1.5 (Moonshot) 2M context reçetesinin teknik altyapısı. Sequence Parallel + Context Parallel: Ulysses + Ring Attention + 1M Context https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-sequence-context-parallel-ulysses-ring 2026-05-14T14:42:52.666Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Long-context FT'in fizik sınırını aşmak: sequence/context'i GPU'lar arasında böl. DeepSpeed-Ulysses (sequence parallel — head-wise), Ring Attention (Berkeley, sequence-wise), Megatron Sequence Parallel. 1M token context'i mümkün kıl. Kimi-1.5 (Moonshot) 2M context reçetesinin teknik altyapısı. Sequence Parallel + Context Parallel: Ulysses + Ring Attention + 1M Context https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-llama-3.3-70b-qlora-fsdp-recipe 2026-05-14T14:42:52.752Z monthly 0.70 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.3 70B-Instruct'in tam Lab reçetesi: 8×H100 SXM cloud (Lambda $24/saat), QLoRA NF4 + FSDP FULL_SHARD, bitsandbytes 4-bit, gradient checkpointing, paged AdamW. 50K TR Alpaca üzerinde 1 epoch 5.6 saat. TR-MMLU baseline 55.4 → fine-tune 60.8. Llama 3.3 70B QLoRA + FSDP: 8×H100 SXM Reçetesi (5.6 Saat 1 Epoch) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-llama-3.3-70b-qlora-fsdp-recipe 2026-05-14T14:42:52.752Z monthly 0.60 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.3 70B-Instruct'in tam Lab reçetesi: 8×H100 SXM cloud (Lambda $24/saat), QLoRA NF4 + FSDP FULL_SHARD, bitsandbytes 4-bit, gradient checkpointing, paged AdamW. 50K TR Alpaca üzerinde 1 epoch 5.6 saat. TR-MMLU baseline 55.4 → fine-tune 60.8. Llama 3.3 70B QLoRA + FSDP: 8×H100 SXM Reçetesi (5.6 Saat 1 Epoch) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-qwen-32b-72b-math-code-mastery 2026-05-14T14:42:52.845Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Qwen 2.5 32B/72B — math + code'da Llama 70B'yi geçen baseline. Math-heavy dataset mix (GSM8K + MATH + AIME + MetaMathQA), step-by-step CoT format, code execution loop, hyperparameter farkları (lr daha düşük, ep daha çok). 4×H100 80GB QLoRA 32B reçetesi (~3 saat). Qwen 2.5 32B / 72B Math + Code Mastery: GSM8K + MATH-500 + HumanEval FT Reçetesi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-qwen-32b-72b-math-code-mastery 2026-05-14T14:42:52.845Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Qwen 2.5 32B/72B — math + code'da Llama 70B'yi geçen baseline. Math-heavy dataset mix (GSM8K + MATH + AIME + MetaMathQA), step-by-step CoT format, code execution loop, hyperparameter farkları (lr daha düşük, ep daha çok). 4×H100 80GB QLoRA 32B reçetesi (~3 saat). Qwen 2.5 32B / 72B Math + Code Mastery: GSM8K + MATH-500 + HumanEval FT Reçetesi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-command-r-granite-rag-citation 2026-05-14T14:42:52.932Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Cohere Command-R (35B) / Command-R+ (104B) — RAG-tuned baseline, citation token training native. IBM Granite 3 (2B/8B + 32B/MoE) — Apache 2.0 enterprise tier, governance odaklı. RAG-FT dataset format, citation accuracy ölçümü, tool-calling, 4×H100 80GB Command-R+ QLoRA reçetesi. Command-R / Command-R+ + Granite 3: RAG-Native + Citation FT + Enterprise Tier https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-command-r-granite-rag-citation 2026-05-14T14:42:52.932Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Cohere Command-R (35B) / Command-R+ (104B) — RAG-tuned baseline, citation token training native. IBM Granite 3 (2B/8B + 32B/MoE) — Apache 2.0 enterprise tier, governance odaklı. RAG-FT dataset format, citation accuracy ölçümü, tool-calling, 4×H100 80GB Command-R+ QLoRA reçetesi. Command-R / Command-R+ + Granite 3: RAG-Native + Citation FT + Enterprise Tier https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-hybrid-ssm-falcon-mamba-zamba 2026-05-14T14:42:53.035Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 State Space Model (SSM, Mamba) — Transformer'a alternatif mimari. KV-cache yok, inference complexity O(N) (Transformer O(N²)). Falcon-Mamba 7B, Zamba2 (Mamba + transformer hibrit). FT pattern Transformer'dan farklı: state'ler reset, gradient flow, learning rate hassaslığı. RTX 4090'da reçete. Hybrid SSM Modelleri: Falcon-Mamba + Zamba2 — KV-Cache Olmadan Long Context https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-hybrid-ssm-falcon-mamba-zamba 2026-05-14T14:42:53.035Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 State Space Model (SSM, Mamba) — Transformer'a alternatif mimari. KV-cache yok, inference complexity O(N) (Transformer O(N²)). Falcon-Mamba 7B, Zamba2 (Mamba + transformer hibrit). FT pattern Transformer'dan farklı: state'ler reset, gradient flow, learning rate hassaslığı. RTX 4090'da reçete. Hybrid SSM Modelleri: Falcon-Mamba + Zamba2 — KV-Cache Olmadan Long Context https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-multi-node-fault-tolerant-training 2026-05-14T14:42:53.121Z monthly 0.70 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 Cluster training'in gerçeği: node failure'lar olur, NCCL hang olur, checkpoint corrupted olabilir. Cookbook'un fault-tolerant reçetesi: NCCL_TIMEOUT, watchdog, signal handling (SIGUSR1), elastic launcher (torchrun --rdzv_backend=c10d), graceful preemption resume. 70B model 2 günlük training'in 'survival kit'i. Multi-Node Run + Fault-Tolerant Training: 2 Node × 8 H100 NCCL Cluster https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-multi-node-fault-tolerant-training 2026-05-14T14:42:53.121Z monthly 0.60 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 Cluster training'in gerçeği: node failure'lar olur, NCCL hang olur, checkpoint corrupted olabilir. Cookbook'un fault-tolerant reçetesi: NCCL_TIMEOUT, watchdog, signal handling (SIGUSR1), elastic launcher (torchrun --rdzv_backend=c10d), graceful preemption resume. 70B model 2 günlük training'in 'survival kit'i. Multi-Node Run + Fault-Tolerant Training: 2 Node × 8 H100 NCCL Cluster https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-moe-mathematics-router-load-balancing 2026-05-14T14:42:53.209Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 MoE'nin kalbi router. Top-K routing matematiksel derivation (Shazeer 2017, Switch Transformer 2021), token-to-expert assignment, expert capacity factor (overflow vs underutilization), load balancing loss (aux loss), softmax temperature ve top-K=2 vs top-K=1 trade-off. Mixtral 8×7B'nin gerçek router config'i. MoE Mathematics: Top-K Router + Softmax + Noise + Auxiliary Load-Balancing Loss https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-moe-mathematics-router-load-balancing 2026-05-14T14:42:53.209Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 MoE'nin kalbi router. Top-K routing matematiksel derivation (Shazeer 2017, Switch Transformer 2021), token-to-expert assignment, expert capacity factor (overflow vs underutilization), load balancing loss (aux loss), softmax temperature ve top-K=2 vs top-K=1 trade-off. Mixtral 8×7B'nin gerçek router config'i. MoE Mathematics: Top-K Router + Softmax + Noise + Auxiliary Load-Balancing Loss https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-mixtral-fine-tuning-router-collapse 2026-05-14T14:42:53.297Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Mixtral'in FT'sinde en sık karşılaşılan bug: **router collapse** — eğitim ilerledikçe bir expert dominat olur, diğerleri dead. Capacity overflow, aux loss weight'in dinamik adaptasyonu, expert balance metrics ölçümü, FSDP + MoE uyumu (expert parallelism). 4×H100 80GB Mixtral 8×7B QLoRA reçetesi (~4 saat). Mixtral 8×7B / 8×22B FT: Router Collapse Problemi + Aux Loss Weight Kalibrasyon https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-mixtral-fine-tuning-router-collapse 2026-05-14T14:42:53.297Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Mixtral'in FT'sinde en sık karşılaşılan bug: **router collapse** — eğitim ilerledikçe bir expert dominat olur, diğerleri dead. Capacity overflow, aux loss weight'in dinamik adaptasyonu, expert balance metrics ölçümü, FSDP + MoE uyumu (expert parallelism). 4×H100 80GB Mixtral 8×7B QLoRA reçetesi (~4 saat). Mixtral 8×7B / 8×22B FT: Router Collapse Problemi + Aux Loss Weight Kalibrasyon https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-deepseek-v3-r1-moe-shared-expert 2026-05-14T14:42:53.384Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-V3 (671B param, 37B active) — modern MoE'in en iyi açık örneği. Shared expert (her token'a giden 'common knowledge') + 256 routed expert (fine-grained). DeepSeek-R1 aynı mimari + RL ile reasoning. RTX 4090'da impossible; cookbook'un cloud reçetesi 16×H100 NDR IB + ZeRO-Infinity + expert parallelism. DeepSeek-V3 / R1 (671B, 37B Active): Shared Expert + Fine-Grained Routing — LoRA Hangi Parçaya? https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-deepseek-v3-r1-moe-shared-expert 2026-05-14T14:42:53.384Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-V3 (671B param, 37B active) — modern MoE'in en iyi açık örneği. Shared expert (her token'a giden 'common knowledge') + 256 routed expert (fine-grained). DeepSeek-R1 aynı mimari + RL ile reasoning. RTX 4090'da impossible; cookbook'un cloud reçetesi 16×H100 NDR IB + ZeRO-Infinity + expert parallelism. DeepSeek-V3 / R1 (671B, 37B Active): Shared Expert + Fine-Grained Routing — LoRA Hangi Parçaya? https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-qwen3-moe-llama4-moe-pattern 2026-05-14T14:42:53.471Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Qwen3-MoE (30B-A3B, 235B-A22B) ve Llama-4-MoE (Behemoth, Maverick, Scout) — 2025'in yeni MoE jenerasyonu. 'Generic MoE FT pattern' — hangi MoE modeli karşına çıkarsa aynı disipline uyarlanır. Common chat template, router-aware LoRA, expert-targeted SFT. 8×H100 baseline reçete. Qwen3-MoE + Llama-4-MoE Pattern: Generic MoE FT Reçetesi (8×H100 Baseline) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-qwen3-moe-llama4-moe-pattern 2026-05-14T14:42:53.471Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Qwen3-MoE (30B-A3B, 235B-A22B) ve Llama-4-MoE (Behemoth, Maverick, Scout) — 2025'in yeni MoE jenerasyonu. 'Generic MoE FT pattern' — hangi MoE modeli karşına çıkarsa aynı disipline uyarlanır. Common chat template, router-aware LoRA, expert-targeted SFT. 8×H100 baseline reçete. Qwen3-MoE + Llama-4-MoE Pattern: Generic MoE FT Reçetesi (8×H100 Baseline) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-sparse-upcycling-dense-to-moe 2026-05-14T14:42:53.557Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Sparse Upcycling (Komatsuzaki et al. 2022) — dense pre-trained model'i MoE'ye çevirip continual pre-train ile uzmanlaştırma. Mevcut FFN'i N kez kopyala, router ekle, training devam et. Pre-train'in scratch'tan çok daha ucuz. RTX 4090'da Qwen 2.5 7B → 7B-MoE (8 expert) conversion lab. Sparse Upcycling: Dense Model'i MoE'ye Çevirme — Qwen2-MoE Technique Reconstruction https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-sparse-upcycling-dense-to-moe 2026-05-14T14:42:53.557Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Sparse Upcycling (Komatsuzaki et al. 2022) — dense pre-trained model'i MoE'ye çevirip continual pre-train ile uzmanlaştırma. Mevcut FFN'i N kez kopyala, router ekle, training devam et. Pre-train'in scratch'tan çok daha ucuz. RTX 4090'da Qwen 2.5 7B → 7B-MoE (8 expert) conversion lab. Sparse Upcycling: Dense Model'i MoE'ye Çevirme — Qwen2-MoE Technique Reconstruction https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-expert-specialization-probe 2026-05-14T14:42:53.642Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 MoE'nin sırrı: bazı expert'ler matematiğe, bazıları koda, bazıları Türkçe'ye, bazıları formal yazıya 'uzmanlaşır'. Bu specialization'ı ölçmek için probe: domain-specific test prompts (math, code, TR-chat) ver, hangi expert'ler hangi prompt'ta aktif olduğunu sayısallaştır. Mixtral 8×7B'in TR specialization map'i. Expert Specialization Probe: Token Routing İstatistikleri + Dil/Domain Ayrışması https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-expert-specialization-probe 2026-05-14T14:42:53.642Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 MoE'nin sırrı: bazı expert'ler matematiğe, bazıları koda, bazıları Türkçe'ye, bazıları formal yazıya 'uzmanlaşır'. Bu specialization'ı ölçmek için probe: domain-specific test prompts (math, code, TR-chat) ver, hangi expert'ler hangi prompt'ta aktif olduğunu sayısallaştır. Mixtral 8×7B'in TR specialization map'i. Expert Specialization Probe: Token Routing İstatistikleri + Dil/Domain Ayrışması https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-moe-quantization-expert-offload 2026-05-14T14:42:53.730Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 MoE'lerin inference'ı dense'lerden farklı: bazı expert'ler 'cold' (nadir kullanılır) → CPU/disk offload. Dynamic routing × quantization etkileşimi (router'ın quant tolerance'ı), MoE-spesifik vLLM tuning, Mixtral AWQ + sparse expert loading. RTX 4090'da Mixtral 8×7B serving (~140 tok/s). MoE Quantization & Inference: Expert Offload + Dynamic Routing Under Quant https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-moe-quantization-expert-offload 2026-05-14T14:42:53.730Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 MoE'lerin inference'ı dense'lerden farklı: bazı expert'ler 'cold' (nadir kullanılır) → CPU/disk offload. Dynamic routing × quantization etkileşimi (router'ın quant tolerance'ı), MoE-spesifik vLLM tuning, Mixtral AWQ + sparse expert loading. RTX 4090'da Mixtral 8×7B serving (~140 tok/s). MoE Quantization & Inference: Expert Offload + Dynamic Routing Under Quant https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-vlm-architecture-anatomy 2026-05-14T14:42:53.816Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 VLM'in 3 ana bileşeni: Vision encoder (SigLIP-400M, ViT-G/14, EVA-CLIP), Projector (MLP / Q-former / Resampler / Cross-attention), LLM backbone (Llama/Qwen/Phi). Token interleave format, image token allocation, position encoding harmoni, 2D/M-RoPE patches. Her popüler VLM family için arch tablosu. VLM Mimari Anatomisi: Vision Encoder + Projector + LLM Backbone — Detaylı Diseksiyon https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-vlm-architecture-anatomy 2026-05-14T14:42:53.816Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 VLM'in 3 ana bileşeni: Vision encoder (SigLIP-400M, ViT-G/14, EVA-CLIP), Projector (MLP / Q-former / Resampler / Cross-attention), LLM backbone (Llama/Qwen/Phi). Token interleave format, image token allocation, position encoding harmoni, 2D/M-RoPE patches. Her popüler VLM family için arch tablosu. VLM Mimari Anatomisi: Vision Encoder + Projector + LLM Backbone — Detaylı Diseksiyon https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-llava-family-2-stage-training 2026-05-14T14:42:53.902Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLaVA'nın klasik 2-stage training reçetesi: (1) Projector-only pretrain (LAION-CC-SBU 558K image-caption pair üzerinde), (2) End-to-end instruction tune (LLaVA-Instruct-150K + custom). Freeze strategy ablation (vision frozen vs unfrozen, LLM frozen vs unfrozen). RTX 4090'da LLaVA-1.6 Mistral 7B FT. LLaVA-1.5 / 1.6 / OneVision: 2-Stage Training + Projector Pretrain + Instruction Tune https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-llava-family-2-stage-training 2026-05-14T14:42:53.902Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LLaVA'nın klasik 2-stage training reçetesi: (1) Projector-only pretrain (LAION-CC-SBU 558K image-caption pair üzerinde), (2) End-to-end instruction tune (LLaVA-Instruct-150K + custom). Freeze strategy ablation (vision frozen vs unfrozen, LLM frozen vs unfrozen). RTX 4090'da LLaVA-1.6 Mistral 7B FT. LLaVA-1.5 / 1.6 / OneVision: 2-Stage Training + Projector Pretrain + Instruction Tune https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-llama-3.2-vision-cross-attention 2026-05-14T14:42:53.991Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.2 Vision — Meta'nın cross-attention adapter yaklaşımı (LLaVA MLP'sinden farklı). Vision encoder ViT-H/14, LLM ile **interleaved cross-attention layers** ile birleşir. Multi-image FT, image+text interleave format, RTX 4090'da 11B QLoRA marjinal (~22 GB), 90B cloud only. Llama 3.2 Vision 11B / 90B: Cross-Attention Adapter + Multi-Image FT https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-llama-3.2-vision-cross-attention 2026-05-14T14:42:53.991Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.2 Vision — Meta'nın cross-attention adapter yaklaşımı (LLaVA MLP'sinden farklı). Vision encoder ViT-H/14, LLM ile **interleaved cross-attention layers** ile birleşir. Multi-image FT, image+text interleave format, RTX 4090'da 11B QLoRA marjinal (~22 GB), 90B cloud only. Llama 3.2 Vision 11B / 90B: Cross-Attention Adapter + Multi-Image FT https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-qwen-25-vl-dynamic-resolution-tr-ocr 2026-05-14T14:42:54.078Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Qwen 2.5-VL (3B/7B/72B) — modern multimodal şampiyonu. **Dynamic resolution** (224×224 fixed yok), **M-RoPE** (temporal + height + width RoPE), document understanding, video, multilingual. Türkçe fatura/dilekçe OCR FT'i uçtan uca: dataset hazırlığı, vision tower freeze, LoRA target, accuracy ölçümü. Qwen 2.5-VL: Dynamic Resolution + M-RoPE + Türkçe OCR FT (Fatura/Dilekçe) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-qwen-25-vl-dynamic-resolution-tr-ocr 2026-05-14T14:42:54.078Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Qwen 2.5-VL (3B/7B/72B) — modern multimodal şampiyonu. **Dynamic resolution** (224×224 fixed yok), **M-RoPE** (temporal + height + width RoPE), document understanding, video, multilingual. Türkçe fatura/dilekçe OCR FT'i uçtan uca: dataset hazırlığı, vision tower freeze, LoRA target, accuracy ölçümü. Qwen 2.5-VL: Dynamic Resolution + M-RoPE + Türkçe OCR FT (Fatura/Dilekçe) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-pixtral-12b-mistral-multimodal 2026-05-14T14:42:54.169Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Pixtral 12B (Mistral Nemo 12B + 400M ViT) + Pixtral Large (124B) — Mistral'in açık multimodal'ı. Apache 2.0, resolution-free, EU AI Act-compliance friendly. 7-32 image per context, 128K context. RTX 4090'da Pixtral 12B QLoRA marjinal (~22 GB). Pixtral 12B + Pixtral Large: Mistral Multimodal — Resolution-Free + Apache 2.0 https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-pixtral-12b-mistral-multimodal 2026-05-14T14:42:54.169Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Pixtral 12B (Mistral Nemo 12B + 400M ViT) + Pixtral Large (124B) — Mistral'in açık multimodal'ı. Apache 2.0, resolution-free, EU AI Act-compliance friendly. 7-32 image per context, 128K context. RTX 4090'da Pixtral 12B QLoRA marjinal (~22 GB). Pixtral 12B + Pixtral Large: Mistral Multimodal — Resolution-Free + Apache 2.0 https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-internvl-idefics-phi-multimodal 2026-05-14T14:42:54.259Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Daha az popüler ama önemli VLM'ler: InternVL2.5 (Shanghai AI Lab, 8B-78B), Idefics3 (HuggingFace), Phi-4-Multimodal (Microsoft, 5.4B vision+text). Her birinin mimari + FT pattern karşılaştırması. Niş use-case (medical/document/scientific) için hangisi parlıyor. InternVL2.5 + Idefics3 + Phi-4-Multimodal: Karşılaştırmalı Arch Tour https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-internvl-idefics-phi-multimodal 2026-05-14T14:42:54.259Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Daha az popüler ama önemli VLM'ler: InternVL2.5 (Shanghai AI Lab, 8B-78B), Idefics3 (HuggingFace), Phi-4-Multimodal (Microsoft, 5.4B vision+text). Her birinin mimari + FT pattern karşılaştırması. Niş use-case (medical/document/scientific) için hangisi parlıyor. InternVL2.5 + Idefics3 + Phi-4-Multimodal: Karşılaştırmalı Arch Tour https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-vision-tower-freeze-probing 2026-05-14T14:42:54.344Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 VLM FT'inin en sık tartışılan kararı: vision encoder'ı freeze etmek mi unfreeze etmek mi? Frozen → vision capability korunur, eğitim hızlı, daha az risk. Unfrozen → kalite +%2-5 ama eğitim 3-5x yavaş + over-fit riski. Ablation: 5 farklı freeze stratejisi karşılaştırma, RTX 4090 + Qwen 2.5-VL 7B. Vision Tower'ı Hangi Aşamada Freeze? — Probing Lab + Downstream Eval https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-vision-tower-freeze-probing 2026-05-14T14:42:54.344Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 VLM FT'inin en sık tartışılan kararı: vision encoder'ı freeze etmek mi unfreeze etmek mi? Frozen → vision capability korunur, eğitim hızlı, daha az risk. Unfrozen → kalite +%2-5 ama eğitim 3-5x yavaş + over-fit riski. Ablation: 5 farklı freeze stratejisi karşılaştırma, RTX 4090 + Qwen 2.5-VL 7B. Vision Tower'ı Hangi Aşamada Freeze? — Probing Lab + Downstream Eval https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-document-vlm-docvqa-chartqa-tr 2026-05-14T14:42:54.432Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Document AI use-case'leri: DocVQA (document Q&A), ChartQA (grafik anlama), TableVQA (tablo extraction). TR-spesifik dataset üretimi: synthetic fatura + dilekçe + sözleşme images, structured field extraction. Qwen 2.5-VL 7B baseline → FT → field accuracy %76 → %94. Document VLM FT: DocVQA + ChartQA + TableVQA + Türkçe Fatura/Dilekçe Dataset https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-document-vlm-docvqa-chartqa-tr 2026-05-14T14:42:54.432Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Document AI use-case'leri: DocVQA (document Q&A), ChartQA (grafik anlama), TableVQA (tablo extraction). TR-spesifik dataset üretimi: synthetic fatura + dilekçe + sözleşme images, structured field extraction. Qwen 2.5-VL 7B baseline → FT → field accuracy %76 → %94. Document VLM FT: DocVQA + ChartQA + TableVQA + Türkçe Fatura/Dilekçe Dataset https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-grounding-fine-tuning-bbox 2026-05-14T14:42:54.517Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 VLM'in 'göstermek' özelliği: 'köpeği işaret et' → [0.32, 0.45, 0.58, 0.71]. Bounding box (bbox) token format: <bbox>x1,y1,x2,y2</bbox> veya normalize 0-1000 koordinatlar. RefCOCO dataset, grounding evaluation (IoU), Qwen 2.5-VL'in native grounding desteği. Grounding FT: Bounding-Box Token Format + RefCOCO-Tarzı Görev https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-grounding-fine-tuning-bbox 2026-05-14T14:42:54.517Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 VLM'in 'göstermek' özelliği: 'köpeği işaret et' → [0.32, 0.45, 0.58, 0.71]. Bounding box (bbox) token format: <bbox>x1,y1,x2,y2</bbox> veya normalize 0-1000 koordinatlar. RefCOCO dataset, grounding evaluation (IoU), Qwen 2.5-VL'in native grounding desteği. Grounding FT: Bounding-Box Token Format + RefCOCO-Tarzı Görev https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-video-llm-finetuning 2026-05-14T14:42:54.603Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Video LLM'i — image'in temporal extension'ı. LLaVA-NeXT-Video, VideoLLaMA3, Qwen 2.5-VL native video. Frame sampling (uniform vs adaptive), temporal token compression, long-video Q&A (>1 saat). RTX 4090'da Video LLM FT — short-clip (10-30 sn) ile pratik. Video LLM FT: LLaVA-NeXT-Video + VideoLLaMA3 + Frame Sampling Stratejisi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-video-llm-finetuning 2026-05-14T14:42:54.603Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Video LLM'i — image'in temporal extension'ı. LLaVA-NeXT-Video, VideoLLaMA3, Qwen 2.5-VL native video. Frame sampling (uniform vs adaptive), temporal token compression, long-video Q&A (>1 saat). RTX 4090'da Video LLM FT — short-clip (10-30 sn) ile pratik. Video LLM FT: LLaVA-NeXT-Video + VideoLLaMA3 + Frame Sampling Stratejisi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-whisper-architecture-log-mel 2026-05-14T14:42:54.688Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Whisper (OpenAI 2022) — speech recognition'ın altın standardı. Anatomi: 80-bin log-mel spectrogram input, 12-32 layer encoder + 12-32 layer decoder transformer, BPE tokenizer (50K + multilingual + tasks), language tokens (\`<|tr|>\`), task tokens (\`<|transcribe|>\` vs \`<|translate|>\`), timestamp tokens. Model variants: tiny (39M) → large-v3 (1.5B) → large-v3-turbo (809M). Whisper Architecture: Log-Mel Spectrogram + Encoder-Decoder + Language Tokens https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-whisper-architecture-log-mel 2026-05-14T14:42:54.688Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Whisper (OpenAI 2022) — speech recognition'ın altın standardı. Anatomi: 80-bin log-mel spectrogram input, 12-32 layer encoder + 12-32 layer decoder transformer, BPE tokenizer (50K + multilingual + tasks), language tokens (\`<|tr|>\`), task tokens (\`<|transcribe|>\` vs \`<|translate|>\`), timestamp tokens. Model variants: tiny (39M) → large-v3 (1.5B) → large-v3-turbo (809M). Whisper Architecture: Log-Mel Spectrogram + Encoder-Decoder + Language Tokens https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-whisper-tr-fine-tuning 2026-05-14T14:42:54.773Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe Whisper FT — RTX 4090'da rahat (large-v3 ~6 GB, large-v3-turbo ~3 GB). Common Voice TR (180 saat), Bilkent TR corpus, Mozilla TR. WER (Word Error Rate) ölçümü, alfa/diacritic doğruluğu, Türkçe-spesifik tokenize fixes. Baseline WER %12 → FT WER %6 (~2× iyileşme). Whisper Large-v3 / Turbo TR FT: Common Voice + Bilkent + Mozilla TR + Custom Corpus https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-whisper-tr-fine-tuning 2026-05-14T14:42:54.773Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe Whisper FT — RTX 4090'da rahat (large-v3 ~6 GB, large-v3-turbo ~3 GB). Common Voice TR (180 saat), Bilkent TR corpus, Mozilla TR. WER (Word Error Rate) ölçümü, alfa/diacritic doğruluğu, Türkçe-spesifik tokenize fixes. Baseline WER %12 → FT WER %6 (~2× iyileşme). Whisper Large-v3 / Turbo TR FT: Common Voice + Bilkent + Mozilla TR + Custom Corpus https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-turkish-dialect-finetuning 2026-05-14T14:42:54.860Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Standart Türkçe baseline Whisper iyi ama lehçelerle zorlanır (Karadeniz 'cik' eki, Doğu Anadolu sertlikleri, Ege 'ce'lik). Lehçe ses kayıt protokolü (rıza dahil), 50-100 saat regional corpus, FT + WER per-lehçe. Production: müşteri hizmetleri, sağlık (köy hizmetleri). Türkçe Lehçe FT: Karadeniz / Ege / Doğu Anadolu Telaffuzu + Dataset Toplama https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-turkish-dialect-finetuning 2026-05-14T14:42:54.860Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Standart Türkçe baseline Whisper iyi ama lehçelerle zorlanır (Karadeniz 'cik' eki, Doğu Anadolu sertlikleri, Ege 'ce'lik). Lehçe ses kayıt protokolü (rıza dahil), 50-100 saat regional corpus, FT + WER per-lehçe. Production: müşteri hizmetleri, sağlık (köy hizmetleri). Türkçe Lehçe FT: Karadeniz / Ege / Doğu Anadolu Telaffuzu + Dataset Toplama https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-streaming-asr-faster-whisper-distil 2026-05-14T14:42:54.946Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Whisper offline (batch) hızlı ama streaming için optimize değil. Solution: **faster-whisper** (CTranslate2 + INT8), **distil-whisper** (50% layer azaltılmış student). Latency budget < 200 ms first-token, 70× real-time. RTX 4090'da Türkçe streaming setup: chunking, voice activity detection (VAD), partial hypothesis. Streaming ASR: faster-whisper + distil-whisper — Real-Time Latency Budget < 200ms https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-streaming-asr-faster-whisper-distil 2026-05-14T14:42:54.946Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Whisper offline (batch) hızlı ama streaming için optimize değil. Solution: **faster-whisper** (CTranslate2 + INT8), **distil-whisper** (50% layer azaltılmış student). Latency budget < 200 ms first-token, 70× real-time. RTX 4090'da Türkçe streaming setup: chunking, voice activity detection (VAD), partial hypothesis. Streaming ASR: faster-whisper + distil-whisper — Real-Time Latency Budget < 200ms https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-audio-llm-qwen2-audio-phi-4-mm 2026-05-14T14:42:55.038Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Audio LLM = Whisper'ın ötesi. Sadece transcribe etmiyor, ses içeriğini **anlıyor** ve cevap veriyor. Qwen2-Audio (Alibaba, 7B), Phi-4-Multimodal audio branch. Ses-spesifik task'lar: emotion recognition, music understanding, environmental audio Q&A. RTX 4090'da Qwen2-Audio FT reçetesi. Audio LLM: Qwen2-Audio + Phi-4-Multimodal Audio Branch — Ses Anlama + Cevap https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-audio-llm-qwen2-audio-phi-4-mm 2026-05-14T14:42:55.038Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Audio LLM = Whisper'ın ötesi. Sadece transcribe etmiyor, ses içeriğini **anlıyor** ve cevap veriyor. Qwen2-Audio (Alibaba, 7B), Phi-4-Multimodal audio branch. Ses-spesifik task'lar: emotion recognition, music understanding, environmental audio Q&A. RTX 4090'da Qwen2-Audio FT reçetesi. Audio LLM: Qwen2-Audio + Phi-4-Multimodal Audio Branch — Ses Anlama + Cevap https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tts-fine-tuning-turkish-voice-cloning 2026-05-14T14:42:55.126Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Text-to-Speech FT — TR'de yetersiz baseline'lar. XTTS-v2 (Coqui), F5-TTS (zero-shot voice cloning), Kokoro (StyleTTS2-based), Parler-TTS (description-controlled). 5-10 dakika referans ses ile kişiye özel voice clone. RTX 4090'da 1-3 saat FT. **Etik: rıza + KVKK + deepfake risk**. TTS FT: XTTS-v2 + F5-TTS + Kokoro + Parler-TTS — Türkçe Ses Klonlama (Rıza + KVKK) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tts-fine-tuning-turkish-voice-cloning 2026-05-14T14:42:55.126Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Text-to-Speech FT — TR'de yetersiz baseline'lar. XTTS-v2 (Coqui), F5-TTS (zero-shot voice cloning), Kokoro (StyleTTS2-based), Parler-TTS (description-controlled). 5-10 dakika referans ses ile kişiye özel voice clone. RTX 4090'da 1-3 saat FT. **Etik: rıza + KVKK + deepfake risk**. TTS FT: XTTS-v2 + F5-TTS + Kokoro + Parler-TTS — Türkçe Ses Klonlama (Rıza + KVKK) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-speaker-id-diarization-pyannote 2026-05-14T14:42:55.231Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Toplantı/çağrı merkezi transkripti: 'kim konuşuyor + ne diyor'. pyannote.audio (HF), WavLM speaker embedding, diarization pipeline (VAD → embedding → clustering). Çağrı merkezi case: müşteri vs operatör ayrımı, RTX 4090 + 100 saat TR çağrı dataset üzerinde FT. Speaker ID + Diarization FT: pyannote.audio + WavLM — Çoklu Konuşmacı Ayrımı https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-speaker-id-diarization-pyannote 2026-05-14T14:42:55.231Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Toplantı/çağrı merkezi transkripti: 'kim konuşuyor + ne diyor'. pyannote.audio (HF), WavLM speaker embedding, diarization pipeline (VAD → embedding → clustering). Çağrı merkezi case: müşteri vs operatör ayrımı, RTX 4090 + 100 saat TR çağrı dataset üzerinde FT. Speaker ID + Diarization FT: pyannote.audio + WavLM — Çoklu Konuşmacı Ayrımı https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-fim-fill-in-the-middle-format 2026-05-14T14:42:55.318Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Code completion'ın bel kemiği: FIM. Klasik LLM next-token prediction'ı kod için yetersiz — gerçek IDE'de imleç ortada, prefix + suffix var. FIM training: \`<fim_prefix>\`{prefix}\`<fim_suffix>\`{suffix}\`<fim_middle>\`{middle} format. Dataset preparation: existing code'u random split + transform. Bayraghani et al. 2022 paper'ı temel. FIM (Fill-in-the-Middle) Format: Prefix + Suffix → Middle Token Mantığı https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-fim-fill-in-the-middle-format 2026-05-14T14:42:55.318Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Code completion'ın bel kemiği: FIM. Klasik LLM next-token prediction'ı kod için yetersiz — gerçek IDE'de imleç ortada, prefix + suffix var. FIM training: \`<fim_prefix>\`{prefix}\`<fim_suffix>\`{suffix}\`<fim_middle>\`{middle} format. Dataset preparation: existing code'u random split + transform. Bayraghani et al. 2022 paper'ı temel. FIM (Fill-in-the-Middle) Format: Prefix + Suffix → Middle Token Mantığı https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-qwen-coder-repo-level-context 2026-05-14T14:42:55.406Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Qwen2.5-Coder ailesi — 2025'in en güçlü açık code LLM. FIM native, 128K context, repo-level context için optimize. 32B HumanEval 92.7%, SWE-Bench-Lite 31.6%. RTX 4090'da 7B QLoRA 40 dk; 32B cloud H100 80GB tek-GPU. Qwen2.5-Coder 7B/14B/32B: Repo-Level Context (16K-128K) + FIM Native FT https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-qwen-coder-repo-level-context 2026-05-14T14:42:55.406Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Qwen2.5-Coder ailesi — 2025'in en güçlü açık code LLM. FIM native, 128K context, repo-level context için optimize. 32B HumanEval 92.7%, SWE-Bench-Lite 31.6%. RTX 4090'da 7B QLoRA 40 dk; 32B cloud H100 80GB tek-GPU. Qwen2.5-Coder 7B/14B/32B: Repo-Level Context (16K-128K) + FIM Native FT https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-deepseek-coder-v2-moe-code 2026-05-14T14:42:55.494Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-Coder-V2 (DeepSeek 2024) — MoE arch (16B / 236B), Apache 2.0 lisansla en güçlü açık code LLM'lerden. 338 programming language, 128K context, multi-file repo understanding. RTX 4090'da 16B (2.4B active) QLoRA mümkün; 236B cloud only. DeepSeek-Coder-V2 16B / 236B: MoE Code Model + Multi-File Context https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-deepseek-coder-v2-moe-code 2026-05-14T14:42:55.494Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 DeepSeek-Coder-V2 (DeepSeek 2024) — MoE arch (16B / 236B), Apache 2.0 lisansla en güçlü açık code LLM'lerden. 338 programming language, 128K context, multi-file repo understanding. RTX 4090'da 16B (2.4B active) QLoRA mümkün; 236B cloud only. DeepSeek-Coder-V2 16B / 236B: MoE Code Model + Multi-File Context https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-starcoder-2-codellama-license 2026-05-14T14:42:55.581Z monthly 0.70 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 StarCoder 2 (BigCode + ServiceNow + HF, 2024) — 600+ programming language, BigCode RAIL lisans (responsible AI). CodeLlama (Meta, 2023) — Llama 2 base, daha eski. Lisans nuances: ticari kullanım kısıtları, derivative work koşulları. Cookbook tavsiyesi: Qwen2.5-Coder > DeepSeek-Coder-V2 (Apache 2.0) > StarCoder 2 (RAIL) > CodeLlama (eski). StarCoder 2 + CodeLlama: BigCode RAIL Lisans Labirenti + 600+ Programming Languages https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-starcoder-2-codellama-license 2026-05-14T14:42:55.581Z monthly 0.60 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 StarCoder 2 (BigCode + ServiceNow + HF, 2024) — 600+ programming language, BigCode RAIL lisans (responsible AI). CodeLlama (Meta, 2023) — Llama 2 base, daha eski. Lisans nuances: ticari kullanım kısıtları, derivative work koşulları. Cookbook tavsiyesi: Qwen2.5-Coder > DeepSeek-Coder-V2 (Apache 2.0) > StarCoder 2 (RAIL) > CodeLlama (eski). StarCoder 2 + CodeLlama: BigCode RAIL Lisans Labirenti + 600+ Programming Languages https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-codestral-mistral-mamba 2026-05-14T14:42:55.665Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Codestral 22B (Mistral 2024, non-commercial license) + **Codestral Mamba 7B** (Apache 2.0, Mamba SSM arch). Codestral Mamba — TR mühendis için tek Apache 2.0 Mistral kod modeli. SSM arch'ın code'a uygulanması, long-context advantages. Codestral + Codestral Mamba: Mistral Kod Stack'i — Apache 2.0 Tek Apache https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-codestral-mistral-mamba 2026-05-14T14:42:55.665Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Codestral 22B (Mistral 2024, non-commercial license) + **Codestral Mamba 7B** (Apache 2.0, Mamba SSM arch). Codestral Mamba — TR mühendis için tek Apache 2.0 Mistral kod modeli. SSM arch'ın code'a uygulanması, long-context advantages. Codestral + Codestral Mamba: Mistral Kod Stack'i — Apache 2.0 Tek Apache https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-custom-stack-repo-tuned-model 2026-05-14T14:42:55.752Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Şirket internal kod tabanına özel FT: 50K LoC Python+TypeScript repo. Dosya hiyerarşisi koruma, internal symbol awareness (class/func adları), test file pairing, commit history mining (good/bad code), 7B model RTX 4090'da 4-6 saat FT. Custom Stack FT Lab: Mid-Size Repo (~50K LoC) Üzerinde Repo-Tuned Model https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-custom-stack-repo-tuned-model 2026-05-14T14:42:55.752Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Şirket internal kod tabanına özel FT: 50K LoC Python+TypeScript repo. Dosya hiyerarşisi koruma, internal symbol awareness (class/func adları), test file pairing, commit history mining (good/bad code), 7B model RTX 4090'da 4-6 saat FT. Custom Stack FT Lab: Mid-Size Repo (~50K LoC) Üzerinde Repo-Tuned Model https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-code-eval-humaneval-mbpp-swe-bench 2026-05-14T14:42:55.840Z monthly 0.70 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 Code LLM'in standart benchmark suite'i: HumanEval (164 Python problem), MBPP (974 Python), BigCodeBench (1140 calls 139 lib), LiveCodeBench (datas leak-resistant), SWE-Bench-Lite (300 real GitHub issue fix). Pass@1 vs pass@10 metric, code execution sandbox. RTX 4090'da bench koşma. Code Eval: HumanEval + MBPP + BigCodeBench + LiveCodeBench + SWE-Bench-Lite https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-code-eval-humaneval-mbpp-swe-bench 2026-05-14T14:42:55.840Z monthly 0.60 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 Code LLM'in standart benchmark suite'i: HumanEval (164 Python problem), MBPP (974 Python), BigCodeBench (1140 calls 139 lib), LiveCodeBench (datas leak-resistant), SWE-Bench-Lite (300 real GitHub issue fix). Pass@1 vs pass@10 metric, code execution sandbox. RTX 4090'da bench koşma. Code Eval: HumanEval + MBPP + BigCodeBench + LiveCodeBench + SWE-Bench-Lite https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-code-llm-safety-secret-leak 2026-05-14T14:42:55.926Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Code LLM'ler eğitim verilerinden **API key, password, SSH private key** ezberleyebilir → production'da leak. Tespit: memorization probe (training set'ten random snippet → model devam ettiriyor mu?), license-tainted code (GPL etkili viral) filtering. BigCode StarCoder leak incident dersi. Code-LLM Safety: Secret Leak Memorization Probe + License-Tainted Code Filter https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-code-llm-safety-secret-leak 2026-05-14T14:42:55.926Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Code LLM'ler eğitim verilerinden **API key, password, SSH private key** ezberleyebilir → production'da leak. Tespit: memorization probe (training set'ten random snippet → model devam ettiriyor mu?), license-tainted code (GPL etkili viral) filtering. BigCode StarCoder leak incident dersi. Code-LLM Safety: Secret Leak Memorization Probe + License-Tainted Code Filter https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-corpus-insasi-multi-source 2026-05-14T14:42:56.025Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 100GB+ Türkçe corpus toplamak: mC4-TR (35GB), OSCAR-TR (45GB), KAPAR (TBMM tutanakları), Wikipedia TR (2GB), Common Crawl filter (50-200GB potansiyel), kütüphane scraping (TR Devlet Kütüphanesi, açık eserler). Lisans ve KVKK dikkati. RTX 4090 + 64GB RAM ile pratik download/tokenize pipeline. TR Corpus İnşası: mC4-TR + OSCAR-TR + KAPAR + Wikipedia + Common Crawl + Kütüphane Scraping https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-corpus-insasi-multi-source 2026-05-14T14:42:56.025Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 100GB+ Türkçe corpus toplamak: mC4-TR (35GB), OSCAR-TR (45GB), KAPAR (TBMM tutanakları), Wikipedia TR (2GB), Common Crawl filter (50-200GB potansiyel), kütüphane scraping (TR Devlet Kütüphanesi, açık eserler). Lisans ve KVKK dikkati. RTX 4090 + 64GB RAM ile pratik download/tokenize pipeline. TR Corpus İnşası: mC4-TR + OSCAR-TR + KAPAR + Wikipedia + Common Crawl + Kütüphane Scraping https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-quality-pipeline-kenlm-pii 2026-05-14T14:42:56.127Z monthly 0.70 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 Ham TR corpus'tan kaliteli FT data'ya: KenLM 5-gram TR perplexity (gibberish/MT artifact filter), TR slur/küfür filter, TR PII detection (TC kimlik no, telefon, e-mail), educational-value scorer (FineWeb adaptasyonu). RTX 4090'da 100GB TR corpus 4 saatte temizleme. TR Quality Pipeline: KenLM Perplexity + Slur/PII Filter + Educational-Value https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-quality-pipeline-kenlm-pii 2026-05-14T14:42:56.127Z monthly 0.60 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 Ham TR corpus'tan kaliteli FT data'ya: KenLM 5-gram TR perplexity (gibberish/MT artifact filter), TR slur/küfür filter, TR PII detection (TC kimlik no, telefon, e-mail), educational-value scorer (FineWeb adaptasyonu). RTX 4090'da 100GB TR corpus 4 saatte temizleme. TR Quality Pipeline: KenLM Perplexity + Slur/PII Filter + Educational-Value https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-tokenizer-extension-llama3-lab 2026-05-14T14:42:56.222Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Part II Ders 2.2'nin TR-specific tam Lab versiyonu. Llama 3.1 tokenizer'a 8K en sık TR token ekle, byte-decomposition + SVD init dene, perplexity delta ölç, 500M token continual pre-train sonrası downstream SFT'de tokens/word verimi 3.2 → 2.1. Tokenizer Extension Lab: Llama-3 → +8K TR Token + Embedding Init https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-tokenizer-extension-llama3-lab 2026-05-14T14:42:56.222Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Part II Ders 2.2'nin TR-specific tam Lab versiyonu. Llama 3.1 tokenizer'a 8K en sık TR token ekle, byte-decomposition + SVD init dene, perplexity delta ölç, 500M token continual pre-train sonrası downstream SFT'de tokens/word verimi 3.2 → 2.1. Tokenizer Extension Lab: Llama-3 → +8K TR Token + Embedding Init https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-continual-pretraining-replay 2026-05-14T14:42:56.308Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Continual pre-train ana risk: model TR öğrenirken İngilizce capability'sini kaybediyor. Replay buffer (her batch'te %10-15 EN örnek), LR warmup tasarımı, learning rate'in pre-train original'in 1/10-1/50'si olması gerektiği. RTX 4090 + Llama 8B + 2B token TR continual PT 24 saatte mümkün. Continual Pre-training TR: Catastrophic Forgetting Önleme + Replay Buffer https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-continual-pretraining-replay 2026-05-14T14:42:56.308Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Continual pre-train ana risk: model TR öğrenirken İngilizce capability'sini kaybediyor. Replay buffer (her batch'te %10-15 EN örnek), LR warmup tasarımı, learning rate'in pre-train original'in 1/10-1/50'si olması gerektiği. RTX 4090 + Llama 8B + 2B token TR continual PT 24 saatte mümkün. Continual Pre-training TR: Catastrophic Forgetting Önleme + Replay Buffer https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-sft-quality-over-quantity 2026-05-14T14:42:56.394Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 TR SFT'in ana içgörüsü: az ama kaliteli veri çok ama gürültülü veriden üstün. 5K human-curated TR > 100K MT-translated kötü Alpaca. TR-Alpaca, OASST-TR, Mukayese, kendi domain TR data nasıl harmanlanır. RTX 4090'da curated 5K dataset 12 dakikada 1 epoch. TR SFT: Quality > Quantity — 5K Curated TR Data > 100K Noisy https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-sft-quality-over-quantity 2026-05-14T14:42:56.394Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 TR SFT'in ana içgörüsü: az ama kaliteli veri çok ama gürültülü veriden üstün. 5K human-curated TR > 100K MT-translated kötü Alpaca. TR-Alpaca, OASST-TR, Mukayese, kendi domain TR data nasıl harmanlanır. RTX 4090'da curated 5K dataset 12 dakikada 1 epoch. TR SFT: Quality > Quantity — 5K Curated TR Data > 100K Noisy https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-models-reverse-engineering 2026-05-14T14:42:56.481Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Türkiye'nin açık TR LLM'leri: Trendyol-LLM (Trendyol e-ticaret odaklı), Cosmos-LLaMA (Cosmos AI Lab), KanaryaTR (Boğaziçi NLP), TURNA, AnatoliaLLM. Her birinin model card okuma, training pipeline reverse-engineering, hangi base + data + technique. Kendin için ne çıkarabilirsin. TR Models Reverse Engineering: Trendyol-LLM + Cosmos-LLaMA + KanaryaTR https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-models-reverse-engineering 2026-05-14T14:42:56.481Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Türkiye'nin açık TR LLM'leri: Trendyol-LLM (Trendyol e-ticaret odaklı), Cosmos-LLaMA (Cosmos AI Lab), KanaryaTR (Boğaziçi NLP), TURNA, AnatoliaLLM. Her birinin model card okuma, training pipeline reverse-engineering, hangi base + data + technique. Kendin için ne çıkarabilirsin. TR Models Reverse Engineering: Trendyol-LLM + Cosmos-LLaMA + KanaryaTR https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-embedding-fine-tuning 2026-05-14T14:42:56.572Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 RAG sistemleri için TR embedding model FT'si: BGE-M3 (multilingual, TR baseline iyi), jina-embeddings-v3, nomic-embed-text. TR-specific query/document pair üretimi, contrastive learning (InfoNCE), MTEB-TR benchmark. RTX 4090'da BGE-M3 TR FT 6 saat. TR Embedding FT: BGE-M3, jina-v3, nomic-embed TR Adaptation + MTEB-TR Eval https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-embedding-fine-tuning 2026-05-14T14:42:56.572Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 RAG sistemleri için TR embedding model FT'si: BGE-M3 (multilingual, TR baseline iyi), jina-embeddings-v3, nomic-embed-text. TR-specific query/document pair üretimi, contrastive learning (InfoNCE), MTEB-TR benchmark. RTX 4090'da BGE-M3 TR FT 6 saat. TR Embedding FT: BGE-M3, jina-v3, nomic-embed TR Adaptation + MTEB-TR Eval https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-reranker-fine-tuning 2026-05-14T14:42:56.659Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 RAG pipeline'ın 2. aşaması: reranker. bge-reranker-v2-m3 (TR'de baseline) + jina-reranker-v2 + custom TR FT. Query-doc relevance score, cross-encoder mimari, hard-negative mining, RTX 4090 + 50K TR pairs 4 saatte FT. TR Reranker FT: bge-reranker + jina-reranker — Pair Generation Recipe https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-reranker-fine-tuning 2026-05-14T14:42:56.659Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 RAG pipeline'ın 2. aşaması: reranker. bge-reranker-v2-m3 (TR'de baseline) + jina-reranker-v2 + custom TR FT. Query-doc relevance score, cross-encoder mimari, hard-negative mining, RTX 4090 + 50K TR pairs 4 saatte FT. TR Reranker FT: bge-reranker + jina-reranker — Pair Generation Recipe https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-agglutination-pitfalls 2026-05-14T14:42:56.751Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe agglutinative — ekler kelimeye eklenir. Tokenizer'lar 'evlerimizdekiler' kelimesini parçalarken sık hata yapar. İ/I/ı/i casefold (yaygın bug), apostrof normalize (TR \"\" vs ASCII \"\"), UTF-8 NFC vs NFD encoding tutarsızlığı. Cookbook'un TR mühendis için 'sessiz katil' bug listesi. TR Agglutination Pitfalls: Eklerin Tokenize Edilmesi + İ/I/ı/i Casefold Bug https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-agglutination-pitfalls 2026-05-14T14:42:56.751Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe agglutinative — ekler kelimeye eklenir. Tokenizer'lar 'evlerimizdekiler' kelimesini parçalarken sık hata yapar. İ/I/ı/i casefold (yaygın bug), apostrof normalize (TR \"\" vs ASCII \"\"), UTF-8 NFC vs NFD encoding tutarsızlığı. Cookbook'un TR mühendis için 'sessiz katil' bug listesi. TR Agglutination Pitfalls: Eklerin Tokenize Edilmesi + İ/I/ı/i Casefold Bug https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-benchmarking-suite 2026-05-14T14:42:56.838Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 TR'de FT modelini eval etmenin standart suite'i: TR-MMLU (genel knowledge, Boğaziçi), Mukayese (TR NLP tasks), TruthfulQA-TR (hallucination), BBQ-TR (bias). lm-eval-harness ile otomatize. CI'a entegrasyon, regression alarms. TR Benchmarking Suite: TR-MMLU + Mukayese + TruthfulQA-TR + BBQ-TR + Custom https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-benchmarking-suite 2026-05-14T14:42:56.838Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 TR'de FT modelini eval etmenin standart suite'i: TR-MMLU (genel knowledge, Boğaziçi), Mukayese (TR NLP tasks), TruthfulQA-TR (hallucination), BBQ-TR (bias). lm-eval-harness ile otomatize. CI'a entegrasyon, regression alarms. TR Benchmarking Suite: TR-MMLU + Mukayese + TruthfulQA-TR + BBQ-TR + Custom https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-quantization-mathematics-fundamentals 2026-05-14T14:42:56.927Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Quantization'ın matematiksel temeli: floating-point → integer mapping formülü, symmetric vs asymmetric quantization, per-tensor vs per-channel vs per-group granularity, QAT (Quantization-Aware Training) vs PTQ (Post-Training Quantization), bit-width seçimi. RTX 4090'da Llama 8B'nin 32 layer'ında her tensor'ün quantization karakteristiği. Quantization Matematiği: Symmetric/Asymmetric, Per-Tensor/Per-Channel/Per-Group, QAT vs PTQ https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-quantization-mathematics-fundamentals 2026-05-14T14:42:56.927Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Quantization'ın matematiksel temeli: floating-point → integer mapping formülü, symmetric vs asymmetric quantization, per-tensor vs per-channel vs per-group granularity, QAT (Quantization-Aware Training) vs PTQ (Post-Training Quantization), bit-width seçimi. RTX 4090'da Llama 8B'nin 32 layer'ında her tensor'ün quantization karakteristiği. Quantization Matematiği: Symmetric/Asymmetric, Per-Tensor/Per-Channel/Per-Group, QAT vs PTQ https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-gptq-algorithm-optimal-brain-quantization 2026-05-14T14:42:57.015Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 GPTQ (Frantar et al. 2022) — LLM weight quantization standardı. Optimal Brain Quantization theory (LeCun 1990), Hessian inverse update, error compensation, group quantization. RTX 4090 + auto-gptq ile Llama 3.1 8B'yi 12 dakikada int4'e quantize et. WikiText-2 perplexity delta < %2. GPTQ Algoritması: Optimal Brain Quantization + Hessian Update — RTX 4090'da 12 Dakikada Llama 8B https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-gptq-algorithm-optimal-brain-quantization 2026-05-14T14:42:57.015Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 GPTQ (Frantar et al. 2022) — LLM weight quantization standardı. Optimal Brain Quantization theory (LeCun 1990), Hessian inverse update, error compensation, group quantization. RTX 4090 + auto-gptq ile Llama 3.1 8B'yi 12 dakikada int4'e quantize et. WikiText-2 perplexity delta < %2. GPTQ Algoritması: Optimal Brain Quantization + Hessian Update — RTX 4090'da 12 Dakikada Llama 8B https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-awq-activation-aware-quantization 2026-05-14T14:42:57.102Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 AWQ (Lin et al. 2023) — GPTQ'nun aktivasyon-bilinçli alternatifi. Activation outlier'larını protect eden 'salient channel scaling' tekniği. autoawq lib ile Llama 3.1 8B'yi RTX 4090'da 8 dakikada int4'e quantize, GPTQ'dan biraz daha iyi WikiText-2 perplexity + vLLM serving uyumu daha kolay. AWQ Algoritması: Activation-Aware Salient Channel Scaling — Outlier'lara Saygı https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-awq-activation-aware-quantization 2026-05-14T14:42:57.102Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 AWQ (Lin et al. 2023) — GPTQ'nun aktivasyon-bilinçli alternatifi. Activation outlier'larını protect eden 'salient channel scaling' tekniği. autoawq lib ile Llama 3.1 8B'yi RTX 4090'da 8 dakikada int4'e quantize, GPTQ'dan biraz daha iyi WikiText-2 perplexity + vLLM serving uyumu daha kolay. AWQ Algoritması: Activation-Aware Salient Channel Scaling — Outlier'lara Saygı https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-gguf-k-quants-block-structure 2026-05-14T14:42:57.193Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 GGUF — llama.cpp'nin native format'ı, CPU/edge inference için yaygın. K-quants block structure (Q2_K → Q8_K), her bit-width için ayrı struct, llama-quantize ile dönüşüm, perplexity-vs-size eğrisi. RTX 4090'da bf16 → Q4_K_M conversion 5 dakika, Q4 GGUF 4.6 GB → CPU/Pi/iPhone deploy. GGUF K-Quants Block Structure: Q2_K → Q8_K + llama-quantize Perplexity Tablosu https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-gguf-k-quants-block-structure 2026-05-14T14:42:57.193Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 GGUF — llama.cpp'nin native format'ı, CPU/edge inference için yaygın. K-quants block structure (Q2_K → Q8_K), her bit-width için ayrı struct, llama-quantize ile dönüşüm, perplexity-vs-size eğrisi. RTX 4090'da bf16 → Q4_K_M conversion 5 dakika, Q4 GGUF 4.6 GB → CPU/Pi/iPhone deploy. GGUF K-Quants Block Structure: Q2_K → Q8_K + llama-quantize Perplexity Tablosu https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-exl2-variable-bitrate-quantization 2026-05-14T14:42:57.284Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 EXL2 — ExLlamaV2'nin native format'ı. Her layer için **farklı bit-width** seçebilir, hassas layer'lara fazla bit ayırır. Calibration ile her layer'ın 'sensitivity'sini ölç, bütçe içinde optimal dağılım. RTX 4090 önündeki tüketici için en hızlı LLM inference (vLLM yerine ExLlamaV2 batch=1'de 1.5-2x). EXL2 (ExLlamaV2): Variable Bitrate Quantization — Hangi Layer Hangi Bit? https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-exl2-variable-bitrate-quantization 2026-05-14T14:42:57.284Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 EXL2 — ExLlamaV2'nin native format'ı. Her layer için **farklı bit-width** seçebilir, hassas layer'lara fazla bit ayırır. Calibration ile her layer'ın 'sensitivity'sini ölç, bütçe içinde optimal dağılım. RTX 4090 önündeki tüketici için en hızlı LLM inference (vLLM yerine ExLlamaV2 batch=1'de 1.5-2x). EXL2 (ExLlamaV2): Variable Bitrate Quantization — Hangi Layer Hangi Bit? https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-fp8-training-h100-rtx4090-prematur 2026-05-14T14:42:57.372Z monthly 0.70 https://images.unsplash.com/photo-1518770660439-4636190af475?w=1280&h=720&fit=crop&auto=format&q=80 FP8 = AI compute'un geleceği. H100 native (FP8 Tensor Cores + WGMMA + Transformer Engine). RTX 4090 (Ada) FP8 GEMM destekler ama ekosistem hazır değil — fallback yaygın, training pipeline buggy. Cookbook'un kuralı: RTX 4090'da bf16 training, FP8 inference (vLLM). H100'de FP8 training cookbook Part XIII Triton'da derin. FP8 Training: H100 Native, RTX 4090'da Prematur — Transformer Engine Internals https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-fp8-training-h100-rtx4090-prematur 2026-05-14T14:42:57.372Z monthly 0.60 https://images.unsplash.com/photo-1518770660439-4636190af475?w=1280&h=720&fit=crop&auto=format&q=80 FP8 = AI compute'un geleceği. H100 native (FP8 Tensor Cores + WGMMA + Transformer Engine). RTX 4090 (Ada) FP8 GEMM destekler ama ekosistem hazır değil — fallback yaygın, training pipeline buggy. Cookbook'un kuralı: RTX 4090'da bf16 training, FP8 inference (vLLM). H100'de FP8 training cookbook Part XIII Triton'da derin. FP8 Training: H100 Native, RTX 4090'da Prematur — Transformer Engine Internals https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-qlora-nf4-double-quantization-internals 2026-05-14T14:42:57.463Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 NF4 (4-bit NormalFloat) — QLoRA'nın çekirdeği. Normal distributed weights için optimal 4-bit kuantasyon. Double-quantization (scale tensor'unu da quantize et) ile ek %0.4 bit/param tasarrufu. Paged AdamW (CPU RAM'e overflow). bitsandbytes source-code tour. Int4 QLoRA NF4 Internals: Double Quantization + Paged Optimizer + Bitsandbytes Source Tour https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-qlora-nf4-double-quantization-internals 2026-05-14T14:42:57.463Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 NF4 (4-bit NormalFloat) — QLoRA'nın çekirdeği. Normal distributed weights için optimal 4-bit kuantasyon. Double-quantization (scale tensor'unu da quantize et) ile ek %0.4 bit/param tasarrufu. Paged AdamW (CPU RAM'e overflow). bitsandbytes source-code tour. Int4 QLoRA NF4 Internals: Double Quantization + Paged Optimizer + Bitsandbytes Source Tour https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-fp8-inference-vllm-smoothquant 2026-05-14T14:42:57.552Z monthly 0.70 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 FP8 training prematur olsa da FP8 inference 2026'da production-grade. vLLM'in native FP8 (Llama 3.1+/Qwen 2.5+ destek), TensorRT-LLM SmoothQuant, AWQ-marlin INT4 vs FP8 karşılaştırma. RTX 4090'da Llama 3.1 8B FP8 dönüşüm + serving (~120 tok/s vs bf16 95). FP8 Inference: vLLM SmoothQuant + TensorRT-LLM — RTX 4090'da Production-Ready https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-fp8-inference-vllm-smoothquant 2026-05-14T14:42:57.552Z monthly 0.60 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 FP8 training prematur olsa da FP8 inference 2026'da production-grade. vLLM'in native FP8 (Llama 3.1+/Qwen 2.5+ destek), TensorRT-LLM SmoothQuant, AWQ-marlin INT4 vs FP8 karşılaştırma. RTX 4090'da Llama 3.1 8B FP8 dönüşüm + serving (~120 tok/s vs bf16 95). FP8 Inference: vLLM SmoothQuant + TensorRT-LLM — RTX 4090'da Production-Ready https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-calibration-dataset-engineering-domain 2026-05-14T14:42:57.640Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 GPTQ/AWQ kalite calibration data'ya çok bağlı. WikiText-2 default ama production use-case'ine göre değişir. Türkçe production'da TR calibration → %30 daha iyi TR-MMLU post-quant. Code domain'de GitHub Python snippet. Math domain'de GSM8K. Calibration size sweet spot (128-512 sample). Calibration Dataset Engineering: Domain-Aware Quantization — Senin Domain'in İçin İdeal Set https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-calibration-dataset-engineering-domain 2026-05-14T14:42:57.640Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 GPTQ/AWQ kalite calibration data'ya çok bağlı. WikiText-2 default ama production use-case'ine göre değişir. Türkçe production'da TR calibration → %30 daha iyi TR-MMLU post-quant. Code domain'de GitHub Python snippet. Math domain'de GSM8K. Calibration size sweet spot (128-512 sample). Calibration Dataset Engineering: Domain-Aware Quantization — Senin Domain'in İçin İdeal Set https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-roundtrip-eval-quantization-table 2026-05-14T14:42:57.726Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un Part X capstone'u: aynı modeli bf16, AWQ int4, GPTQ int4, EXL2 4.5bpw, GGUF Q4_K_M, FP8 olarak quantize et ve karşılaştır. TR-MMLU, MT-Bench-TR, niş custom benchmark (Türkçe çağrı merkezi sample). Karar matrisi: hangi quant senin use-case'ine? Round-trip Eval: Pre/Post Quant Tablo — TR-MMLU + MT-Bench + Niş Benchmark https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-roundtrip-eval-quantization-table 2026-05-14T14:42:57.726Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un Part X capstone'u: aynı modeli bf16, AWQ int4, GPTQ int4, EXL2 4.5bpw, GGUF Q4_K_M, FP8 olarak quantize et ve karşılaştır. TR-MMLU, MT-Bench-TR, niş custom benchmark (Türkçe çağrı merkezi sample). Karar matrisi: hangi quant senin use-case'ine? Round-trip Eval: Pre/Post Quant Tablo — TR-MMLU + MT-Bench + Niş Benchmark https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-rlhf-classical-reward-model-ppo-kl 2026-05-14T14:42:57.815Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 RLHF (Christiano et al. 2017, InstructGPT 2022) — modern alignment'ın temeli. 3 aşama: SFT base + reward model train + PPO with KL constraint. Niye yarın ortada kayboldu? PPO'nun instability'si, value head'in maintenance burden'ı, DPO'nun pratik üstünlüğü. RTX 4090'da TRL ile mini-RLHF demo. RLHF Klasik: Reward Model + PPO + KL Constraint — Niye Üretim Seti Terk Etti? https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-rlhf-classical-reward-model-ppo-kl 2026-05-14T14:42:57.815Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 RLHF (Christiano et al. 2017, InstructGPT 2022) — modern alignment'ın temeli. 3 aşama: SFT base + reward model train + PPO with KL constraint. Niye yarın ortada kayboldu? PPO'nun instability'si, value head'in maintenance burden'ı, DPO'nun pratik üstünlüğü. RTX 4090'da TRL ile mini-RLHF demo. RLHF Klasik: Reward Model + PPO + KL Constraint — Niye Üretim Seti Terk Etti? https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-dpo-mathematical-derivation 2026-05-14T14:42:57.905Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 DPO (Rafailov et al. 2023) — RLHF'in matematiksel ekvivalenti, ama TEK aşama. Bradley-Terry preference model → KL-constrained RL objective → closed-form policy gradient → SFT-like loss. β hiperparametresinin gradient üzerindeki etkisi, RTX 4090'da DPO TRL DPOTrainer Lab. DPO Math: Bradley-Terry → Loss Function Derivation — Niye Reward Model Gerekmez? https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-dpo-mathematical-derivation 2026-05-14T14:42:57.905Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 DPO (Rafailov et al. 2023) — RLHF'in matematiksel ekvivalenti, ama TEK aşama. Bradley-Terry preference model → KL-constrained RL objective → closed-form policy gradient → SFT-like loss. β hiperparametresinin gradient üzerindeki etkisi, RTX 4090'da DPO TRL DPOTrainer Lab. DPO Math: Bradley-Terry → Loss Function Derivation — Niye Reward Model Gerekmez? https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-dpo-implementation-from-scratch 2026-05-14T14:42:57.991Z monthly 0.70 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 TRL DPOTrainer kullanmadan kendi DPO kayıp fonksiyonunu yaz: log-probabilities computation, reference model handling, loss formula, gradient backprop. ~80 satır PyTorch. Hata yaparsan nerede yapıldığını anlamak için. Cookbook'un derinlemesine implementation dersi. DPO Implementation From Scratch: TRL Source-Code Olmadan Tek Sayfa Code https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-dpo-implementation-from-scratch 2026-05-14T14:42:57.991Z monthly 0.60 https://images.unsplash.com/photo-1581090464777-f3220bbe1b8b?w=1280&h=720&fit=crop&auto=format&q=80 TRL DPOTrainer kullanmadan kendi DPO kayıp fonksiyonunu yaz: log-probabilities computation, reference model handling, loss formula, gradient backprop. ~80 satır PyTorch. Hata yaparsan nerede yapıldığını anlamak için. Cookbook'un derinlemesine implementation dersi. DPO Implementation From Scratch: TRL Source-Code Olmadan Tek Sayfa Code https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-orpo-single-stage-sft-alignment 2026-05-14T14:42:58.083Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ORPO (Hong et al. 2024) — DPO'ya alternatif, SFT base gerektirmiyor. SFT loss + odds-ratio preference loss tek seferde. Ref model gerek yok → memory tasarrufu. Reference-free training, λ hyperparameter, RTX 4090 ORPO Lab. ORPO: Odds Ratio Preference Optimization — Single-Stage SFT+Alignment https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-orpo-single-stage-sft-alignment 2026-05-14T14:42:58.083Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ORPO (Hong et al. 2024) — DPO'ya alternatif, SFT base gerektirmiyor. SFT loss + odds-ratio preference loss tek seferde. Ref model gerek yok → memory tasarrufu. Reference-free training, λ hyperparameter, RTX 4090 ORPO Lab. ORPO: Odds Ratio Preference Optimization — Single-Stage SFT+Alignment https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-kto-kahneman-tversky-unpaired-feedback 2026-05-14T14:42:58.169Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 KTO (Ethayarajh et al. 2024) — production deploy'da en çok karşılaşılan feedback: 'thumbs up' / 'thumbs down'. Pair değil. Klasik DPO bu data ile çalışmaz. KTO bu boşluğu doldurur: prospect theory (Kahneman-Tversky) ile utility function. Production'da continuous learning loop. KTO (Kahneman-Tversky Optimization): Pair Değil Tek-Yönlü Feedback'ten Alignment https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-kto-kahneman-tversky-unpaired-feedback 2026-05-14T14:42:58.169Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 KTO (Ethayarajh et al. 2024) — production deploy'da en çok karşılaşılan feedback: 'thumbs up' / 'thumbs down'. Pair değil. Klasik DPO bu data ile çalışmaz. KTO bu boşluğu doldurur: prospect theory (Kahneman-Tversky) ile utility function. Production'da continuous learning loop. KTO (Kahneman-Tversky Optimization): Pair Değil Tek-Yönlü Feedback'ten Alignment https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-dpo-family-simpo-ipo-cpo-rpo 2026-05-14T14:42:58.257Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 DPO ailesi 2023-2024'te genişledi: SimPO (Meng et al.) — length-normalized, IPO (Azar et al.) — overfit fix, CPO (Xu et al.) — KL ratio fix, RPO (Iterative) — online iterative, APO (anchored). Her birinin loss formula, hangi durumda hangisi, RTX 4090 hızlı karşılaştırma. DPO Ailesi: SimPO + IPO + CPO + RPO + APO — 5 Varyantın Karar Matrisi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-dpo-family-simpo-ipo-cpo-rpo 2026-05-14T14:42:58.257Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 DPO ailesi 2023-2024'te genişledi: SimPO (Meng et al.) — length-normalized, IPO (Azar et al.) — overfit fix, CPO (Xu et al.) — KL ratio fix, RPO (Iterative) — online iterative, APO (anchored). Her birinin loss formula, hangi durumda hangisi, RTX 4090 hızlı karşılaştırma. DPO Ailesi: SimPO + IPO + CPO + RPO + APO — 5 Varyantın Karar Matrisi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-grpo-deepseek-r1-verifiable-reward 2026-05-14T14:42:58.346Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 GRPO (DeepSeek 2024) — PPO'nun simplified varyantı. Critic/value head yok. Bir batch'te G adet farklı response sample et, group içinde **göreli reward**'ları normalize et. Verifiable rewards (math correctness, code execution) ile reasoning RL'i mümkün kıl. RTX 4090'da Qwen-7B + GRPO + GSM8K accuracy +%5-8. GRPO (Group Relative Policy Optimization): DeepSeek-R1'in Verifiable Reward Reçetesi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-grpo-deepseek-r1-verifiable-reward 2026-05-14T14:42:58.346Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 GRPO (DeepSeek 2024) — PPO'nun simplified varyantı. Critic/value head yok. Bir batch'te G adet farklı response sample et, group içinde **göreli reward**'ları normalize et. Verifiable rewards (math correctness, code execution) ile reasoning RL'i mümkün kıl. RTX 4090'da Qwen-7B + GRPO + GSM8K accuracy +%5-8. GRPO (Group Relative Policy Optimization): DeepSeek-R1'in Verifiable Reward Reçetesi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-reward-function-engineering 2026-05-14T14:42:58.440Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 GRPO/PPO için reward function = success'in tanımı. Math (regex/SymPy), code (exec + test), format (chat template adherence), length (anti-rambling), diversity (n-gram penalty), composability. Cookbook'un reward function tasarım rehberi. Reward Function Engineering: Verifiable, Math, Code, Format, Length, Diversity https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-reward-function-engineering 2026-05-14T14:42:58.440Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 GRPO/PPO için reward function = success'in tanımı. Math (regex/SymPy), code (exec + test), format (chat template adherence), length (anti-rambling), diversity (n-gram penalty), composability. Cookbook'un reward function tasarım rehberi. Reward Function Engineering: Verifiable, Math, Code, Format, Length, Diversity https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-prm-process-reward-models-step-level 2026-05-14T14:42:58.528Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 PRM = her reasoning step için ayrı reward. Outcome-only (final answer) yerine her ara adım kaliteyi öğretiyor. OpenAI PRM800K dataset, Math-Shepherd otomatik PRM generation, Step-DPO. Test-time tree search (Best-of-N, MCTS) için temel. RTX 4090'da PRM train + use. Process Reward Models (PRM): Step-Level Supervision — PRM800K Dataset https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-prm-process-reward-models-step-level 2026-05-14T14:42:58.528Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 PRM = her reasoning step için ayrı reward. Outcome-only (final answer) yerine her ara adım kaliteyi öğretiyor. OpenAI PRM800K dataset, Math-Shepherd otomatik PRM generation, Step-DPO. Test-time tree search (Best-of-N, MCTS) için temel. RTX 4090'da PRM train + use. Process Reward Models (PRM): Step-Level Supervision — PRM800K Dataset https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-constitutional-ai-rlaif-anthropic 2026-05-14T14:42:58.615Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic Constitutional AI (Bai et al. 2022): AI'in kendi cevaplarını 'principle'lara göre eleştirip iyileştirmesi. RLAIF: AI feedback ile alignment (human yerine LLM judge). Cookbook'ta open replication: principle list, self-critique loop, revised dataset üretimi, RTX 4090'da küçük scale CAI Lab. Constitutional AI + RLAIF: Anthropic Reçetesinin Open Replication https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-constitutional-ai-rlaif-anthropic 2026-05-14T14:42:58.615Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic Constitutional AI (Bai et al. 2022): AI'in kendi cevaplarını 'principle'lara göre eleştirip iyileştirmesi. RLAIF: AI feedback ile alignment (human yerine LLM judge). Cookbook'ta open replication: principle list, self-critique loop, revised dataset üretimi, RTX 4090'da küçük scale CAI Lab. Constitutional AI + RLAIF: Anthropic Reçetesinin Open Replication https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-reward-hacking-diagnostics 2026-05-14T14:42:58.701Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modeller reward function'ı 'hack' eder — yanlış yoldan reward kazanır. Length bias (uzun cevaplar = yüksek reward), sycophancy (kullanıcıya aşırı agreeable), format gaming (chat template yapısını kötüye kullanma), repetition. Tespit pipeline: ablation, holdout probe, qualitative review. Anthropic'in 'reward over-optimization' raporundan dersler. Reward Hacking Diagnostics: Gaming Detection, Length Bias, Sycophancy Probe https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-reward-hacking-diagnostics 2026-05-14T14:42:58.701Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modeller reward function'ı 'hack' eder — yanlış yoldan reward kazanır. Length bias (uzun cevaplar = yüksek reward), sycophancy (kullanıcıya aşırı agreeable), format gaming (chat template yapısını kötüye kullanma), repetition. Tespit pipeline: ablation, holdout probe, qualitative review. Anthropic'in 'reward over-optimization' raporundan dersler. Reward Hacking Diagnostics: Gaming Detection, Length Bias, Sycophancy Probe https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-reasoning-architecture-think-token 2026-05-14T14:42:58.788Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'leri ikiye ayrılır: (1) **Segregated** — \<think\>...\</think\> bloğu (DeepSeek-R1, o-series) içinde reasoning, sonra final answer; (2) **Interleaved** — reasoning + answer karışık (klasik CoT, GPT-4-1106). Her birinin avantajları, FT zorlukları, kullanıcı UX'i. Token bütçesi yönetimi. Reasoning Architecture: \<think\> Token + Segregated vs Interleaved CoT Karar Matrisi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-reasoning-architecture-think-token 2026-05-14T14:42:58.788Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'leri ikiye ayrılır: (1) **Segregated** — \<think\>...\</think\> bloğu (DeepSeek-R1, o-series) içinde reasoning, sonra final answer; (2) **Interleaved** — reasoning + answer karışık (klasik CoT, GPT-4-1106). Her birinin avantajları, FT zorlukları, kullanıcı UX'i. Token bütçesi yönetimi. Reasoning Architecture: \<think\> Token + Segregated vs Interleaved CoT Karar Matrisi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-reasoning-trace-dataset-generation 2026-05-14T14:42:58.875Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning SFT için trace data üretimi: (a) Teacher distillation — DeepSeek-R1 (MIT lisans!), Gemini-thinking, o3 API çağrısıyla trace topla; (b) Self-bootstrapping — küçük model trace üret + verifiable filter ile doğru olanları tut; (c) Hybrid. RTX 4090'da Llama 3.1 70B teacher local serve + 10K trace üretimi (~24 saat). Reasoning Trace Dataset Üretimi: Teacher Distillation + Self-Bootstrapping https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-reasoning-trace-dataset-generation 2026-05-14T14:42:58.875Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning SFT için trace data üretimi: (a) Teacher distillation — DeepSeek-R1 (MIT lisans!), Gemini-thinking, o3 API çağrısıyla trace topla; (b) Self-bootstrapping — küçük model trace üret + verifiable filter ile doğru olanları tut; (c) Hybrid. RTX 4090'da Llama 3.1 70B teacher local serve + 10K trace üretimi (~24 saat). Reasoning Trace Dataset Üretimi: Teacher Distillation + Self-Bootstrapping https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-sft-reasoning-traces 2026-05-14T14:42:58.960Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning trace dataset hazırsa SFT teknik olarak basit ama detay önemli: \<think\> token vocab'a ekleme, embedding init, context length 32K (R1 traces 5-15K token), loss masking (think tokens loss'a girer veya girmez?), epoch count. RTX 4090 + Llama 3.1 8B + 1000 R1 trace 1 epoch ~50 dakika. SFT on Reasoning Traces: Llama-8B + R1-Distilled Traces (8K → 32K Context) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-sft-reasoning-traces 2026-05-14T14:42:58.960Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning trace dataset hazırsa SFT teknik olarak basit ama detay önemli: \<think\> token vocab'a ekleme, embedding init, context length 32K (R1 traces 5-15K token), loss masking (think tokens loss'a girer veya girmez?), epoch count. RTX 4090 + Llama 3.1 8B + 1000 R1 trace 1 epoch ~50 dakika. SFT on Reasoning Traces: Llama-8B + R1-Distilled Traces (8K → 32K Context) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-grpo-rl-math-code-reward 2026-05-14T14:42:59.046Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'in son aşaması: GRPO ile RL. SFT base'in üzerine math correctness + code execution reward'larıyla GRPO. Reward shaping (correctness 1.0, format 0.2, length penalty 0.001), advantage normalization, KL constraint. RTX 4090 + Qwen 2.5 7B-Instruct + GSM8K: 6-8 saat, accuracy +%5-8. GRPO RL Stage: Math + Code Reward — Convergence Sayıları (Qwen-7B + GSM8K +%5-8) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-grpo-rl-math-code-reward 2026-05-14T14:42:59.046Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'in son aşaması: GRPO ile RL. SFT base'in üzerine math correctness + code execution reward'larıyla GRPO. Reward shaping (correctness 1.0, format 0.2, length penalty 0.001), advantage normalization, KL constraint. RTX 4090 + Qwen 2.5 7B-Instruct + GSM8K: 6-8 saat, accuracy +%5-8. GRPO RL Stage: Math + Code Reward — Convergence Sayıları (Qwen-7B + GSM8K +%5-8) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-long-cot-stability-repetition-loop 2026-05-14T14:42:59.131Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'in en sık bug'u: **think-loop** — model sürekli aynı şeyi tekrar düşünüyor. Repetition collapse, length explosion (8K → 30K). Mitigation: entropy bonus, repetition penalty during training, max_think_tokens enforcement, reward shaping (length penalty), early-stopping heuristics. Long-CoT Stability: Repetition Collapse + Think-Loop Mitigation https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-long-cot-stability-repetition-loop 2026-05-14T14:42:59.131Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'in en sık bug'u: **think-loop** — model sürekli aynı şeyi tekrar düşünüyor. Repetition collapse, length explosion (8K → 30K). Mitigation: entropy bonus, repetition penalty during training, max_think_tokens enforcement, reward shaping (length penalty), early-stopping heuristics. Long-CoT Stability: Repetition Collapse + Think-Loop Mitigation https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-reasoning-eval-aime-math-gpqa 2026-05-14T14:42:59.217Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'in standart eval suite'i: AIME 2024 (30 problem, USA Math Olympiad), AIME 2025 (yeni), MATH-500 (500 high-school competition), GPQA-Diamond (graduate-level science Q&A), LiveCodeBench (monthly-refreshed coding). pass@1 vs majority voting (pass@64) farkı. Cookbook standart eval pipeline. Reasoning Eval: AIME 2024/2025 + MATH-500 + GPQA-Diamond + LiveCodeBench https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-reasoning-eval-aime-math-gpqa 2026-05-14T14:42:59.217Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Reasoning model'in standart eval suite'i: AIME 2024 (30 problem, USA Math Olympiad), AIME 2025 (yeni), MATH-500 (500 high-school competition), GPQA-Diamond (graduate-level science Q&A), LiveCodeBench (monthly-refreshed coding). pass@1 vs majority voting (pass@64) farkı. Cookbook standart eval pipeline. Reasoning Eval: AIME 2024/2025 + MATH-500 + GPQA-Diamond + LiveCodeBench https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-flashattention-internals-tile-online-softmax 2026-05-14T14:42:59.303Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FlashAttention'ın matematiksel kalbi: tile-by-tile attention compute, **online softmax** (incremental running max + sum), backward recomputation strategy. v2 → v3 fark: Hopper WGMMA (warp-group matrix multiply), async memory, FP8 attention. Head-size constraint, deterministic mode, varlen variant. FlashAttention v2/v3 Internals: Tile + Online Softmax + Hopper WGMMA https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-flashattention-internals-tile-online-softmax 2026-05-14T14:42:59.303Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FlashAttention'ın matematiksel kalbi: tile-by-tile attention compute, **online softmax** (incremental running max + sum), backward recomputation strategy. v2 → v3 fark: Hopper WGMMA (warp-group matrix multiply), async memory, FP8 attention. Head-size constraint, deterministic mode, varlen variant. FlashAttention v2/v3 Internals: Tile + Online Softmax + Hopper WGMMA https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-triton-crash-course 2026-05-14T14:42:59.388Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Triton (OpenAI, 2021) — CUDA kadar hızlı, Python kadar kolay GPU kernel framework'ü. \`@triton.jit\`, \`tl.program_id\`, \`tl.arange\`, block pointer arithmetic, autotune decorator, mask-based load/store, shared memory abstraction. RTX 4090'da Triton vector add → matmul → softmax kernel'larını sıfırdan yaz. Triton Crash Course: Block Pointer + Autotune + Masks — 50 Satırda GPU Kernel https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-triton-crash-course 2026-05-14T14:42:59.388Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 Triton (OpenAI, 2021) — CUDA kadar hızlı, Python kadar kolay GPU kernel framework'ü. \`@triton.jit\`, \`tl.program_id\`, \`tl.arange\`, block pointer arithmetic, autotune decorator, mask-based load/store, shared memory abstraction. RTX 4090'da Triton vector add → matmul → softmax kernel'larını sıfırdan yaz. Triton Crash Course: Block Pointer + Autotune + Masks — 50 Satırda GPU Kernel https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-custom-triton-kernel-cross-entropy 2026-05-14T14:42:59.480Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch native \`F.cross_entropy(ignore_index=-100)\` LLM training'in en çağrılan kernel'larından biri. Naïve implementation Triton ile %30 daha hızlı yapılabilir. Cookbook'un Lab'ı: fused logits + softmax + CE + grad → tek kernel. Unsloth'un kullandığı pattern. RTX 4090'da 8B model FT throughput +%15. Custom Triton Kernel Lab: Cross-Entropy + Ignore-Index — Unsloth-Style Speedup https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-custom-triton-kernel-cross-entropy 2026-05-14T14:42:59.480Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch native \`F.cross_entropy(ignore_index=-100)\` LLM training'in en çağrılan kernel'larından biri. Naïve implementation Triton ile %30 daha hızlı yapılabilir. Cookbook'un Lab'ı: fused logits + softmax + CE + grad → tek kernel. Unsloth'un kullandığı pattern. RTX 4090'da 8B model FT throughput +%15. Custom Triton Kernel Lab: Cross-Entropy + Ignore-Index — Unsloth-Style Speedup https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-liger-kernel-source-tour 2026-05-14T14:42:59.568Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Liger Kernel (LinkedIn, 2024) — production-grade Triton kernel suite. Fused RMSNorm + dropout, SwiGLU + GeGLU + GeLU, RoPE rotary, fused linear+CE (memory tasarrufu), CrossEntropy chunked. RTX 4090'da Llama 3.1 8B FT throughput +%20, memory %30 azalma. Source-code okuyarak ne öğreneceğin: production Triton patterns. Liger Kernel Tour: RMSNorm + SwiGLU + GeGLU + Fused Linear+CE — Source Reading https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-liger-kernel-source-tour 2026-05-14T14:42:59.568Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 Liger Kernel (LinkedIn, 2024) — production-grade Triton kernel suite. Fused RMSNorm + dropout, SwiGLU + GeGLU + GeLU, RoPE rotary, fused linear+CE (memory tasarrufu), CrossEntropy chunked. RTX 4090'da Llama 3.1 8B FT throughput +%20, memory %30 azalma. Source-code okuyarak ne öğreneceğin: production Triton patterns. Liger Kernel Tour: RMSNorm + SwiGLU + GeGLU + Fused Linear+CE — Source Reading https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-paged-attention-vllm-internals 2026-05-14T14:42:59.652Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 vLLM'in killer feature'i PagedAttention'ın derinlemesine anatomi: KV-cache'i 16-token block'lara böl, logical→physical block table mapping, copy-on-write (prefix sharing), fragmentation %0. CUDA implementation snippets, vLLM source reading. RTX 4090'da prefix cache hit-rate %50+ → throughput +%60. PagedAttention (vLLM): Block Table + Copy-on-Write + KV-Cache Fragmentation https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-paged-attention-vllm-internals 2026-05-14T14:42:59.652Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 vLLM'in killer feature'i PagedAttention'ın derinlemesine anatomi: KV-cache'i 16-token block'lara böl, logical→physical block table mapping, copy-on-write (prefix sharing), fragmentation %0. CUDA implementation snippets, vLLM source reading. RTX 4090'da prefix cache hit-rate %50+ → throughput +%60. PagedAttention (vLLM): Block Table + Copy-on-Write + KV-Cache Fragmentation https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-torch-compile-inductor 2026-05-14T14:42:59.737Z monthly 0.70 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch 2.x'in flagship feature'ı: torch.compile. Inductor backend (Triton kernel generation), 3 mod (default, reduce-overhead, max-autotune), dynamic shapes (recompile gözcüsü), CUDA graphs, FT training pipeline'a entegrasyon. RTX 4090 + Llama 3.1 8B FT throughput +%15. torch.compile + Inductor: Reduce-Overhead + Dynamic Shapes + Recompile Watcher https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-torch-compile-inductor 2026-05-14T14:42:59.737Z monthly 0.60 https://images.unsplash.com/photo-1532153975070-2e9ab71f1b14?w=1280&h=720&fit=crop&auto=format&q=80 PyTorch 2.x'in flagship feature'ı: torch.compile. Inductor backend (Triton kernel generation), 3 mod (default, reduce-overhead, max-autotune), dynamic shapes (recompile gözcüsü), CUDA graphs, FT training pipeline'a entegrasyon. RTX 4090 + Llama 3.1 8B FT throughput +%15. torch.compile + Inductor: Reduce-Overhead + Dynamic Shapes + Recompile Watcher https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-cuda-graph-capture 2026-05-14T14:42:59.823Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 CUDA Graph — kernel launch overhead'ini eliminating teknik. Bir compute graph'i tek seferlik 'capture' et, sonra 'replay' et — her replay 5-10 µs (kernel launch'un 30-50 µs'sinden çok daha az). Inference latency için kritik (özellikle decoded tokens fast-path). vLLM kullanır. Static-shape gerek (shape değişirse re-capture). CUDA Graph Capture: Static-Shape Inference Graph + Latency Tail Bitirme https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-cuda-graph-capture 2026-05-14T14:42:59.823Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 CUDA Graph — kernel launch overhead'ini eliminating teknik. Bir compute graph'i tek seferlik 'capture' et, sonra 'replay' et — her replay 5-10 µs (kernel launch'un 30-50 µs'sinden çok daha az). Inference latency için kritik (özellikle decoded tokens fast-path). vLLM kullanır. Static-shape gerek (shape değişirse re-capture). CUDA Graph Capture: Static-Shape Inference Graph + Latency Tail Bitirme https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-speculative-decoding-ft-eagle-medusa 2026-05-14T14:42:59.907Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Speculative decoding'in FT versiyonu: draft model'i target ile pair'le, kabul oranını maksimize et. EAGLE-2 head training (Li et al. 2024, +%94 throughput), MEDUSA multi-head training, target model frozen tutarak ek head'ler eğitme. RTX 4090 + Llama 8B target + MEDUSA 4-head ~2-3 saat training. Speculative Decoding FT: Draft Model + EAGLE-2 + MEDUSA Head Training https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-speculative-decoding-ft-eagle-medusa 2026-05-14T14:42:59.907Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Speculative decoding'in FT versiyonu: draft model'i target ile pair'le, kabul oranını maksimize et. EAGLE-2 head training (Li et al. 2024, +%94 throughput), MEDUSA multi-head training, target model frozen tutarak ek head'ler eğitme. RTX 4090 + Llama 8B target + MEDUSA 4-head ~2-3 saat training. Speculative Decoding FT: Draft Model + EAGLE-2 + MEDUSA Head Training https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-openai-fine-tuning-api 2026-05-14T14:42:59.993Z monthly 0.70 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI fine-tuning API'sinin tam pratiği: JSONL format (chat messages), validation set, hyperparameter override (epochs/lr/batch), upload/monitor/download checkpoint flow. Cost telemetry: training token × $25/M (GPT-4o-mini), inference 1.5× base price. RTX 4090'da kendi 1000 TR örneğin GPT-4o-mini'yi 30 dakikada FT eder. OpenAI GPT-4o-mini / GPT-4o / GPT-4.1 Fine-Tuning API: JSONL Şema + Cost + Dashboard https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-openai-fine-tuning-api 2026-05-14T14:42:59.993Z monthly 0.60 https://images.unsplash.com/photo-1531297484001-80022131f5a1?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI fine-tuning API'sinin tam pratiği: JSONL format (chat messages), validation set, hyperparameter override (epochs/lr/batch), upload/monitor/download checkpoint flow. Cost telemetry: training token × $25/M (GPT-4o-mini), inference 1.5× base price. RTX 4090'da kendi 1000 TR örneğin GPT-4o-mini'yi 30 dakikada FT eder. OpenAI GPT-4o-mini / GPT-4o / GPT-4.1 Fine-Tuning API: JSONL Şema + Cost + Dashboard https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-openai-rft-grader-function 2026-05-14T14:43:00.081Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI 2024 sonu RFT açıkladı: o-series modelleri (o1, o3, o4-mini) reasoning RL ile fine-tune et. **Grader function** — model output'una sayısal score veren senin yazdığın fonksiyon (math correctness, code execution, custom rule). Verifiable domain'ler için ideal. JSON-based grader spec. OpenAI o-series Reinforcement Fine-Tuning (RFT): Grader Function Design https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-openai-rft-grader-function 2026-05-14T14:43:00.081Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI 2024 sonu RFT açıkladı: o-series modelleri (o1, o3, o4-mini) reasoning RL ile fine-tune et. **Grader function** — model output'una sayısal score veren senin yazdığın fonksiyon (math correctness, code execution, custom rule). Verifiable domain'ler için ideal. JSON-based grader spec. OpenAI o-series Reinforcement Fine-Tuning (RFT): Grader Function Design https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-openai-gpt5-distillation 2026-05-14T14:43:00.171Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI 'Stored Completions' özelliği (2024+): GPT-5/5.1 ile inference yaptıktan sonra completion'ları sakla → distill için bedava dataset. Bu completion'ları GPT-4o-mini'ye FT et → small-model-big-knowledge transfer. Lisans önemli (sadece kendi API anahtarınla yaptığın completions). OpenAI GPT-5/5.1 Distillation Pipeline: Stored Completions + FT API Karması https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-openai-gpt5-distillation 2026-05-14T14:43:00.171Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI 'Stored Completions' özelliği (2024+): GPT-5/5.1 ile inference yaptıktan sonra completion'ları sakla → distill için bedava dataset. Bu completion'ları GPT-4o-mini'ye FT et → small-model-big-knowledge transfer. Lisans önemli (sadece kendi API anahtarınla yaptığın completions). OpenAI GPT-5/5.1 Distillation Pipeline: Stored Completions + FT API Karması https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-anthropic-claude-bedrock-prompt-caching 2026-05-14T14:43:00.258Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic direkt FT API sağlamıyor (Anthropic Console'da yok). Iki workaround: (1) **AWS Bedrock Custom** ile Claude FT, (2) **Prompt caching** + few-shot prompting (no FT). Cookbook karar: çoğu use-case için prompt-caching + system prompt rafineman yeter; gerçek FT lazımsa Bedrock route. Anthropic Claude FT: AWS Bedrock Custom + Prompt-Caching Alternatifi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-anthropic-claude-bedrock-prompt-caching 2026-05-14T14:43:00.258Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic direkt FT API sağlamıyor (Anthropic Console'da yok). Iki workaround: (1) **AWS Bedrock Custom** ile Claude FT, (2) **Prompt caching** + few-shot prompting (no FT). Cookbook karar: çoğu use-case için prompt-caching + system prompt rafineman yeter; gerçek FT lazımsa Bedrock route. Anthropic Claude FT: AWS Bedrock Custom + Prompt-Caching Alternatifi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-google-gemini-vertex-ai-tuning 2026-05-14T14:43:00.344Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Google Gemini 1.5/2.0/2.5 — Vertex AI üzerinden FT. TR data upload (GCS), JSONL format (OpenAI'a benzer), training job submission, evaluation pipeline native. Gemini Flash 1.5/2.0 cost-effective TR FT için iyi alternatif. Google Gemini 1.5/2.0/2.5 Tuning (Vertex AI): TR Data Upload + Evaluation Pipeline https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-google-gemini-vertex-ai-tuning 2026-05-14T14:43:00.344Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Google Gemini 1.5/2.0/2.5 — Vertex AI üzerinden FT. TR data upload (GCS), JSONL format (OpenAI'a benzer), training job submission, evaluation pipeline native. Gemini Flash 1.5/2.0 cost-effective TR FT için iyi alternatif. Google Gemini 1.5/2.0/2.5 Tuning (Vertex AI): TR Data Upload + Evaluation Pipeline https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-aws-bedrock-customization 2026-05-14T14:43:00.431Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 AWS Bedrock üzerinden 5 farklı model family FT: Amazon Nova (Lite/Micro/Pro), Anthropic Claude (Bedrock-only route), Meta Llama, Mistral, Amazon Titan. Provisioned throughput cost math, S3 dataset upload, IAM policy. Türkiye'den erişim (Frankfurt region). AWS Bedrock Customization: Nova / Claude / Llama / Mistral / Titan FT https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-aws-bedrock-customization 2026-05-14T14:43:00.431Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 AWS Bedrock üzerinden 5 farklı model family FT: Amazon Nova (Lite/Micro/Pro), Anthropic Claude (Bedrock-only route), Meta Llama, Mistral, Amazon Titan. Provisioned throughput cost math, S3 dataset upload, IAM policy. Türkiye'den erişim (Frankfurt region). AWS Bedrock Customization: Nova / Claude / Llama / Mistral / Titan FT https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-mistral-la-plateforme-finetuning 2026-05-14T14:43:00.516Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Mistral'in kendi cloud platform'u La Plateforme'de FT: Mistral-7B-Instruct, Mistral-Small 3 24B, Mistral-Large 2 123B. JSONL format Mistral-spesifik chat template, multilingual (EU dilleri + TR). EU data residency (GDPR compliant). Cost orta seviye. Mistral La Plateforme Fine-Tuning: Mistral-Large 2 + Multi-Locale https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-mistral-la-plateforme-finetuning 2026-05-14T14:43:00.516Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Mistral'in kendi cloud platform'u La Plateforme'de FT: Mistral-7B-Instruct, Mistral-Small 3 24B, Mistral-Large 2 123B. JSONL format Mistral-spesifik chat template, multilingual (EU dilleri + TR). EU data residency (GDPR compliant). Cost orta seviye. Mistral La Plateforme Fine-Tuning: Mistral-Large 2 + Multi-Locale https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-cohere-command-custom 2026-05-14T14:43:00.602Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Cohere Command R/R+ — RAG-native baseline. Custom Model fine-tuning Cohere console üzerinden, JSONL format, citation token training native. Production deploy Cohere endpoint veya enterprise self-host. Cohere Command Custom Model: RAG-Tuned Foundation https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-cohere-command-custom 2026-05-14T14:43:00.602Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Cohere Command R/R+ — RAG-native baseline. Custom Model fine-tuning Cohere console üzerinden, JSONL format, citation token training native. Production deploy Cohere endpoint veya enterprise self-host. Cohere Command Custom Model: RAG-Tuned Foundation https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-third-party-ft-services 2026-05-14T14:43:00.690Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 5 önemli üçüncü-parti FT service: Together AI (Llama/Qwen/Mistral, multi-tenant LoRA), Fireworks AI (low-latency serving + FT), OpenPipe (production logging → auto FT), Predibase (enterprise + Ludwig), Replicate (community models). Karar matrisi: cost/feature/locking. Üçüncü Parti FT: Together AI + Fireworks + OpenPipe + Predibase + Replicate https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-third-party-ft-services 2026-05-14T14:43:00.690Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 5 önemli üçüncü-parti FT service: Together AI (Llama/Qwen/Mistral, multi-tenant LoRA), Fireworks AI (low-latency serving + FT), OpenPipe (production logging → auto FT), Predibase (enterprise + Ludwig), Replicate (community models). Karar matrisi: cost/feature/locking. Üçüncü Parti FT: Together AI + Fireworks + OpenPipe + Predibase + Replicate https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-closed-vs-self-hosted-decision-matrix 2026-05-14T14:43:00.778Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un Part XIV özet kararı: closed API FT vs self-hosted open FT. 6 boyutta karşılaştırma: TCO (1 yıllık tahmini), latency (P50/P95), data residency (TR/EU/US), KVKK uyumu, model özgürlüğü (versioning, lisans, deploy), kalite. 4 use-case için tipik kararlar. Closed-FT vs Self-Hosted FT Karar Matrisi: TCO + Latency + Data Residency + KVKK https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-closed-vs-self-hosted-decision-matrix 2026-05-14T14:43:00.778Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un Part XIV özet kararı: closed API FT vs self-hosted open FT. 6 boyutta karşılaştırma: TCO (1 yıllık tahmini), latency (P50/P95), data residency (TR/EU/US), KVKK uyumu, model özgürlüğü (versioning, lisans, deploy), kalite. 4 use-case için tipik kararlar. Closed-FT vs Self-Hosted FT Karar Matrisi: TCO + Latency + Data Residency + KVKK https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-vllm-internals-continuous-batching-paged 2026-05-14T14:43:00.866Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 vLLM (Kwon et al. 2023) — production LLM serving'in altın standardı. Continuous batching: yeni request'ler batch'e dinamik eklenir, finished olanlar çıkarılır → GPU idle bitti. PagedAttention: KV-cache'i fixed-size block'larda yönet → fragmentation %0. Prefix cache: common system prompt'lar tekrar hesaplanmaz. RTX 4090'da Llama 3.1 8B serving (175 tok/s batch=1, 920 tok/s batch=16). vLLM Internals: Continuous Batching + PagedAttention + Prefix Cache https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-vllm-internals-continuous-batching-paged 2026-05-14T14:43:00.866Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 vLLM (Kwon et al. 2023) — production LLM serving'in altın standardı. Continuous batching: yeni request'ler batch'e dinamik eklenir, finished olanlar çıkarılır → GPU idle bitti. PagedAttention: KV-cache'i fixed-size block'larda yönet → fragmentation %0. Prefix cache: common system prompt'lar tekrar hesaplanmaz. RTX 4090'da Llama 3.1 8B serving (175 tok/s batch=1, 920 tok/s batch=16). vLLM Internals: Continuous Batching + PagedAttention + Prefix Cache https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-lora-hot-swap-multiplexing-vllm 2026-05-14T14:43:00.953Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 vLLM 0.3+'in killer feature'ı: tek base model + N farklı LoRA adapter, runtime'da hot-swap. Her müşteri için ayrı LoRA, hepsi aynı 24GB'da. Llama 3.1 8B base (~5 GB AWQ) + 30+ adapter (~40 MB her biri) → 50 müşteri tek 4090'da. QPS-vs-latency eğrisi. LoRA Hot-Swap Lab: Tek Base + N Adapter — Tek 4090'da 50 Müşteri Servisi https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-lora-hot-swap-multiplexing-vllm 2026-05-14T14:43:00.953Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 vLLM 0.3+'in killer feature'ı: tek base model + N farklı LoRA adapter, runtime'da hot-swap. Her müşteri için ayrı LoRA, hepsi aynı 24GB'da. Llama 3.1 8B base (~5 GB AWQ) + 30+ adapter (~40 MB her biri) → 50 müşteri tek 4090'da. QPS-vs-latency eğrisi. LoRA Hot-Swap Lab: Tek Base + N Adapter — Tek 4090'da 50 Müşteri Servisi https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-sglang-radixattention-structured-output 2026-05-14T14:43:01.039Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 SGLang (Zheng et al. 2024) — vLLM'in alternatif rakibi. RadixAttention: prefix cache'in Trie/Radix tree'de organize edilmiş hali → multi-branch sharing. Constrained decoding (regex, JSON schema), structured output native, agent workflows için optimize. RTX 4090'da Llama 3.1 8B SGLang serving + JSON-only response. SGLang RadixAttention: Structured Output + JSON-Mode + Multi-Branch Caching https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-sglang-radixattention-structured-output 2026-05-14T14:43:01.039Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 SGLang (Zheng et al. 2024) — vLLM'in alternatif rakibi. RadixAttention: prefix cache'in Trie/Radix tree'de organize edilmiş hali → multi-branch sharing. Constrained decoding (regex, JSON schema), structured output native, agent workflows için optimize. RTX 4090'da Llama 3.1 8B SGLang serving + JSON-only response. SGLang RadixAttention: Structured Output + JSON-Mode + Multi-Branch Caching https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tgi-huggingface-text-generation-inference 2026-05-14T14:43:01.124Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 TGI — HuggingFace'in production inference server'ı, hf.co/inference-endpoints'in altında çalışır. Rust + Python hibrit, prometheus metrics, multiple GPU desteği. vLLM'e göre daha agresif batching + Flash-Attention 2 hard-coded. RTX 4090'da TGI docker ile Llama 3.1 8B serve. TGI (HuggingFace Text Generation Inference): Production HF Endpoint Internals https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tgi-huggingface-text-generation-inference 2026-05-14T14:43:01.124Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 TGI — HuggingFace'in production inference server'ı, hf.co/inference-endpoints'in altında çalışır. Rust + Python hibrit, prometheus metrics, multiple GPU desteği. vLLM'e göre daha agresif batching + Flash-Attention 2 hard-coded. RTX 4090'da TGI docker ile Llama 3.1 8B serve. TGI (HuggingFace Text Generation Inference): Production HF Endpoint Internals https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tensorrt-llm-engine-build 2026-05-14T14:43:01.221Z monthly 0.70 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 TensorRT-LLM — NVIDIA'nın LLM-spesifik TensorRT engine'i. CUDA kernel'lar Hopper/Ada native, en hızlı inference (vLLM'den +%15-30 throughput). Engine build process, INT8 SmoothQuant, FP8 quantization, multi-LoRA. RTX 4090'da Llama 3.1 8B TRT-LLM engine build (1 saat) + inference. TensorRT-LLM: NVIDIA Native Engine — INT8 SmoothQuant + FP8 + In-Flight Batching https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tensorrt-llm-engine-build 2026-05-14T14:43:01.221Z monthly 0.60 https://images.unsplash.com/photo-1517077304055-6e89abbf09b0?w=1280&h=720&fit=crop&auto=format&q=80 TensorRT-LLM — NVIDIA'nın LLM-spesifik TensorRT engine'i. CUDA kernel'lar Hopper/Ada native, en hızlı inference (vLLM'den +%15-30 throughput). Engine build process, INT8 SmoothQuant, FP8 quantization, multi-LoRA. RTX 4090'da Llama 3.1 8B TRT-LLM engine build (1 saat) + inference. TensorRT-LLM: NVIDIA Native Engine — INT8 SmoothQuant + FP8 + In-Flight Batching https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-llama-cpp-ollama-gguf-modelfile 2026-05-14T14:43:01.309Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 llama.cpp + Ollama — CPU/Apple Silicon/edge için altın standart. GGUF format, Ollama'nın Modelfile sistemi (system prompt + tools versioning), Ollama API, OpenAI-uyumlu endpoint. RTX 4090'da Q4_K_M Llama 8B Ollama'da 95 tok/s (vLLM AWQ 175'in altında ama 'set up zero' faktörüyle production-ready). llama.cpp + Ollama: GGUF Serving + Modelfile + System Prompt Versioning https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-llama-cpp-ollama-gguf-modelfile 2026-05-14T14:43:01.309Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 llama.cpp + Ollama — CPU/Apple Silicon/edge için altın standart. GGUF format, Ollama'nın Modelfile sistemi (system prompt + tools versioning), Ollama API, OpenAI-uyumlu endpoint. RTX 4090'da Q4_K_M Llama 8B Ollama'da 95 tok/s (vLLM AWQ 175'in altında ama 'set up zero' faktörüyle production-ready). llama.cpp + Ollama: GGUF Serving + Modelfile + System Prompt Versioning https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-mlx-lm-apple-silicon-finetune-serve 2026-05-14T14:43:01.396Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Apple MLX (2023+) — Apple Silicon (M1/M2/M3) için unified memory ML framework. MLX-LM ile Llama / Qwen / Gemma FT + inference. M3 Max 128GB'da 70B inference, M2 Pro 32GB'da 8B FT. RTX 4090 alternatifi olarak Mac kullananlar için cookbook ek section. MLX-LM Apple Silicon: M-Series Mac'te FT + Serve + Distributed MLX https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-mlx-lm-apple-silicon-finetune-serve 2026-05-14T14:43:01.396Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Apple MLX (2023+) — Apple Silicon (M1/M2/M3) için unified memory ML framework. MLX-LM ile Llama / Qwen / Gemma FT + inference. M3 Max 128GB'da 70B inference, M2 Pro 32GB'da 8B FT. RTX 4090 alternatifi olarak Mac kullananlar için cookbook ek section. MLX-LM Apple Silicon: M-Series Mac'te FT + Serve + Distributed MLX https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-speculative-decoding-production 2026-05-14T14:43:01.483Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Speculative decoding (Leviathan et al. 2023, Chen et al. 2023) — küçük draft model 4-8 token'ı tahmin eder, target model bunu **doğrular**. Accept rate yüksekse 2-3x throughput. EAGLE-2 (Li et al. 2024), MEDUSA head training. RTX 4090'da Llama 3.1 8B target + Llama 3.2 1B draft: tok/s 175 → 290. Speculative Decoding Production: Draft + Target Pairing + Accept Rate Ölçümü https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-speculative-decoding-production 2026-05-14T14:43:01.483Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Speculative decoding (Leviathan et al. 2023, Chen et al. 2023) — küçük draft model 4-8 token'ı tahmin eder, target model bunu **doğrular**. Accept rate yüksekse 2-3x throughput. EAGLE-2 (Li et al. 2024), MEDUSA head training. RTX 4090'da Llama 3.1 8B target + Llama 3.2 1B draft: tok/s 175 → 290. Speculative Decoding Production: Draft + Target Pairing + Accept Rate Ölçümü https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-disaggregated-serving-prefill-decode 2026-05-14T14:43:01.569Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Modern LLM serving'in en yeni trend'i (2024-2026): prefill (input encoding) ve decode (token generation) farklı GPU'larda. Prefill compute-bound, decode memory-bound — ayrımı %30-50 throughput artırır. Mooncake (Kimi), DistServe (UCB) reçeteleri. RTX 4090 multi-GPU senaryosunda kavramsal. Disaggregated Serving: Prefill/Decode Ayrımı — Mooncake + DistServe https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-disaggregated-serving-prefill-decode 2026-05-14T14:43:01.569Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Modern LLM serving'in en yeni trend'i (2024-2026): prefill (input encoding) ve decode (token generation) farklı GPU'larda. Prefill compute-bound, decode memory-bound — ayrımı %30-50 throughput artırır. Mooncake (Kimi), DistServe (UCB) reçeteleri. RTX 4090 multi-GPU senaryosunda kavramsal. Disaggregated Serving: Prefill/Decode Ayrımı — Mooncake + DistServe https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-edge-inference-onnx-jetson-npu 2026-05-14T14:43:01.654Z monthly 0.70 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Edge LLM inference 2026'da gerçek: NVIDIA Jetson Orin, MediaTek NPU (Pixel), Qualcomm AI Engine (Snapdragon 8 Gen 3+), Apple Neural Engine. ONNX format için cross-platform inference, edge-spesifik quantization (INT8 / INT4 / W4A8 mixed), latency budget < 200 ms first-token. SmolLM3 1.7B + Pixel 8 Pro deploy reçetesi. Edge Inference: ONNX + Jetson + MediaTek NPU + Qualcomm AI Engine https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-edge-inference-onnx-jetson-npu 2026-05-14T14:43:01.654Z monthly 0.60 https://images.unsplash.com/photo-1551434678-e076c223a692?w=1280&h=720&fit=crop&auto=format&q=80 Edge LLM inference 2026'da gerçek: NVIDIA Jetson Orin, MediaTek NPU (Pixel), Qualcomm AI Engine (Snapdragon 8 Gen 3+), Apple Neural Engine. ONNX format için cross-platform inference, edge-spesifik quantization (INT8 / INT4 / W4A8 mixed), latency budget < 200 ms first-token. SmolLM3 1.7B + Pixel 8 Pro deploy reçetesi. Edge Inference: ONNX + Jetson + MediaTek NPU + Qualcomm AI Engine https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-model-registry-versioning 2026-05-14T14:43:01.740Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Production'da 50+ fine-tuned model versiyonu nasıl yönetilir? HuggingFace Hub privat repo + MLflow Model Registry + S3 (parça-parça artifact) hybrid. Versioning convention (semantic versioning + lineage), tags (\`production\`, \`canary\`, \`archive\`), retention policy (eski versiyon ne zaman silinir?). Cookbook'un model card şablonu (LoRA adapter + base + recipe). Model Registry: HuggingFace Hub Privat Repo + MLflow + S3 Layout + Versioning https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-model-registry-versioning 2026-05-14T14:43:01.740Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Production'da 50+ fine-tuned model versiyonu nasıl yönetilir? HuggingFace Hub privat repo + MLflow Model Registry + S3 (parça-parça artifact) hybrid. Versioning convention (semantic versioning + lineage), tags (\`production\`, \`canary\`, \`archive\`), retention policy (eski versiyon ne zaman silinir?). Cookbook'un model card şablonu (LoRA adapter + base + recipe). Model Registry: HuggingFace Hub Privat Repo + MLflow + S3 Layout + Versioning https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-ab-shadow-canary-rollback 2026-05-14T14:43:01.828Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Yeni FT model'i production'a koymanın güvenli yolu: shadow traffic (eski + yeni model paralel, response karşılaştır), canary deployment (kademeli rampuplama 1%→5%→25%→100%), feature flag (LaunchDarkly / GrowthBook / Unleash), automated rollback (P95 latency veya error rate threshold geçince). A/B + Shadow Traffic: Feature Flag + Canary 1%→5%→25% + Automated Rollback https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-ab-shadow-canary-rollback 2026-05-14T14:43:01.828Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Yeni FT model'i production'a koymanın güvenli yolu: shadow traffic (eski + yeni model paralel, response karşılaştır), canary deployment (kademeli rampuplama 1%→5%→25%→100%), feature flag (LaunchDarkly / GrowthBook / Unleash), automated rollback (P95 latency veya error rate threshold geçince). A/B + Shadow Traffic: Feature Flag + Canary 1%→5%→25% + Automated Rollback https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-online-eval-judge-llm-winrate 2026-05-14T14:43:01.916Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Production'da real-time model kalitesi ölçümü: Judge LLM (GPT-4o-mini / Llama 3.3 70B) ile her N. response'u skorla, win-rate v2 vs v1 dashboard, regression alarms. Open eval kitleri: PromptFoo, DeepEval, RAGAs. Cookbook'un eval suite'i: daily snapshot + weekly aggregate + alarm if regress > 3 puan. Online Eval: Judge LLM + Win-Rate Dashboard + Regression Alarms https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-online-eval-judge-llm-winrate 2026-05-14T14:43:01.916Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Production'da real-time model kalitesi ölçümü: Judge LLM (GPT-4o-mini / Llama 3.3 70B) ile her N. response'u skorla, win-rate v2 vs v1 dashboard, regression alarms. Open eval kitleri: PromptFoo, DeepEval, RAGAs. Cookbook'un eval suite'i: daily snapshot + weekly aggregate + alarm if regress > 3 puan. Online Eval: Judge LLM + Win-Rate Dashboard + Regression Alarms https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-drift-detection-output-shift 2026-05-14T14:43:02.018Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modeller production'da zamanla 'drift' eder: input distribution kayar, output style değişir. Tespit: response length histogram shift, embedding distance baseline → mean cluster drift, user thumbs-down rate trend. Cookbook'un weekly drift report'u — alarm + auto-retrain trigger. Drift Detection: Output Distribution Shift + Embedding-Cluster Anomaly https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-drift-detection-output-shift 2026-05-14T14:43:02.018Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Modeller production'da zamanla 'drift' eder: input distribution kayar, output style değişir. Tespit: response length histogram shift, embedding distance baseline → mean cluster drift, user thumbs-down rate trend. Cookbook'un weekly drift report'u — alarm + auto-retrain trigger. Drift Detection: Output Distribution Shift + Embedding-Cluster Anomaly https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-continual-ft-loop 2026-05-14T14:43:02.105Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Production'da model statik kalmaz — yeni data, yeni feedback, drift mitigation için **weekly retraining** loop. Replay buffer (eski training set'in %30'u) ile catastrophic forgetting önleme, A/B ile yeni weekly model vs current canary, sertifika eval suite zorunlu. Continual FT Loop: Weekly Retraining + Replay Buffer + Catastrophic Forgetting Önleme https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-continual-ft-loop 2026-05-14T14:43:02.105Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Production'da model statik kalmaz — yeni data, yeni feedback, drift mitigation için **weekly retraining** loop. Replay buffer (eski training set'in %30'u) ile catastrophic forgetting önleme, A/B ile yeni weekly model vs current canary, sertifika eval suite zorunlu. Continual FT Loop: Weekly Retraining + Replay Buffer + Catastrophic Forgetting Önleme https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-memorization-membership-inference 2026-05-14T14:43:02.193Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FT modelleri training data'sından **PII, secret, telif metni** ezberlemiş olabilir. Membership Inference Attack (MIA) testi: training set'ten random snippet ver, model devam ettiriyor mu? Detection thresholds. KVKK + GDPR uyumu için zorunlu pre-deploy check. Memorization & Membership Inference: Training Data Extraction Probe https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-memorization-membership-inference 2026-05-14T14:43:02.193Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FT modelleri training data'sından **PII, secret, telif metni** ezberlemiş olabilir. Membership Inference Attack (MIA) testi: training set'ten random snippet ver, model devam ettiriyor mu? Detection thresholds. KVKK + GDPR uyumu için zorunlu pre-deploy check. Memorization & Membership Inference: Training Data Extraction Probe https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-cost-observability-finops 2026-05-14T14:43:02.282Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Production LLM TCO'sunu kontrol altına almak: per-request token cost tracking, customer-level FinOps tagging (kimin user'ı kaç token), idle GPU detector (vLLM serving'de utilization %50'nin altına düşerse alarm), cost-per-query trend, alarm thresholds. Cost Observability: Token-Level Cost + FinOps Tagging + Idle GPU Detector https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-cost-observability-finops 2026-05-14T14:43:02.282Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Production LLM TCO'sunu kontrol altına almak: per-request token cost tracking, customer-level FinOps tagging (kimin user'ı kaç token), idle GPU detector (vLLM serving'de utilization %50'nin altına düşerse alarm), cost-per-query trend, alarm thresholds. Cost Observability: Token-Level Cost + FinOps Tagging + Idle GPU Detector https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-incident-drill-root-cause 2026-05-14T14:43:02.370Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Production'da en korkulan cümle: 'Model garbage döndürüyor'. Cookbook'un sistematik root-cause matrix'i: model version değişimi, base model update (HF Hub'da retrain), API provider deprecation, dataset poisoning, prompt injection, sampling temp config drift. Incident response playbook, blameless postmortem template. Incident Drill: 'Model X Dün Hallucinate'liyor' — Root-Cause Matrix https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-incident-drill-root-cause 2026-05-14T14:43:02.370Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Production'da en korkulan cümle: 'Model garbage döndürüyor'. Cookbook'un sistematik root-cause matrix'i: model version değişimi, base model update (HF Hub'da retrain), API provider deprecation, dataset poisoning, prompt injection, sampling temp config drift. Incident response playbook, blameless postmortem template. Incident Drill: 'Model X Dün Hallucinate'liyor' — Root-Cause Matrix https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-ecommerce-customer-support 2026-05-14T14:43:02.461Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 TR e-ticaret platformuna özel customer support bot: 50K real ticket (anonimleştirilmiş) + Trendyol-tarzı SLA (P95 < 3sn), entity extraction (sipariş no, ürün, kargo, iade), intent classification (40+ intent), tool-calling (sipariş status API). Llama 3.1 8B + Qwen 2.5 7B karşılaştırma, vLLM + LoRA hot-swap deploy. E-ticaret Customer Support Bot: Trendyol/Hepsiburada-Tarzı SLA + Entity Extraction https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-ecommerce-customer-support 2026-05-14T14:43:02.461Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 TR e-ticaret platformuna özel customer support bot: 50K real ticket (anonimleştirilmiş) + Trendyol-tarzı SLA (P95 < 3sn), entity extraction (sipariş no, ürün, kargo, iade), intent classification (40+ intent), tool-calling (sipariş status API). Llama 3.1 8B + Qwen 2.5 7B karşılaştırma, vLLM + LoRA hot-swap deploy. E-ticaret Customer Support Bot: Trendyol/Hepsiburada-Tarzı SLA + Entity Extraction https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-code-assistant-continue-dev 2026-05-14T14:43:02.548Z monthly 0.70 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Türk dev ekosistemi için spesifik code assistant: TR yorumlu repo'lardan FT (camelCase awareness, TR jargon), Continue.dev VS Code/JetBrains plugin entegrasyonu, FIM completion + chat. Qwen2.5-Coder 7B + LoRA, RTX 4090'da self-host. Internal company codebase + TR yorum format. TR Code Assistant: Türkçe Yorumlu Repo + Continue.dev IDE Entegrasyonu https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-code-assistant-continue-dev 2026-05-14T14:43:02.548Z monthly 0.60 https://images.unsplash.com/photo-1517694712202-14dd9538aa97?w=1280&h=720&fit=crop&auto=format&q=80 Türk dev ekosistemi için spesifik code assistant: TR yorumlu repo'lardan FT (camelCase awareness, TR jargon), Continue.dev VS Code/JetBrains plugin entegrasyonu, FIM completion + chat. Qwen2.5-Coder 7B + LoRA, RTX 4090'da self-host. Internal company codebase + TR yorum format. TR Code Assistant: Türkçe Yorumlu Repo + Continue.dev IDE Entegrasyonu https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-hukuk-qa-rag-ft 2026-05-14T14:43:02.636Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 TR hukuk LLM'in en kritik özelliği: hallucination KPI < %2 hedef. Anayasa, TCK, TMK, İcra İflas Kanunu + Yargıtay kararları corpus (~5GB). Retrieval-augmented (BGE-M3 TR FT) + LLM (Qwen 2.5 14B QLoRA) hybrid. Citation token training (her cevapta madde no zorunlu). Avukat workflow'una entegre. Hukuk Soru-Cevap: TCK + TMK + Anayasa + Mevzuat — RAG + FT Hybrid https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-hukuk-qa-rag-ft 2026-05-14T14:43:02.636Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 TR hukuk LLM'in en kritik özelliği: hallucination KPI < %2 hedef. Anayasa, TCK, TMK, İcra İflas Kanunu + Yargıtay kararları corpus (~5GB). Retrieval-augmented (BGE-M3 TR FT) + LLM (Qwen 2.5 14B QLoRA) hybrid. Citation token training (her cevapta madde no zorunlu). Avukat workflow'una entegre. Hukuk Soru-Cevap: TCK + TMK + Anayasa + Mevzuat — RAG + FT Hybrid https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-medical-triage-on-prem-kvkk 2026-05-14T14:43:02.722Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Sağlık LLM'inin en zor kısımları: regulatory (KVKK + sağlık verisi özel kategori), liability (yanlış tanı = ölüm), audit-log zorunluluğu, on-prem zorunlu (HIPAA-equivalent). Use case: aile hekimi triage asistan — semptom listesinden olası ön-tanı + uzman yönlendirme. Mistral Small 3 24B + on-prem + LoRA. Tıbbi Triage TR: Semptom → Ön-Tanı + On-Prem Inference + KVKK + Audit-Log https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-medical-triage-on-prem-kvkk 2026-05-14T14:43:02.722Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Sağlık LLM'inin en zor kısımları: regulatory (KVKK + sağlık verisi özel kategori), liability (yanlış tanı = ölüm), audit-log zorunluluğu, on-prem zorunlu (HIPAA-equivalent). Use case: aile hekimi triage asistan — semptom listesinden olası ön-tanı + uzman yönlendirme. Mistral Small 3 24B + on-prem + LoRA. Tıbbi Triage TR: Semptom → Ön-Tanı + On-Prem Inference + KVKK + Audit-Log https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-bist-sentiment-multimodal 2026-05-14T14:43:02.813Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Türk hisse senedi pazarı (BIST) için FT: TR finans haberleri sentiment classification (KAP açıklama + Bloomberg HT + ekonomi medyası), bilanço PDF okuyup financial ratio extraction (Qwen2.5-VL doc understanding), trade signal generation. Quant trade signal güveni < %75 ise pas geç. BIST Financial Sentiment + Bilanço PDF: Multimodal FT (Qwen2.5-VL) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-bist-sentiment-multimodal 2026-05-14T14:43:02.813Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Türk hisse senedi pazarı (BIST) için FT: TR finans haberleri sentiment classification (KAP açıklama + Bloomberg HT + ekonomi medyası), bilanço PDF okuyup financial ratio extraction (Qwen2.5-VL doc understanding), trade signal generation. Quant trade signal güveni < %75 ise pas geç. BIST Financial Sentiment + Bilanço PDF: Multimodal FT (Qwen2.5-VL) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-meb-curriculum-tutor 2026-05-14T14:43:02.908Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 MEB müfredat uyumlu tutor: 9-12. sınıf matematik + fizik konuları, **PRM-augmented reasoning** (step-level correctness), adaptive difficulty, student misconception detection. Qwen 2.5 7B + reasoning SFT + PRM. RTX 4090'da inference, web app frontend. MEB Müfredat Tutor: Lise Matematik / Fizik PRM-Augmented Reasoning https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-meb-curriculum-tutor 2026-05-14T14:43:02.908Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 MEB müfredat uyumlu tutor: 9-12. sınıf matematik + fizik konuları, **PRM-augmented reasoning** (step-level correctness), adaptive difficulty, student misconception detection. Qwen 2.5 7B + reasoning SFT + PRM. RTX 4090'da inference, web app frontend. MEB Müfredat Tutor: Lise Matematik / Fizik PRM-Augmented Reasoning https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-edevlet-citizen-assistant 2026-05-14T14:43:02.997Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 e-Devlet kapısı entegre LLM: 80+ intent (vergi, sigorta, ehliyet, pasaport, tapu, etc.), tool-calling ile e-Devlet API'ları çağırma, kişisel veri (TC kimlik) PII handling. KVKK uyumlu logging, audit trail, vatandaş onay sistemi. Llama 3.3 8B + custom SFT, on-prem deploy. e-Devlet Vatandaş Asistanı: Intent Classification + Tool-Calling (80+ Intent) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-edevlet-citizen-assistant 2026-05-14T14:43:02.997Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 e-Devlet kapısı entegre LLM: 80+ intent (vergi, sigorta, ehliyet, pasaport, tapu, etc.), tool-calling ile e-Devlet API'ları çağırma, kişisel veri (TC kimlik) PII handling. KVKK uyumlu logging, audit trail, vatandaş onay sistemi. Llama 3.3 8B + custom SFT, on-prem deploy. e-Devlet Vatandaş Asistanı: Intent Classification + Tool-Calling (80+ Intent) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-call-center-speech-to-action 2026-05-14T14:43:03.082Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Çağrı merkezi end-to-end pipeline: Whisper Large-v3-Turbo TR FT (faster-whisper streaming) → real-time transcription → LLM intent classification (Qwen 2.5 7B) → action (CRM ticket open, sipariş status, escalation). pyannote diarization (müşteri vs operatör). P95 latency < 1.5s. Çağrı Merkezi Speech-to-Action: Whisper TR FT + LLM Intent + Real-Time Pipeline https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-call-center-speech-to-action 2026-05-14T14:43:03.082Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Çağrı merkezi end-to-end pipeline: Whisper Large-v3-Turbo TR FT (faster-whisper streaming) → real-time transcription → LLM intent classification (Qwen 2.5 7B) → action (CRM ticket open, sipariş status, escalation). pyannote diarization (müşteri vs operatör). P95 latency < 1.5s. Çağrı Merkezi Speech-to-Action: Whisper TR FT + LLM Intent + Real-Time Pipeline https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-banking-internal-copilot 2026-05-14T14:43:03.187Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Türk bankacılığı için internal copilot (müşteri temsilcisi + operasyon ekibi): on-prem (BDDK + KVKK zorunlu), audit log (her query + response 7 yıl saklanır), prompt injection red-team (attacker müşteri datasına erişmeye çalışır), Mistral Small 3 24B + air-gapped deploy. Bankacılık Internal Copilot: On-Prem + KVKK Audit-Log + Prompt Injection Red-Team https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-banking-internal-copilot 2026-05-14T14:43:03.187Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Türk bankacılığı için internal copilot (müşteri temsilcisi + operasyon ekibi): on-prem (BDDK + KVKK zorunlu), audit log (her query + response 7 yıl saklanır), prompt injection red-team (attacker müşteri datasına erişmeye çalışır), Mistral Small 3 24B + air-gapped deploy. Bankacılık Internal Copilot: On-Prem + KVKK Audit-Log + Prompt Injection Red-Team https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-tr-municipality-public-doc-qa 2026-05-14T14:43:03.276Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Belediye/kamu kurumu için doc-QA: imar planı, tapu kaydı, encümen kararı, ihale dosyası gibi resmi belgeler. E-imzalı PDF parse (PAdES + CAdES), tablo + form extraction, structured field QA. Qwen 2.5-VL doc understanding + LoRA, vatandaş başvuruları için intent route. Belediye / Kamu Doc-QA: Resmi Belge + E-İmzalı PDF Parse + FT https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-tr-municipality-public-doc-qa 2026-05-14T14:43:03.276Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Belediye/kamu kurumu için doc-QA: imar planı, tapu kaydı, encümen kararı, ihale dosyası gibi resmi belgeler. E-imzalı PDF parse (PAdES + CAdES), tablo + form extraction, structured field QA. Qwen 2.5-VL doc understanding + LoRA, vatandaş başvuruları için intent route. Belediye / Kamu Doc-QA: Resmi Belge + E-İmzalı PDF Parse + FT https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-eu-ai-act-classification 2026-05-14T14:43:03.370Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 EU AI Act (2024 yürürlükte): LLM'leri 4 kategoriye ayırır — yasaklı, high-risk, sınırlı risk, minimal. FT modelinin hangi kategoriye girdiği = compliance bütçesini belirler. High-risk olursa: Annex IV (technical documentation), CE marking, conformity assessment. Türkiye'den AB pazarına satarsan zorunlu. EU AI Act Sınıflandırma: General-Purpose vs High-Risk + Annex IV Teknik Doküman https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-eu-ai-act-classification 2026-05-14T14:43:03.370Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 EU AI Act (2024 yürürlükte): LLM'leri 4 kategoriye ayırır — yasaklı, high-risk, sınırlı risk, minimal. FT modelinin hangi kategoriye girdiği = compliance bütçesini belirler. High-risk olursa: Annex IV (technical documentation), CE marking, conformity assessment. Türkiye'den AB pazarına satarsan zorunlu. EU AI Act Sınıflandırma: General-Purpose vs High-Risk + Annex IV Teknik Doküman https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-kvkk-machine-unlearning 2026-05-14T14:43:03.458Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 KVKK Madde 7: 'Silme hakkı'. Vatandaş 'beni datasetten sil' derse: re-train pahalı (milyon dolarlar). **Machine Unlearning** alternatifi: SISA (Sharded, Isolated, Sliced, Aggregated) approach veya gradient ascent yöntemi. KVKK Kurul kararları, uygulamalı örnek (TR-bankacılık vatandaş silme talebi). KVKK Uyumu: Anonimleştirme + Silme Hakkı + Machine Unlearning (SISA + Gradient Ascent) https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-kvkk-machine-unlearning 2026-05-14T14:43:03.458Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 KVKK Madde 7: 'Silme hakkı'. Vatandaş 'beni datasetten sil' derse: re-train pahalı (milyon dolarlar). **Machine Unlearning** alternatifi: SISA (Sharded, Isolated, Sliced, Aggregated) approach veya gradient ascent yöntemi. KVKK Kurul kararları, uygulamalı örnek (TR-bankacılık vatandaş silme talebi). KVKK Uyumu: Anonimleştirme + Silme Hakkı + Machine Unlearning (SISA + Gradient Ascent) https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-model-license-derivative-work 2026-05-14T14:43:03.545Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FT model'i yayınlarken hangi lisansla? Base model'in lisansı **derivative work**'e nasıl yansır? Llama Community License v3 (>700M MAU kısıt), Gemma ToS (responsible use), Qwen2 Apache 2.0 (en esnek), Mistral Research vs Apache (model-spesifik), OpenAI ToS (output kısıt). Cookbook karar matrisi. Model Lisans Labirenti: Llama vs Gemma vs Qwen vs Mistral — 'Derivative Work' Tartışması https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-model-license-derivative-work 2026-05-14T14:43:03.545Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 FT model'i yayınlarken hangi lisansla? Base model'in lisansı **derivative work**'e nasıl yansır? Llama Community License v3 (>700M MAU kısıt), Gemma ToS (responsible use), Qwen2 Apache 2.0 (en esnek), Mistral Research vs Apache (model-spesifik), OpenAI ToS (output kısıt). Cookbook karar matrisi. Model Lisans Labirenti: Llama vs Gemma vs Qwen vs Mistral — 'Derivative Work' Tartışması https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-data-license-chain 2026-05-14T14:43:03.631Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Training dataset'inin lisansı FT model'e nasıl yansır? CC-BY-SA viral (derivative aynı lisansta olmalı), Common Crawl ToS (research only), GitHub permissive filter (MIT/Apache/BSD only — GPL hayır). Wikipedia (CC-BY-SA) ile train ederseniz model CC-BY-SA olabilir mi? Hukuki gri alan. Veri Lisans Zinciri: CC-BY-SA Viral Etkisi + Common Crawl ToS + GitHub Permissive Filter https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-data-license-chain 2026-05-14T14:43:03.631Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 Training dataset'inin lisansı FT model'e nasıl yansır? CC-BY-SA viral (derivative aynı lisansta olmalı), Common Crawl ToS (research only), GitHub permissive filter (MIT/Apache/BSD only — GPL hayır). Wikipedia (CC-BY-SA) ile train ederseniz model CC-BY-SA olabilir mi? Hukuki gri alan. Veri Lisans Zinciri: CC-BY-SA Viral Etkisi + Common Crawl ToS + GitHub Permissive Filter https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-model-card-datasheet 2026-05-14T14:43:03.718Z monthly 0.70 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Modern open-source LLM yayını için zorunlu: **Model Card** (HF) — model özellikleri, training process, evaluation, intended use, limitations, bias. **Datasheet for Datasets** (Gebru 2021) — training data details. Bias section ZORUNLU (EU AI Act gereksinimi). Cookbook'un TR template. Model Card + Datasheet: HuggingFace Template + Google Datasheet + Bias Section https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-model-card-datasheet 2026-05-14T14:43:03.718Z monthly 0.60 https://images.unsplash.com/photo-1574169208507-84376144848b?w=1280&h=720&fit=crop&auto=format&q=80 Modern open-source LLM yayını için zorunlu: **Model Card** (HF) — model özellikleri, training process, evaluation, intended use, limitations, bias. **Datasheet for Datasets** (Gebru 2021) — training data details. Bias section ZORUNLU (EU AI Act gereksinimi). Cookbook'un TR template. Model Card + Datasheet: HuggingFace Template + Google Datasheet + Bias Section https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-bias-eval-bbq-tr 2026-05-14T14:43:03.804Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 BBQ (Bias Benchmark for QA, Parrish 2022) TR adaptation: cinsiyet, etnik (Türk/Kürt/Arap/Ermeni), mezhep (Sünni/Alevi), yaş, sosyoekonomik durum, fiziksel görünüm 9 kategoride bias probe. 1200 ambiguous question pair. Cookbook'un mitigation reçetesi: balanced SFT data + DPO bias-rejection examples. Bias Eval TR: BBQ-TR — Cinsiyet / Etnik / Mezhep / Yaş / SES Probe + Mitigation https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-bias-eval-bbq-tr 2026-05-14T14:43:03.804Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 BBQ (Bias Benchmark for QA, Parrish 2022) TR adaptation: cinsiyet, etnik (Türk/Kürt/Arap/Ermeni), mezhep (Sünni/Alevi), yaş, sosyoekonomik durum, fiziksel görünüm 9 kategoride bias probe. 1200 ambiguous question pair. Cookbook'un mitigation reçetesi: balanced SFT data + DPO bias-rejection examples. Bias Eval TR: BBQ-TR — Cinsiyet / Etnik / Mezhep / Yaş / SES Probe + Mitigation https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-red-teaming-gcg-pair-autodan 2026-05-14T14:43:03.889Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Production deploy öncesi zorunlu: red-team probe. GCG (Greedy Coordinate Gradient — adversarial suffix attack), PAIR (Prompt Automatic Iterative Refinement — LLM attacks LLM), AutoDAN (jailbreak auto-generation), prompt injection (RAG context'inde malicious instruction). Cookbook'un open red-team corpus + scoring metodu. Red-Teaming Lab: GCG + PAIR + AutoDAN + Prompt Injection Robustness https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-red-teaming-gcg-pair-autodan 2026-05-14T14:43:03.889Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Production deploy öncesi zorunlu: red-team probe. GCG (Greedy Coordinate Gradient — adversarial suffix attack), PAIR (Prompt Automatic Iterative Refinement — LLM attacks LLM), AutoDAN (jailbreak auto-generation), prompt injection (RAG context'inde malicious instruction). Cookbook'un open red-team corpus + scoring metodu. Red-Teaming Lab: GCG + PAIR + AutoDAN + Prompt Injection Robustness https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-watermarking-provenance 2026-05-14T14:43:03.974Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 AI-generated content'i tespit edilebilir kılma: SynthID (Google, statistical watermark in token distribution), C2PA (Content Authenticity Initiative — metadata-based), model fingerprinting (training-time backdoor as ownership proof). EU AI Act + emerging regulations için zorunlu. Watermarking & Provenance: C2PA + SynthID + Model Fingerprinting https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-watermarking-provenance 2026-05-14T14:43:03.974Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 AI-generated content'i tespit edilebilir kılma: SynthID (Google, statistical watermark in token distribution), C2PA (Content Authenticity Initiative — metadata-based), model fingerprinting (training-time backdoor as ownership proof). EU AI Act + emerging regulations için zorunlu. Watermarking & Provenance: C2PA + SynthID + Model Fingerprinting https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-dp-sgd-federated-ft 2026-05-14T14:43:04.061Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Hassas data ile FT yaparken privacy guarantee'ler: DP-SGD (Opacus library) — gradient'lara controlled noise ekle, (ε, δ)-differential privacy garanti. Federated FT (Flower) — data hiç sunucuya gelmesin, sadece gradient. KVKK + sağlık + finans için ideal. Privacy budget vs accuracy trade-off. DP-SGD (Differential Privacy SGD) + Federated FT: Opacus + Flower https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-dp-sgd-federated-ft 2026-05-14T14:43:04.061Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Hassas data ile FT yaparken privacy guarantee'ler: DP-SGD (Opacus library) — gradient'lara controlled noise ekle, (ε, δ)-differential privacy garanti. Federated FT (Flower) — data hiç sunucuya gelmesin, sadece gradient. KVKK + sağlık + finans için ideal. Privacy budget vs accuracy trade-off. DP-SGD (Differential Privacy SGD) + Federated FT: Opacus + Flower https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-roots-data-transparency 2026-05-14T14:43:04.148Z monthly 0.70 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 ROOTS (BigScience BLOOM) — training corpus'un tam transparency'sini koruma standart. Cookbook'un FT modelleri için: dataset card (source, license, processing), data composition tablosu, exclusion criteria. Open science için bu standartı uygulayanlar long-term trustworthy. ROOTS-Style Data Transparency: Reproducibility + Open Science Standartları https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-roots-data-transparency 2026-05-14T14:43:04.148Z monthly 0.60 https://images.unsplash.com/photo-1551836022-deb4988cc6c0?w=1280&h=720&fit=crop&auto=format&q=80 ROOTS (BigScience BLOOM) — training corpus'un tam transparency'sini koruma standart. Cookbook'un FT modelleri için: dataset card (source, license, processing), data composition tablosu, exclusion criteria. Open science için bu standartı uygulayanlar long-term trustworthy. ROOTS-Style Data Transparency: Reproducibility + Open Science Standartları https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-capstone-brief-12-step 2026-05-14T14:43:04.235Z monthly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un final projesi: 4-6 hafta sürecek uçtan uca FT projesi. Niş domain seç (sağlık / hukuk / e-ticaret / kamu / eğitim / finans / edebiyat / spor / oyun / tarih / vs.), veri topla, tokenizer extend et, continual PT yap, SFT + DPO, quantize, vLLM ile deploy, eval, model card, public release. Cookbook'un tüm 19 Part'ını uygulamalı entegre eder. Capstone Brief: Kendi Niş Domain'inde Uçtan Uca FT Projesi — 12 Adımlı Yol Haritası https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-capstone-brief-12-step 2026-05-14T14:43:04.235Z monthly 0.60 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un final projesi: 4-6 hafta sürecek uçtan uca FT projesi. Niş domain seç (sağlık / hukuk / e-ticaret / kamu / eğitim / finans / edebiyat / spor / oyun / tarih / vs.), veri topla, tokenizer extend et, continual PT yap, SFT + DPO, quantize, vLLM ile deploy, eval, model card, public release. Cookbook'un tüm 19 Part'ını uygulamalı entegre eder. Capstone Brief: Kendi Niş Domain'inde Uçtan Uca FT Projesi — 12 Adımlı Yol Haritası https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-capstone-telemetry-report 2026-05-14T14:43:04.335Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Capstone'un final teslim çıktısı: detaylı telemetry raporu. MFU%, tokens/s, peak GPU memory, loss curve overlay (SFT + DPO), eval tablo (TR-MMLU + custom), maliyet decomposition (cloud saat × $ + electricity ₺ + storage), git_sha + data_sha256 + wandb_run_id triple. Cookbook standardı: sertifika için bu rapor zorunlu. Final Run Telemetry Raporu: MFU + Throughput + Loss + Cost Decomposition https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-capstone-telemetry-report 2026-05-14T14:43:04.335Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Capstone'un final teslim çıktısı: detaylı telemetry raporu. MFU%, tokens/s, peak GPU memory, loss curve overlay (SFT + DPO), eval tablo (TR-MMLU + custom), maliyet decomposition (cloud saat × $ + electricity ₺ + storage), git_sha + data_sha256 + wandb_run_id triple. Cookbook standardı: sertifika için bu rapor zorunlu. Final Run Telemetry Raporu: MFU + Throughput + Loss + Cost Decomposition https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-capstone-peer-review-rubric 2026-05-14T14:43:04.421Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un peer review sistemi: capstone projeler topluluk üyeleri tarafından değerlendirilir. 4 kategori × 25 puan: Reproducibility (lineage triple, env pinning, repo açık), Eval rigour (TR-MMLU + domain bench + bias eval), Engineering quality (MFU >%35, kod organizasyonu), TR-domain fit (gerçek kullanım potansiyeli). Toplam 100 üzerinden 70+ → sertifika. Peer Review Rubric: Reproducibility + Eval Rigour + Engineering + TR-Domain Fit https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-capstone-peer-review-rubric 2026-05-14T14:43:04.421Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un peer review sistemi: capstone projeler topluluk üyeleri tarafından değerlendirilir. 4 kategori × 25 puan: Reproducibility (lineage triple, env pinning, repo açık), Eval rigour (TR-MMLU + domain bench + bias eval), Engineering quality (MFU >%35, kod organizasyonu), TR-domain fit (gerçek kullanım potansiyeli). Toplam 100 üzerinden 70+ → sertifika. Peer Review Rubric: Reproducibility + Eval Rigour + Engineering + TR-Domain Fit https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-capstone-public-release 2026-05-14T14:43:04.506Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Capstone modelini dünyaya açma: HuggingFace Hub'a public push, full model card, dataset card, eval_results.csv, Modelfile (Ollama uyumu), license attestation (base model + dataset chain), badge'ler ('Apache 2.0', 'BBQ-TR tested', 'KVKK compliant'). Twitter/LinkedIn launch template. Public Release Paketi: HF Hub + Model Card + Dataset Card + Eval Results + License Attestation https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-capstone-public-release 2026-05-14T14:43:04.506Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Capstone modelini dünyaya açma: HuggingFace Hub'a public push, full model card, dataset card, eval_results.csv, Modelfile (Ollama uyumu), license attestation (base model + dataset chain), badge'ler ('Apache 2.0', 'BBQ-TR tested', 'KVKK compliant'). Twitter/LinkedIn launch template. Public Release Paketi: HF Hub + Model Card + Dataset Card + Eval Results + License Attestation https://sukruyusufkaya.com/learn/fine-tuning-cookbook/ftc-capstone-certification 2026-05-14T14:43:04.592Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un kapanış sertifikası: tüm 19 Part'tan en az %85 ders teslim + capstone peer-review skoru ≥ 70/100 → **'FT Engineer Level III'** sertifika alırsın. Sertifika LinkedIn'e eklenir, sukruyusufkaya.com/certificates'a kaydedilir. Türkiye'deki tek bağımsız FT mühendisi sertifikası. Sertifika Yolu: 'FT Engineer Level III' — Cookbook'un Resmi Tanınırlığı https://sukruyusufkaya.com/en/learn/fine-tuning-cookbook/ftc-capstone-certification 2026-05-14T14:43:04.592Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Cookbook'un kapanış sertifikası: tüm 19 Part'tan en az %85 ders teslim + capstone peer-review skoru ≥ 70/100 → **'FT Engineer Level III'** sertifika alırsın. Sertifika LinkedIn'e eklenir, sukruyusufkaya.com/certificates'a kaydedilir. Türkiye'deki tek bağımsız FT mühendisi sertifikası. Sertifika Yolu: 'FT Engineer Level III' — Cookbook'un Resmi Tanınırlığı https://sukruyusufkaya.com/learn/token-ekonomisi/ai-maliyet-patlamasi-2022-2026-trend 2026-05-14T14:44:10.023Z monthly 0.70 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Token fiyatları 2022'den 2026'ya 3 yılda yaklaşık 26 katı ucuzladı (GPT-3.5 $20/M → Sonnet 4.6 $3/M, Haiku 4.5 $1/M). Yine de şirketlerin AI fatura kalemi ortalama 40× arttı. Bu paradoksu çözmek, bütün kursun temel sorusudur. AI Maliyet Patlaması: 2022'den 2026'ya Token Fiyatları Neden %96 Düştü Ama Faturalar Neden 40 Kat Arttı? https://sukruyusufkaya.com/en/learn/token-ekonomisi/ai-maliyet-patlamasi-2022-2026-trend 2026-05-14T14:44:10.023Z monthly 0.60 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Token fiyatları 2022'den 2026'ya 3 yılda yaklaşık 26 katı ucuzladı (GPT-3.5 $20/M → Sonnet 4.6 $3/M, Haiku 4.5 $1/M). Yine de şirketlerin AI fatura kalemi ortalama 40× arttı. Bu paradoksu çözmek, bütün kursun temel sorusudur. AI Maliyet Patlaması: 2022'den 2026'ya Token Fiyatları Neden %96 Düştü Ama Faturalar Neden 40 Kat Arttı? https://sukruyusufkaya.com/learn/token-ekonomisi/birim-ekonomisi-sozlugu-cogs-gross-margin 2026-05-14T14:44:10.162Z monthly 0.70 https://images.unsplash.com/photo-1454165804606-c3d57bc86b40?w=1280&h=720&fit=crop&auto=format&q=80 AI ürününün gerçek maliyetini hesaplamak için bilmen gereken 9 finansal kavram: COGS, Gross Margin, $/Request, $/User, $/MAU, Contribution Margin, CAC, LTV, Payback Period. Her biri somut LLM örnekleriyle. Birim Ekonomisi Sözlüğü: COGS, Gross Margin, $/User, Contribution Margin — Mühendisin Bilmesi Gereken 9 Finansal Kavram https://sukruyusufkaya.com/en/learn/token-ekonomisi/birim-ekonomisi-sozlugu-cogs-gross-margin 2026-05-14T14:44:10.162Z monthly 0.60 https://images.unsplash.com/photo-1454165804606-c3d57bc86b40?w=1280&h=720&fit=crop&auto=format&q=80 AI ürününün gerçek maliyetini hesaplamak için bilmen gereken 9 finansal kavram: COGS, Gross Margin, $/Request, $/User, $/MAU, Contribution Margin, CAC, LTV, Payback Period. Her biri somut LLM örnekleriyle. Birim Ekonomisi Sözlüğü: COGS, Gross Margin, $/User, Contribution Margin — Mühendisin Bilmesi Gereken 9 Finansal Kavram https://sukruyusufkaya.com/learn/token-ekonomisi/atolyemizin-aletleri-tiktoken-langfuse-litellm 2026-05-14T14:44:10.259Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Kursta kullanacağımız 11 anahtar aracın hızlı tanıtımı: tiktoken (token sayımı), anthropic-tokenizer, Langfuse (telemetry), Helicone (proxy), LiteLLM (provider abstraction), vLLM (self-hosting), RouteLLM (routing), LLMLingua (compression), GPTCache (semantic cache), tldraw (mimari diyagramları), Python uv. Her biri için: ne işe yarar, ne zaman devreye girer, ücretli mi. Atölyemizin Aletleri: Kurs Boyunca Kullanacağımız 11 Aracın Hızlı Turu https://sukruyusufkaya.com/en/learn/token-ekonomisi/atolyemizin-aletleri-tiktoken-langfuse-litellm 2026-05-14T14:44:10.259Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Kursta kullanacağımız 11 anahtar aracın hızlı tanıtımı: tiktoken (token sayımı), anthropic-tokenizer, Langfuse (telemetry), Helicone (proxy), LiteLLM (provider abstraction), vLLM (self-hosting), RouteLLM (routing), LLMLingua (compression), GPTCache (semantic cache), tldraw (mimari diyagramları), Python uv. Her biri için: ne işe yarar, ne zaman devreye girer, ücretli mi. Atölyemizin Aletleri: Kurs Boyunca Kullanacağımız 11 Aracın Hızlı Turu https://sukruyusufkaya.com/learn/token-ekonomisi/atolye-kurulumu-python-uv-api-keys-langfuse 2026-05-14T14:44:10.354Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Kursun lab'ları için tam atölye kurulumu: Python 3.12, uv, virtual env, OpenAI/Anthropic/Gemini/DeepSeek/Groq API key'leri (hepsi ücretsiz kredi ile), Langfuse cloud hesabı, ilk LLM çağrısı ve ilk telemetry trace'i. Atölye Kurulumu: 20 Dakikada Python, uv, API Keyleri, İlk LLM Çağrısı ve Langfuse Trace https://sukruyusufkaya.com/en/learn/token-ekonomisi/atolye-kurulumu-python-uv-api-keys-langfuse 2026-05-14T14:44:10.354Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Kursun lab'ları için tam atölye kurulumu: Python 3.12, uv, virtual env, OpenAI/Anthropic/Gemini/DeepSeek/Groq API key'leri (hepsi ücretsiz kredi ile), Langfuse cloud hesabı, ilk LLM çağrısı ve ilk telemetry trace'i. Atölye Kurulumu: 20 Dakikada Python, uv, API Keyleri, İlk LLM Çağrısı ve Langfuse Trace https://sukruyusufkaya.com/learn/token-ekonomisi/karakter-kelime-token-farki-bpe-tokenization 2026-05-14T14:44:10.450Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Token, LLM'lerin metni gördüğü temel birim. Karakter sayısı ile, kelime sayısı ile, ve token sayısı ile aynı metin **çok farklı** sonuçlar verir. Bu dersin sonunda 'şu paragraf kaç token?' sorusunu kafadan tahminle %10 yanılgıyla cevaplayabileceksin. Karakter, Kelime, Token: Faturanı Belirleyen 3 Birim ve Aralarındaki Şaşırtıcı Farklar https://sukruyusufkaya.com/en/learn/token-ekonomisi/karakter-kelime-token-farki-bpe-tokenization 2026-05-14T14:44:10.450Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Token, LLM'lerin metni gördüğü temel birim. Karakter sayısı ile, kelime sayısı ile, ve token sayısı ile aynı metin **çok farklı** sonuçlar verir. Bu dersin sonunda 'şu paragraf kaç token?' sorusunu kafadan tahminle %10 yanılgıyla cevaplayabileceksin. Karakter, Kelime, Token: Faturanı Belirleyen 3 Birim ve Aralarındaki Şaşırtıcı Farklar https://sukruyusufkaya.com/learn/token-ekonomisi/tokenizer-savaslari-gpt-claude-gemini-llama-mistral 2026-05-14T14:44:10.543Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Aynı 3 Türkçe metin, 6 farklı tokenizer. Token sayıları arasında %35'e varan fark çıkıyor. Bu fark senin faturanda doğrudan görünür. Bu derste 'aynı görev için hangi model token-ekonomisi açısından en verimli?' sorusunun ön cevabını koyacağız. Tokenizer Savaşları: GPT, Claude, Gemini, Llama, Mistral ve DeepSeek Aynı Türkçe Metni Nasıl Bölüyor? https://sukruyusufkaya.com/en/learn/token-ekonomisi/tokenizer-savaslari-gpt-claude-gemini-llama-mistral 2026-05-14T14:44:10.543Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Aynı 3 Türkçe metin, 6 farklı tokenizer. Token sayıları arasında %35'e varan fark çıkıyor. Bu fark senin faturanda doğrudan görünür. Bu derste 'aynı görev için hangi model token-ekonomisi açısından en verimli?' sorusunun ön cevabını koyacağız. Tokenizer Savaşları: GPT, Claude, Gemini, Llama, Mistral ve DeepSeek Aynı Türkçe Metni Nasıl Bölüyor? https://sukruyusufkaya.com/learn/token-ekonomisi/turkce-penalty-llm-token-maliyet-strateji 2026-05-14T14:44:10.637Z monthly 0.70 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe agglutinative (eklemeli) bir dil olduğu için BPE tokenizer'ları kelimeleri çok parçalara bölüyor. Aynı semantik bilgi için %70 fazla token = doğrudan %70 fazla fatura. Bu derste fenomenin matematiğini, gerçek dünya etkisini ve 4 azaltma stratejisini göreceğiz. Türkçe Penalty: Neden Türkçe Metniniz Faturada 1.7× Daha Pahalı ve Bununla Nasıl Yaşarız? https://sukruyusufkaya.com/en/learn/token-ekonomisi/turkce-penalty-llm-token-maliyet-strateji 2026-05-14T14:44:10.637Z monthly 0.60 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Türkçe agglutinative (eklemeli) bir dil olduğu için BPE tokenizer'ları kelimeleri çok parçalara bölüyor. Aynı semantik bilgi için %70 fazla token = doğrudan %70 fazla fatura. Bu derste fenomenin matematiğini, gerçek dünya etkisini ve 4 azaltma stratejisini göreceğiz. Türkçe Penalty: Neden Türkçe Metniniz Faturada 1.7× Daha Pahalı ve Bununla Nasıl Yaşarız? https://sukruyusufkaya.com/learn/token-ekonomisi/input-output-token-fiyat-farki-economy 2026-05-14T14:44:10.729Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Tüm büyük LLM'ler input token'ı output token'dan 3-5× daha ucuz fiyatlandırıyor. Bu fark teknik bir tesadüf değil — temelde GPU ekonomisi var ve mühendislik kararlarını doğrudan şekillendiriyor. 'Çok input, az output' tasarımı %40-60 tasarruf demek. Input vs Output Token: 5× Pahalı Olan Hangisi ve Bunu Neden Bilmen Senin İçin Para Kazandırır? https://sukruyusufkaya.com/en/learn/token-ekonomisi/input-output-token-fiyat-farki-economy 2026-05-14T14:44:10.729Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Tüm büyük LLM'ler input token'ı output token'dan 3-5× daha ucuz fiyatlandırıyor. Bu fark teknik bir tesadüf değil — temelde GPU ekonomisi var ve mühendislik kararlarını doğrudan şekillendiriyor. 'Çok input, az output' tasarımı %40-60 tasarruf demek. Input vs Output Token: 5× Pahalı Olan Hangisi ve Bunu Neden Bilmen Senin İçin Para Kazandırır? https://sukruyusufkaya.com/learn/token-ekonomisi/context-window-ekonomisi-200k-1m-token-bagam 2026-05-14T14:44:10.831Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modern LLM'lerin context window'u 200K-10M tokena uzandı. Ama büyük bağlam ucuz değil: 200K'lık tek bir Sonnet 4.6 çağrısı $0.60. 'Tüm kitabı prompt'a koy' yaklaşımının gerçek maliyetini, ne zaman değdiğini, ne zaman katil olduğunu inceliyoruz. Context Window Ekonomisi: 200K, 1M, 10M Token Bağlam — Para Yangını mı, Süper Güç mü? https://sukruyusufkaya.com/en/learn/token-ekonomisi/context-window-ekonomisi-200k-1m-token-bagam 2026-05-14T14:44:10.831Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Modern LLM'lerin context window'u 200K-10M tokena uzandı. Ama büyük bağlam ucuz değil: 200K'lık tek bir Sonnet 4.6 çağrısı $0.60. 'Tüm kitabı prompt'a koy' yaklaşımının gerçek maliyetini, ne zaman değdiğini, ne zaman katil olduğunu inceliyoruz. Context Window Ekonomisi: 200K, 1M, 10M Token Bağlam — Para Yangını mı, Süper Güç mü? https://sukruyusufkaya.com/learn/token-ekonomisi/multimodal-token-gorsel-ses-video-maliyet 2026-05-14T14:44:10.924Z monthly 0.70 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Metin tek başına değil — 2026'da neredeyse her LLM görsel, ses, video alabilir. Bir görsel kaç token? Bir saat ses kaç dolar? Bir 4K video pahalı mı? Sağlayıcıların radikal farklı yaklaşımları, hesap formülleri, gerçek lab örnekleriyle. Multimodal Token: Görsel, Ses, Video LLM'lerde Nasıl Fiyatlandırılır? https://sukruyusufkaya.com/en/learn/token-ekonomisi/multimodal-token-gorsel-ses-video-maliyet 2026-05-14T14:44:10.924Z monthly 0.60 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Metin tek başına değil — 2026'da neredeyse her LLM görsel, ses, video alabilir. Bir görsel kaç token? Bir saat ses kaç dolar? Bir 4K video pahalı mı? Sağlayıcıların radikal farklı yaklaşımları, hesap formülleri, gerçek lab örnekleriyle. Multimodal Token: Görsel, Ses, Video LLM'lerde Nasıl Fiyatlandırılır? https://sukruyusufkaya.com/learn/token-ekonomisi/openai-fiyat-semasi-tier-batch-cached-input 2026-05-14T14:44:11.015Z monthly 0.70 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI'ın fiyat sayfasında 12 ürün, her birinde 3-5 ek seçenek var: standart, cached input, batch (50% indirim), fine-tuning, embedding, image, audio, realtime, image generation. Her tier'ı gerçek hesap örnekleriyle döküyoruz. OpenAI Fiyat Şeması Tam Analizi: 7 Tier, 12 Ürün, 3 İndirim — Hangisini Ne Zaman? https://sukruyusufkaya.com/en/learn/token-ekonomisi/openai-fiyat-semasi-tier-batch-cached-input 2026-05-14T14:44:11.015Z monthly 0.60 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI'ın fiyat sayfasında 12 ürün, her birinde 3-5 ek seçenek var: standart, cached input, batch (50% indirim), fine-tuning, embedding, image, audio, realtime, image generation. Her tier'ı gerçek hesap örnekleriyle döküyoruz. OpenAI Fiyat Şeması Tam Analizi: 7 Tier, 12 Ürün, 3 İndirim — Hangisini Ne Zaman? https://sukruyusufkaya.com/learn/token-ekonomisi/anthropic-fiyat-prompt-cache-extended-thinking 2026-05-14T14:44:11.123Z monthly 0.70 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Claude Haiku/Sonnet/Opus fiyat tablosu, prompt caching'in 1.25× yazma / 0.10× okuma matematiği, extended thinking'in gizli output maliyeti, Batch API ve Anthropic'in Türkçe için neden en ekonomik seçim olduğu. Anthropic Fiyat Şeması: Prompt Caching'in 90% İndirim Sihri ve Extended Thinking Faturası https://sukruyusufkaya.com/en/learn/token-ekonomisi/anthropic-fiyat-prompt-cache-extended-thinking 2026-05-14T14:44:11.123Z monthly 0.60 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Claude Haiku/Sonnet/Opus fiyat tablosu, prompt caching'in 1.25× yazma / 0.10× okuma matematiği, extended thinking'in gizli output maliyeti, Batch API ve Anthropic'in Türkçe için neden en ekonomik seçim olduğu. Anthropic Fiyat Şeması: Prompt Caching'in 90% İndirim Sihri ve Extended Thinking Faturası https://sukruyusufkaya.com/learn/token-ekonomisi/google-gemini-fiyat-tier-context-cache 2026-05-14T14:44:11.211Z monthly 0.70 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 Gemini 2.5 Pro/Flash/Flash-Lite fiyat tablosu, 200K üstü 2× zam, kontekst caching mekanizması, ücretsiz tier'ın gerçek limitleri, Vertex AI enterprise farkı ve Google'ın Türkçe ekosistemindeki etkisi. Google Gemini Fiyat Şeması: Ucuz Görünümün Altındaki Tier Tuzakları ve 1M Context'in Gerçek Maliyeti https://sukruyusufkaya.com/en/learn/token-ekonomisi/google-gemini-fiyat-tier-context-cache 2026-05-14T14:44:11.211Z monthly 0.60 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 Gemini 2.5 Pro/Flash/Flash-Lite fiyat tablosu, 200K üstü 2× zam, kontekst caching mekanizması, ücretsiz tier'ın gerçek limitleri, Vertex AI enterprise farkı ve Google'ın Türkçe ekosistemindeki etkisi. Google Gemini Fiyat Şeması: Ucuz Görünümün Altındaki Tier Tuzakları ve 1M Context'in Gerçek Maliyeti https://sukruyusufkaya.com/learn/token-ekonomisi/open-weight-inference-together-fireworks-groq 2026-05-14T14:44:11.296Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama 4, Mistral, Qwen 3, DeepSeek V3.5 gibi açık-ağırlık modelleri servisleyen sağlayıcılar — Together AI, Fireworks, Groq, Cerebras, Replicate, DeepSeek native. Fiyat karşılaştırması, latency/throughput trade-off, hangi sağlayıcı hangi iş için. Open-Weight Inference: Together, Fireworks, Groq, Cerebras, DeepSeek — Frontier'in %5'i Fiyata Aynı Kalite? https://sukruyusufkaya.com/en/learn/token-ekonomisi/open-weight-inference-together-fireworks-groq 2026-05-14T14:44:11.296Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Llama 4, Mistral, Qwen 3, DeepSeek V3.5 gibi açık-ağırlık modelleri servisleyen sağlayıcılar — Together AI, Fireworks, Groq, Cerebras, Replicate, DeepSeek native. Fiyat karşılaştırması, latency/throughput trade-off, hangi sağlayıcı hangi iş için. Open-Weight Inference: Together, Fireworks, Groq, Cerebras, DeepSeek — Frontier'in %5'i Fiyata Aynı Kalite? https://sukruyusufkaya.com/learn/token-ekonomisi/aws-bedrock-azure-openai-vertex-ai-fiyat 2026-05-14T14:44:11.386Z monthly 0.70 https://images.unsplash.com/photo-1579621970795-87facc2f976d?w=1280&h=720&fit=crop&auto=format&q=80 AWS Bedrock, Azure OpenAI Service, Google Vertex AI — enterprise cloud LLM seçenekleri. Standart on-demand fiyatları, provisioned throughput, region pricing, KVKK uyumluluk premium'u ve hangi durumda enterprise cloud'a geçmeli. AWS Bedrock, Azure OpenAI, Vertex AI: Enterprise Fiyat Manzarası ve Compliance Premium'u https://sukruyusufkaya.com/en/learn/token-ekonomisi/aws-bedrock-azure-openai-vertex-ai-fiyat 2026-05-14T14:44:11.386Z monthly 0.60 https://images.unsplash.com/photo-1579621970795-87facc2f976d?w=1280&h=720&fit=crop&auto=format&q=80 AWS Bedrock, Azure OpenAI Service, Google Vertex AI — enterprise cloud LLM seçenekleri. Standart on-demand fiyatları, provisioned throughput, region pricing, KVKK uyumluluk premium'u ve hangi durumda enterprise cloud'a geçmeli. AWS Bedrock, Azure OpenAI, Vertex AI: Enterprise Fiyat Manzarası ve Compliance Premium'u https://sukruyusufkaya.com/learn/token-ekonomisi/self-hosted-llm-maliyet-gpu-saat-million-token 2026-05-14T14:44:11.477Z monthly 0.70 https://images.unsplash.com/photo-1565514020179-026b92b84bb6?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.3 70B'yi RunPod'da H100 ile çalıştırınca gerçek $/M token nedir? GPU saat × throughput × MFU formülü, vLLM continuous batching etkisi, ve hangi volume'da self-host frontier API'lerden ucuz hale gelir. Self-Hosted LLM Gerçek Maliyet: GPU Saatten $/M Token'a Tam Çevrim Formülü https://sukruyusufkaya.com/en/learn/token-ekonomisi/self-hosted-llm-maliyet-gpu-saat-million-token 2026-05-14T14:44:11.477Z monthly 0.60 https://images.unsplash.com/photo-1565514020179-026b92b84bb6?w=1280&h=720&fit=crop&auto=format&q=80 Llama 3.3 70B'yi RunPod'da H100 ile çalıştırınca gerçek $/M token nedir? GPU saat × throughput × MFU formülü, vLLM continuous batching etkisi, ve hangi volume'da self-host frontier API'lerden ucuz hale gelir. Self-Hosted LLM Gerçek Maliyet: GPU Saatten $/M Token'a Tam Çevrim Formülü https://sukruyusufkaya.com/learn/token-ekonomisi/gizli-maliyetler-tool-use-structured-output-thinking 2026-05-14T14:44:11.569Z monthly 0.70 https://images.unsplash.com/photo-1565514020179-026b92b84bb6?w=1280&h=720&fit=crop&auto=format&q=80 LLM faturalarında 'fiyat sayfasında olmayan' ama gerçek kalemler: tool definition input'a eklenir, structured output prefill, reasoning thinking gizli output, web search tool $30/1K, vision detail mode 9× zam. Bu derste faturanın görünmez köşelerini açıyoruz. Faturayı Şişiren Gizli Maliyetler: Tool Use, Structured Output, Thinking, Web Search ve Daha Fazlası https://sukruyusufkaya.com/en/learn/token-ekonomisi/gizli-maliyetler-tool-use-structured-output-thinking 2026-05-14T14:44:11.569Z monthly 0.60 https://images.unsplash.com/photo-1565514020179-026b92b84bb6?w=1280&h=720&fit=crop&auto=format&q=80 LLM faturalarında 'fiyat sayfasında olmayan' ama gerçek kalemler: tool definition input'a eklenir, structured output prefill, reasoning thinking gizli output, web search tool $30/1K, vision detail mode 9× zam. Bu derste faturanın görünmez köşelerini açıyoruz. Faturayı Şişiren Gizli Maliyetler: Tool Use, Structured Output, Thinking, Web Search ve Daha Fazlası https://sukruyusufkaya.com/learn/token-ekonomisi/llm-telemetry-baseline-olcum-felsefesi 2026-05-14T14:44:11.658Z monthly 0.70 https://images.unsplash.com/photo-1460925895917-afdab827c52f?w=1280&h=720&fit=crop&auto=format&q=80 Mühendislik tarihinin en eski mottosu LLM'lerde de geçerli: önce ölç, sonra optimize et. Bu derste neden telemetry'siz optimizasyon kör bir savaş, hangi 5 metriği zorunlu izlemen gerekir, ve ilk baseline'ı 30 günde nasıl kurarsın. If You Can't Measure It, You Can't Optimize It: LLM Telemetry'nin Felsefesi ve İlk Baseline'ını Kurmak https://sukruyusufkaya.com/en/learn/token-ekonomisi/llm-telemetry-baseline-olcum-felsefesi 2026-05-14T14:44:11.658Z monthly 0.60 https://images.unsplash.com/photo-1460925895917-afdab827c52f?w=1280&h=720&fit=crop&auto=format&q=80 Mühendislik tarihinin en eski mottosu LLM'lerde de geçerli: önce ölç, sonra optimize et. Bu derste neden telemetry'siz optimizasyon kör bir savaş, hangi 5 metriği zorunlu izlemen gerekir, ve ilk baseline'ı 30 günde nasıl kurarsın. If You Can't Measure It, You Can't Optimize It: LLM Telemetry'nin Felsefesi ve İlk Baseline'ını Kurmak https://sukruyusufkaya.com/learn/token-ekonomisi/usage-objesi-anatomi-openai-anthropic-gemini 2026-05-14T14:44:11.750Z monthly 0.70 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Her LLM API yanıtında bir 'usage' objesi var — input_tokens, output_tokens, cached_input, reasoning_tokens vs. Bu alanların hepsi sağlayıcılar arası farklı. Bu derste her birinin yapısını döküp, telemetry için doğru parse pattern'ini gösteriyoruz. API Response'daki "usage" Objesinin Anatomi: OpenAI, Anthropic, Gemini Karşılaştırması https://sukruyusufkaya.com/en/learn/token-ekonomisi/usage-objesi-anatomi-openai-anthropic-gemini 2026-05-14T14:44:11.750Z monthly 0.60 https://images.unsplash.com/photo-1581091226825-a6a2a5aee158?w=1280&h=720&fit=crop&auto=format&q=80 Her LLM API yanıtında bir 'usage' objesi var — input_tokens, output_tokens, cached_input, reasoning_tokens vs. Bu alanların hepsi sağlayıcılar arası farklı. Bu derste her birinin yapısını döküp, telemetry için doğru parse pattern'ini gösteriyoruz. API Response'daki "usage" Objesinin Anatomi: OpenAI, Anthropic, Gemini Karşılaştırması https://sukruyusufkaya.com/learn/token-ekonomisi/streaming-token-sayim-tuzaklari-production 2026-05-14T14:44:11.847Z monthly 0.70 https://images.unsplash.com/photo-1542744173-8e7e53415bb0?w=1280&h=720&fit=crop&auto=format&q=80 Stream mode kullanırken token sayımı kolayca yanlış gider: cancelled stream'lerde partial output sayımı, last-chunk usage'ı atlamak, idle timeout sırasındaki token kayıpları. Production'da en sık 7 hatayı çözümleriyle açıyoruz. Streaming Token Sayım Tuzakları: Üretimde Sıkça Karşılaşılan 7 Hata https://sukruyusufkaya.com/en/learn/token-ekonomisi/streaming-token-sayim-tuzaklari-production 2026-05-14T14:44:11.847Z monthly 0.60 https://images.unsplash.com/photo-1542744173-8e7e53415bb0?w=1280&h=720&fit=crop&auto=format&q=80 Stream mode kullanırken token sayımı kolayca yanlış gider: cancelled stream'lerde partial output sayımı, last-chunk usage'ı atlamak, idle timeout sırasındaki token kayıpları. Production'da en sık 7 hatayı çözümleriyle açıyoruz. Streaming Token Sayım Tuzakları: Üretimde Sıkça Karşılaşılan 7 Hata https://sukruyusufkaya.com/learn/token-ekonomisi/telemetry-araclari-langfuse-helicone-langsmith 2026-05-14T14:44:11.937Z monthly 0.70 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 5 ana LLM observability aracını yan yana koyup karşılaştırıyoruz: feature setleri, fiyatlar, self-host opsiyonları, KVKK uyum, entegrasyon kolaylığı. Karar matrisiyle 'hangisini benim case'imde kullanmalıyım' sorusunun cevabı. Telemetry Araçları Tam Karşılaştırma: Langfuse vs Helicone vs LangSmith vs Phoenix vs OTel https://sukruyusufkaya.com/en/learn/token-ekonomisi/telemetry-araclari-langfuse-helicone-langsmith 2026-05-14T14:44:11.937Z monthly 0.60 https://images.unsplash.com/photo-1633332755192-727a05c4013d?w=1280&h=720&fit=crop&auto=format&q=80 5 ana LLM observability aracını yan yana koyup karşılaştırıyoruz: feature setleri, fiyatlar, self-host opsiyonları, KVKK uyum, entegrasyon kolaylığı. Karar matrisiyle 'hangisini benim case'imde kullanmalıyım' sorusunun cevabı. Telemetry Araçları Tam Karşılaştırma: Langfuse vs Helicone vs LangSmith vs Phoenix vs OTel https://sukruyusufkaya.com/learn/token-ekonomisi/self-hosted-llm-observability-clickhouse-grafana 2026-05-14T14:44:12.030Z monthly 0.70 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Üçüncü-parti aracı yerine kendi observability stack'ini kur: ClickHouse + Grafana + LiteLLM Webhook. Adım adım Docker setup, schema tasarımı, dashboard JSON'u ve Slack alert kurulumu — production-grade, sınırsız ölçek, KVKK uyumlu. Sıfırdan Self-Hosted LLM Observability: ClickHouse + Grafana ile $/Request Dashboard https://sukruyusufkaya.com/en/learn/token-ekonomisi/self-hosted-llm-observability-clickhouse-grafana 2026-05-14T14:44:12.030Z monthly 0.60 https://images.unsplash.com/photo-1526379095098-d400fd0bf935?w=1280&h=720&fit=crop&auto=format&q=80 Üçüncü-parti aracı yerine kendi observability stack'ini kur: ClickHouse + Grafana + LiteLLM Webhook. Adım adım Docker setup, schema tasarımı, dashboard JSON'u ve Slack alert kurulumu — production-grade, sınırsız ölçek, KVKK uyumlu. Sıfırdan Self-Hosted LLM Observability: ClickHouse + Grafana ile $/Request Dashboard https://sukruyusufkaya.com/learn/token-ekonomisi/enterprise-apm-llm-cost-sentry-datadog-newrelic 2026-05-14T14:44:12.118Z monthly 0.70 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Mevcut APM altyapın varsa (Sentry, Datadog, New Relic) LLM telemetry'i ayrı bir tool'a koymak yerine onları extend edebilirsin. Bu derste 3 enterprise APM'in LLM-specific feature'ları, custom metric pattern'leri ve cost attribution stratejilerini görüyoruz. Enterprise APM'lerle LLM Cost Entegrasyonu: Sentry, Datadog, New Relic Pattern'leri https://sukruyusufkaya.com/en/learn/token-ekonomisi/enterprise-apm-llm-cost-sentry-datadog-newrelic 2026-05-14T14:44:12.118Z monthly 0.60 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Mevcut APM altyapın varsa (Sentry, Datadog, New Relic) LLM telemetry'i ayrı bir tool'a koymak yerine onları extend edebilirsin. Bu derste 3 enterprise APM'in LLM-specific feature'ları, custom metric pattern'leri ve cost attribution stratejilerini görüyoruz. Enterprise APM'lerle LLM Cost Entegrasyonu: Sentry, Datadog, New Relic Pattern'leri https://sukruyusufkaya.com/learn/token-ekonomisi/multi-tenant-saas-cost-attribution-mimarisi 2026-05-14T14:44:12.206Z monthly 0.70 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 B2B SaaS'ta tek bir OpenAI API key'i kullanıp 1000 müşterinin maliyetini ayrı ayrı raporlayabilmek gerekiyor. Bu derste tenant_id propagation, metadata injection, ve dashboard segmentation pattern'lerini görüyoruz. Multi-Tenant SaaS'ta Cost Attribution: Aynı API Key ile 1000 Müşterinin Maliyetini Doğru Atfetmek https://sukruyusufkaya.com/en/learn/token-ekonomisi/multi-tenant-saas-cost-attribution-mimarisi 2026-05-14T14:44:12.206Z monthly 0.60 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 B2B SaaS'ta tek bir OpenAI API key'i kullanıp 1000 müşterinin maliyetini ayrı ayrı raporlayabilmek gerekiyor. Bu derste tenant_id propagation, metadata injection, ve dashboard segmentation pattern'lerini görüyoruz. Multi-Tenant SaaS'ta Cost Attribution: Aynı API Key ile 1000 Müşterinin Maliyetini Doğru Atfetmek https://sukruyusufkaya.com/learn/token-ekonomisi/feature-flag-cost-flag-ab-test-llm 2026-05-14T14:44:12.293Z monthly 0.70 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Yeni AI feature'ı %50 kullanıcıya göstermek istiyorsun, etki ölçeceksin. Conversion ölçüm kolay — ama maliyet farkı? Bu derste her A/B variant'a cost-flag eklemek, statistical significance ve LTV ile karar verme rehberi. Feature-Flag → Cost-Flag: A/B Testin Gerçek $/User Farkını Mühendislik Düzeyinde Ölçmek https://sukruyusufkaya.com/en/learn/token-ekonomisi/feature-flag-cost-flag-ab-test-llm 2026-05-14T14:44:12.293Z monthly 0.60 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 Yeni AI feature'ı %50 kullanıcıya göstermek istiyorsun, etki ölçeceksin. Conversion ölçüm kolay — ama maliyet farkı? Bu derste her A/B variant'a cost-flag eklemek, statistical significance ve LTV ile karar verme rehberi. Feature-Flag → Cost-Flag: A/B Testin Gerçek $/User Farkını Mühendislik Düzeyinde Ölçmek https://sukruyusufkaya.com/learn/token-ekonomisi/litellm-virtual-keys-multi-tenant-cost 2026-05-14T14:44:12.379Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LiteLLM Proxy'de virtual key yaratma, per-key budget, rate limit, model whitelist, ve admin API'nin tam kullanımı. Her tenant'ın kendi key'i = otomatik attribution + otomatik kontrol. LiteLLM Virtual Keys: Production-Grade Multi-Tenant Cost Attribution Altyapısı https://sukruyusufkaya.com/en/learn/token-ekonomisi/litellm-virtual-keys-multi-tenant-cost 2026-05-14T14:44:12.379Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 LiteLLM Proxy'de virtual key yaratma, per-key budget, rate limit, model whitelist, ve admin API'nin tam kullanımı. Her tenant'ın kendi key'i = otomatik attribution + otomatik kontrol. LiteLLM Virtual Keys: Production-Grade Multi-Tenant Cost Attribution Altyapısı https://sukruyusufkaya.com/learn/token-ekonomisi/ic-ekipler-chargeback-raporlama-invoice 2026-05-14T14:44:12.469Z monthly 0.70 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Engineering team aylık $4K LLM yakıyor — bunu hangi proje, hangi feature, hangi mühendisin yazdığı kod yedi? Kurumsal müşteriye AI usage faturası nasıl gönderilir? Bu derste chargeback raporlama otomasyonunun anatomi. İç Ekiplere ve Kurumsal Müşterilere Chargeback Raporlama: PDF, CSV, Invoice Generation https://sukruyusufkaya.com/en/learn/token-ekonomisi/ic-ekipler-chargeback-raporlama-invoice 2026-05-14T14:44:12.469Z monthly 0.60 https://images.unsplash.com/photo-1620266757065-5814239881fd?w=1280&h=720&fit=crop&auto=format&q=80 Engineering team aylık $4K LLM yakıyor — bunu hangi proje, hangi feature, hangi mühendisin yazdığı kod yedi? Kurumsal müşteriye AI usage faturası nasıl gönderilir? Bu derste chargeback raporlama otomasyonunun anatomi. İç Ekiplere ve Kurumsal Müşterilere Chargeback Raporlama: PDF, CSV, Invoice Generation https://sukruyusufkaya.com/learn/token-ekonomisi/cost-driven-abuse-prompt-injection-bot-savunma 2026-05-14T14:44:12.557Z monthly 0.70 https://images.unsplash.com/photo-1579621970795-87facc2f976d?w=1280&h=720&fit=crop&auto=format&q=80 Bir saldırgan AI ürününe prompt injection ile saldırıp **özellikle maliyetinizi şişirebilir**. Bu derste cost-based attack vectors (prompt explosion, recursive tool calling, expensive context flooding), tespit yöntemleri, ve production mitigation. Cost-Driven Abuse: Prompt-Injection Attack'ları, Bot Traffic ve Maliyet Saldırılarına Karşı Savunma https://sukruyusufkaya.com/en/learn/token-ekonomisi/cost-driven-abuse-prompt-injection-bot-savunma 2026-05-14T14:44:12.557Z monthly 0.60 https://images.unsplash.com/photo-1579621970795-87facc2f976d?w=1280&h=720&fit=crop&auto=format&q=80 Bir saldırgan AI ürününe prompt injection ile saldırıp **özellikle maliyetinizi şişirebilir**. Bu derste cost-based attack vectors (prompt explosion, recursive tool calling, expensive context flooding), tespit yöntemleri, ve production mitigation. Cost-Driven Abuse: Prompt-Injection Attack'ları, Bot Traffic ve Maliyet Saldırılarına Karşı Savunma https://sukruyusufkaya.com/learn/token-ekonomisi/prompt-maliyeti-hatalari-8-yaygin-pattern 2026-05-14T14:44:12.659Z monthly 0.70 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 Prompt mühendisliği genelde kalite optikten yazılıyor — ama her ekstra token doğrudan faturana yansır. Bu derste üretimde en sık görülen 8 hatayı, gerçek prompt örnekleriyle ve önce/sonra token sayımıyla işliyoruz. "Prompt'umu 4× Yapıp Token'ı 2× Aldım": Üretimde En Sık Görülen 8 Prompt Maliyeti Hatası https://sukruyusufkaya.com/en/learn/token-ekonomisi/prompt-maliyeti-hatalari-8-yaygin-pattern 2026-05-14T14:44:12.659Z monthly 0.60 https://images.unsplash.com/photo-1611174743420-3d7df880ce32?w=1280&h=720&fit=crop&auto=format&q=80 Prompt mühendisliği genelde kalite optikten yazılıyor — ama her ekstra token doğrudan faturana yansır. Bu derste üretimde en sık görülen 8 hatayı, gerçek prompt örnekleriyle ve önce/sonra token sayımıyla işliyoruz. "Prompt'umu 4× Yapıp Token'ı 2× Aldım": Üretimde En Sık Görülen 8 Prompt Maliyeti Hatası https://sukruyusufkaya.com/learn/token-ekonomisi/sistem-prompt-yariya-indirme-7-teknik 2026-05-14T14:44:12.745Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Önceki dersin hatalarını ortadan kaldırdıktan sonra: prompt'unu **kalite kaybetmeden** ek %50 küçültmek mümkün. 7 ileri tekniği gerçek prompt before/after örnekleriyle gösteriyoruz. Sistem Prompt'unu Yarıya İndirmenin 7 Tekniği: Pratik, Test Edilmiş, Kalite-Korumalı https://sukruyusufkaya.com/en/learn/token-ekonomisi/sistem-prompt-yariya-indirme-7-teknik 2026-05-14T14:44:12.745Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Önceki dersin hatalarını ortadan kaldırdıktan sonra: prompt'unu **kalite kaybetmeden** ek %50 küçültmek mümkün. 7 ileri tekniği gerçek prompt before/after örnekleriyle gösteriyoruz. Sistem Prompt'unu Yarıya İndirmenin 7 Tekniği: Pratik, Test Edilmiş, Kalite-Korumalı https://sukruyusufkaya.com/learn/token-ekonomisi/few-shot-examples-ekonomisi-cost-accuracy 2026-05-14T14:44:12.843Z monthly 0.70 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Few-shot example'lar input token'ı artırır ama output kalitesini iyileştirir. Doğru sayı kaç? Bu derste 0, 1, 3, 5, 8 örnekle yapılan testlerin sonuçlarını karşılaştırıp, görev tipine göre optimum example sayısı önerilerini veriyoruz. Few-Shot Examples Ekonomisi: 0 mı 3 mü 8 mi? Cost vs Accuracy Trade-Off'u https://sukruyusufkaya.com/en/learn/token-ekonomisi/few-shot-examples-ekonomisi-cost-accuracy 2026-05-14T14:44:12.843Z monthly 0.60 https://images.unsplash.com/photo-1639762681485-074b7f938ba0?w=1280&h=720&fit=crop&auto=format&q=80 Few-shot example'lar input token'ı artırır ama output kalitesini iyileştirir. Doğru sayı kaç? Bu derste 0, 1, 3, 5, 8 örnekle yapılan testlerin sonuçlarını karşılaştırıp, görev tipine göre optimum example sayısı önerilerini veriyoruz. Few-Shot Examples Ekonomisi: 0 mı 3 mü 8 mi? Cost vs Accuracy Trade-Off'u https://sukruyusufkaya.com/learn/token-ekonomisi/chain-of-thought-maliyeti-cot-tradeoff 2026-05-14T14:44:12.936Z monthly 0.70 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 CoT (chain-of-thought) prompting bazı görevlerde accuracy'i %20-40 artırır. Ama output token'ı 3-10× artırır. Bu derste 5 görev tipinde CoT'un cost vs accuracy karşılaştırması ve hangi durumda kullanılmalı. Chain-of-Thought'un Maliyeti: "Adım Adım Düşün" Demek Faturanı 3-10× Şişirebilir https://sukruyusufkaya.com/en/learn/token-ekonomisi/chain-of-thought-maliyeti-cot-tradeoff 2026-05-14T14:44:12.936Z monthly 0.60 https://images.unsplash.com/photo-1554224155-6726b3ff858f?w=1280&h=720&fit=crop&auto=format&q=80 CoT (chain-of-thought) prompting bazı görevlerde accuracy'i %20-40 artırır. Ama output token'ı 3-10× artırır. Bu derste 5 görev tipinde CoT'un cost vs accuracy karşılaştırması ve hangi durumda kullanılmalı. Chain-of-Thought'un Maliyeti: "Adım Adım Düşün" Demek Faturanı 3-10× Şişirebilir https://sukruyusufkaya.com/learn/token-ekonomisi/structured-output-json-mode-tool-use-cost 2026-05-14T14:44:13.029Z monthly 0.70 https://images.unsplash.com/photo-1565514020179-026b92b84bb6?w=1280&h=720&fit=crop&auto=format&q=80 JSON mode kullanmak "daha az token" demek değildir — çoğunda **daha çok token** kullanır. Schema kompleksitesi, field name uzunluğu, escape karakterler — hepsi gizli token kalemleri. Bu derste cost-aware structured output tasarımı. Structured Output Tuzakları: JSON Mode Token Açgözlülüğü ve Tool-Use Forçalamanın Gerçek Maliyeti https://sukruyusufkaya.com/en/learn/token-ekonomisi/structured-output-json-mode-tool-use-cost 2026-05-14T14:44:13.029Z monthly 0.60 https://images.unsplash.com/photo-1565514020179-026b92b84bb6?w=1280&h=720&fit=crop&auto=format&q=80 JSON mode kullanmak "daha az token" demek değildir — çoğunda **daha çok token** kullanır. Schema kompleksitesi, field name uzunluğu, escape karakterler — hepsi gizli token kalemleri. Bu derste cost-aware structured output tasarımı. Structured Output Tuzakları: JSON Mode Token Açgözlülüğü ve Tool-Use Forçalamanın Gerçek Maliyeti https://sukruyusufkaya.com/learn/token-ekonomisi/output-kisaltma-max-tokens-stop-sequence 2026-05-14T14:44:13.118Z monthly 0.70 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Output 3-5× pahalı olduğundan, output'u küçültmek faturana doğrudan etki eder. Bu derste max_tokens stratejisi, stop sequence'lerin doğru kullanımı, "be terse" prompt'larının ölçülmüş etkisi ve format-driven kısıtlamalar. Output Kısaltma Teknikleri: max_tokens, Stop Sequences ve "Be Terse" Promptun Gerçek Etkisi https://sukruyusufkaya.com/en/learn/token-ekonomisi/output-kisaltma-max-tokens-stop-sequence 2026-05-14T14:44:13.118Z monthly 0.60 https://images.unsplash.com/photo-1620712943543-bcc4688e7485?w=1280&h=720&fit=crop&auto=format&q=80 Output 3-5× pahalı olduğundan, output'u küçültmek faturana doğrudan etki eder. Bu derste max_tokens stratejisi, stop sequence'lerin doğru kullanımı, "be terse" prompt'larının ölçülmüş etkisi ve format-driven kısıtlamalar. Output Kısaltma Teknikleri: max_tokens, Stop Sequences ve "Be Terse" Promptun Gerçek Etkisi https://sukruyusufkaya.com/learn/token-ekonomisi/llmlingua-longllmlingua-selective-context-karsilastirma 2026-05-14T14:44:13.205Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Microsoft Research'ün LLMLingua serisi prompt'ları %50-90 sıkıştırıp kalite kaybını %2-5'te tutuyor. Bu derste LLMLingua-1, LLMLingua-2, LongLLMLingua, Selective-Context ve LongHeads karşılaştırması, kurulum, ilk Türkçe örnekler. LLMLingua, LongLLMLingua, Selective-Context: Otomatik Prompt Sıkıştırma Aileleri Karşılaştırma https://sukruyusufkaya.com/en/learn/token-ekonomisi/llmlingua-longllmlingua-selective-context-karsilastirma 2026-05-14T14:44:13.205Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 Microsoft Research'ün LLMLingua serisi prompt'ları %50-90 sıkıştırıp kalite kaybını %2-5'te tutuyor. Bu derste LLMLingua-1, LLMLingua-2, LongLLMLingua, Selective-Context ve LongHeads karşılaştırması, kurulum, ilk Türkçe örnekler. LLMLingua, LongLLMLingua, Selective-Context: Otomatik Prompt Sıkıştırma Aileleri Karşılaştırma https://sukruyusufkaya.com/learn/token-ekonomisi/gisting-soft-prompt-tuning-embedding-sikistirma 2026-05-14T14:44:13.302Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 LLMLingua %60-90 sıkıştırma yaparken, gisting **1/100'e kadar** indirir. Mantık: prompt'u token sequence yerine **dense embedding vector** olarak temsil etmek. Bu derste gisting, soft prompt tuning, ve hangi sınırlarda gerçekçi olduğunun analizi. Gisting ve Soft-Prompt Tuning: Prompt'u Embedding Vektörlerine Sıkıştırmak https://sukruyusufkaya.com/en/learn/token-ekonomisi/gisting-soft-prompt-tuning-embedding-sikistirma 2026-05-14T14:44:13.302Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 LLMLingua %60-90 sıkıştırma yaparken, gisting **1/100'e kadar** indirir. Mantık: prompt'u token sequence yerine **dense embedding vector** olarak temsil etmek. Bu derste gisting, soft prompt tuning, ve hangi sınırlarda gerçekçi olduğunun analizi. Gisting ve Soft-Prompt Tuning: Prompt'u Embedding Vektörlerine Sıkıştırmak https://sukruyusufkaya.com/learn/token-ekonomisi/embedding-based-selection-context-pruning 2026-05-14T14:44:13.392Z monthly 0.70 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 RAG'da retrieved chunks'ın çoğu (~%50-70'i) gerçekte cevaba katkı yapmıyor. Embedding similarity ile question-irrelevant kısımları atmak %50-80 token tasarrufu sağlar. Bu derste implementasyon, threshold seçimi ve LLM-as-judge ile doğrulama. Embedding-Based Selection: Bağlamdan İlişkisiz Parçaları Atmanın En Pratik Yolu https://sukruyusufkaya.com/en/learn/token-ekonomisi/embedding-based-selection-context-pruning 2026-05-14T14:44:13.392Z monthly 0.60 https://images.unsplash.com/photo-1677442136019-21780ecad995?w=1280&h=720&fit=crop&auto=format&q=80 RAG'da retrieved chunks'ın çoğu (~%50-70'i) gerçekte cevaba katkı yapmıyor. Embedding similarity ile question-irrelevant kısımları atmak %50-80 token tasarrufu sağlar. Bu derste implementasyon, threshold seçimi ve LLM-as-judge ile doğrulama. Embedding-Based Selection: Bağlamdan İlişkisiz Parçaları Atmanın En Pratik Yolu https://sukruyusufkaya.com/learn/token-ekonomisi/prompt-distillation-buyuk-kucuk-model-transfer 2026-05-14T14:44:13.480Z monthly 0.70 https://images.unsplash.com/photo-1664575602554-2087b04935a5?w=1280&h=720&fit=crop&auto=format&q=80 Sonnet 4.6 ile çalışan kompleks prompt'u Haiku 4.5'e fine-tuning ile aktararak aynı kaliteyi %95 daha ucuza alabilirsin. Bu derste distillation pipeline'ı, eval setup ve break-even analizi. Prompt Distillation: Büyük Modelin Promptunu Küçük Modele Aktarmak ve %95 Maliyet Düşüşü https://sukruyusufkaya.com/en/learn/token-ekonomisi/prompt-distillation-buyuk-kucuk-model-transfer 2026-05-14T14:44:13.480Z monthly 0.60 https://images.unsplash.com/photo-1664575602554-2087b04935a5?w=1280&h=720&fit=crop&auto=format&q=80 Sonnet 4.6 ile çalışan kompleks prompt'u Haiku 4.5'e fine-tuning ile aktararak aynı kaliteyi %95 daha ucuza alabilirsin. Bu derste distillation pipeline'ı, eval setup ve break-even analizi. Prompt Distillation: Büyük Modelin Promptunu Küçük Modele Aktarmak ve %95 Maliyet Düşüşü https://sukruyusufkaya.com/learn/token-ekonomisi/kalite-monitored-compression-llm-judge-framework 2026-05-14T14:44:13.574Z monthly 0.70 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Compression %50 mi, %70 mi, %90 mı? Bunu "hisle" bilemezsin — eval framework gerek. Bu derste LLM-as-judge, golden test set, A/B test production rollout ve regression detection pattern'leri. Kalite-Monitored Compression: Sıkıştırma Sınırını Bilimsel Olarak Bulmak https://sukruyusufkaya.com/en/learn/token-ekonomisi/kalite-monitored-compression-llm-judge-framework 2026-05-14T14:44:13.574Z monthly 0.60 https://images.unsplash.com/photo-1485827404703-89b55fcc595e?w=1280&h=720&fit=crop&auto=format&q=80 Compression %50 mi, %70 mi, %90 mı? Bunu "hisle" bilemezsin — eval framework gerek. Bu derste LLM-as-judge, golden test set, A/B test production rollout ve regression detection pattern'leri. Kalite-Monitored Compression: Sıkıştırma Sınırını Bilimsel Olarak Bulmak https://sukruyusufkaya.com/learn/token-ekonomisi/anthropic-prompt-caching-derinlemesine-breakpoint 2026-05-14T14:44:13.666Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic'in caching matematiği basit gibi: write 1.25×, read 0.10×. Ama production'da %90 tasarruf almak için breakpoint sayısı, TTL seçimi, çoklu cache layering ve refresh stratejilerini bilmen gerek. Bu derste tam usta düzeyi. Anthropic Prompt Caching Derinlemesine: 1.25× Yazma, 0.10× Okuma — Matematiği Maksimum Tasarrufa Çevirmek https://sukruyusufkaya.com/en/learn/token-ekonomisi/anthropic-prompt-caching-derinlemesine-breakpoint 2026-05-14T14:44:13.666Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Anthropic'in caching matematiği basit gibi: write 1.25×, read 0.10×. Ama production'da %90 tasarruf almak için breakpoint sayısı, TTL seçimi, çoklu cache layering ve refresh stratejilerini bilmen gerek. Bu derste tam usta düzeyi. Anthropic Prompt Caching Derinlemesine: 1.25× Yazma, 0.10× Okuma — Matematiği Maksimum Tasarrufa Çevirmek https://sukruyusufkaya.com/learn/token-ekonomisi/openai-automatic-cached-input-maksimize 2026-05-14T14:44:13.757Z monthly 0.70 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI cached input %50-87 indirim sağlar (modele göre) ama otomatik tetikler — kontrol sınırlı. Bu derste tetikleme koşulları, maksimize stratejileri, cache hit tespiti ve Anthropic ile karşılaştırma. OpenAI Automatic Cached Input: "Sihirli" Otomatik Cache'i Maksimize Etmek https://sukruyusufkaya.com/en/learn/token-ekonomisi/openai-automatic-cached-input-maksimize 2026-05-14T14:44:13.757Z monthly 0.60 https://images.unsplash.com/photo-1531746790731-6c087fecd65a?w=1280&h=720&fit=crop&auto=format&q=80 OpenAI cached input %50-87 indirim sağlar (modele göre) ama otomatik tetikler — kontrol sınırlı. Bu derste tetikleme koşulları, maksimize stratejileri, cache hit tespiti ve Anthropic ile karşılaştırma. OpenAI Automatic Cached Input: "Sihirli" Otomatik Cache'i Maksimize Etmek https://sukruyusufkaya.com/learn/token-ekonomisi/gemini-context-caching-storage-fee-read 2026-05-14T14:44:13.843Z monthly 0.70 https://images.unsplash.com/photo-1579621970795-87facc2f976d?w=1280&h=720&fit=crop&auto=format&q=80 Gemini'nin caching pricing'i unique: cache create normal, sonra **$1/M token/saat storage fee** + 0.25× read fee. Düşük-trafik düşük-frequency senaryolarında Anthropic'ten ekonomik olabilir. Gemini Context Caching: Storage Fee + Read Fee Modeli ve Düşük-Trafik Avantajı https://sukruyusufkaya.com/en/learn/token-ekonomisi/gemini-context-caching-storage-fee-read 2026-05-14T14:44:13.843Z monthly 0.60 https://images.unsplash.com/photo-1579621970795-87facc2f976d?w=1280&h=720&fit=crop&auto=format&q=80 Gemini'nin caching pricing'i unique: cache create normal, sonra **$1/M token/saat storage fee** + 0.25× read fee. Düşük-trafik düşük-frequency senaryolarında Anthropic'ten ekonomik olabilir. Gemini Context Caching: Storage Fee + Read Fee Modeli ve Düşük-Trafik Avantajı https://sukruyusufkaya.com/learn/token-ekonomisi/cache-friendly-mimari-statik-bas-dinamik-kuyruk 2026-05-14T14:44:13.931Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Cache verimi prompt'un yapısına bağlı: hangi parça nerede? Bu derste evrensel "static prefix → dynamic suffix" pattern'i, conversation history yönetimi, RAG chunks placement ve tool definitions sıralaması. Cache-Friendly Mimari: Statik Baş, Dinamik Kuyruk Prensibi https://sukruyusufkaya.com/en/learn/token-ekonomisi/cache-friendly-mimari-statik-bas-dinamik-kuyruk 2026-05-14T14:44:13.931Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Cache verimi prompt'un yapısına bağlı: hangi parça nerede? Bu derste evrensel "static prefix → dynamic suffix" pattern'i, conversation history yönetimi, RAG chunks placement ve tool definitions sıralaması. Cache-Friendly Mimari: Statik Baş, Dinamik Kuyruk Prensibi https://sukruyusufkaya.com/learn/token-ekonomisi/cache-hit-rate-olcumu-optimizasyon 2026-05-14T14:44:14.020Z monthly 0.70 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Cache açtın ama hit-rate'in %50'de takılmış. Bu, prompt mimarisinde bir sorun olduğunu gösterir. Bu derste hit-rate ölçüm dashboard'u, miss neden analizi, A/B test ile iterate, ve %85'e çıkarma pattern'leri. Cache Hit-Rate Ölçümü ve Optimizasyon: %50'den %85'e Nasıl Çıkarırız? https://sukruyusufkaya.com/en/learn/token-ekonomisi/cache-hit-rate-olcumu-optimizasyon 2026-05-14T14:44:14.020Z monthly 0.60 https://images.unsplash.com/photo-1611162617213-7d7a39e9b1d7?w=1280&h=720&fit=crop&auto=format&q=80 Cache açtın ama hit-rate'in %50'de takılmış. Bu, prompt mimarisinde bir sorun olduğunu gösterir. Bu derste hit-rate ölçüm dashboard'u, miss neden analizi, A/B test ile iterate, ve %85'e çıkarma pattern'leri. Cache Hit-Rate Ölçümü ve Optimizasyon: %50'den %85'e Nasıl Çıkarırız? https://sukruyusufkaya.com/learn/token-ekonomisi/cache-invalidation-system-prompt-tools-update 2026-05-14T14:44:14.111Z monthly 0.70 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Production'da cache açtın. Bir gün system prompt'u güncellemen lazım — eski cache geçersiz. Bu derste dual-write pattern, gradual rollout, cache versioning ve emergency invalidation. Cache Invalidation: System Prompt, Tools, FAQ Güncellenirken Stale Cache'ten Kaçınmak https://sukruyusufkaya.com/en/learn/token-ekonomisi/cache-invalidation-system-prompt-tools-update 2026-05-14T14:44:14.111Z monthly 0.60 https://images.unsplash.com/photo-1623282033815-40b05d96c903?w=1280&h=720&fit=crop&auto=format&q=80 Production'da cache açtın. Bir gün system prompt'u güncellemen lazım — eski cache geçersiz. Bu derste dual-write pattern, gradual rollout, cache versioning ve emergency invalidation. Cache Invalidation: System Prompt, Tools, FAQ Güncellenirken Stale Cache'ten Kaçınmak https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-01-egitim-hakkinda 2026-05-14T14:48:45.760Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-01-egitim-hakkinda 2026-05-14T14:48:45.760Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-02-token-ekonomisi 2026-05-14T14:48:45.852Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-02-token-ekonomisi 2026-05-14T14:48:45.852Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-03-context-window-evrimi 2026-05-14T14:48:45.944Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-03-context-window-evrimi 2026-05-14T14:48:45.944Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-04-paradigma-degisimi 2026-05-14T14:48:46.034Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-04-paradigma-degisimi 2026-05-14T14:48:46.034Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-05-ilk-lab-cache-on-off 2026-05-14T14:48:46.126Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-05-ilk-lab-cache-on-off 2026-05-14T14:48:46.126Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-06-modul-1-bitirme 2026-05-14T14:48:46.234Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-06-modul-1-bitirme 2026-05-14T14:48:46.234Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-07-self-attention-recap 2026-05-14T14:48:46.323Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-07-self-attention-recap 2026-05-14T14:48:46.323Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-08-autoregressive-on2 2026-05-14T14:48:46.415Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-08-autoregressive-on2 2026-05-14T14:48:46.415Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-09-kv-cache-memory 2026-05-14T14:48:46.505Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-09-kv-cache-memory 2026-05-14T14:48:46.505Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-10-prefix-sharing 2026-05-14T14:48:46.602Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-10-prefix-sharing 2026-05-14T14:48:46.602Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-11-kv-cache-implementation 2026-05-14T14:48:46.700Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-11-kv-cache-implementation 2026-05-14T14:48:46.700Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-12-paged-attention 2026-05-14T14:48:46.791Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-12-paged-attention 2026-05-14T14:48:46.791Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-13-modul-2-bitirme 2026-05-14T14:48:46.883Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-13-modul-2-bitirme 2026-05-14T14:48:46.883Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-14-anthropic-cache-control 2026-05-14T14:48:46.975Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-14-anthropic-cache-control 2026-05-14T14:48:46.975Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-15-anthropic-lab-4-breakpoint 2026-05-14T14:48:47.066Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-15-anthropic-lab-4-breakpoint 2026-05-14T14:48:47.066Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-16-openai-automatic-caching 2026-05-14T14:48:47.161Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-16-openai-automatic-caching 2026-05-14T14:48:47.161Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-17-gemini-context-cache 2026-05-14T14:48:47.253Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-17-gemini-context-cache 2026-05-14T14:48:47.253Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-18-gemini-lab-1m-doc 2026-05-14T14:48:47.345Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-18-gemini-lab-1m-doc 2026-05-14T14:48:47.345Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-19-openrouter-multi-provider 2026-05-14T14:48:47.436Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-19-openrouter-multi-provider 2026-05-14T14:48:47.436Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-20-provider-karsilastirma 2026-05-14T14:48:47.527Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-20-provider-karsilastirma 2026-05-14T14:48:47.527Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-21-uc-provider-lab 2026-05-14T14:48:47.619Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-21-uc-provider-lab 2026-05-14T14:48:47.619Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-22-modul-3-bitirme 2026-05-14T14:48:47.711Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-22-modul-3-bitirme 2026-05-14T14:48:47.711Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-23-cache-miss-anatomisi 2026-05-14T14:48:47.800Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-23-cache-miss-anatomisi 2026-05-14T14:48:47.800Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-24-static-first-dynamic-last 2026-05-14T14:48:47.890Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-24-static-first-dynamic-last 2026-05-14T14:48:47.890Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-25-system-tools-fewshot-siralama 2026-05-14T14:48:47.982Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-25-system-tools-fewshot-siralama 2026-05-14T14:48:47.982Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-26-breakpoint-strategies 2026-05-14T14:48:48.076Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-26-breakpoint-strategies 2026-05-14T14:48:48.076Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-27-cache-hit-rate-improvement-lab 2026-05-14T14:48:48.168Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-27-cache-hit-rate-improvement-lab 2026-05-14T14:48:48.168Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-28-tool-definitions-caching 2026-05-14T14:48:48.260Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-28-tool-definitions-caching 2026-05-14T14:48:48.260Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-29-modul-4-bitirme 2026-05-14T14:48:48.364Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-29-modul-4-bitirme 2026-05-14T14:48:48.364Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-30-context-engineering-tanim 2026-05-14T14:48:48.453Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-30-context-engineering-tanim 2026-05-14T14:48:48.453Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-31-contextin-6-katmani 2026-05-14T14:48:48.543Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-31-contextin-6-katmani 2026-05-14T14:48:48.543Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-32-token-budget-allocation 2026-05-14T14:48:48.635Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-32-token-budget-allocation 2026-05-14T14:48:48.635Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-33-lost-in-the-middle 2026-05-14T14:48:48.727Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-33-lost-in-the-middle 2026-05-14T14:48:48.727Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-34-attention-sinks 2026-05-14T14:48:48.819Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-34-attention-sinks 2026-05-14T14:48:48.819Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-35-needle-in-haystack-lab 2026-05-14T14:48:48.925Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-35-needle-in-haystack-lab 2026-05-14T14:48:48.925Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-36-context-compression 2026-05-14T14:48:49.018Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-36-context-compression 2026-05-14T14:48:49.018Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-37-modul-5-bitirme 2026-05-14T14:48:49.110Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-37-modul-5-bitirme 2026-05-14T14:48:49.110Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-38-long-context-tekniği 2026-05-14T14:48:49.199Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-38-long-context-tekniği 2026-05-14T14:48:49.199Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-39-major-modeller 2026-05-14T14:48:49.290Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-39-major-modeller 2026-05-14T14:48:49.290Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-40-context-rot 2026-05-14T14:48:49.384Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-40-context-rot 2026-05-14T14:48:49.384Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-41-context-size-accuracy-lab 2026-05-14T14:48:49.475Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-41-context-size-accuracy-lab 2026-05-14T14:48:49.475Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-42-long-context-caching 2026-05-14T14:48:49.566Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-42-long-context-caching 2026-05-14T14:48:49.566Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-43-modul-6-bitirme 2026-05-14T14:48:49.656Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-43-modul-6-bitirme 2026-05-14T14:48:49.656Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-44-cache-vs-retrieve-tradeoff 2026-05-14T14:48:49.753Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-44-cache-vs-retrieve-tradeoff 2026-05-14T14:48:49.753Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-45-static-cache-dynamic-rag 2026-05-14T14:48:49.846Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-45-static-cache-dynamic-rag 2026-05-14T14:48:49.846Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-46-cag-cache-augmented-generation 2026-05-14T14:48:49.937Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-46-cag-cache-augmented-generation 2026-05-14T14:48:49.937Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-47-hot-cold-cache 2026-05-14T14:48:50.028Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-47-hot-cold-cache 2026-05-14T14:48:50.028Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-48-hybrid-vs-rag-lab 2026-05-14T14:48:50.121Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-48-hybrid-vs-rag-lab 2026-05-14T14:48:50.121Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-49-cache-poisoning 2026-05-14T14:48:50.213Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-49-cache-poisoning 2026-05-14T14:48:50.213Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-50-modul-7-bitirme 2026-05-14T14:48:50.317Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-50-modul-7-bitirme 2026-05-14T14:48:50.317Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-51-conversation-cache-growing-prefix 2026-05-14T14:48:50.406Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-51-conversation-cache-growing-prefix 2026-05-14T14:48:50.406Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-52-openai-rolling-cache 2026-05-14T14:48:50.498Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-52-openai-rolling-cache 2026-05-14T14:48:50.498Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-53-50-turn-lab 2026-05-14T14:48:50.590Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-53-50-turn-lab 2026-05-14T14:48:50.590Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-54-memory-management 2026-05-14T14:48:50.690Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-54-memory-management 2026-05-14T14:48:50.690Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-55-summarization-memory 2026-05-14T14:48:50.782Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-55-summarization-memory 2026-05-14T14:48:50.782Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-56-modul-8-bitirme 2026-05-14T14:48:50.873Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-56-modul-8-bitirme 2026-05-14T14:48:50.873Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-57-agent-token-patlamasi 2026-05-14T14:48:50.966Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-57-agent-token-patlamasi 2026-05-14T14:48:50.966Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-58-tool-defs-vs-results 2026-05-14T14:48:51.056Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-58-tool-defs-vs-results 2026-05-14T14:48:51.056Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-59-anthropic-skills 2026-05-14T14:48:51.149Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-59-anthropic-skills 2026-05-14T14:48:51.149Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-60-react-vs-plan-execute 2026-05-14T14:48:51.238Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-60-react-vs-plan-execute 2026-05-14T14:48:51.238Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-61-10-step-agent-lab 2026-05-14T14:48:51.327Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-61-10-step-agent-lab 2026-05-14T14:48:51.327Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-62-multi-agent-caching 2026-05-14T14:48:51.417Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-62-multi-agent-caching 2026-05-14T14:48:51.417Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-63-modul-9-bitirme 2026-05-14T14:48:51.516Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-63-modul-9-bitirme 2026-05-14T14:48:51.516Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-64-vllm-prefix-caching 2026-05-14T14:48:51.607Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-64-vllm-prefix-caching 2026-05-14T14:48:51.607Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-65-vllm-lab 2026-05-14T14:48:51.698Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-65-vllm-lab 2026-05-14T14:48:51.698Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-66-sglang-radixattention 2026-05-14T14:48:51.787Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-66-sglang-radixattention 2026-05-14T14:48:51.787Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-67-tensorrt-llm 2026-05-14T14:48:51.877Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-67-tensorrt-llm 2026-05-14T14:48:51.877Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-68-multi-tenant-cache 2026-05-14T14:48:51.969Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-68-multi-tenant-cache 2026-05-14T14:48:51.969Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-69-gpu-memory-economics 2026-05-14T14:48:52.060Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-69-gpu-memory-economics 2026-05-14T14:48:52.060Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-70-modul-10-bitirme 2026-05-14T14:48:52.152Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-70-modul-10-bitirme 2026-05-14T14:48:52.152Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-71-cost-modeling 2026-05-14T14:48:52.241Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-71-cost-modeling 2026-05-14T14:48:52.241Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-72-ttl-strategies 2026-05-14T14:48:52.361Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-72-ttl-strategies 2026-05-14T14:48:52.361Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-73-cache-warming 2026-05-14T14:48:52.450Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-73-cache-warming 2026-05-14T14:48:52.450Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-74-cache-monitoring 2026-05-14T14:48:52.540Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-74-cache-monitoring 2026-05-14T14:48:52.540Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-75-observability-lab 2026-05-14T14:48:52.635Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-75-observability-lab 2026-05-14T14:48:52.635Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-76-ab-testing 2026-05-14T14:48:52.726Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-76-ab-testing 2026-05-14T14:48:52.726Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-77-modul-11-bitirme 2026-05-14T14:48:52.815Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-77-modul-11-bitirme 2026-05-14T14:48:52.815Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-78-pii-caching-risk 2026-05-14T14:48:52.906Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-78-pii-caching-risk 2026-05-14T14:48:52.906Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-79-invisible-regression 2026-05-14T14:48:52.999Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-79-invisible-regression 2026-05-14T14:48:52.999Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-80-cross-tenant-leak 2026-05-14T14:48:53.089Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-80-cross-tenant-leak 2026-05-14T14:48:53.089Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-81-cache-stampede 2026-05-14T14:48:53.182Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-81-cache-stampede 2026-05-14T14:48:53.182Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-82-modul-12-bitirme 2026-05-14T14:48:53.273Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-82-modul-12-bitirme 2026-05-14T14:48:53.273Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-83-cursor 2026-05-14T14:48:53.365Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-83-cursor 2026-05-14T14:48:53.365Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-84-claude-code 2026-05-14T14:48:53.455Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-84-claude-code 2026-05-14T14:48:53.455Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-85-copilot-workspace 2026-05-14T14:48:53.545Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-85-copilot-workspace 2026-05-14T14:48:53.545Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-86-perplexity 2026-05-14T14:48:53.634Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-86-perplexity 2026-05-14T14:48:53.634Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-87-notion-ai 2026-05-14T14:48:53.724Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-87-notion-ai 2026-05-14T14:48:53.724Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-88-turkce-eticaret-vaka 2026-05-14T14:48:53.814Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-88-turkce-eticaret-vaka 2026-05-14T14:48:53.814Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-89-turkce-bankacilik-vaka 2026-05-14T14:48:53.907Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-89-turkce-bankacilik-vaka 2026-05-14T14:48:53.907Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-90-modul-13-bitirme 2026-05-14T14:48:54.002Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-90-modul-13-bitirme 2026-05-14T14:48:54.002Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-91-final-brief 2026-05-14T14:48:54.094Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-91-final-brief 2026-05-14T14:48:54.094Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-92-final-step-1-plan 2026-05-14T14:48:54.189Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-92-final-step-1-plan 2026-05-14T14:48:54.189Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-93-final-step-2-impl 2026-05-14T14:48:54.282Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-93-final-step-2-impl 2026-05-14T14:48:54.282Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-94-final-step-3-report 2026-05-14T14:48:54.373Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-94-final-step-3-report 2026-05-14T14:48:54.373Z monthly 0.60 https://sukruyusufkaya.com/learn/prompt-caching-context-engineering/pcce-95-sertifika-sinavi 2026-05-14T14:48:54.464Z monthly 0.70 https://sukruyusufkaya.com/en/learn/prompt-caching-context-engineering/pcce-95-sertifika-sinavi 2026-05-14T14:48:54.464Z monthly 0.60 https://sukruyusufkaya.com/learn/path/chatgpt-ustaligi-sertifika-yolu 2026-05-11T13:49:16.002Z weekly 0.80 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT Ustalığı Sertifika Yolu https://sukruyusufkaya.com/en/learn/path/chatgpt-ustaligi-sertifika-yolu 2026-05-11T13:49:16.002Z weekly 0.70 https://images.unsplash.com/photo-1635070041078-e363dbe005cb?w=1280&h=720&fit=crop&auto=format&q=80 ChatGPT Ustalığı Sertifika Yolu https://sukruyusufkaya.com/learn/path/claude-ustaligi-0dan-uretime 2026-05-11T13:48:37.571Z weekly 0.80 https://sukruyusufkaya.com/en/learn/path/claude-ustaligi-0dan-uretime 2026-05-11T13:48:37.571Z weekly 0.70