YAPAY ZEKA MÜHENDİSİ — ANKARA
genelde.
salılar hariç.
Denemede kalan değil, gerçekten kullanılan yapay zeka. Modelden uygulamaya, işin her aşamasında.
ODTÜ’de fizikle başladım, aklım bilgisayarlara kaydı, bir daha da tam geri dönmedi. Aklımın bir yerlere kayması sonra da çok tekrarladı. Zamanla nereye kayacağını seçmeyi öğrendim.
Bilgisayar mühendisliğini Karabük Üniversitesi’nde bitirdim. Fizikten de bazı alışkanlıklar yanımda kaldı.
Fizik, fazla iyi görünen sonuca şüpheyle bakmayı öğretti. İstatistik de o şüpheyi kanıtlamayı.
İlk gerçek problemlerim görseldi. Önce bir simülasyon şirketinde canlı video, sonra diş röntgenleri üzerinde derin öğrenme. İkincisinde “aşağı yukarı” diye bir şey yok.
TÜBİTAK 2242 · ULUSAL FİNAL · 2022
Bitirme projem. Panoramik röntgenlerde dişleri bulan, sınıflandıran ve numaralandıran bir sistem; uzmanların etiketlediği gerçek klinik verilerle eğitildi. Final sunumunu TEKNOFEST Giresun’da yaptık.
TÜBİTAK 2209-A · ARAŞTIRMA DESTEĞİ · 2022
Dört kişilik bir ekiptik. Dişleri bulup numaralandırmak için Mask R-CNN, çürükleri ayırt etmek için önceden eğitilmiş ağlar kullandık. Veri setini uzman radyologlar etiketledi. Hepsi GTX 1650’li bir dizüstünde eğitildi. Bu ya çok etkileyici ya da bir yardım çağrısı.
Bugün Türk Telekom’un eğitim teknolojileri şirketi Sebit’te yapay zeka ekibindeyim. Eğitim ve iş dünyası için yapay zeka sistemleri geliştiriyorum. Bir de bu sistemlerin doğru çalışmasını sağlayan, pek görünmeyen tarafta çalışıyorum.
Plan yapan, araç kullanan ve birlikte çalışan ajanlar. Tekrar kullanılabilir parçalar halinde kuruluyor; riskli kararlarda son söz insanda.
LangGraph · LangChain · CrewAI · AutoGen · OpenAI Agents SDK · Claude Agent SDK · MCP
Modelin kafasından cevap vermesi yerine gerçek kaynaklara dayanmasını sağlayan sistemler.
LlamaIndex · ChromaDB · Qdrant · pgvector · FAISS · sentence-transformers · rerankers
Modellere erişimi tek yerden yönetmek, kullanımı ve maliyeti takip etmek. Hem bulut modelleri hem de yerelde çalışan açık kaynak modeller için.
LiteLLM · Ollama · LM Studio · vLLM · Langfuse · FastAPI · Docker · Kubernetes · Kafka
Taranmış sayfa, form, el yazısı, tıbbi görüntü gibi dağınık girdilerden güvenilir veri çıkarmak. Gerektiğinde yeni görseller üretmek.
OpenCV · PyTorch · YOLO · Mask R-CNN · segmentation · PaddleOCR · Tesseract · PyMuPDF · vision-language models · Stable Diffusion
Kararı yapay zeka veriyorsa, yapay zekayı da biri kontrol etmeli. Tutarlılık testleri, farklı modellerin birbirini tutup tutmadığı ve tuhaf görünen sonuçları yakalayan anomali tespiti.
Ragas · DeepEval · promptfoo · LLM-as-a-judge · scikit-learn
Benzer içerik bulma, öneri sistemleri, zaman serisi ve finansal tahminler.
OpenAI & open-source embeddings · scikit-learn · XGBoost · statsmodels · Prophet · TensorFlow · Keras · reinforcement learning (Gym)
Ham veriyi üzerine karar verilebilir bir hale getirmek. Bir de birilerinin gerçekten okuyacağı grafikler çizmek.
pandas · NumPy · matplotlib · seaborn · Power BI · SQL
Eğitim teknolojileri · iş dünyası · finans · sağlıkta görüntüleme · simülasyon
LEARNING TECHNOLOGIES AWARDS 2024 · LONDRA
Sebit ekibiyle Sor O Zaman. Benzer soru bulma ve öneri sistemini, bir de görüntü işleme kısmını ben geliştirdim. Törende ekibi Londra’da temsil ettim.
CODiE AWARDS 2025
Sebit ekibiyle SEBIT AI Sınav. Yapay zeka tarafında çalışıyorum.
SAHNEDE · OCAK 2026
Türkiye Özel Okullar Derneği XXIV. Geleneksel Eğitim Sempozyumu, Antalya. Dr. Pelin Tamcı Tuner (Sebit) ile birlikte konuştuk, moderatörümüz Prof. Dr. Eren Ceylan’dı (Ankara Üniversitesi). Konumuz: öğretmenin yerini alan değil, ona destek olan yapay zeka.
Elde etiket olmadan şüpheli kararları bulup insan incelemesine sunan bir sistem.
Sorun. Bir sistem binlerce değerlendirme yapıyor. Bazılarını insanlar, bazılarını modeller. Birkaçı mutlaka yanlış, ama hangilerinin yanlış olduğunu söyleyen bir etiket yok.
Çözüm. Her kararı ve gerekçesini sayısal olarak temsil edip birbirinden bağımsız birkaç anomali tespit yöntemine oylatıyoruz. Her vaka bir şüphe puanı alıyor; listenin ne kadar aşağısına bakılacağına inceleyenler karar veriyor.
Durum. Ar-Ge devam ediyor. Hedef: daha az yanlış alarm, büyük hacimde daha hızlı sonuç.
Sıfırdan kuruldu, sonra gerçek kullanımda sağlamlaştırıldı.
Sorun. Taranmış formlar büyük ve ne zaman geleceği belli olmayan partiler halinde geliyor. Her sayfanın doğru okunması gerekiyor, hem de sadece bir kez.
Çözüm. Servisi görüntü işlemeyle sıfırdan kurdum. Yayına girdikten sonra sadece yoğun yük altında ortaya çıkan hataların peşine düştüm ve geçici yamalar yerine sorunları kökünden çözdüm.
Durum. Hâlâ çalışıyor. Eskiden gece yarısı beni arardı, artık aramız iyi.
DENE
Seçtiklerin: 0/3
Bu 60 noktadan üçü buraya ait değil. Hangileri olduğunu düşünüyorsan onlara dokun, sonra bir de modele sor.
Burada tarayıcında çalışan küçük bir Isolation Forest modeli var; noktalar her seferinde rastgele üretiliyor. Model noktaları rastgele bölerek birbirinden ayırmaya çalışıyor, en çabuk ayrılanlar en tuhaf olanlar. Sayılar 0 ile 100 arası şüphe puanı.
İş dışında da aynı mantıkla çalışıyorum. En büyük projem bir uygulama fabrikası: bir mobil uygulamayı fikirden hazır hale getiren, yapay zeka ajanlarının yürüttüğü ve benim Telegram’dan yönettiğim bir sistem.
Sorun. Küçük uygulamalar yapmak çoğunlukla tekrar eden iş demek: fikir bulmak, plan yazmak, kodlamak, mağaza sayfasını hazırlamak, yorumları ayıklamak.
Çözüm. Yönetici bir ajan, her adımda kod yazan başka bir ajanı yönlendiriyor. Kurallar fikirlerin dağılmasını engelliyor. Riskli her adım benim onayımı bekliyor.
Durum. Baştan sona çalışıyor. Uygulamalar henüz yayında değil; asıl ürün bu sistemin kendisi.
Odadaki en zeki kişi olmaktansa iyi bir takım arkadaşı olmayı tercih ederim. İyi bir takım, tek tek zeki insanlardan her zaman daha fazlasını çıkarır.
İşlerin dönmesi önemli. Ama ben en iyi, henüz olmayan bir şeyi kurarken çalışırım: yeni sistemler, yeni yetenekler, yeni çalışma şekilleri.
Gerçek kullanıcının elindeki çalışan bir sürüm, sunumdaki kusursuz plandan iyidir. Neyin bozulabileceğini tahmin etmektense gerçekten bozulanı düzeltmeyi seçerim.
Eklenen her parça gece 3’te bozulabilir, her model çağrısının da bir faturası var. Karmaşıklığı ancak problem gerçekten istediğinde eklerim, şema boş göründüğü için değil.
Ağır yükü yapay zekaya bırakırım, gerçek risk taşıyan kararları insanlarda tutarım. Otomasyona güven adım adım kazanılır.
Modeller yanıldıklarında bile kendinden emin konuşur. Tutarlılık kontrolleri, modelleri birbiriyle karşılaştırmak ve anomali tespiti hataları kullanıcıdan önce yakalar.
Yöneticiler artıyı ve eksiyi göremiyorsa doğru kararı veremez. Sade anlatmak da mühendisliğin parçası. Bir noktada, “embedding” kelimesini duymak istemeyen insanlara yapay zeka kararlarını anlatan kişi de ben oldum.
Bir grupta bas gitar çalıp şarkı söyledim. Şimdi davul öğreniyorum; komşular çok anlayışlı. Şimdilik. Gitar da çalıyorum. Çalma listem blues ve rock’tan bossa novaya, Chopin’e, Satie’ye ve 80’ler synth’ine haber vermeden atlar.
Yıllardır logo ve karakter çiziyorum. Bazıları elle, bazıları yapay zekayla, çoğu ikisinin arasında bir yerde.
D&D oyunları yönetiyorum, daha çok kozmik korku ve karanlık fantastik. Oyuncularıma sorsan “adil” derler. Er geç.
Makarna, iyi mühürlenmiş et, mutfağı bir karar verilmiş gibi kokutan yemekler. Bir de Yüzüklerin Efendisi, Star Wars, kara filmler ve kara mizah.
Güncelleme: Ekim 2026
Karışık bir yapay zeka problemin mi var? Ben severim.
En hızlı yol e-posta. Hepsini okurum, çoğuna cevap veririm.
Sertifikalar → Önceki yazım: From Blackboards to Bots (LinkedIn, 2024, İngilizce) →