Giriş — Neden 30 gün?

Bir aylık yoğun, uygulamalı bir program profesyonellerin günlük iş sorumlulukları arasında pratik ilerleme kaydetmesi için uygundur. Bu plan, teorik temelden uygulamaya, mikro projelerden mentorluk süreçlerine kadar adım adım ilerler. Benzer uygulamalı program örnekleri arasında Projera Institute'un 4 haftalık uygulamalı eğitimi ve proje yönetimine özel içerikler yer alır; örneğin Sabancı Üniversitesi'nin Proje Yöneticileri İçin Yapay Zeka programı, uygulama odaklı entegrasyon konularını ele alır.

Planın yapısı ve hedefleri

Plan dört haftaya bölünmüştür: Temel kavramlar, makine öğrenmesi ve veri, doğal dil işleme & üretken modeller, entegrasyon ve mentorluk. Her gün için pratik bir hedef ve küçük görevler içerir. Günlük hedefler, genellikle 60–120 dakika çalışmayı hedefleyecek şekilde tasarlanmıştır; yoğunluğunuzu iş takviminize göre ayarlayın.

Genel öğrenme hedefleri

  • Yapay zeka temellerini uygulamalı örneklerle öğrenmek.
  • En az 2 mikro proje tamamlayıp yayınlanabilir hale getirmek.
  • Model geliştirme, değerlendirme ve basit bir üretim uygulaması (API) kurmak.
  • Mentorlukla geri bildirim almak ve öğrenme yolunu belgelemek.

30 Günlük Detaylı Takvim (özet)

  1. Gün 1: Hedefleri belirleyin, araçları kurun (Python, Git, VS Code). Kısa yol haritası oluşturun.
  2. Gün 2: Python veri araçları yeniden gözden geçirme: NumPy, pandas.
  3. Gün 3: Veri temizleme ve keşif (EDA) pratiği: bir örnek veri seti ile çalışın.
  4. Gün 4: Temel ML kavramları: denetimli/denetimsiz öğrenme, temel terminoloji.
  5. Gün 5: Basit bir regresyon sınıflandırma modeli kurun (scikit-learn ile).
  6. Gün 6: Model değerlendirme: doğruluk, precision/recall, ROC gibi temel metrikler.
  7. Gün 7: Mikro proje 1: Veri temizleme + EDA raporu hazırlayın ve README yazın.
  8. Gün 8: Karar ağaçları, lojistik regresyon gibi algoritmaların iç işleyişine bakış.
  9. Gün 9: Özellik mühendisliği ve ön işleme pipeline'ları oluşturma.
  10. Gün 10: Model seçimi ve çapraz doğrulama uygulamaları.
  11. Gün 11: Basit dağıtım: Flask veya FastAPI ile model API'si oluşturma.
  12. Gün 12: Derin öğrenmeye giriş: Keras/TensorFlow veya PyTorch temelleri.
  13. Gün 13: Transfer learning ile hızlı bir görüntü sınıflandırma deneyi.
  14. Gün 14: Mikro proje 2: Sınıflandırma modeli geliştirin ve basit bir API olarak sunun.
  15. Gün 15: Doğal dil işleme temelleri: tokenizasyon ve gömme (embedding) kavramları.
  16. Gün 16: Transformer mimarileri ve Hugging Face ekosistemi ile tanışma.
  17. Gün 17: Üretken modeller ve eğitim içeriklerinde üretken yapay zekanın kullanımı hakkında GAIDE çerçevesine göz atın (GAIDE kaynak).
  18. Gün 18: İyi prompt örnekleri ve kullanım desenleri üzerinde çalışma.
  19. Gün 19: Küçük ölçekli model özelleştirme veya ince ayar (fine-tuning) uygulamaları.
  20. Gün 20: Mikro proje 3: Metin özetleyici veya basit bir sohbet botu oluşturun.
  21. Gün 21: Değerlendirme ve belge hazırlama günü.
  22. Gün 22: Yapay zekanın proje yönetimine entegrasyonu üzerine uygulama notları (Sabancı Üniversitesi örnekleri ile bağlantılı olarak inceleyin).
  23. Gün 23: AI yönetişimi ve uygulama süreçleri hakkında temel kavramlar; ISO/IEC 42001:2023 çerçevesine referans verin (kaynak).
  24. Gün 24: Üretim izleme ve model gözlemlenebilirliği (monitoring) temelleri.
  25. Gün 25: Bulut servisleri ve ölçeklendirme seçenekleri hakkında pratik notlar.
  26. Gün 26: Mentorla ilk kontrol: kod gözden geçirme ve yol haritası revizyonu.
  27. Gün 27: Kapstone mikro projesine başlama (süreç planlama ve veri hazırlığı).
  28. Gün 28: Kapstone'u tamamlama: model, değerlendirme ve kısa bir sunum hazırlama.
  29. Gün 29: Portfolyo ve LinkedIn güncelleme, projelerin yayınlanması (GitHub/GitLab).
  30. Gün 30: Değerlendirme, geri bildirimleri toplama ve sonraki 90 günlük öğrenme planını belirleme.

Örnek Mikro Projeler ve teslimleri

  • EDA & Veri Temizleme Raporu: Hedef veri seti üzerinde eksik değer analizi, görseller, kısa README. (Teslim: Jupyter notebook + README)
  • Regresyon Projesi: Basit bir fiyat tahmini; modeli eğitme, değerlendirme ve sonuçları raporlama.
  • Sınıflandırma + API: Modeli eğitme ve Flask/FastAPI ile bir tahmin API'si kurma.
  • Görüntü Sınıflandırma (Transfer Learning): Ön eğitimli model kullanarak küçük bir veriyle sınıflandırma.
  • Metin Özetleyici / Chatbot: Hugging Face modelleri ile hızlı prototip.
  • Otomatik Proje Raporu Oluşturucu: Üretken bir model kullanarak veri analiz sonuçlarını özetleyen otomatik rapor.

Mentorluk ve değerlendirme

Bir mentorluk programı ideal olarak şu aşamalardan oluşur: haftalık kısa check-in (30 dakika), iki haftada bir detaylı kod incelemesi, ve projenin son değerlendirmesi. Mentor ararken sektör deneyimi, iletişim sıklığı ve geri bildirim örneklerini değerlendirin. Mentorluk, yapılan hataları hızla düzeltmek ve öğrenme doğrultusunu güncellemek için etkilidir.

Standartlar, çerçeveler ve eğitim içerikleri

AI projelerinin yönetimi ve kurumsal entegrasyonu için farklı standartlar ve çerçeveler gündemdedir. Örneğin, bazı eğitim içerikleri ISO/IEC 42001:2023 gibi yönetim çerçevelerine referans verir (örnek). Eğitim materyallerinde üretken yapay zekanın içerik geliştirmedeki uygulamalarına dair GAIDE çerçevesine ilişkin akademik çalışmalar da bulunmaktadır (GAIDE makalesi).

Not: Standartlar ve çerçeveler kurumun gereksinimlerine göre farklılık gösterebilir; uygulamadan önce kurumunuzun gereksinimlerini gözden geçirin.

Başarı kontrol listesi (kısa)

  • En az 2 yayımlanabilir mikro proje (GitHub) ve açıklayıcı README.
  • Bir modelin basit API üzerinden çalışır durumda olması.
  • Temel model değerlendirme metriklerinin raporlanması.
  • Mentor veya akran geribildirimi alınmış olması.
  • Gelecek 90 günlük öğrenme adımlarının yazılı planı.

Kaynaklar ve sonraki adımlar

Bu planı uygularken kurumsal veya açık eğitim programlarından yararlanmak faydalı olabilir. Örnek başlangıç kaynakları:

Not: Bazı kaynaklar eğitimlerin güncelliğini açıkça belirtmeyebilir; kurs tarihleri ve içerik güncelliğini doğrudan sağlayıcıdan doğrulamanız önerilir.

Sonuç

Bu 30 günlük plan, profesyoneller için ai eğitimleri kapsamında kısa sürede uygulamalı beceriler geliştirmek isteyenler için tasarlanmıştır. Anahtar, düzenli uygulama, belge oluşturma ve mentorlardan alınan geri bildirimlerle öğrenmeyi güçlendirmektir. Başarıyı artırmak için günlük ilerlemeyi belgeleyin ve her mikro projeyi portfolyoya ekleyin.