Programın stratejik omurgasını, AI video üretimi çağının doğuşunu ve 2026 ekosistem haritasını netleştiren ilk modül oluşturur. OpenAI Sora demosu (Şubat 2024) → Sora 2 lansman (Aralık 2024) → Google Veo 2 + Veo 3 (2025 native audio) → Runway Gen-4 (2025) → Kling 2.0 + Hailuo + Pika 2.2 + Luma 2 yarışı; açık kaynak (HunyuanVideo + Wan 2.1 + LTX-Video + Mochi 1) + avatar-focused (HeyGen + Synthesia) ekosistem haritası karşılaştırmalı sunulur. Türk pazarı sektör fırsatları: e-ticaret reklam videosu (Trendyol + Hepsiburada + Amazon TR satıcıları için), sosyal medya viral içerik (TikTok 20M + Instagram Reels 40M + YouTube Shorts 30M Türk kullanıcı), AI influencer + sanal karakter + kısa film + müzik klibi pazarı detaylandırılır. Cost + kalite + lip-sync + uzunluk + tutarlılık… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/yapay-zeka-video-uretimi-egitimi)**]]> Tue, 19 May 2026 20:27:05 GMT https://sukruyusufkaya.com/training/voice-ai-muhendisligi-egitimi https://sukruyusufkaya.com/training/voice-ai-muhendisligi-egitimi Bu eğitim, 2024-2026 döneminin paradigma açıcı agent katmanı olan voice AI disiplinini Türkçe olarak uçtan uca öğretmek üzere tasarlanmıştır. Ekim 2024'te OpenAI'ın GPT-4o Realtime API lansmanı, 2025'te Anthropic Claude Voice ve Google Gemini 2.5 Live API'nin gelişi, Sesame Maya'nın conversational presence paradigmasını açması, Hume EVI 3'ün empathic voice interface'i, Cartesia Sonic 2'nin sub-100ms TTS'i, ElevenLabs'in 32 dilde ultra-natural TTS + Conversational AI platformu, Vapi (YC W24) + Retell AI (YC S23) voice agent orchestrator'leri, LiveKit Agents + Pipecat open-source framework'leri ve Moshi (Kyutai), F5-TTS, Higgs Audio v2 açık kaynak alternatifleri ile voice AI ekosistemi production-grade bir disipline dönüştü. Türk bankacılık (BDDK IVR), sağlık (SBSGM acil çağrı triaj), e-ticaret (Trendyol/Hepsiburada call center), kamu hizmetleri (444 hatları) sektörleri için voice AI otomasyonu kritik avantaj sunuyor — ancak Türkçe'de bu disiplini uçtan uca işleyen bir eğitim neredeyse yoktur. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade voice AI referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, klasik 3-stage pipeline (STT → LLM text → TTS) yaklaşımından native real-time speech-to-speech (S2S) LLM paradigmasına geçişin gerekçesini netleştiren ilk modül oluşturur. Klasik pipeline'da latency budget yüksek (STT 200ms + LLM 500ms + TTS 200ms = 900ms TTFB) ve emotion + prosody bilgisi kayboluyor; native S2S LLM (GPT-4o Realtime, Gemini 2.5 Live, Claude Voice, Sesame Maya, Moshi) <500ms TTFB + emotion preservation + interruption handling sağlıyor. 2026 ekosistem haritası karşılaştırmalı sunulur: commercial S2S (OpenAI Realtime, Claude Voice, Gemini Live), specialized voice (Sesame Maya, Hume EVI 3, ElevenLabs Conversational), open-source (Moshi, F5-TTS, Higgs Audio v2). Türk pazarı use case'leri: bankacılık BDDK IVR otomasyonu + KVKK uyumlu voice authentication, sağlık SBSGM acil çağrı triaj +… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/voice-ai-muhendisligi-egitimi)**]]> Tue, 19 May 2026 19:04:33 GMT https://sukruyusufkaya.com/training/ai-code-review-sistemi-muhendisligi-egitimi https://sukruyusufkaya.com/training/ai-code-review-sistemi-muhendisligi-egitimi Bu eğitim, kurumsal yazılım ekiplerinin pull request review sürecini AI-driven yaklaşımla dönüştürmek ve developer productivity'i artırmak isteyen Senior Backend Developer, DevOps Engineer, Tech Lead, Engineering Manager ve AI Engineer'lar için tasarlanmış 3 günlük ileri seviye bir programdır. 2023'te GitHub Copilot Reviews'un lansmanı, 2024'te CodeRabbit'in YC W24 batch'inden çıkışı ve 30K+ GitHub repo + 1500+ enterprise customer'a ulaşması, Greptile'ın codebase-aware AI review yaklaşımı, Qodo (eski Codium AI) ürün ailesi (Gen + Merge + Cover), Bito Code Review Agent, Cursor BugBot, GitLab Duo Code Review, Sweep AI autonomous PR bot ve Diamond ekosistemi ile 2024-2026 dönemi AI code review'ın kurumsal yazılım geliştirme süreçlerine entegre olduğu çağ oldu. Türkiye'de bu disiplini Türkçe + uçtan uca + production-grade işleyen bir eğitim neredeyse yoktur — mevcut içerikler ya CodeRabbit kısa tutoriallerinde takılı kalıyor ya da OpenAI API basit prompt demo'larında donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade AI code review referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, klasik static analysis (SonarQube, ESLint, Pylint, golangci-lint) yaklaşımından modern AI-driven code review platformlarına geçişin gerekçesini netleştiren ilk modül oluşturur. Klasik linter'lar syntactic level'da kalıyor; SonarQube + Snyk + Semgrep semantic analysis sunuyor ama rule-based + cross-file context'i yetersiz; AI code review ise semantic + intent + context-aware avantajla developer'ın 'gerçekten ne yapmak istediğini' anlayıp comment üretebiliyor. 2026 ekosistem haritası: CodeRabbit (YC W24, 30K+ repo + 1500+ enterprise), Greptile (YC S23, codebase-aware), Qodo (test + review hibrit), Bito + Sweep + Diamond + Cursor BugBot, GitHub Copilot Reviews + GitLab Duo Code Review platform-native solutions. ROI hesabı: PR cycle time %30-50 reduction, bug detection rate %20-40 artış, developer cognitive load… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/ai-code-review-sistemi-muhendisligi-egitimi)**]]> Tue, 19 May 2026 18:33:46 GMT https://sukruyusufkaya.com/training/vllm-internals-custom-backend-muhendisligi-egitimi https://sukruyusufkaya.com/training/vllm-internals-custom-backend-muhendisligi-egitimi Bu eğitim, 2024-2026 döneminin de facto inference engine standardı haline gelen vLLM'in iç mimarisini, algoritma temellerini ve production deployment disiplinini Türkçe olarak uçtan uca öğretmek üzere tasarlanmıştır. UC Berkeley Sky Computing Lab'in Eylül 2023'te SOSP'te tanıttığı PagedAttention makalesinden başlayan yolculuk, 30K+ GitHub star, LF AI & Data Foundation altında 2025 incubation, vLLM v1 redesign (Mart 2025), NVIDIA Dynamo collaboration (Mart 2025), Neural Magic + Anyscale + Red Hat ekosistemi ile production-grade bir platforma dönüştü. Türkiye'de bu disiplini source code seviyesinden production Kubernetes deployment'a kadar uçtan uca işleyen bir eğitim neredeyse yoktur — mevcut içerikler ya kısa vLLM tutoriallerinde takılı kalıyor ya da OpenAI-compatible server kullanım demo'larında donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade vLLM internals referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, vLLM'in doğuş ve yükselişini, neden inference engine standardı haline geldiğini ve 2026 ekosistem manzarasını netleştiren ilk modül oluşturur. Kwon 2023 PagedAttention paper'ının (SOSP) UC Berkeley Sky Lab'den çıkışı; 2024 production yaygınlaşması; LF AI & Data Foundation 2025 incubation; vLLM v1 redesign (Mart 2025 — sync to async architecture geçişi, 1.7x throughput); NVIDIA Dynamo collaboration; Neural Magic acquisition (Red Hat tarafından 2024). Inference engine karşılaştırması: vLLM vs SGLang (CMU + Stanford, radix attention), vs TensorRT-LLM (NVIDIA-only, en hızlı NVIDIA-native), vs Hugging Face TGI (basit + production-ready), vs LMDeploy (Shanghai AI Lab, TurboMind kernel). 2026 inference manzarası: multi-vendor inference (NVIDIA H100/B200, AMD MI300X/MI355X, AWS Trainium 2, Apple Silicon), reasoning model + agent + long context serving'in unique gereklilikleri, open-source vs commercial inference (Anyscale, Together AI, Fireworks).

İkinci modül vLLM'in iç mimari… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/vllm-internals-custom-backend-muhendisligi-egitimi)**]]> Tue, 19 May 2026 18:17:33 GMT https://sukruyusufkaya.com/training/ai-red-teaming-adversarial-robustness-muhendisligi-egitimi https://sukruyusufkaya.com/training/ai-red-teaming-adversarial-robustness-muhendisligi-egitimi Bu eğitim, kurumsal üretken AI ve LLM ürünlerini saldırı vektörlerine karşı sistematik test etme ve sağlamlaştırma disiplini olan AI red teaming + adversarial robustness mühendisliğini Türkçe olarak uçtan uca işlemek üzere tasarlanmıştır. 2024-2026 dönemine damga vuran gelişmeler: EU AI Act'in Mayıs 2024'te yürürlüğe girmesi + Article 15 robustness/cybersecurity zorunluluğu + Article 50 transparency, KVKK Üretken AI Rehberi (2024), ISO/IEC 42001:2023 AI Management System sertifikasyonu, NIST AI RMF 1.1 (2024), Microsoft AI Red Team metodolojisinin yayınlanması, UK AI Safety Institute (AISI) framework'ü, NVIDIA Garak ve Microsoft PyRIT açık kaynak red team tool'larının olgunlaşması, OWASP LLM Top 10 v2.0 (2025) güncellemesi, MITRE ATLAS framework'ünün olgunlaşması. Türkiye'de bu disiplini Türkçe + uçtan uca + production-grade işleyen bir eğitim neredeyse yoktur — mevcut içerikler ya OWASP slide'larında takılı kalıyor ya da yüzeysel jailbreak demo seviyesinde donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade AI red teaming referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, AI red teaming'in klasik penetration testing ile farkını netleştiren ve 2026 tehdit manzarasını haritalandıran ilk modül oluşturur. Klasik pen test deterministic sistemler için tasarlandı; AI sistemler non-deterministic + semantic attack surface + natural language jailbreak'e açık — bu farkı kavramadan modern AI security inşa edilemez. Anthropic constitutional AI + ARC Evals + Responsible Scaling Policy, OpenAI Preparedness Framework + system card red team raporları, Microsoft AI Red Team + UK AISI Inspect Framework metodolojileri karşılaştırmalı işlenir. Compliance zorunluluğu: EU AI Act Article 15 (robustness + cybersecurity), KVKK Üretken AI Rehberi (2024), ISO/IEC 42001:2023 audit requirements, Bankacılık BDDK + sağlık SBSGM + finansal SPK + denetim KGK sektörel AI güvenlik çerçeveleri detaylandırılır. Türk kurumsal… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/ai-red-teaming-adversarial-robustness-muhendisligi-egitimi)**]]> Tue, 19 May 2026 17:39:53 GMT https://sukruyusufkaya.com/training/browser-agent-muhendisligi-egitimi https://sukruyusufkaya.com/training/browser-agent-muhendisligi-egitimi Bu eğitim, 2024-2026 döneminin paradigma açıcı agent katmanı olan browser agent disiplinini Türkçe olarak uçtan uca öğretmek üzere tasarlanmıştır. Ekim 2024'te Anthropic Claude Computer Use'un lansmanı, Ocak 2025'te OpenAI Operator + Computer Use API'sinin gelişi, Google Project Mariner ve Microsoft Magentic-One'ın katkıları ile browser agent disiplini AI mühendisliğinin yeni cephesini açtı. Klasik RPA çözümlerinin (UiPath, Automation Anywhere) script-tabanlı, kırılgan, bakım maliyeti yüksek yaklaşımının yerini vision-language model tabanlı, adaptive, doğal dil prompt'la kontrol edilebilen yeni nesil otonom browser agent'lar aldı. Türkiye'de bu disiplini Playwright temelinden başlayarak Browser Use / Stagehand / Anthropic Computer Use / OpenAI Operator / Skyvern / Magentic-One stack'ine kadar uçtan uca işleyen bir eğitim neredeyse yoktur — mevcut içerikler ya kısa Playwright tutoriallerinde takılı kalıyor ya da yüzeysel demo seviyesinde donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade browser agent referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, browser agent çağının doğuşu ve momentum'unu çerçeveleyen ilk modül oluşturur. Anthropic Claude Computer Use'un Ekim 2024 lansmanı — Claude Sonnet 3.5 / 4.6'nın screenshot okuyup mouse + keyboard action üretmesi paradigma açtı; OpenAI Operator'un Ocak 2025 ChatGPT Pro tier lansmanı consumer-facing autonomous agent vizyonunu yaygınlaştırdı; OpenAI Computer Use API ile developer'lar bu paradigmaya erişim kazandı; Google Project Mariner + Microsoft Magentic-One araştırma alanını derinleştirdi; Adept ACT-2 ve diğer çözümler yarışa katıldı. Klasik RPA ile farkı: UiPath / Automation Anywhere scripted (her yeni UI değişikliğinde manuel update), brittle (CSS selector kırılır kırılmaz pipeline çöker), bakım maliyeti yüksek; AI browser agent vision-aware (screenshot okuyarak adapt eder), reasoning-driven (LLM ile akıllı karar verir), self-healing… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/browser-agent-muhendisligi-egitimi)**]]> Tue, 19 May 2026 16:28:54 GMT https://sukruyusufkaya.com/training/ai-agent-memory-sistemleri-muhendisligi-egitimi https://sukruyusufkaya.com/training/ai-agent-memory-sistemleri-muhendisligi-egitimi Bu eğitim, klasik stateless LLM API çağrılarının ötesine geçerek, kullanıcısını hatırlayan, konuşma geçmişinden öğrenen, uzun süreli context'i sürdüren stateful AI agent paradigmasının temel yapı taşı olan agent memory disiplinini Türkçe olarak uçtan uca öğretmek üzere tasarlanmıştır. 2024-2026 dönemi agent memory ekosisteminin doğuşuna sahne oldu: Letta (eski MemGPT, Berkeley 2023, virtual context paginasyonu), Mem0 (YC W24, hybrid memory layer, 25K+ GitHub star), Zep (Series A 2024, temporal knowledge graph), Graphiti (Zep'in açık kaynak graph engine'i), Cognee (GraphRAG + memory hibrit), LangChain LangMem (native memory primitives), OpenAI Memory (ChatGPT cross-conversation), Claude Projects + Anthropic Memory Tool API (2025), Google Gemini Memory (2025). Türkiye'de bu disiplini bilişsel taksonomi + framework karşılaştırması + retrieval stratejisi + lifecycle management + production eval üçgeninde uçtan uca işleyen bir eğitim neredeyse yoktur — mevcut içerikler ya tek aracın kısa tutoriallerinde takılı kalıyor ya da akademik makalelerde donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade agent memory referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, stateless LLM API'sinden stateful agent paradigmasına geçişin gerekçesini ve 2024-2026'da hızla yükselen agent memory ekosistemini netleştiren ilk modül oluşturur. Klasik LLM API her çağrıyı bağımsız ele alır ve context window sınırı (8K-1M token) içinde kalmak zorundadır; agent ürünlerin (kişisel asistan, müşteri destek bot'u, satış CRM AI, kişisel tutor, personal trainer AI) ihtiyaçları persistent identity, long-term user knowledge, episodic recall, multi-session continuity gibi context window'a sığmayan boyutlar içerir. 'Sadece context window'u büyütmek yeter mi?' sorusuna kanıt-tabanlı yanıt: hayır — Gemini 2.5 Pro 10M token context dahi cost + latency + needle-in-haystack accuracy açısından memory layer ihtiyacını ortadan kaldırmıyor.… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/ai-agent-memory-sistemleri-muhendisligi-egitimi)**]]> Tue, 19 May 2026 15:45:43 GMT https://sukruyusufkaya.com/training/ai-observability-llm-monitoring-muhendisligi-egitimi https://sukruyusufkaya.com/training/ai-observability-llm-monitoring-muhendisligi-egitimi Bu eğitim, üretken yapay zekâ ve büyük dil modeli (LLM) uygulamalarını production'da gözlem altına alma, ölçme, değerlendirme ve operasyonel sürdürülebilirliğini sağlama disiplini olan AI observability'i Türkçe olarak uçtan uca işlemek üzere tasarlanmıştır. 2024-2026 dönemi LLM observability platformlarının (Langfuse, Arize Phoenix, Helicone, W&B Weave, Braintrust, LangSmith) doğuş ve standartlaşma yarışına sahne oldu; aynı dönemde OpenTelemetry GenAI Semantic Conventions ile vendor-agnostic trace standardı şekillendi. Türkiye'de bu disiplini matematik + araç stack'i + production deneyimi + KVKK uyumluluğu üçgeninde uçtan uca işleyen bir eğitim neredeyse yoktur — mevcut içerikler ya tek aracın kısa tutoriallerinde takılı kalıyor ya da APM perspektifinde donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade AI observability referans eğitimi olarak doldurmak üzere tasarlanmıştır.

Programın stratejik omurgasını, LLM observability'nin klasik APM (Application Performance Monitoring) yaklaşımıyla farkını netleştiren ilk modül oluşturur. Datadog, New Relic, Dynatrace gibi klasik APM çözümlerinin neden LLM uygulamalarında yetersiz kaldığı; semantic output (non-deterministic, anlamsal çıktı), hallucination, prompt drift, cost explosion, token-level cost attribution, RAG retrieval quality, agent tool selection accuracy gibi LLM-spesifik gözlem ihtiyaçları detaylı işlenir. Üretken AI gözlemde 4 pillar (trace + eval + cost + quality drift) çerçevesi kurulur. 2026 ekosistem haritası: Langfuse (open-source, GitHub 13K+ star), Arize Phoenix + AX (ML observability tradition), Helicone (proxy-based, YC W23), W&B Weave + Braintrust (eval-first), LangSmith (LangChain native) karşılaştırılır. Karar çerçevesi: open-source vs SaaS vs enterprise hybrid; self-hosted Langfuse vs Helicone vs Phoenix; KVKK + EU AI Act + GDPR uyumluluk açısından seçim sunulur.

İkinci modül 2024-2026 dönemi AI observability standartlarını şekillendiren OpenTelemetry… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/ai-observability-llm-monitoring-muhendisligi-egitimi)**]]> Tue, 19 May 2026 15:34:36 GMT https://sukruyusufkaya.com/training/llm-quantization-muhendisligi-egitimi https://sukruyusufkaya.com/training/llm-quantization-muhendisligi-egitimi Bu eğitim, modern LLM inference'unun ekonomik temeli olan quantization disiplinini matematik + algoritma + production stack üçlüsüyle uçtan uca işlemek üzere tasarlanmıştır. 2026 itibarıyla bir 70B parametre LLM'i FP16'da serve etmek tek H100'e bile sığmaz (140GB > 80GB); buna karşılık 4-bit quantization ile aynı model tek RTX 4090'da (24GB) çalışabilir ve maliyeti 10x düşer. Bu dramatik fark, quantization'ı production AI mühendisliğinin önceliklerinden biri haline getirmiştir. Türkiye'de bu disiplini Frantar GPTQ türevinden Lin AWQ scaling factor'ünün matematiksel inşasına, SmoothQuant outlier migration formülasyonundan AQLM additive codebook'una, Hopper FP8 Tensor Core'larından Blackwell B200 NVFP4 / MXFP4'üne, KIVI 2-bit KV cache'inden reasoning model long-trace serving'e kadar uçtan uca işleyen bir eğitim neredeyse yoktur; mevcut içerikler ya yüzeysel araç tutoriallerinde takılı kalıyor ya da akademik makale özetlerinde donuyor. Bu program söz konusu boşluğu Türkiye'nin en kapsamlı production-grade LLM quantization referans eğitimi olarak doldurmak üzere tasarlandı.

Programın stratejik omurgasını, quantization spektrumunun (FP32 → BF16/FP16 → FP8 → INT8 → NF4/INT4 → FP4 → AQLM 1-2 bit) cost-quality-throughput trade-off'unu netleştiren ilk modül oluşturur. Bir 70B model'in memory footprint'i FP16'da 140GB, INT8'de 70GB, INT4/NF4'te 35GB, NVFP4'te 17.5GB, AQLM 2-bit'te 4GB; bu fark sadece bellek değil, throughput'ta da 2-8x kazanım sağlar. Hopper H100/H200'ün FP8 (E4M3 + E5M2) native Tensor Core'ları ve Blackwell B200/GB200'ün NVFP4 + MXFP4 Transformer Engine v2 desteği 2024-2026 endüstri dönüşümünün hardware temelini oluşturur; AMD MI325X/MI355X FP8/FP4, Intel Gaudi 3, Google TPU v6/v7 (Trillium) de bu yarışa katıldı. Karar çerçevesi: production cost optimization için $0.30/M output token vs $3/M karşılaştırması, quality regression budget (%0.5 MMLU loss tolerable mı?), ve hangi bit-width hangi senaryoda doğru seçim sorularına kanıt-tabanlı yanıt… **[Yazının tamamını okumak için tıklayın →](https://sukruyusufkaya.com/training/llm-quantization-muhendisligi-egitimi)**]]> Tue, 19 May 2026 15:18:29 GMT