Yapay Zeka Nedir? Temel Kavramlar ve Nereden Başlamalı

Yapay zeka, bilgisayar sistemlerinin normalde insan zekası gerektiren işleri yapabilmesidir. Bir fotoğraftaki nesneyi tanımak, bir metni başka bir dile çevirmek, bir soruya yazılı cevap üretmek ya da bir müşterinin hangi ürünü alacağını tahmin etmek bu işlere örnektir.

Bugün karşılaştığın yapay zeka uygulamalarının çoğu belirli görevler için geliştirilir. Yüz tanıyan bir sistem çeviri yapmaz, istenmeyen e-postaları ayıklayan bir filtre fotoğraf tanımaz. Üretken yapay zeka araçları ise metin, görsel ya da kod gibi birçok farklı görevi üstlenebilir; yine de çıktıları öğrendikleri kalıplara dayanır. İnsan gibi her alanda öğrenip akıl yürütebilen “genel yapay zeka” hâlâ bir araştırma hedefidir.

Günümüzde kullanılan yapay zeka sistemlerinin büyük çoğunluğu veriden öğrenir. Sisteme çok sayıda örnek verilir; sistem bu örneklerdeki kalıpları bulur ve yeni bir durumla karşılaştığında bu kalıplara göre karar verir. Örneğin binlerce kedi ve köpek fotoğrafı gören bir model, daha önce görmediği bir fotoğrafın kedi mi köpek mi olduğunu tahmin edebilir.

Dört temel kavram: veri, model, eğitim ve tahmin

• Veri: Sistemin öğrendiği örneklerdir. Fotoğraflar, metinler, ses kayıtları ya da satış tabloları veri olabilir.
• Model: Veriden öğrenilen kalıpları sayısal olarak saklayan yapıdır. Yeni bir girdi aldığında bu kalıplara göre bir çıktı üretir.
• Eğitim: Modelin örnekler üzerinden kalıpları öğrendiği süreçtir. Kedi ve köpek örneğinde model, tahminlerini doğru etiketlerle karşılaştırır ve hatasını azaltacak şekilde adım adım ayarlanır.
• Tahmin: Eğitilmiş modelin daha önce görmediği bir veri için sonuç üretmesidir. Teknik kaynaklarda bu adıma “çıkarım” da denir.

Yapay zeka, makine öğrenmesi ve derin öğrenme iç içe geçmiş kavramlardır: yapay zeka en geniş çerçevedir, makine öğrenmesi onun bir alt alanıdır, derin öğrenme de makine öğrenmesinin bir alt alanıdır. Üretken yapay zeka ise bugün çoğunlukla derin öğrenme modelleriyle geliştirilen, yeni içerik üreten sistemlerin genel adıdır.

• Yapay zeka: En geniş kavramdır. İnsan zekası gerektiren işleri yapan tüm sistemleri kapsar.
• Makine öğrenmesi: Yapay zekanın, sistemlerin açıkça programlanmadan veriden öğrendiği alt alanıdır.
• Derin öğrenme: Makine öğrenmesinin, çok katmanlı yapay sinir ağları kullanan alt alanıdır. Görüntü tanıma, ses tanıma ve metin üretme gibi karmaşık işlerde kullanılır.
• Üretken yapay zeka: Yeni metin, görsel, ses veya kod üreten sistemlerdir. ChatGPT, Gemini ve Claude gibi araçlar bu gruptadır.

Kısacası her derin öğrenme modeli bir makine öğrenmesi modelidir, ama her makine öğrenmesi modeli derin öğrenme kullanmaz. Örneğin bir müşterinin aboneliğini iptal edip etmeyeceğini geçmiş verilerle tahmin eden basit bir karar ağacı makine öğrenmesidir ama derin öğrenme değildir. Önceden yazılmış kurallarla çalışan bir satranç programı ise yapay zeka örneğidir ama veriden öğrenmediği için makine öğrenmesi sayılmaz.

Makine öğrenmesi, bilgisayarların her adımı tek tek programlanmadan, örnek verilerdeki kalıpları öğrenerek tahmin ya da karar üretmesini sağlayan yapay zeka alt alanıdır. İngilizcede “machine learning” olarak geçer.

Geleneksel yazılımda kuralları geliştirici yazar: “Konu satırında şu kelime varsa iletiyi istenmeyen klasörüne taşı” gibi. Makine öğrenmesinde ise sisteme istenmeyen ve normal olarak işaretlenmiş çok sayıda e-posta verilir; ayırt edici kalıpları model kendisi çıkarır. Bu yaklaşım, kuralların önceden bilinmediği ya da elle yazılamayacak kadar karmaşık olduğu durumlarda işe yarar.

Makine öğrenmesi nasıl öğrenir?

Makine öğrenmesi yöntemleri, modelin veriden nasıl öğrendiğine göre üç ana gruba ayrılır: denetimli, denetimsiz ve pekiştirmeli öğrenme.

Başlangıç için en anlaşılır yol denetimli öğrenmedir: doğru cevaplar bilindiği için modelin ne kadar iyi tahmin yaptığını ölçmek kolaydır. Bu rehberdeki kedi ve köpek modeli de denetimli öğrenmeye bir örnektir.

Veri bilimi, ham veriden anlamlı bilgi çıkarmak ve daha iyi kararlar almak için istatistik, programlama ve alan bilgisini bir araya getiren disiplindir. Bir e-ticaret şirketinin hangi kampanyanın işe yaradığını anlaması ya da bir hastanenin yoğun saatleri önceden görmesi veri biliminin konusudur.

Veri bilimi neleri kapsar?

Bir veri bilimi projesi genellikle şu adımlardan geçer:

1. Veri toplama: Anketlerden, uygulama kayıtlarından, satış sistemlerinden ya da açık veri setlerinden soruyu yanıtlamak için gereken veri bir araya getirilir.
2. Veri temizleme: Eksik, hatalı ya da tekrar eden kayıtlar düzeltilir. Sonuçların güvenilirliği büyük ölçüde bu adıma bağlıdır.
3. Analiz: Verideki eğilimler, ilişkiler ve sıra dışı durumlar istatistiksel yöntemlerle incelenir.
4. Görselleştirme: Bulgular grafik ve panolarla, veriyle uğraşmayan birinin de kolayca anlayacağı hale getirilir.
5. Modelleme: Gerektiğinde makine öğrenmesi modelleriyle geleceğe dönük tahminler yapılır; örneğin gelecek ayın satışlarını öngörmek gibi.

Veri bilimi ile yapay zeka arasındaki ilişki

Veri bilimi ve yapay zeka kesişen ama aynı olmayan alanlardır. Veri bilimi bir soruyu veriyle yanıtlamaya odaklanır; bu yanıt bazen tek bir grafik, bazen bir makine öğrenmesi modelidir. Yapay zeka ise insan zekası gerektiren işleri yapan sistemler kurmaya odaklanır ve bu sistemler öğrenmek için veriye ihtiyaç duyar. İki alanın buluştuğu ortak nokta makine öğrenmesidir.

Veri analizine uygulamalı başlamak istersen LemonRocks Veri Analizi online staj modülüne göz at. Bu modülde girişim ve Web3 ekosisteminden gelen verilerle çalışır; veri toplama, temizleme ve analiz adımlarını öğrenir, Excel'de grafikler ve pivot tablolarla veriyi görselleştirirsin.

Yapay zekayı çoğu zaman fark etmeden her gün kullanıyorsun: telefonunun kilidini açarken, e-postalarına bakarken ya da bir video önerisine tıklarken. Aşağıdaki örneklerin her birinin arkasında bu rehberde anlatılan yöntemlerden biri var.

• Telefonların yüz tanıma ile kilidinin açılması

  Telefon, yüzünü daha önce kaydedilen yüz verisiyle karşılaştırır ve seni tanıdığında kilidi açar.

  Yöntem: Derin öğrenme, görüntü tanıma

• E-posta kutusundaki istenmeyen iletilerin ayıklanması

  Filtre, istenmeyen ve normal olarak işaretlenmiş çok sayıda e-postadan öğrendiği kalıplarla yeni iletileri ayırır.

  Yöntem: Denetimli öğrenme, sınıflandırma

• Navigasyon uygulamalarının trafik tahmini

  Uygulama, geçmiş ve anlık trafik verisindeki kalıplardan yolculuğunun ne kadar süreceğini tahmin eder.

  Yöntem: Makine öğrenmesi, tahmin

• Video platformlarının öneri listeleri

  Platform, izleme geçmişindeki kalıplardan ilgini çekebilecek içerikleri tahmin eder ve listeni buna göre sıralar.

  Yöntem: Makine öğrenmesi, öneri sistemleri

• Bankaların şüpheli işlem uyarıları

  Sistem, harcama alışkanlıklarından belirgin biçimde sapan bir işlemi fark eder ve incelenmesi için işaretler.

  Yöntem: Makine öğrenmesi, anormallik tespiti

Yapay zeka öğrenmeye temel kavramlarla başla; ardından bir araç, temel programlama ve küçük bir projeyle adım adım ilerle. Bu sıra, teoriyi ve pratiği dengeli şekilde kurmanı sağlar.

1. 1

   Temel kavramları öğren

   Veri, model, eğitim ve tahmin kavramlarını anla. Bu rehberin yapay zeka nasıl çalışır bölümü tam olarak bu temeli verir.
2. 2

   Bir araç kullanmayı öğren

   Üretken yapay zeka araçlarıyla doğru soru sormayı (prompt yazmayı) dene. Görevi, bağlamı ve beklediğin çıktı biçimini net yazdığında aldığın cevaplar genellikle daha kullanışlı olur; yine de sonuçları kontrol etmeyi alışkanlık haline getir.
3. 3

   Temel programlama öğren

   Python, yapay zeka alanında en çok kullanılan dildir. Değişkenler, döngüler ve fonksiyonlarla başla, ardından veriyle çalışmayı kolaylaştıran pandas gibi kütüphaneleri tanı.
4. 4

   Uygulamalı bir proje yap

   Küçük bir veri setiyle bir tahmin modeli kur. Örneğin evlerin metrekaresinden ve oda sayısından fiyat tahmini yapan basit bir model, denetimli öğrenmeyi somut olarak görmeni sağlar. Üzerinde çalışacak bir konu bulmakta zorlanıyorsan Üretken Akademi programlarının hackathon ve bootcamp adımları hem üzerinde çalışacağın temayı hem de mentor desteğini birlikte getirir.
5. 5

   Deneyimini belgele

   Tamamladığın programı ve projeyi CV'ne ekle. Nasıl yazacağından emin değilsen CV hazırlama rehberine göz at.

Bu adımları tek başına yürütmek yerine yapılandırılmış bir akışla ilerlemek istersen Üretken Akademi programlarına göz at. İstanbul'da yaşayan 15-29 yaş arasındaysan, yapay zeka araçlarını iş dünyasının kullandığı seviyede öğreten İş'te Yapay Zeka bu rehberin konusunu doğrudan sürdürür. İlgin oyun geliştirme tarafına kayıyorsa GameUP Türkiye ile oyun geliştirmeyi sıfırdan öğrenebilirsin; ikisinde de ön bilgi gerekmiyor.

Hangi alanda ilerlemek istediğinden emin değilsen önce kariyer testini çözebilir, sana uygun online staj modülünü keşfedebilirsin.

Üretken Akademi'nin Yapay Zekaya Giriş Programı, NVIDIA iş birliğiyle hazırlanan dört haftalık bir online staj modülüdür. Bu programda yapay zekanın temellerini ve GPU mimarisini öğrenir, uygulamalı görevleri tamamlarsın. Program öğrencilere ve yeni mezunlara açıktır; tamamladığında şirket onaylı sertifika alırsın.

Dört haftalık program akışı

Yapay Zekaya Giriş

Online staj modülü

• 4 hafta
• Tamamen online
• Esnek zamanlı

1. 1

   Hafta 1

   Oryantasyon

   NVIDIA'nın şirket kültürünü tanır ve yapay zeka ekibindeki rolüne hazırlanırsın.

2. 2

   Hafta 2

   Yetkinlik Eğitimleri

   Yapay zekanın temellerini, GPU mimarisini ve paralel işlemenin yapay zeka modellerindeki rolünü videolar ve alıştırmalarla öğrenirsin.

3. 3

   Hafta 3

   Departman Görevleri

   Yapay zeka ekibinin senaryolarına dayanan görevleri kendi programına göre tamamlarsın.

4. 4

   Hafta 4

   Bitirme Projesi

   Öğrendiklerini bir bitirme projesinde bir araya getirir ve modülü tamamlarsın.

Şirket onaylı sertifika: Bitirme projesiyle modülü tamamladığında sertifikanı alır, CV'ne ve LinkedIn profiline ekleyebilirsin.

Programda neler öğrenirsin?

• Yapay zekanın ne olduğunu, nasıl çalıştığını ve nerelerde kullanıldığını videolar ve alıştırmalarla pekiştirirsin.
• GPU mimarisini, paralel işlemeyi ve GPU'ların yapay zeka modellerindeki kritik rolünü kavrarsın.
• Görüntü işleme, veri merkezi çözümleri ve akıllı sistemler gibi NVIDIA teknolojilerinin gerçek hayattaki kullanım örneklerini incelersin.
• NVIDIA'nın şirket kültürünü tanır, yapay zeka ekibinin senaryolarına dayanan görevlerde çalışırsın.

Kimler katılabilir?

Programa üniversite öğrencileri ve yeni mezunlar katılabilir; bölüm ya da sınıf şartı yoktur. Başlangıç seviyesine göre tasarlandığı için önceden yapay zeka deneyimi gerekmez. Tamamen online ve esnek zamanlı ilerlediğinden görevleri ders ya da iş temponla birlikte yürütebilirsin.

Modülün içeriğini ayrıntılı görmek için NVIDIA Yapay Zekaya Giriş modül sayfasını inceleyebilir, programın kapsamını yapay zeka eğitimi rehberinde daha ayrıntılı okuyabilirsin. Farklı alanlardaki seçenekler için tüm online staj modüllerine göz at.