Yapay zekâ kavramlarını sırayla öğrenin: temelden ileriye öğrenme yolu

Bursa’da küçük bir mobilya atölyesi işleten Kemal Bey, yapay zekâ kavramlarını (AI concepts) öğrenmek istiyor ama nereden başlayacağını bilmiyor. Bir gün model (model), ertesi gün ajan (agent), sonra RAG (retrieval-augmented generation, getirerek üretme) duyuyor ve hepsi birbirine karışıyor. Bu rehber, aynı kaygıyı taşıyanlar için on dersten oluşan bir sıra sunar. Temelden başlayıp ileri kavramlara doğru gidersiniz; her adımda neyi öğreneceğinizi ve hangi kursa bağlandığını görürsünüz.

Bu rehber kimin için?

Yapay zekâ araçlarını kullanıyor ama modelin, ajanın ya da RAG’ın ne olduğunu karıştırıyorsanız bu rehber sizin için. Yeni bir ürün duyurusunu okurken neye güveneceğinizi bilmek istiyorsanız yine doğru yerdesiniz. Kod bilmeniz gerekmez; Yapay zekâ kavramları: Temel kursunu (YZ 108) tamamlamış olmanız yeterlidir. Bu rehber ürün önermez ve belirli bir aracı öğretmez. Amacı, hangi aracı kullanırsanız kullanın işinize yarayacak kavramları doğru sırayla vermektir. Rehberi okurken kendi işinizden ya da günlük hayatınızdan bir durumu aklınızda tutarsanız kavramlar daha kolay yerleşir.

Başlamadan önce

Yapay zekâ kavramları: Temel (YZ 108) kursunu bitirin ya da en azından sohbet tabanlı bir yapay zekâ aracını birkaç kez kullanın
Bir not dosyası açın ve her ders için tek cümlelik bir not yazın
Kendi işinizden ya da günlük hayatınızdan bir yapay zekâ ürün tanıtımı seçin; yedinci derste onu sınayacaksınız
Örnekleri kurgusal verilerle yapın; kişisel ya da gizli bilgi paylaşmayın

Önce bilmeniz gerekenler

İlk tuzak, akıcı yanıtı doğru yanıt saymaktır. OpenAI’nin 5 Eylül 2025 tarihli yazısına göre dil modelleri (language models) önce bir sonraki kelimeyi tahmin ederek öğrenir. Aynı yazıya göre çoğu kıyaslama yalnızca doğru yanıt oranına baktığı için bilmiyorum demek puan getirmez; bu da tahmin yürütmeyi ödüllendirir. Bu yüzden bir modelin kendinden emin yanıtı, doğru yanıtı demek değildir.

İkinci tuzak, bilginin tek bir yerden geldiğini sanmaktır. Lewis ve arkadaşları 2020 tarihli makalede, önceden eğitilmiş bir modeli Wikipedia’dan oluşturulmuş bir dizinle birleştiren RAG yaklaşımını önerdi. Anthropic ise 19 Eylül 2024 tarihli yazısında, bilgi tabanı yaklaşık 200.000 token’ın (modelin okuduğu metin birimi) altındaysa tüm içeriği doğrudan isteme eklemenin yeterli olabileceğini söyler. Yani bilgi modelin kendi içinden de, size verdiğiniz belgeden de gelebilir; hangisi olduğunu bilmek gerekir.

Üçüncü konu ajanlardır. Anthropic’in 19 Aralık 2024 tarihli Building effective agents yazısına göre iş akışında (workflow) model ve araçlar önceden tanımlanmış kod yolları üzerinden yönetilir; ajanda ise model kendi süreçlerini ve araç kullanımını dinamik olarak belirler. Yazı, en basit çözümle başlayıp yalnızca gerektiğinde karmaşıklık eklemeyi önerir. Ürün tanıtımlarında da dikkatli olun: ABD Federal Ticaret Komisyonu (FTC), 25 Eylül 2024 tarihli duyurusunda yapay zekâyı yanıltıcı uygulamalar için kullanan şirketlere karşı beş yaptırım işlemi açıkladı. İddiayı kavrama çevirmek bu yüzden bir merak değil, bir korunma yoludur.

Dördüncü nokta, ölçmenin sırasıdır. Bir modelin ne kadar iyi olduğu, nasıl ölçüldüğüne bağlıdır; bu yüzden rehber kıyaslama tablosunu okumayı (altıncı ders), ürün iddialarını sınamadan (yedinci ders) önce koyar. Önce ölçmenin nerede zayıf kalabildiğini görür, sonra aynı bakışı bir satıcının iddiasına uygularsınız. Aynı mantıkla ajan ve RAG dersleri en sona bırakıldı, çünkü bu iki konu önceki yedi dersin kavramlarını bir arada kullanır: modelin ne bildiği, hangi kaynaktan bildiği, nerede yanıldığı ve nasıl ölçüldüğü.

Adım adım öğrenme yolu

On ders üç aşamada ilerler: önce temel kavramlar ve hatalar, sonra ölçme ve okuma, en sonda ileri sistemler. Sırayı bozmayın, çünkü her ders bir öncekinin kavramını kullanır. Her dersten sonra üç şey yapın: dersin tek cümlelik notunu yazın, öğrendiğiniz kavramı kendi işinizden bir örnekle anlatın ve bir sonraki dersin başlığını okuyup ondan ne beklediğinizi not edin. Bu üç adım birkaç dakikanızı alır ama dersleri birbirine bağlar.

Model, uygulama, araç: aynı model neden farklı davranır?: Aynı modelin farklı uygulama ve araçlarda neden farklı davrandığını öğrenirsiniz.
Yanıtın bilgisi nereden geliyor? Dört kaynağı ayırın: Bir yanıtın bilgisinin dört kaynaktan hangisinden geldiğini ayırt edersiniz.
Yapay zekânın hata türleri ve her birinin kontrolü: Yapay zekânın hata türlerini ve her biri için kontrol yöntemini öğrenirsiniz.
Halüsinasyon: yapay zekâ neden kendinden emin biçimde yanılır: Yapay zekânın neden kendinden emin biçimde yanılabildiğini anlarsınız.
Efor ve model seçimi: Daha uzun düşünmek ya da daha güçlü model her zaman iyi mi?: Daha uzun düşünmenin ya da daha güçlü modelin ne zaman işe yaradığını tartarsınız.
Benchmark nasıl okunur: model karşılaştırma tablolarını anlamak: Model karşılaştırma tablolarını okumayı ve neyi ölçtüklerini sorgulamayı öğrenirsiniz.
Ürün tanıtımındaki yapay zekâ iddialarını kavramlarla sınamak: Ürün tanıtımındaki iddiaları kavram karşılığına çevirir, satıcıya üç doğrulama sorusu yazarsınız.
Ajan döngüsü: hedef, araç, durum, gözlem ve durma: Bir ajan görevinin döngüsünü ve durma ölçütünü çizersiniz.
RAG, ince ayar ya da uzun bağlam: hangisi ne zaman?: RAG, ince ayar (fine-tuning) ve uzun bağlamdan hangisinin hangi durumda uygun olduğunu seçersiniz.
Kendi belgelerinizle yanıt veren sistem: RAG hattını tasarlamak: Kendi belgelerinizle yanıt veren bir sistemin RAG hattını tasarlarsınız.

Çalışma örneği: Kemal Bey ilk beş dersi bitirdi ve defterine şunu yazdı: Aynı soruyu iki uygulamaya sordum, yanıtlar farklıydı; çünkü uygulamaların modele verdiği talimatlar farklı olabilirmiş. Bir yanıtın bilgisi modelin kendi içinden, verdiğim belgeden ya da aramadan gelebilirmiş. Bu notları bir sonraki derse geçmeden önce yüksek sesle okudu ve anlamadığı iki cümleyi işaretledi.

Altıncı derste Kemal Bey, bir model duyurusundaki kıyaslama tablosuna baktı ve tabloda yalnızca doğru yanıt oranının verildiğini fark etti. Hata oranını ve modelin bilmediği durumda ne yaptığını soran iki soru yazdı. Yedinci derste bu iki soruyu, seçtiği ürün tanıtımının iddialarına uyarladı. Ajan ve RAG derslerine geldiğinde ise elinde kendi sorularından oluşan bir liste vardı; yeni kavramlar bu listeye eklendi.

Rehberi bitirdiğinizde elinizde üç şey olmalı: her dersten tek cümlelik bir not, kendi işinizden kavram başına bir örnek ve bir ürün iddiası için yazdığınız üç doğrulama sorusu. Bu üç çıktıyı aynı dosyada tutun. Kursa geçtiğinizde bu dosya, bitirme çalışmanızın ilk taslağı olur. Bir kavramı anlatamıyorsanız o kavramın dersine dönün; ilerlemek için acele etmenize gerek yok, çünkü sonraki derslerin çoğu önceki kavramları varsayar. Ayrıca not dosyanızda hangi kavramın hangi dersten geldiğini yazın; ileride bir ürün duyurusunda aynı kavramla karşılaşınca doğru derse hızla dönebilirsiniz.

Sık yapılan hatalar

Sırayı atlayıp doğrudan ajan ya da RAG derslerine geçmek
Akıcı bir yanıtı doğru yanıt saymak
Kıyaslama tablosundaki tek bir sayıya bakıp modeli seçmek
Ürün tanıtımındaki hafızalı ya da ajan gibi sözcükleri teknik bir garanti sanmak
Her yeni model duyurusunda kavramları baştan öğrenmeye çalışmak; ürün adları hızlı değişir, kavramlar daha yavaş değişir
Notları yalnızca okumak; öğrendiğiniz kavramı kendi örneğinizle yazmadığınız sürece ders akılda kalmaz
Rehberi bir kez okuyup bırakmak; kavramlar ürün duyurularını her okuduğunuzda yeniden uygulanınca yerleşir

Sık sorulanlar

Hiç yapay zekâ kullanmadım, buradan başlayabilir miyim?

Önce Yapay zekâ kavramları: Temel kursuyla (YZ 108) başlamanızı öneririm. O kursu bitirdikten sonra bu rehberin ilk dersine geçebilirsiniz.

Kod yazmam gerekir mi?

Hayır. Rehberdeki dersler kavramları anlatır; ajan ve RAG dersleri de tasarım düzeyinde ilerler. Menü adları ve ayarlar sürüme göre değişebilir.

Dersleri tek oturuşta bitirmeli miyim?

Hayır. Her dersten sonra tek cümlelik notunuzu yazın ve ertesi derse geçmeden önce o notu okuyun. Hızınızı siz belirleyin.

Hangi yapay zekâ aracını kullanmalıyım?

Dersler belirli bir araca bağlı değildir; kavramları araçtan bağımsız öğretir. Elinizdeki herhangi bir sohbet tabanlı aracla örnekleri deneyebilirsiniz.

Son kontrol listesi

Her ders için tek cümlelik notunuz var mı?
Model, uygulama ve araç farkını bir örnekle anlatabiliyor musunuz?
Bir yanıtın bilgisinin nereden geldiğini sorabiliyor musunuz?
Bir kıyaslama tablosunda neyin ölçüldüğünü söyleyebiliyor musunuz?
Seçtiğiniz ürün tanıtımı için üç doğrulama sorusu yazdınız mı?
Ajan ve RAG derslerinde kendi senaryonuzu tasarladınız mı?

Bu rehberden sonra

Dersleri bitirdiyseniz kursları sırayla izleyerek öğrendiklerinizi pekiştirin: Uygulama kursu (YZ 232) ilk altı dersin kavramlarını bir bitirme çalışmasıyla sınar, İleri kursu (YZ 402) ajan, RAG ve değerlendirme konularını tasarım düzeyinde işler. Kursa geçmeden önce notlarınızı bir kez daha okuyun.

Bu rehberle ilgili kurslar

Yapay zekâ kavramları: Temel (YZ 108)
Yapay zekâ kavramları: Uygulama (YZ 232)
Yapay zekâ kavramları: İleri (YZ 402)

Kaynaklar

Son kontrol: 12 Kasım 2026