Kitap 08
Yapay Zekâ ve Makine Öğrenmesi
Makine öğrenmesi, büyük dil modelleri ve yapay zekâ destekli uygulamalar için temel kavramlar.
İçindekiler
- 01Agent2Agent Protokolü1Agent2Agent (A2A), farklı ekiplerin ya da şirketlerin yaptığı yapay zekâ ajanlarının birbirini bulup görev devretmesini sağlayan açık bir standarttır.
- 02AGIYapay Genel Zekâ2AGI (yapay genel zekâ), yalnızca dar bir alanda değil, bir insanın yapabildiği her zihinsel işi öğrenip yapabilecek varsayımsal bir yapay zekâ sistemidir.
- 03Anlamsal Arama3Anlamsal arama, sonuçları birebir anahtar kelimelere değil anlama göre, genellikle sorgu ve belge embedding'lerini karşılaştırarak bulan arama tekniğidir.
- 04Aşırı Öğrenme4Aşırı öğrenme, bir modelin eğitim verisini gürültüsüyle birlikte fazla yakından öğrenip yeni, görülmemiş verilerde kötü performans göstermesidir.
- 05Attention MekanizmasıDikkat Mekanizması5Attention mekanizması, modelin her token için girdinin hangi bölümlerinin en önemli olduğuna karar verip onlara odaklanmasını sağlayan sinir ağı tekniğidir.
- 06Bağlam Penceresi6Bağlam penceresi, bir LLM'nin prompt, konuşma geçmişi ve kendi yanıtı dahil aynı anda dikkate alabildiği, token cinsinden en fazla metin miktarıdır.
- 07Bilgisayarlı Görü7Bilgisayarlı görü, bilgisayarların nesneleri tanıma, metin okuma ya da yüz algılama gibi işlerle görüntü ve videoyu yorumlamasını sağlayan yapay zekâ alanıdır.
- 08Chain-of-ThoughtDüşünce Zinciri Yönlendirmesi8Chain-of-thought prompting, bir LLM'den nihai yanıttan önce ara adımlarla akıl yürütmesini isteyen ve karmaşık görevlerde doğruluğu artıran bir tekniktir.
- 09ChatbotSohbet Botu9Chatbot, insanlarla yazılı ya da sesli sohbet edip soruları yanıtlayan veya işlere yardım eden, senaryolu kurallarla ya da dil modeliyle çalışan programdır.
- 10ChatGPT10ChatGPT, OpenAI'ın GPT modelleri üzerine kurulu yapay zekâ asistanıdır: soruları yanıtlar, yazar, dosyaları analiz eder, webde arar ve görsel üretir.
- 11Chunking11Chunking, uzun belgeleri embedding'e çevrilip saklanmadan önce küçük parçalara böler; böylece bir RAG sistemi yalnızca ilgili kısımları bulup modele iletebilir.
- 12Claude12Claude, Anthropic'in yapay zekâ asistanı ve arkasındaki dil modeli ailesidir; sohbet uygulamaları, Claude API ve Claude Code gibi araçlarla kullanılır.
- 13Claude Code13Claude Code, Anthropic'in yapay zekâ kodlama ajanıdır: kodunuzu okur, dosyaları düzenler, komut çalıştırır; terminalde, IDE'de ve tarayıcıda çalışır.
- 14Context Engineering14Context engineering, işi güvenilir biçimde yapabilsin diye LLM'in her çağrıda ne gördüğünü (talimatlar, belgeler, araç sonuçları, geçmiş) seçme pratiğidir.
- 15Cursor15Cursor, VS Code tabanlı bir yapay zekâ kod editörüdür: otomatik tamamlama, sohbet ve birçok dosyayı düzenleyebilen, farklı modeller kullanan ajanlar sunar.
- 16Çok Modlu Yapay Zekâ16Çok modlu yapay zekâ, metin, görüntü, ses ve video gibi birden çok veri türünü tek bir modelde anlayabilen veya üretebilen yapay zekâdır.
- 17Denetimli Öğrenme17Denetimli öğrenme, modelin etiketli örneklerden, yani doğru cevaplarla eşleştirilmiş girdilerden öğrenip yeni veride çıktı tahmin ettiği makine öğrenmesidir.
- 18Denetimsiz Öğrenme18Denetimsiz öğrenme, bir modelin doğru cevaplar verilmeden etiketsiz verilerdeki örüntüleri, grupları veya yapıyı bulduğu makine öğrenmesidir.
- 19Derin Öğrenme19Derin öğrenme, görüntü ve metin gibi ham verilerden karmaşık örüntüleri öğrenmek için çok katmanlı sinir ağları kullanan bir makine öğrenmesi alt kümesidir.
- 20Difüzyon Modeli20Difüzyon modeli, rastgele gürültüden başlayıp onu adım adım temizleyerek görüntü, ses ya da video üreten bir üretken yapay zekâ modelidir.
- 21Doğal Dil İşleme21Doğal dil işleme, bilgisayarlara insan dilini metin ya da konuşma biçiminde okumayı, anlamayı ve üretmeyi öğreten yapay zekâ alanıdır.
- 22Eğitim Verisi22Eğitim verisi, bir makine öğrenmesi modelinin öğrendiği örnekler kümesidir; kalitesi, boyutu ve kapsamı modelin ne kadar iyi çalışacağını büyük ölçüde belirler.
- 23EmbeddingGömme Vektörü23Embedding, metin, görüntü ya da başka verilerin anlamını vektör denen bir sayı listesiyle temsil eden ve benzer öğeleri birbirine yakın konumlandıran yapıdır.
- 24EvalsEvaluations (değerlendirmeler)24Evals, yapay zekâ testleridir: beklenen sonucu ya da puanlama kuralı olan girdilerle her değişiklikten sonra bir modelin ya da prompt'un başarısını ölçer.
- 25Few-Shot LearningAz Örnekle Öğrenme25Few-shot learning, bir yapay zekâ modelinin yalnızca birkaç örnekle, çoğunlukla prompt'a birkaç örnek girdi ve çıktı koyarak bir görevi yapmasını sağlamaktır.
- 26Fine-tuningİnce Ayar26Fine-tuning, önceden eğitilmiş bir makine öğrenmesi modelini tek bir göreve uyarlamak için daha küçük ve özel bir veri kümesiyle ek olarak eğitme sürecidir.
- 27Gemini CLI27Gemini CLI, Google'ın Gemini modelleriyle çalışan açık kaynak terminal ajanıdır; bireysel kullanıcıların çoğu için Haziran 2026'da yerini Antigravity CLI aldı.
- 28Geri Yayılım28Geri yayılım (backpropagation), her ağırlığın hataya katkısını ölçüp her ağırlığı hatayı azaltan yönde biraz ayarlayarak sinir ağlarını eğiten algoritmadır.
- 29GitHub Copilot29GitHub Copilot, GitHub'ın yapay zekâ kodlama asistanıdır: yazarken kod önerir, sohbette soruları yanıtlar ve ajan olarak issue'ları pull request'e çevirir.
- 30GPTÜretken Ön Eğitimli Transformer30GPT (Generative Pre-trained Transformer), bir sonraki token'ı tahmin ederek metin üreten, OpenAI'a ait bir büyük dil modeli ailesidir.
- 31Gradyan İnişi31Gradyan inişi, makine öğrenmesi modellerinin parametrelerini hatayı azaltan yönde tekrar tekrar hafifçe iterek modelleri eğiten bir optimizasyon algoritmasıdır.
- 32GuardrailsYapay zekâ guardrail'leri32Guardrails, bir yapay zekâ modelinin girdisini ve çıktısını denetleyip güvensiz, konu dışı ya da bozuk biçimli istek ve cevapları engelleyen kontrollerdir.
- 33Halüsinasyon33Halüsinasyon, bir LLM gibi yapay zekâ modelinin kendinden emin bir şekilde kulağa makul gelen ama yanlış, uydurma ya da kaynaksız bilgi üretmesidir.
- 34InferenceÇıkarım34Inference, eğitilmiş bir makine öğrenmesi modelinin, öğrendiklerini değiştirmeden yeni verilerden tahmin ya da çıktı üretmek için kullanıldığı aşamadır.
- 35Kosinüs Benzerliği35Kosinüs benzerliği, iki vektörün benzerliğini aralarındaki açıyla, -1 ile 1 arasında ölçer; semantik aramada embedding'leri karşılaştırmanın olağan yoludur.
- 36Küçük Dil Modeli36Küçük dil modeli (SLM), en büyük LLM'lerden çok daha az parametreli, tek bir GPU'da, dizüstünde ya da telefonda çalışacak kadar ucuz ve hızlı dil modelidir.
- 37LLMBüyük Dil Modeli37LLM, çok büyük metin yığınlarıyla eğitilmiş ve bir sonraki en olası metin parçasını tekrar tekrar tahmin ederek dil üreten bir makine öğrenmesi modelidir.
- 38LLM Değerlendirmesi38LLM değerlendirmesi (evals), bir dil modelinin ya da yapay zekâ özelliğinin sabit test vakalarında ne kadar iyi çalıştığını ölçüp sürümleri karşılaştırmaktır.
- 39LoRALow-Rank Adaptation (düşük ranklı uyarlama)39LoRA, büyük modellere ucuzca ince ayar yapma yöntemidir: ağırlıklar dondurulur, yalnızca eklenen küçük matrisler eğitilir; yeni beceri birkaç megabayta sığar.
- 40Makine Öğrenmesi40Makine öğrenmesi, bilgisayarların elle yazılmış kurallar yerine verilerdeki örüntüleri öğrenerek tahmin yaptığı bir yapay zekâ dalıdır.
- 41Mixture of ExpertsMoE41Mixture of experts (MoE), her girdiyi çok sayıda küçük uzman ağdan yalnızca birkaçına gönderen sinir ağı tasarımıdır; devasa bir model çok daha ucuza çalışır.
- 42Model Context Protocol42Model Context Protocol, yapay zekâ uygulamalarının dış araçlara, veri kaynaklarına ve prompt'lara ortak bir arayüzle bağlanmasını tanımlayan açık standarttır.
- 43Model Parametreleri43Model parametreleri, bir makine öğrenmesi modelinin eğitimde öğrendiği ve girdileri çıktılara dönüştürmek için kullandığı ağırlık ve sapma gibi iç sayılardır.
- 44OpenAI Codex44OpenAI Codex, OpenAI'ın yapay zekâ kodlama ajanıdır: komut satırından, IDE'den ya da ChatGPT'den, yerelde veya bulutta kod yazar, düzenler ve inceler.
- 45Pekiştirmeli Öğrenme45Pekiştirmeli öğrenme, bir ajanın iyi eylemler için ödül kazanarak deneme yanılmayla karar vermeyi öğrendiği bir makine öğrenmesi türüdür.
- 46Prompt46Prompt, bir LLM gibi bir yapay zekâ modeline hangi görevi yapmasını ve nasıl bir yanıt istediğinizi söylemek için verdiğiniz girdi metni ya da yönergelerdir.
- 47Prompt Mühendisliği47Prompt mühendisliği, yapay zekâ modelinin doğru, tutarlı ve kullanışlı çıktı üretmesi için verilen yönergeleri tasarlama, test etme ve iyileştirme pratiğidir.
- 48QuantizationNicemleme48Quantization, parametreleri 16 yerine 8 ya da 4 gibi daha az bitle saklayarak bir yapay zekâ modelini küçülten, inference'ı hızlandırıp ucuzlatan tekniktir.
- 49RAGRetrieval-Augmented Generation (Getirmeyle Zenginleştirilmiş Üretim)49RAG, bir LLM'in soru anında getirilen ilgili belgelere dayanarak yanıt vermesini sağlayan ve yanıtları güncel, özel verilere dayandıran bir tekniktir.
- 50Reasoning ModelAkıl Yürüten Model50Reasoning model, yanıt vermeden önce problemi adım adım çözmek üzere eğitilmiş, zor işlerde daha iyi sonuç için ek hesaplama harcayan bir dil modelidir.
- 51Regresyon51Regresyon, modelin verilen girdiden bir fiyat, sıcaklık ya da teslimat süresi gibi bir sayıyı tahmin ettiği denetimli öğrenme türüdür.
- 52RLHFİnsan Geri Bildirimiyle Pekiştirmeli Öğrenme52RLHF (insan geri bildirimiyle pekiştirmeli öğrenme), dil modelini insanların yanıtlara dair yargılarıyla daha yardımcı ve güvenli kılan eğitim yöntemidir.
- 53Sınıflandırma53Sınıflandırma, modelin her girdi için bir kategori tahmin ettiği denetimli öğrenme türüdür: bir e-postanın spam olup olmadığı ya da fotoğraftaki rakam gibi.
- 54System PromptSistem İstemi54System prompt, uygulamanın sohbet başlamadan önce dil modeline verdiği talimatlardır; modelin rolünü, kurallarını, üslubunu ve kullanacağı bilgileri belirler.
- 55TemperatureSıcaklık Parametresi55Temperature, bir LLM'nin çıktısının ne kadar rastgele olacağını belirleyen ayardır: düşükken odaklı ve öngörülebilir, yüksekken daha çeşitli ve yaratıcıdır.
- 56Token56Token, bir LLM'nin okuduğu ve ürettiği temel metin birimidir; genellikle bir sözcük, sözcük parçası ya da noktalama işaretidir ve sayısal bir kimliğe eşlenir.
- 57Tool CallingAraç Çağırma57Tool calling, modelin uygulamadan yapılandırılmış argümanlarla belirli bir fonksiyonu çalıştırmasını istediği ve sonucu yanıtında kullandığı LLM özelliğidir.
- 58TPUTensör İşlem Birimi58TPU (Tensör İşlem Birimi), Google'ın sinir ağlarının matris hesapları için yaptığı çiptir; yapay zekâ modellerini çoğunlukla Google Cloud'da eğitip çalıştırır.
- 59Transformer59Transformer, bir dizideki her token'ın diğerleriyle ilişkisini attention ile tartan ve çoğu modern LLM'e güç veren bir sinir ağı mimarisidir.
- 60Üretken Yapay Zekâ60Üretken yapay zekâ, mevcut verilerden öğrenilen örüntülere dayanarak metin, görüntü, kod ya da ses gibi yeni içerik oluşturan yapay zekâdır.
- 61Vektör Veritabanı61Vektör veritabanı, embedding'leri saklayıp bir sorguya en benzer vektörleri hızla bulmak için tasarlanmış, anlamsal arama ve RAG'in dayandığı veritabanıdır.
- 62Vibe Coding62Vibe coding, istediğinizi bir yapay zekâya anlatıp yazdığı kodu kabul ederek ve sonucu çoğunlukla çalışıyor görünmesine göre değerlendirerek yazılım yapmaktır.
- 63Yapay Sinir Ağı63Yapay sinir ağı, bağlantılı yapay nöron katmanlarından oluşan ve sayısal ağırlıkları ayarlayarak verilerden örüntü öğrenen bir makine öğrenmesi modelidir.
- 64Yapay ZekâAI64Yapay zekâ (AI), normalde insan zekâsı gerektiren işleri yapabilen sistemler kuran bilgisayar bilimi alanıdır.
- 65Yapay Zekâ Ajanı65Yapay zekâ ajanı, hangi araçları çağıracağına karar verip sonuçları gözlemleyerek çok adımlı görevleri planlayan ve yürüten, LLM kullanan bir sistemdir.
- 66Yapay Zekâ Hizalaması66Yapay zekâ hizalaması, yapay zekânın tasarımcılarının amaçladığı hedef ve değerlere uyup yardımsever, dürüst ve güvenli davranmasını sağlama alanıdır.
- 67Yapay Zekâ Kodlama Ajanı67Yapay zekâ kodlama ajanı, bir programlama görevini alıp kodu inceleyen, dosyaları düzenleyen ve iş bitene kadar komut çalıştıran bir yapay zekâ sistemidir.
- 68Yetersiz Öğrenme68Yetersiz öğrenme, bir modelin gerçek örüntüyü öğrenemeyecek kadar basit olması ya da kısa eğitilmesi yüzünden eğitim verisinde bile kötü sonuç vermesidir.