Kısa cevap: Yapay zeka eğitimi için önce hedefinizi seçin, ardından her hafta tek bir somut çıktı üretin. İşinde yapay zeka kullanmak isteyen biriyle otomasyon kurmak veya makine öğrenmesi geliştirmek isteyen birinin aynı müfredatı izlemesi gerekmez. Bu rehber, seviyenizi belirleyip doğru öğrenme yolunu seçmenizi ve bilgiyi portföye dönüştürmenizi sağlar.
Başlamadan önce temel kavramları tazelemek isterseniz yapay zeka nedir rehberine bakın. Güncel eğitim haberleri, terimler ve farklı kaynaklar içinse ayrı niyet taşıyan AI eğitim haberleri ve kaynakları arşivini kullanın.
Öğretmenseniz, genel öğrenme yolundan ayrı olarak yapay zekâ ile ders planı hazırlama rehberindeki MEB çıktısına bağlı 40 dakikalık örneği ve doğrulama listesini kullanın.
Önce hedefinizi seçin: üç yapay zeka öğrenme yolu
“Yapay zeka öğrenmek istiyorum” tek başına yeterince net bir hedef değildir. Aşağıdaki üç yoldan birini ana rota olarak seçin. Diğer alanları daha sonra destekleyici beceri olarak ekleyebilirsiniz.
| Hedef | Kimler için? | İlk portföy çıktısı | Kod gerekir mi? |
|---|---|---|---|
| İşinde üretken AI kullanmak | Pazarlama, satış, operasyon, eğitim ve içerik ekipleri | Tekrarlanabilir bir araştırma, rapor veya içerik iş akışı | Hayır |
| No-code otomasyon kurmak | Süreç geliştiren çalışanlar, girişimciler ve ajanslar | Formdan veri alan, kontrol eden ve sonuç üreten otomasyon | Başlangıçta hayır |
| AI/ML geliştirmek | Yazılım, veri bilimi ve teknik kariyer hedefleyenler | Veri hazırlama, model değerlendirme ve hata analizi içeren proje | Evet; Python temeli gerekir |
Kararsızsanız önce işinizde üretken AI yolunu seçin. İki hafta içinde gerçek bir iş çıktısı üretebiliyorsanız no-code otomasyona veya teknik geliştirmeye geçin. Araç isimlerini ezberlemek yerine görev tanımı, doğru bağlam, çıktı kontrolü ve veri güvenliği gibi kalıcı becerileri öğrenin.
Seviye belirleme: beş soruluk başlangıç kontrolü
Aşağıdaki görevlerden kaçını yardım almadan tamamlayabildiğinizi işaretleyin:
- Bir işi amaç, girdi, kısıt ve beklenen çıktı olarak tarif edebiliyorum.
- Bir AI çıktısındaki kaynak, tarih, hesap veya mantık hatasını kontrol edebiliyorum.
- Aynı görevi farklı girdilerle tekrar çalıştıran bir prompt şablonu hazırlayabiliyorum.
- Hassas veriyi bir araca yüklemeden önce erişim ve kullanım koşullarını kontrol ediyorum.
- Ürettiğim çıktıyı örnek, kontrol listesi veya ölçümle değerlendirebiliyorum.
0–1 işaret: temel kullanıcı yolundan başlayın. 2–3 işaret: uygulamalı iş akışı kurun. 4–5 işaret: otomasyon, değerlendirme veya teknik uzmanlık rotasına geçin. Bu puan bir sertifika değildir; hangi basamağın size daha uygun olduğunu seçmek için pratik bir kontroldür.
İlk 4 haftalık yapay zeka eğitim planı
1. hafta: görev tanımı ve güvenli kullanım
Bir iş görevi seçin: toplantı özeti, rakip araştırması, ürün açıklaması veya veri sınıflandırma gibi. İyi ve kötü iki örnek toplayın. Modelden beklediğiniz çıktıyı biçim, uzunluk, kaynak ve yasaklar açısından tarif edin. Bir sayfalık kontrol listesi hazırlayın.
2. hafta: prompt yerine iş akışı kurma
Tek seferlik uzun prompt yazmak yerine görevi dört aşamaya bölün: girdiyi hazırla, ilk taslağı üret, iddiaları kontrol et, son biçimi ver. Her aşama için hangi bilginin gerektiğini yazın. Başlangıç örnekleri için hazır prompt arşivini kullanabilirsiniz; ancak şablonu kendi veriniz ve kontrol ölçütünüzle uyarlayın.
3. hafta: değerlendirme tablosu oluşturma
Aynı görevi en az beş farklı örnekle çalıştırın. Doğruluk, eksiksizlik, ton, kaynak ve biçim için 0–2 puanlık basit bir tablo hazırlayın. Hata veren örnekleri saklayın. Amaç “iyi görünüyor” demek yerine hangi koşulda çıktının kabul edildiğini belirlemektir.
4. hafta: portföy çıktısı yayınlama
Gizli veya kişisel veri içermeyen bir örnek seçin. Problemi, eski süreci, yeni iş akışını, kontrol adımlarını ve sınırları anlatan kısa bir vaka çalışması hazırlayın. Ölçmediğiniz zaman tasarrufu veya gelir artışını yazmayın. Yalnız gözlediğiniz sonucu gösterin.
Yol 1: İşinde üretken yapay zeka kullanmak
Bu yolun amacı bir aracı “çok iyi bilmek” değil, belirli bir işi güvenilir biçimde tekrar yapabilmektir. OpenAI Academy’nin güncel kurs yapısı da gündelik iş, çözüm geliştirme, liderlik ve eğitim gibi farklı rollere göre ayrılıyor; uygulamayı gerçek bir görev üzerinde kurmayı öne çıkarıyor.
- Her hafta yalnız bir görev seçin.
- Girdi ve çıktı örneklerini açıkça yazın.
- Kaynak gerektiren iddiaları ayrı kontrolden geçirin.
- Yanlış sonuç üreten örnekleri hata setinde tutun.
- Promptu değil, tüm kontrol akışını sürümleyin.
- Başarılı iş akışını ekip arkadaşının uygulayabileceği biçimde belgeleyin.
Araç seçerken günlük görevinize göre karar verin. Metin, görsel, video veya otomasyon seçeneklerini karşılaştırmak için yapay zeka araçları dizinine geçebilirsiniz. Araç özellikleri, planlar ve veri kullanım koşulları değişebileceği için üretim gününde resmi belgeleri yeniden kontrol edin.
Yol 2: No-code AI otomasyonu kurmak
Otomasyona, yüksek riskli veya geri alınamaz bir süreçle başlamayın. İlk proje; gelen form verisini sınıflandırmak, uzun metni özetlemek ya da onay öncesi taslak hazırlamak gibi insan kontrolü bulunan bir görev olmalıdır.
- Tetikleyiciyi ve beklenen girdiyi tanımlayın.
- Eksik, boş ve hatalı veri örnekleri hazırlayın.
- AI adımının yalnızca hangi kararı desteklediğini yazın.
- Çıktıyı şema veya sabit alanlarla sınırlandırın.
- Başarısız sonuçları insan incelemesine yönlendirin.
- Beş sağlam ve beş bozuk örnekle akışı sınayın.
Portföyünüzde yalnız çalışan ekranı göstermeyin. Hangi girdilerin reddedildiğini, hata halinde ne olduğunu ve insan onayının nerede bulunduğunu da açıklayın. Böylece otomasyonun sınırlarını göstermiş olursunuz.
Yol 3: AI ve makine öğrenmesi geliştirmek
Teknik rota için önce Python, temel cebir, istatistik, NumPy ve pandas yeterliliğinizi kontrol edin. Google’ın güncel Machine Learning Crash Course ön koşulları da programlama alıştırmaları için Python, NumPy ve pandas; kavramlar için cebir ve istatistik altyapısı öneriyor. Bu temeller eksikse doğrudan derin öğrenme projesine atlamayın.
- Python sözdizimi, fonksiyonlar, veri yapıları ve dosya işlemleri.
- NumPy ve pandas ile veri temizleme ve keşif.
- Denetimli/denetimsiz öğrenme, eğitim ve test ayrımı.
- Doğruluk dışında uygun metrik seçimi.
- Baseline model, hata analizi ve veri sızıntısı kontrolü.
- Küçük bir projeyi kod, veri kartı ve değerlendirme notuyla yayınlama.
Python’un resmi öğreticisi dilin temel yapılarını çalışmak için doğrudan kaynaktır. Makine öğrenmesi tarafında Google’ın modüler kursu, önceki deneyimi olanların bildiği konuları atlayabilmesine de izin veriyor. Teknik rotada hedef, çok sayıda notebook biriktirmek değil; tekrar üretilebilir bir proje ve açık değerlendirme sunmaktır.
Haftalık çalışma sistemi: öğren, uygula, kontrol et, paylaş
| Aşama | Yapılacak iş | Kanıt |
|---|---|---|
| Öğren | Tek bir kavram veya yöntem çalış | Kendi cümlelerinle kısa not |
| Uygula | Gerçek veya sentetik örnekte kullan | Çalışan çıktı |
| Kontrol et | Sağlam ve bozuk örnekleri karşılaştır | Puanlama tablosu ve hata listesi |
| Paylaş | Süreci ve sınırları belgele | Vaka çalışması veya proje sayfası |
Haftada kaç saat ayırdığınızdan çok, döngüyü tamamlayıp tamamlamadığınızı izleyin. Her hafta yeni bir araca geçmek yerine aynı iş akışını daha farklı ve zor örneklerle sınayın.
Portföy projesi seçme kontrol listesi
- Problem tek cümlede açıklanabiliyor.
- Girdiler gizli veya lisanssız veri içermiyor.
- Başarı ölçütü çalıştırmadan önce belirlenmiş.
- En az bir sağlam ve bir bozuk örnek var.
- Manuel kontrol veya geri alma noktası gösterilmiş.
- Kullanılan araç, model ve tarih kaydedilmiş.
- Ölçülmemiş hız, gelir veya doğruluk iddiası yok.
Kariyer veya girişim hedefiniz varsa portföyünüzü gerçek bir probleme bağlayın. Fikir seçmek için yapay zeka iş fikirleri rehberini, yapılandırılmış eğitim seçeneklerini görmek için kurslar sayfasını inceleyebilirsiniz.
Sertifika ne zaman anlamlıdır?
Sertifika, belirli bir rol veya platform için ölçülen beceriyi belgeliyorsa değerlidir. Önce hedef rolün iş ilanlarında gerçekten istenip istenmediğini kontrol edin. Programın güncel sınav sayfasını, kapsadığı becerileri, yenileme koşullarını ve ücretini resmi kaynaktan doğrulayın.
Microsoft Learn, AI öğrenme yollarını iş kullanıcısı, geliştirici, veri uzmanı ve lider gibi rollere ayırıyor. Google’ın teknik kaynakları ise makine öğrenmesi temelleri ve problem çerçeveleme gibi ayrı modüller sunuyor. Bu yapıların ortak dersi şudur: sertifikayı hedef olarak değil, seçtiğiniz rolün beceri haritasındaki bir kontrol noktası olarak kullanın.
Sıkça sorulan sorular
Yapay zeka öğrenmeye nereden başlamalıyım?
Önce hedefinizi seçin: işinizde üretken AI kullanmak, no-code otomasyon kurmak veya teknik AI/ML geliştirmek. Ardından dört haftalık başlangıç planıyla tek bir portföy çıktısı üretin.
Yapay zeka öğrenmek için kodlama şart mı?
İşinde üretken AI kullanmak ve başlangıç düzeyinde no-code otomasyon kurmak için şart değildir. Makine öğrenmesi geliştirmek, veri hazırlamak ve model değerlendirmek için Python temeli gerekir.
Yapay zeka eğitimi ne kadar sürer?
Süre; hedefe, mevcut beceriye ve ürettiğiniz proje sayısına bağlıdır. Sabit bir ay sözü vermek yerine her hafta öğrenme, uygulama, kontrol ve paylaşma döngüsünü tamamlayıp tamamlamadığınızı ölçün.
Hangi yapay zeka sertifikasını almalıyım?
Hedef rolünüzün veya kullandığınız bulut platformunun istediği becerilerle eşleşen sertifikayı seçin. Güncel sınav kapsamını ve yenileme koşullarını resmi sağlayıcı sayfasından kontrol edin; sertifikayı mutlaka uygulamalı projeyle destekleyin.
Portföyde kaç proje olmalı?
Sayıdan çok kanıt kalitesi önemlidir. Problemi, girdiyi, kontrol ölçütünü, hata örneklerini ve sınırları açıkça gösteren birkaç proje; yalnız sonuç ekranı gösteren çok sayıda projeden daha açıklayıcıdır.
Resmî öğrenme kaynakları
- OpenAI Academy Courses — iş kullanıcıları, geliştiriciler, liderler ve eğitim için rol bazlı uygulamalı yollar.
- Google Machine Learning Crash Course — modüler makine öğrenmesi temelleri ve uygulama alıştırmaları.
- Google MLCC ön koşulları — Python, NumPy, pandas, cebir ve istatistik hazırlık listesi.
- Microsoft Learn AI learning hub — rol ve seviyeye göre güncel öğrenme yolları.
- Python 3 öğreticisi — dilin resmi başlangıç kaynağı.
Kurs, sınav, araç ve platform içerikleri değişebilir. Kayıt olmadan önce programın güncel kapsamını, dilini, erişim koşullarını, ücretini ve veri politikasını resmi sayfasından doğrulayın.