MESLEK · Mühendislik
AI Engineer nasıl olunur?
Dil modeli ve geri getirme sistemlerini üretime alan, değerlendirme hattını kuran ve maliyet–gecikme bütçesini yöneten mühendis.
- Temel sorumluluk
- 6
- Kıdem basamağı
- 4
- Beceri
- 7
- Rota bölümü
- 13
Ne yapar?
Aynı iş şu adlarla da anılır: Yapay Zekâ Mühendisi · Generative AI Engineer · Applied AI Engineer
- 01
Geri getirme ve ajan akışlarını tasarlar, üretime alır ve sürümler
- 02
Değerlendirme setleri kurar, her sürümde regresyon testlerini yürütür
- 03
İstek başına maliyet ve gecikme bütçesini tanımlar ve ihlalleri izler
- 04
İstem ve bağlam katmanını sürümler; değişikliğin etkisini ölçmeden yayımlamaz
- 05
Model sağlayıcı değişikliklerinin (sürüm, tarife, kapatma) etkisini değerlendirir
- 06
Üretimdeki başarısızlıkları iz kaydından geri izleyip kök nedene indirir
Basamaklar ve ne değiştiği
Unvanlar kurumdan kuruma değişir, sorumluluk sınıfları değişmez. Her basamak bir kanıtla eşleşir: o basamakta olduğunuzu gösterebileceğiniz somut bir iş.
- 1Junior AI EngineerGiriş
Odak
Var olan bir akışın içinde çalışır; tasarımı değil uygulamayı üstlenir.
Bu basamağın kanıtı
Kendi eklediği değerlendirme örneği bir regresyonu yakalamıştır.
Sorumluluklar
- Tanımlı bir istem şablonunu uygular ve çıktısını gözden geçirir
- Değerlendirme setine yeni örnek ekler, düşen testleri raporlar
- Belge yükleme, parçalama ve gömme adımlarını hatasız çalıştırır
- 2AI EngineerOrta
Odak
Bir akışın tamamına sahiptir: tasarımı, ölçümü ve üretimdeki davranışı.
Bu basamağın kanıtı
Ürettiği bir akış, sağlayıcı model sürümü değiştiğinde ölçülebilir biçimde bozulmadan geçmiştir.
Sorumluluklar
- Geri getirme stratejisini seçer ve seçimini ölçümle savunur
- Değerlendirme setini sıfırdan kurar; neyin ölçülmediğini de yazar
- Maliyet ve gecikme bütçesini belirler, aşımda alternatif önerir
- Sağlayıcı sürüm değişiminde regresyonu önce test ortamında yakalar
- 3Senior AI EngineerKıdemli
Odak
Birden çok akışın ortak omurgasını kurar; başkalarının kararını hızlandırır.
Bu basamağın kanıtı
Kurduğu değerlendirme hattını başka ekipler kendi işlerinde kullanıyordur.
Sorumluluklar
- İstem, değerlendirme ve gözlemlenebilirlik için ortak katman tasarlar
- Hangi işin dil modeliyle, hangisinin klasik yazılımla çözüleceğine karar verir
- Başarısızlık modlarını sınıflandırır ve koruma katmanını buna göre kurar
- Ekipteki değerlendirme kültürünü kurar: ölçmeden yayımlamayı imkânsızlaştırır
- 4Staff / Principal AI EngineerLider
Odak
Teknik yönü belirler: hangi yeteneğin ne zaman alınacağı, neyin alınmayacağı.
Bu basamağın kanıtı
Yazdığı mimari kararlar bir yıl sonra hâlâ geçerlidir ya da neden geçersizleştiği belgelenmiştir.
Sorumluluklar
- Sağlayıcı bağımlılığı ve çıkış maliyeti üzerine mimari karar yazar
- Kalite eşiğini iş sonucuna bağlar; teknik ölçüyü ürün ölçüsüne çevirir
- Yeni model kuşaklarının hangi kararları geçersiz kıldığını değerlendirir
İş günü neye benziyor?
Meslek seçimini unvan değil, günün nasıl geçtiği belirler.
Sabah
Gece biriken üretim izlerini tarar; kalite düşüşü ve maliyet sıçraması işaretlerini ayırır.
Öğleden önce
Bir başarısızlık örneğini yeniden üretir, değerlendirme setine ekler, düzeltmeyi yazar.
Öğleden sonra
Yeni bir geri getirme stratejisini ölçer; kazanç anlamlı değilse geri alır.
Gün sonu
Ürün ekibiyle eşik konuşur: hangi hata oranı kabul edilebilir, hangisi değil.
Beceriler ve araçlar
Araç listesi hızla değişir; işe alım görüşmelerinde belirleyici olan araçlar değil beceriler.
Gerekli beceriler
- Python ve tip güvenli servis yazımı
- İstem ve bağlam tasarımı
- Geri getirme (arama, parçalama, yeniden sıralama)
- Değerlendirme hattı kurma ve yorumlama
- Gözlemlenebilirlik: iz, ölçüm, günlük
- Maliyet ve gecikme modelleme
- Asenkron akış ve kuyruk tasarımı
Bu role hangi geçmişlerden gelinir
- Backend veya tam yığın yazılım mühendisliğinden geçiş
- Veri mühendisliğinden uygulama katmanına kayma
- Makine öğrenmesi araştırmasından ürün tarafına geçiş
Teknolojiler
- Vektör veritabanı
- Sağlayıcı SDK'ları
- Değerlendirme çerçeveleri
- İz kaydı toplayıcı
- Kuyruk veya akış altyapısı
- Sürüm ve dağıtım hattı
Bilmesi gereken kavramlar
Ne üretir, nasıl ölçülür?
Bir rolün gerçek tanımı unvanında değil, ürettiği çıktıda ve başarısının nasıl ölçüldüğündedir.
Ürettiği çıktılar
- Sürümlenmiş istem ve bağlam şablonları
- Kapsamı ve kapsam dışını yazılı değerlendirme seti
- İstek başına maliyet ve gecikme bütçesi belgesi
- Başarısızlık modu kataloğu ve koruma katmanı kuralları
- Sağlayıcı sürüm geçiş notları
Başarı ölçütleri
- Regresyonun yayına çıkma oranı
- Değerlendirme hattının gerçekten yakaladığı hata payı; sıfıra yaklaşması hattın işini yaptığını gösterir.
- İstek başına maliyet
- Bütçe içinde kalırken kalitenin korunması; ikisinden birini feda eden çözüm çözüm değildir.
- Kök nedene inme süresi
- Üretimdeki bir yanlış çıktıdan sorumlu adıma kaç dakikada inilebildiği — gözlemlenebilirliğin doğrudan ölçüsü.
Bu mesleğe çıkan öğrenme yolu
Maaş verisi
Maaş aralıkları, Sinaptik Research'ün saha araştırması yayımlandığında — örneklem büyüklüğü, toplama yöntemi ve kaynak bilgisiyle birlikte — bu sayfaya eklenecek. Doğrulanmamış aralık yayımlanmaz; bu alanda en çok okunan ve en kolay yanlış yönlendiren veri budur.
Neyi göstermek işe yarar?
Çalışan bir demo tek başına yetmez; demolar kolay, kalıcılık zordur. Aşağıdaki her madde belirli bir yetkinliği kanıtlar.
Referanslı cevap veren bir soru-cevap servisi
Belgeden yanıt üreten, her cümlesini kaynağına bağlayan ve kaynağı bulunamadığında yanıtı reddeden bir servis.
Neyi kanıtlar: Cevap veremediği durumu doğru tanıyan sistem, veren sistemden daha zor kurulur.
Referanslı Cevap DemosuKendi değerlendirme hattınız
En az elli örneklik, kapsamı ve kapsam dışı yazılı bir set; her sürümde otomatik koşar.
Neyi kanıtlar: Bir regresyonu yakaladığı tarih ve örnek gösterilebiliyorsa hat gerçektir.
Değerlendirme Hattı ŞablonuMaliyet bütçesi çalışması
Aynı işi üç farklı model ve iki farklı bağlam stratejisiyle çözüp maliyet–kalite eğrisini çıkarmak.
Neyi kanıtlar: Hangi noktada ucuz modelin yetersiz kaldığını sayıyla gösterebilmek.
LLM Maliyet Hesaplayıcı
Sık duyulan ama yanlış
AI Engineer olmak için model eğitmeyi bilmek gerekir.
Rolün ağırlığı eğitimde değil sistem tasarımındadır. Eğitim bilgisi karar kalitesini artırır ama işin kendisi hazır modeli güvenilir bir ürüne çevirmektir.
İyi istem yazmak işin büyük bölümüdür.
İstem görünür olan kısımdır. Zaman asıl olarak bağlamın nasıl toplandığına, çıktının nasıl ölçüldüğüne ve başarısızlığın nasıl yakalandığına gider.
Model güçlendikçe bu role ihtiyaç azalır.
Model güçlendikçe ondan beklenen iş de büyür; ölçme, sınırlama ve maliyet yönetimi ihtiyacı azalmaz, yer değiştirir.
Bununla karıştırılanlar
Kariyer kararı çoğunlukla 'bu meslek nedir' değil 'bununla şu arasındaki fark nedir' sorusudur.
- Machine Learning EngineerML Engineer modeli eğitir ve dağıtır; AI Engineer eğitilmiş modeli sisteme dönüştürür. Ortak zemin değerlendirme, ayrışma noktası eğitim döngüsüdür.
- RAG MühendisiRAG Mühendisi geri getirme hattının derinliğine odaklanır; AI Engineer geri getirmeyi de içeren tüm uygulamadan sorumludur.
- Değerlendirme MühendisiDeğerlendirme Mühendisi için ölçüm işin kendisidir; AI Engineer için ölçüm işin bir aracıdır.
Aynı rol ailesinden: Mühendislik
Sık sorulan sorular
AI Engineer olmak için makine öğrenmesi yüksek lisansı gerekir mi?
Hayır. Rol, hazır modellerin üzerine sistem kurmaya dayanır ve giriş koşulu yazılım mühendisliği yetkinliğidir. Akademik makine öğrenmesi bilgisi bazı kararları hızlandırır — özellikle fine-tuning ile geri getirme arasında seçim yaparken — ancak işe alım görüşmelerinde belirleyici olan üretime alınmış bir sistem ve onu ölçen bir değerlendirme setidir.
Prompt engineering ile AI Engineer aynı şey mi?
Değil. İstem tasarımı bu rolün alt becerilerinden biridir. AI Engineer ayrıca bağlamı toplar, geri getirmeyi kurar, çıktıyı ölçer, maliyeti sınırlar ve sistemi üretimde ayakta tutar. İstem yazımı tek başına bir meslek değil, bu mesleğin bir aracıdır.
Hangi dille başlamalı?
Python, sağlayıcı SDK'larının ve değerlendirme araçlarının çoğunun birinci sınıf desteklediği dildir; başlangıç için en kısa yol budur. Ancak üretim servisi hangi dilde yazılırsa yazılsın rol geçerlidir: belirleyici olan dil değil, ölçülebilir bir sistem kurup sürdürebilmektir.
Bu rol için portfolyoda ne olmalı?
Çalışan bir demo tek başına yetmez; demolar kolay, kalıcılık zordur. Portfolyonun taşıyıcı parçası, kapsamı yazılı bir değerlendirme seti ve o setin bir regresyonu yakaladığı somut bir örnektir. İkinci parça maliyet–kalite eğrisini gösteren bir ölçüm çalışmasıdır.
LEARN
Nereden başlayacağını bilmiyorsan önce ölç
Seviye testi, mevcut becerilerine göre hangi bölümden başlaman gerektiğini söyler.