LEARN

Öğrenme yolları

Her rota bir hedefe bağlıdır ve bölümleri aynı döngüyle ilerler: teori → örnek → lab → test → proje.

Rota: 20
Bölüm: 140
İçerik: 762 sa
Rol: 11

Yazılımcı

9 rota · 66 bölüm · ~376 sa

Orta → İleri

AI Agent Developer

Araç kullanımı, bellek, planlama ve çok ajanlı sistemler üzerine kurulu rota.

Tool-use ajanıBellek tasarımıGüvenlik sınırları

11 bölüm~38 sa

Orta → İleri

Tek bir istem yanıtından, araç çağıran ve çok adımlı iş yürüten sistemlere geçişi ele alır. Çalışan bir ajan prototipi olan geliştiriciyi; aracının sözleşmesini, belleğini, hata yolunu ve güvenlik sınırını tasarlayan mühendise taşır. Son aşamada adım bazlı değerlendirme ve onay akışı kurularak yan etkili araçların üretimde çalışması güvenceye alınır.

Bir aracın girdi şemasını, hata sözleşmesini ve idempotans anahtarını yazabilmekAjan başarısını adım bazında ölçen bir değerlendirme kümesi kurup sürüm geçiş eşiği koyabilmekPlan, kısa vadeli bellek ve kalıcı bilgi tabanını ayırıp bağlam bütçesini denetleyebilmekBir işi tek ajan ile çok ajanlı bölüşüm arasında ölçülmüş gerekçeyle paylaştırabilmekAraç yüzeyini MCP sunucusu olarak yayımlayıp yetki kapsamını en aza indirebilmekİstem enjeksiyonu senaryoları üretip ajanın yan etkili araçlardaki davranışını sınayabilmek

6 bölüm~54 sa

Başlangıç → İleri

Computer Vision Engineer

Sınıflandırmadan segmentasyona ve görsel transformer’lara uzanan görü rotası.

Nesne tespitiSegmentasyonKenar dağıtımı

10 bölüm~34 sa

Orta → İleri

Değerlendirme Mühendisi

Çalışan bir dil modeli özelliğini "iyi görünüyor" aşamasından sayıyla savunulabilir bir hâle taşır. Kendi trafiğinden değerlendirme kümesi kurmak, görev tipine uygun ölçütü seçmek, model yargıcını insan etiketine karşı kalibre etmek ve iki sürümü aynı ölçekte karşılaştırmak sırayla ele alınır. Rota, ölçümü sürüm öncesi zorunlu bir kapıya bağlamakla kapanır.

Bir ürün özelliği için değerlendirme kümesini kendi kullanım kayıtlarından türetip kapsadığı senaryoları belgeleyebilmekGörev tipine uygun ölçütü seçip alternatif ölçütün neden yanıltıcı olacağını yazılı gerekçeyle savunabilmekModel yargıcının kararlarını insan etiketiyle karşılaştırıp uyum oranını ve ayrıştığı örnek sınıflarını raporlayabilmekİki sürüm arasındaki farkın ölçüm gürültüsünün üstünde olup olmadığını gösterebilmekKırmızı takım senaryolarını tekrarlanabilir bir koşu paketine dönüştürüp her sürümde aynı biçimde çalıştırabilmekSürüm öncesi regresyon kapısını eşikleriyle tanımlayıp dağıtım hattına bağlayabilmek

5 bölüm~40 sa

Orta → İleri

Generative AI Engineer

Transformer temelinden RAG, fine-tuning, değerlendirme ve LLMOps’a uzanan uçtan uca mühendislik rotası.

RAG sistemiDeğerlendirme hattıÜretime alma

13 bölüm~46 sa

Başlangıç → Orta

Konuşma Arayüzü Geliştirici

Metin tabanlı bir sohbet arayüzü yazabilen geliştiriciyi, sesle çalışan bir asistanı uçtan uca kurup ölçebilecek noktaya taşır. Konuşma tanıma, niyet çıkarımı, sıra devri ve gecikme bütçesi ayrı ayrı ele alınır; her bölüm ölçülebilir bir kabul eşiğiyle kapanır.

Sesten metne dönüşümün kelime hata oranını kendi ses örnekleriyle ölçebilmekNiyet ve parametre çıkarımının isabetini etiketli bir küme üzerinde raporlayabilmekSıra devrini sessizlik ve kesme eşikleriyle ayarlayıp yanlış kesme oranını düşürebilmekUçtan uca gecikmeyi bileşen bileşen ölçüp bütçeyi aşan adımı adlandırabilmekGürültülü ve farklı aksanlı kayıtlarda başarımın nerede düştüğünü gösteren bir gerileme kümesi kurabilmekSesli akışta araç çağrısı gerektiren istekleri onaya bağlayıp geri çekilme yolunu tanımlayabilmek

5 bölüm~38 sa

Başlangıç → Orta

LLM Uygulama Geliştirici

Modeli sohbet arayüzünden tanıyan geliştiriciyi, model çağrısını hata toleransı ve bütçesi olan bir ürün akışına oturtabilen birine taşır. İstem tasarımı, şemaya uyan çıktı, akış ve hata kurtarma sırayla kurulur. Son bölüm yanlış cevap oranının yayın öncesinde nasıl raporlanacağını ele alır.

Araç çağrısıyla modeli uygulama işlevlerine yönlendirip dönen argümanları doğrulayabilmekModelden şemaya uyan çıktı alıp doğrulama hatasında yeniden denemeyi kurabilmekAkışlı yanıtı arayüze bağlayıp yarı yolda kesilen üretimi kurtarabilmekUçtan uca bir isteğin jeton ve gecikme maliyetini ölçüp bütçe eşiği koyabilmekBiçim hatası, zaman aşımı ve oran sınırını ayrı ayrı ele alan bir hata yolu yazabilmekYayına almadan önce yanlış cevap oranını örnek küme üzerinde raporlayabilmek

5 bölüm~40 sa

Başlangıç → Orta

Prompt ve Bağlam Mühendisi

İstemi deneme yanılmayla iyileştiren geliştiriciyi, istem ve bağlam kararlarını sürümleyip ölçebilen birine taşır. Örnekleme ayarları, bağlam bütçesinin dağıtımı ve uzun bağlamda bilgi kaybı sırayla işlenir. Kapanış bölümü değerlendirme takımı kurmaya ve değişiklikleri geri alınabilir biçimde yayına almaya ayrılmıştır.

İki istem sürümünün başarı farkını sabit bir örnek küme üzerinde sayıyla gösterebilmekÖrnekleme ayarlarını değiştirerek çıktı kararlılığındaki değişimi ölçebilmekBağlam penceresini talimat, örnek ve kaynak arasında gerekçeli biçimde bölüştürebilmekUzun bağlamda hangi konumdaki bilginin kaybolduğunu ölçüp yerleştirme sırasını düzeltebilmekBir istemi enjeksiyon denemelerine karşı sınayıp açık kalan yolu kapatabilmekİstem değişikliklerini sürümleyip geri alınabilir bir değerlendirme kaydı tutabilmek

6 bölüm~38 sa

Orta → İleri

RAG Mühendisi

Bir vektör aramasını ayağa kaldırmış ama isabetsizliğin nereden geldiğini ayrıştıramayan geliştiriciyi, parçalama ve gömme kararlarını ölçüme bağlayan bir mühendise taşır. Hibrit arama, yeniden sıralama ve referanslı cevap üretimi tek bir hat olarak ele alınır. Kapanış bölümü geri getirme kalitesini cevap kalitesinden ayırarak ölçmeye ayrılmıştır.

Bir belge kümesi için parçalama stratejisini isabet ölçümüyle karşılaştırıp seçebilmekGeri getirme kalitesini cevap kalitesinden ayrı ölçen bir değerlendirme kümesi kurabilmekAnahtar kelime ve anlamsal aramayı birleştiren hibrit bir sorgu hattını çalıştırabilmekYeniden sıralama katmanının isabete katkısını ve gecikme maliyetini sayıyla gösterebilmekCevaptaki her iddiayı getirilen kaynak parçasına bağlayan bir referans zinciri kurabilmekÜretimdeki geri getirme başarısızlıklarını günlükten teşhis edip düzeltme önerisi çıkarabilmek

5 bölüm~48 sa

Platform

2 rota · 11 bölüm · ~91 sa

Orta → İleri

AI Altyapı Mühendisi

Model seçimiyle bitmeyen işin diğer yarısını kapsar: bir çıkarım isteğinin donanımda ne kadar bellek tuttuğunu, ne kadar gecikme ürettiğini ve birim iş başına ne kadara mal olduğunu ölçmek. Uygulama tarafında çalışan bir mühendisi, kendi sunum katmanının kapasite ve maliyet eğrisini kuran platform mühendisine taşır. Son aşamada yük testinden çıkan ölçekleme kuralı ve sürüm bazlı maliyet izlemesi üretime bağlanır.

Bir modelin bellek ayak izini parametre sayısı, veri tipi ve bağlam uzunluğundan hesaplayabilmekİki hızlandırıcı seçeneği arasında bin istek başına maliyeti karşılaştırıp gerekçeli seçim yazabilmekNicemleme sonrası doğruluk kaybını kendi görev kümesiyle ölçüp kabul eşiği tanımlayabilmekToplu işlem ve eşzamanlılık ayarlarını değiştirerek gecikme–verim eğrisini çıkarabilmekBir sunum kümesinin doygunluk noktasını yük testiyle bulup ölçekleme kuralına çevirebilmekGecikme ve birim maliyet gerilemesini sürüm bazında yakalayan bir izleme düzeni kurabilmek

5 bölüm~46 sa

Orta → İleri

MLOps Mühendisi

Model ve istem değişikliklerini elle yürüten bir ekibi, sürümü izlenebilir ve geri alınabilir bir hatta geçirir. Sürüm kimliği, veri kökeni, dağıtım, gözlemlenebilirlik ve kayma tespiti sırayla kurulur. Son adımda değerlendirme koşusu hattın zorunlu bir parçası hâline getirilir.

Bir sürümü model, veri, istem ve yapılandırma bileşenleriyle birlikte tek kimlik altında etiketleyebilmekÜretimdeki tek bir yanıtı, onu üreten veri kümesi ve sürüme kadar geriye izleyebilmekGecikme, maliyet ve hata oranını sürüm bazında ayrıştıran bir gösterge düzeni kurabilmekGirdi dağılımındaki kaymayı eşiğe bağlı bir uyarıya dönüştürüp yanlış uyarı sayısını ölçebilmekBozuk bir sürümü hedeflenen süre içinde geri alıp etkilenen istek sayısını kayıtla gösterebilmekDeğerlendirme koşusunu hattın zorunlu adımı hâline getirip geçme eşiğini yazılı olarak tanımlayabilmek

6 bölüm~45 sa

Eğitim

1 rota · 5 bölüm · ~44 sa

Başlangıç → Orta

Kurum İçi AI Eğitmeni

Kurum içinde yapay zekâ kullanımını öğretme işini üstlenen kişiyi, dağınık araç tanıtımlarından ölçülebilir bir okuryazarlık programına taşır. Rol bazlı yetkinlik haritası çıkarmayı, ortak temel müfredatı ile rol atölyelerini birbirinden ayırmayı ve güvenli kullanım kurallarını kurumun kendi örnekleriyle yazıya dökmeyi kapsar. Son aşamada eğitimin işe dönüşüp dönüşmediğini izleyen bir ölçüm düzeni kurulur.

Bir departmanın işini görev düzeyinde ayırıp her göreve dil modeli uygunluk derecesi verebilmekRol bazlı yetkinlik haritasını üç seviyede tanımlayıp kişileri bu seviyelere yerleştiren bir ön ölçüm uygulayabilmekOrtak temel müfredatı ile rol atölyelerini ayrı ayrı tasarlayıp toplam eğitim süresini saat düzeyinde planlayabilmekHangi verinin hangi araca girebileceğini tablolayan, kurumun kendi örnekleriyle yazılmış bir güvenli kullanım kılavuzu üretebilmekAtölye sonrası katılımcı çıktısını atölye öncesi haliyle karşılaştırıp iyileşmeyi tek bir ölçütle raporlayabilmekProgramın etkisini kullanım verisi ve iş çıktısı üzerinden çeyrek dönemlik bir izleme tablosuna bağlayabilmek

5 bölüm~44 sa

Güvenlik

1 rota · 5 bölüm · ~42 sa

Orta → İleri

AI Güvenlik Mühendisi

Uygulama güvenliğini bilen bir mühendisi, dil modeli ve ajan sistemlerinin kendine özgü saldırı yüzeyinde çalışabilecek hâle getirir. İstem enjeksiyonu, araç yetkisinin daraltılması, katmanlı savunma ve koruma katmanının ölçülmesi sırayla kurulur. Kayıt düzeni ve olay müdahalesi, savunmanın denetlenebilir kısmı olarak en sonda ele alınır.

Bir ajan mimarisinin saldırı yüzeyini bileşen bileşen haritalayıp en riskli üç yolu gerekçelendirebilmekDoğrudan ve dolaylı istem enjeksiyonu için çalışan sızma senaryoları yazıp savunma öncesi ile sonrası başarı oranını karşılaştırabilmekAraç çağrılarını en az yetki ilkesine göre daraltıp reddedilen çağrıları kayıt üzerinden izleyebilmekKoruma katmanının yanlış alarm ve kaçırma oranlarını ayrı ayrı ölçüp eşiği bu iki sayıya göre seçebilmekModel kaynaklı bir olayda kayıtlardan istem, bağlam ve araç çağrısı zincirini geriye doğru kurabilmekSürüm öncesi güvenlik tatbikatını tekrarlanabilir bir kontrol listesine bağlayıp sonucunu yazılı raporla teslim edebilmek

5 bölüm~42 sa

Herkes

1 rota · 8 bölüm · ~12 sa

0 → Temel

Yapay Zekâya Başlangıç

Teknik geçmiş gerektirmeden yapay zekânın çalışma mantığını kuran giriş rotası.

Temel kavramlarModel türleriSorumlu kullanım

8 bölüm~12 sa

Operasyon

1 rota · 5 bölüm · ~37 sa

Başlangıç → Orta

Belge Otomasyonu Uzmanı

Fatura, sözleşme ve form gibi belgeleri elle işleyen bir ekibi, çıkarımı makineye devredip kontrolü elinde tutan bir işleyişe geçirir. Alan çıkarımı, güven eşiği, insana devir ve doğrulama hattı sırayla kurulur; kişisel verinin maskelenmesi baştan akışın içine yazılır.

Bir belge türünde alan çıkarımının doğruluğunu alan bazında ölçüp en zayıf alanı adlandırabilmekGüven eşiğini otomatik geçiş ve insana devir oranına bakarak veriyle ayarlayabilmekİnsana devir kurallarını yazıp devredilen işin ortalama süresini izleyebilmekMaskeleme kurallarını tanımlayıp kişisel verinin hangi adımda açık kaldığını denetleyebilmekÖrnekleme temelli bir doğrulama hattı kurup haftalık hata oranını raporlayabilmekOtomasyonun elle işlemeye karşı kazancını süre ve hata sayısıyla gösterebilmek

5 bölüm~37 sa

Uyum

1 rota · 6 bölüm · ~44 sa

Başlangıç → Orta

AI Uyum Sorumlusu

Kurumda kullanılan yapay zekâ sistemlerinin dökümünü almaktan, her biri için rol, risk sınıfı ve yükümlülük listesi üretmeye kadar olan yolu izler. Hukuk, risk veya veri yönetişimi tarafından gelen bir uzmanı, teknik ekiple aynı tanımları paylaşan bir uyum sorumlusuna taşır. Son aşamada şeffaflık bildirimleri, insan gözetimi tanımları ve denetimde sunulacak kanıt seti dosya düzenine bağlanır.

Kurumdaki yapay zekâ sistemlerini sahip, amaç ve veri kaynağı alanlarıyla envantere geçirebilmekHer sistem için sağlayıcı ya da uygulayıcı rolünü gerekçesiyle belirleyebilmekBir kullanımı risk sınıfına yerleştirip ona bağlı yükümlülükleri madde madde çıkarabilmekKişisel veri işleyen bir üretken yapay zekâ akışı için aydınlatma ve saklama kuralı yazabilmekTedarikçi model belgelerini kontrol listesiyle inceleyip eksik kanıtı talep listesine dönüştürebilmekDenetimde istenecek kanıt setini izlenebilir bir dosya düzeniyle hazır tutabilmek

6 bölüm~44 sa

Ürün

1 rota · 9 bölüm · ~20 sa

Temel → İleri

AI Product Manager

Yapay zekâ ürünlerinde kapsam, değerlendirme ve risk yönetimi rotası.

Değerlendirme planıRisk matrisiYol haritası

9 bölüm~20 sa

Veri

1 rota · 5 bölüm · ~36 sa

Başlangıç → Orta

Veri Yönetişimi Sorumlusu

Kurum içinde dolaşan veriyi kayıt altına almaktan, o kaydı bir denetimde savunabilir hâle getirmeye kadar giden bir hat izlenir. Envanter, amaç bağlama, saklama süresi ve erişim kararlarının yapay zekâ projelerinde nasıl somut kurala döndüğü işlenir.

Bir yapay zekâ kullanım senaryosuna giren her veri alanının kaynağını ve işleme amacını tek sayfada gösterebilmekToplanan alanları amaç bağlamına göre eleyip veri minimizasyonu gerekçesini yazılı hâle getirebilmekHer veri kategorisi için saklama süresi ve silme tetikleyicisi tanımlayıp takvime bağlayabilmekRol bazlı erişim matrisini kurup fazla yetkili hesapları düzenli aralıklarla tespit edebilmekİnce ayar ve erişim artırımı verisinin izin durumunu belgeye dayanarak sınıflandırabilmekTekrarlanabilir bir yönetişim denetimi yürütüp bulguları önem sırasına dizebilmek

5 bölüm~36 sa

Veri bilimci

1 rota · 14 bölüm · ~52 sa

Başlangıç → İleri

Machine Learning Engineer

Klasik ML’den model dağıtımına kadar üretim odaklı mühendislik rotası.

Özellik mühendisliğiModel dağıtımıİzleme

14 bölüm~52 sa

Yönetici

1 rota · 6 bölüm · ~8 sa

Teknik olmayan

Yöneticiler İçin Yapay Zekâ

Karar vericiler için yatırım, yönetişim ve organizasyon tasarımı rotası.

AI stratejisiYönetişimKullanım senaryosu seçimi

6 bölüm~8 sa