GitHub - komunite/ai-engineering: Sıfırdan Yapay Zekâ Mühendisliği — Yapay zekâyı sadece kullanan değil, inşa eden biri haline gelmek isteyenler için hazırladık.

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

🌐 İngilizce orijinal: upstream README.md · Upstream: rohitg00/ai-engineering-from-scratch (MIT)

Öğrencilerin %84'ü zaten AI araçlarını kullanıyor. Yalnızca %18'i bunları profesyonel olarak kullanmaya hazır hissediyor. Bu curriculum o boşluğu kapatır.

435 ders. 20 faz. ~320 saat. Python, TypeScript, Rust, Julia. Her ders yeniden kullanılabilir bir artifact üretir: bir prompt, bir skill, bir agent, bir MCP sunucusu. Ücretsiz, açık kaynak, MIT.

Yapay zekayı sadece öğrenmiyorsun. Onu inşa ediyorsun. Uçtan uca. Elle.

Nasıl İşliyor

Yapay zeka materyalinin çoğu dağınık parçalar halinde öğretir. Burada bir makale, orada bir fine-tuning yazısı, başka bir yerde gösterişli bir agent demosu. Parçalar nadiren örtüşür. Bir chatbot yayınlarsın ama loss eğrisini açıklayamazsın. Bir agent'a bir fonksiyon bağlarsın ama onu çağıran modelin içinde attention'ın ne yaptığını söyleyemezsin.

Bu curriculum o omurgadır. 20 faz, 435 ders, dört dil: Python, TypeScript, Rust, Julia. Bir uçta lineer cebir, diğer uçta otonom sürüler. Her algoritma önce ham matematikten kurulur. Backprop. Tokenizer. Attention. Agent döngüsü. PyTorch sahneye çıktığında, onun kapak altında ne yaptığını zaten biliyorsun.

Her ders aynı döngüyü işletir: sorunu oku, matematiği türet, kodu yaz, testi çalıştır, artifact'i sakla. Beş dakikalık videolar yok, kopyala-yapıştır deployment yok, elinden tutmak yok. Ücretsiz, açık kaynak ve kendi laptop'unda çalışacak şekilde inşa edilmiş.

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

Curriculum'un Şekli

Yirmi faz üst üste yığılır. Matematik zemindir. Agent'lar ve üretim çatıdır. Alt katmanları zaten biliyorsan ileri atla, ama atlayıp sonra tepedeki bir şeyin neden bozulduğunu sorma.

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'12px'}}}%%
flowchart TB
  P0["Faz 0 — Kurulum &amp; Araçlar"] --> P1["Faz 1 — Matematik Temelleri"]
  P1 --> P2["Faz 2 — ML Temelleri"]
  P2 --> P3["Faz 3 — Derin Öğrenme Çekirdeği"]
  P3 --> P4["Faz 4 — Görü"]
  P3 --> P5["Faz 5 — NLP"]
  P3 --> P6["Faz 6 — Konuşma &amp; Ses"]
  P3 --> P9["Faz 9 — RL"]
  P5 --> P7["Faz 7 — Transformer'lar"]
  P7 --> P8["Faz 8 — GenAI"]
  P7 --> P10["Faz 10 — Sıfırdan LLM'ler"]
  P10 --> P11["Faz 11 — LLM Mühendisliği"]
  P10 --> P12["Faz 12 — Multimodal"]
  P11 --> P13["Faz 13 — Tool'lar &amp; Protokoller"]
  P13 --> P14["Faz 14 — Agent Mühendisliği"]
  P14 --> P15["Faz 15 — Otonom Sistemler"]
  P15 --> P16["Faz 16 — Çoklu-Agent &amp; Sürüler"]
  P14 --> P17["Faz 17 — Altyapı &amp; Üretim"]
  P15 --> P18["Faz 18 — Etik &amp; Alignment"]
  P16 --> P19["Faz 19 — Capstone Projeleri"]
  P17 --> P19
  P18 --> P19

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

Bir Dersin Şekli

Her ders kendi klasöründe yaşar; tüm curriculum boyunca aynı yapı geçerlidir:

phases/<NN>-<phase-name>/<NN>-<lesson-name>/
├── code/      çalıştırılabilir implementasyonlar (Python, TypeScript, Rust, Julia)
├── docs/
│   └── en.md  ders anlatımı
└── outputs/   bu dersin ürettiği prompt'lar, skill'ler, agent'lar veya MCP sunucuları

Her ders altı ritim takip eder. Build It / Use It ayrımı omurgadır — algoritmayı önce sıfırdan kendin yazarsın, sonra aynı şeyi üretim kütüphanesinden geçirirsin. Framework'ün ne yaptığını anlarsın çünkü daha küçük sürümünü kendin yazmışsındır.

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'13px'}}}%%
flowchart LR
  M["MOTTO<br/><sub>tek satırlık çekirdek fikir</sub>"] --> Pr["SORUN<br/><sub>somut acı</sub>"]
  Pr --> C["KAVRAM<br/><sub>diyagramlar &amp; sezgi</sub>"]
  C --> B["İNŞA ET<br/><sub>ham matematik, framework yok</sub>"]
  B --> U["KULLAN<br/><sub>aynı şey PyTorch / sklearn ile</sub>"]
  U --> S["YAYINLA<br/><sub>prompt · skill · agent · MCP</sub>"]

Başlangıç

Üç giriş yolu. Birini seç.

Seçenek A — oku. komunite/ai-engineering üzerinden tamamlanmış herhangi bir dersi aç ya da İçerik altındaki bir fazı genişlet. Kurulum yok, clone yok.

Seçenek B — clone'la ve çalıştır.

git clone https://github.com/komunite/ai-engineering.git
cd ai-engineering-from-scratch
python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

Seçenek C — seviyeni bul (önerilen). Akıllıca ileri atla. Curriculum skill'leri yüklenmiş Claude, Cursor, Codex, OpenClaw, Hermes veya herhangi bir agent içinden:

/find-your-level

On soru. Bilgilerini bir başlangıç fazına eşler, saat tahminleriyle birlikte kişiselleştirilmiş bir yol kurar. Her fazdan sonra:

/check-understanding 3        # 3. fazda kendini sına
ls phases/03-deep-learning-core/05-loss-functions/outputs/
# ├── prompt-loss-function-selector.md
# └── prompt-loss-debugger.md

Önkoşullar

Kod yazabiliyorsun (herhangi bir dil; Python yardımcı olur).
Yapay zekanın yalnızca API'lerini çağırmak değil, nasıl çalıştığını anlamak istiyorsun.

Yerleşik Agent Skill'leri (Claude, Cursor, Codex, OpenClaw, Hermes)

Skill	Ne Yapar
`/find-your-level`	On soruluk yerleştirme quiz'i. Bilgilerini bir başlangıç fazına eşler ve saat tahminleriyle kişiselleştirilmiş bir yol üretir.
`/check-understanding <phase>`	Faz başına quiz, sekiz soru; geri bildirim ve incelemen gereken belirli dersler ile.

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

Her Ders Bir Şey Yayınlar

Diğer curriculum'lar "tebrikler, X'i öğrendin" ile biter. Buradaki her ders günlük iş akışına kurabileceğin ya da yapıştırabileceğin yeniden kullanılabilir bir araç ile biter.

_{FIG_001 · A} PROMPTS	_{FIG_001 · B} SKILLS	_{FIG_001 · C} AGENTS	_{FIG_001 · D} MCP SERVERS
Dar bir görevde uzman seviyesinde yardım için herhangi bir AI asistana yapıştır.	Claude, Cursor, Codex, OpenClaw, Hermes ya da `SKILL.md` okuyan herhangi bir agent'a bırak.	Otonom işçiler olarak deploy et — döngüyü Faz 14'te kendin yazdın.	Herhangi bir MCP uyumlu istemciye tak. Faz 13'te uçtan uca inşa edildi.

Hepsini python3 scripts/install_skills.py ile kur. Gerçek araçlar, ev ödevi değil. Curriculum'un sonunda, inşa ettiğin için gerçekten anladığın 435 artifact'lik bir portfolyon olur.

FIG_002 · İşlenmiş Örnek

Faz 14, ders 1: agent döngüsü. ~120 satır saf Python, bağımlılık yok.

code/agent_loop.py _{inşa et}

def run(query, tools):
    history = [user(query)]
    for step in range(MAX_STEPS):
        msg = llm(history)
        if msg.tool_calls:
            for call in msg.tool_calls:
                result = tools[call.name](**call.args)
                history.append(tool_result(call.id, result))
            continue
        return msg.content
    raise StepLimitExceeded

outputs/skill-agent-loop.md _yayınla

---
name: agent-loop
description: ReAct-style loop for any tool list
phase: 14
lesson: 01
---

Implement a minimal agent loop that...

outputs/prompt-debug-agent.md

You are an agent debugger. Given the trace
of an agent run, identify the step where
the agent went wrong and explain why...

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

İçerik

Yirmi faz. Ders listesini genişletmek için herhangi bir faza tıkla.

Phase 0: Kurulum ve Araçlar `12 lessons`

Geri kalan her şey için ortamını hazırla.

#	Lesson	Type	Lang
01	Geliştirme Ortamı	Build	Python, TypeScript, Rust
02	Git ve İş Birliği	Learn	—
03	GPU Kurulumu ve Bulut	Build	Python
04	API'ler ve Anahtarlar	Build	Python, TypeScript
05	Jupyter Notebook'ları	Build	Python
06	Python Ortamları	Build	Python
07	Yapay Zeka için Docker	Build	Python
08	Editör Kurulumu	Build	—
09	Veri Yönetimi	Build	Python
10	Terminal ve Shell	Learn	—
11	Yapay Zeka için Linux	Learn	—
12	Hata Ayıklama ve Profiling	Build	Python

Phase 1 — Matematik Temelleri 22 lessons Her yapay zeka algoritmasının arkasındaki sezgi, kodla.

#	Lesson	Type	Lang
01	Lineer Cebir Sezgisi	Learn	Python, Julia
02	Vektörler, Matrisler ve İşlemler	Build	Python, Julia
03	Matris Dönüşümleri ve Eigenvalue'lar	Build	Python, Julia
04	ML için Kalkülüs: Türevler ve Gradyanlar	Learn	Python
05	Zincir Kuralı ve Otomatik Türev	Build	Python
06	Olasılık ve Dağılımlar	Learn	Python
07	Bayes Teoremi ve İstatistiksel Düşünme	Build	Python
08	Optimizasyon: Gradient Descent Ailesi	Build	Python
09	Bilgi Teorisi: Entropi, KL Diverjansı	Learn	Python
10	Boyut İndirgeme: PCA, t-SNE, UMAP	Build	Python
11	Tekil Değer Ayrışımı (SVD)	Build	Python, Julia
12	Tensor İşlemleri	Build	Python
13	Sayısal Kararlılık	Build	Python
14	Normlar ve Uzaklıklar	Build	Python
15	ML için İstatistik	Build	Python
16	Örnekleme Yöntemleri	Build	Python
17	Lineer Sistemler	Build	Python
18	Konveks Optimizasyon	Build	Python
19	Yapay Zeka için Kompleks Sayılar	Learn	Python
20	Fourier Dönüşümü	Build	Python
21	ML için Graf Teorisi	Build	Python
22	Stokastik Süreçler	Learn	Python

Phase 2 — ML Temelleri 18 lessons Klasik ML — hâlâ üretimdeki yapay zekanın çoğunun omurgası.

#	Lesson	Type	Lang
01	Makine Öğrenmesi Nedir?	Learn	Python
02	Sıfırdan Doğrusal Regresyon	Build	Python
03	Lojistik Regresyon ve Sınıflandırma	Build	Python
04	Karar Ağaçları ve Random Forest	Build	Python
05	Support Vector Machine'ler	Build	Python
06	KNN ve Uzaklık Metrikleri	Build	Python
07	Denetimsiz Öğrenme: K-Means, DBSCAN	Build	Python
08	Feature Engineering ve Seçimi	Build	Python
09	Model Değerlendirme: Metrikler, Çapraz Doğrulama	Build	Python
10	Bias, Variance ve Öğrenme Eğrisi	Learn	Python
11	Ensemble Yöntemleri: Boosting, Bagging, Stacking	Build	Python
12	Hiperparametre Ayarlama	Build	Python
13	ML Pipeline'ları ve Deney Takibi	Build	Python
14	Naive Bayes	Build	Python
15	Zaman Serisi Temelleri	Build	Python
16	Anomali Tespiti	Build	Python
17	Dengesiz Veriyle Çalışma	Build	Python
18	Feature Seçimi	Build	Python

Phase 3 — Derin Öğrenme Çekirdeği 13 lessons Sinir ağları ilk prensiplerden. Önce kendin bir tane kurmadan framework yok.

#	Lesson	Type	Lang
01	Perceptron: Her Şeyin Başladığı Yer	Build	Python
02	Çok Katmanlı Ağlar ve Forward Pass	Build	Python
03	Sıfırdan Backpropagation	Build	Python
04	Aktivasyon Fonksiyonları: ReLU, Sigmoid, GELU ve Sebepleri	Build	Python
05	Loss Fonksiyonları: MSE, Cross-Entropy, Contrastive	Build	Python
06	Optimizer'lar: SGD, Momentum, Adam, AdamW	Build	Python
07	Regularization: Dropout, Weight Decay, BatchNorm	Build	Python
08	Weight Initialization ve Eğitim Kararlılığı	Build	Python
09	Learning Rate Schedule'ları ve Warmup	Build	Python
10	Kendi Mini Framework'ünü Kur	Build	Python
11	PyTorch'a Giriş	Build	Python
12	JAX'e Giriş	Build	Python
13	Sinir Ağlarında Hata Ayıklama	Build	Python

Phase 4 — Bilgisayarlı Görü 28 lessons Piksellerden anlama — görsel, video, 3D, VLM'ler ve dünya modelleri.

#	Lesson	Type	Lang
01	Görsel Temelleri: Piksel, Kanal, Renk Uzayları	Learn	Python
02	Sıfırdan Convolution'lar	Build	Python
03	CNN'ler: LeNet'ten ResNet'e	Build	Python
04	Görsel Sınıflandırma	Build	Python
05	Transfer Learning ve Fine-Tuning	Build	Python
06	Nesne Tespiti — Sıfırdan YOLO	Build	Python
07	Semantik Segmentasyon — U-Net	Build	Python
08	Instance Segmentasyon — Mask R-CNN	Build	Python
09	Görsel Üretimi — GAN'lar	Build	Python
10	Görsel Üretimi — Diffusion Modelleri	Build	Python
11	Stable Diffusion — Mimari ve Fine-Tuning	Build	Python
12	Video Anlama — Zamansal Modelleme	Build	Python
13	3D Görü: Point Cloud, NeRF	Build	Python
14	Vision Transformer'lar (ViT)	Build	Python
15	Gerçek Zamanlı Görü: Edge Deployment	Build	Python, Rust
16	Komple Görü Pipeline'ı Kur	Build	Python
17	Öz-Denetimli Görü — SimCLR, DINO, MAE	Build	Python
18	Açık Sözlüklü Görü — CLIP	Build	Python
19	OCR ve Belge Anlama	Build	Python
20	Görsel Erişimi ve Metric Learning	Build	Python
21	Keypoint Tespiti ve Poz Tahmini	Build	Python
22	Sıfırdan 3D Gaussian Splatting	Build	Python
23	Diffusion Transformer'lar ve Rectified Flow	Build	Python
24	SAM 3 ve Açık Sözlüklü Segmentasyon	Build	Python
25	Görsel-Dil Modelleri (ViT-MLP-LLM)	Build	Python
26	Tek Kameralı Derinlik ve Geometri Tahmini	Build	Python
27	Çoklu Nesne Takibi ve Video Belleği	Build	Python
28	Dünya Modelleri ve Video Diffusion	Build	Python

Phase 5 — NLP: Temellerden İleri Seviyeye 29 lessons Dil, zekanın arayüzüdür.

#	Lesson	Type	Lang
01	Metin İşleme: Tokenleştirme, Stemming, Lemmatization	Build	Python
02	Bag of Words, TF-IDF ve Metin Temsili	Build	Python
03	Word Embedding'leri: Sıfırdan Word2Vec	Build	Python
04	GloVe, FastText ve Subword Embedding'leri	Build	Python
05	Duygu Analizi	Build	Python
06	Adlandırılmış Varlık Tanıma (NER)	Build	Python
07	POS Tagging ve Sözdizimsel Ayrıştırma	Build	Python
08	Metin Sınıflandırma — Metin için CNN ve RNN'ler	Build	Python
09	Sequence-to-Sequence Modeller	Build	Python
10	Attention Mekanizması — Büyük Atılım	Build	Python
11	Makine Çevirisi	Build	Python
12	Metin Özetleme	Build	Python
13	Soru-Cevap Sistemleri	Build	Python
14	Bilgi Erişimi ve Arama	Build	Python
15	Konu Modelleme: LDA, BERTopic	Build	Python
16	Metin Üretimi	Build	Python
17	Chatbot'lar: Kural Bazlıdan Sinirsele	Build	Python
18	Çok Dilli NLP	Build	Python
19	Subword Tokenleştirme: BPE, WordPiece, Unigram, SentencePiece	Learn	Python
20	Yapılandırılmış Çıktılar ve Constrained Decoding	Build	Python
21	NLI ve Metinsel Çıkarım	Learn	Python
22	Embedding Modellerine Derin Dalış	Learn	Python
23	RAG için Chunking Stratejileri	Build	Python
24	Coreference Çözümü	Learn	Python
25	Varlık Bağlama ve Belirsizlik Giderme	Build	Python
26	Bağıntı Çıkarımı ve Bilgi Grafı Kurma	Build	Python
27	LLM Değerlendirmesi: RAGAS, DeepEval, G-Eval	Build	Python
28	Uzun Bağlam Değerlendirmesi: NIAH, RULER, LongBench, MRCR	Learn	Python
29	Diyalog Durum Takibi	Build	Python

Phase 6 — Konuşma ve Ses 17 lessons Duy, anla, konuş.

#	Lesson	Type	Lang
01	Ses Temelleri: Dalga Formları, Örnekleme, FFT	Learn	Python
02	Spektrogramlar, Mel Ölçeği ve Ses Öznitelikleri	Build	Python
03	Ses Sınıflandırma	Build	Python
04	Konuşma Tanıma (ASR)	Build	Python
05	Whisper: Mimari ve Fine-Tuning	Build	Python
06	Konuşmacı Tanıma ve Doğrulama	Build	Python
07	Metinden Konuşmaya (TTS)	Build	Python
08	Ses Klonlama ve Ses Dönüşümü	Build	Python
09	Müzik Üretimi	Build	Python
10	Ses-Dil Modelleri	Build	Python
11	Gerçek Zamanlı Ses İşleme	Build	Python, Rust
12	Sesli Asistan Pipeline'ı Kur	Build	Python
13	Neural Audio Codec'ler — EnCodec, SNAC, Mimi, DAC	Learn	Python
14	Ses Etkinliği Tespiti ve Sıra Geçişi	Build	Python
15	Streaming Konuşmadan Konuşmaya — Moshi, Hibiki	Learn	Python
16	Ses Sahteciliğine Karşı Koruma ve Ses Damgalama	Build	Python
17	Ses Değerlendirmesi — WER, MOS, MMAU, Leaderboard'lar	Learn	Python

Phase 7 — Transformer'lara Derin Dalış 14 lessons Her şeyi değiştiren mimari.

#	Lesson	Type	Lang
01	Neden Transformer: RNN'lerin Problemleri	Learn	Python
02	Sıfırdan Self-Attention	Build	Python
03	Multi-Head Attention	Build	Python
04	Positional Encoding: Sinüsoidal, RoPE, ALiBi	Build	Python
05	Tam Transformer: Encoder + Decoder	Build	Python
06	BERT — Masked Language Modeling	Build	Python
07	GPT — Causal Language Modeling	Build	Python
08	T5, BART — Encoder-Decoder Modeller	Learn	Python
09	Vision Transformer'lar (ViT)	Build	Python
10	Ses Transformer'ları — Whisper Mimarisi	Learn	Python
11	Mixture of Experts (MoE)	Build	Python
12	KV Cache, Flash Attention ve Çıkarım Optimizasyonu	Build	Python
13	Scaling Laws	Learn	Python
14	Sıfırdan Transformer Kur	Build	Python

Phase 8 — Üretken Yapay Zeka 14 lessons Görsel, video, ses, 3D ve daha fazlasını üret.

#	Lesson	Type	Lang
01	Üretken Modeller: Taksonomi ve Tarihçe	Learn	Python
02	Autoencoder'lar ve VAE	Build	Python
03	GAN'lar: Generator vs Discriminator	Build	Python
04	Koşullu GAN'lar ve Pix2Pix	Build	Python
05	StyleGAN	Build	Python
06	Diffusion Modelleri — Sıfırdan DDPM	Build	Python
07	Latent Diffusion ve Stable Diffusion	Build	Python
08	ControlNet, LoRA ve Koşullama	Build	Python
09	Inpainting, Outpainting ve Düzenleme	Build	Python
10	Video Üretimi	Build	Python
11	Ses Üretimi	Build	Python
12	3D Üretimi	Build	Python
13	Flow Matching ve Rectified Flow	Build	Python
14	Değerlendirme: FID, CLIP Skoru	Build	Python

Phase 9 — Pekiştirmeli Öğrenme 12 lessons RLHF'nin ve oyun oynayan yapay zekaların temeli.

#	Lesson	Type	Lang
01	MDP'ler, State'ler, Aksiyon'lar ve Ödüller	Learn	Python
02	Dinamik Programlama	Build	Python
03	Monte Carlo Yöntemleri	Build	Python
04	Q-Learning, SARSA	Build	Python
05	Deep Q-Network (DQN)	Build	Python
06	Policy Gradient — REINFORCE	Build	Python
07	Actor-Critic — A2C, A3C	Build	Python
08	PPO	Build	Python
09	Reward Modelleme ve RLHF	Build	Python
10	Çoklu-Agent RL	Build	Python
11	Sim-to-Real Aktarımı	Build	Python
12	Oyunlar için RL	Build	Python

Phase 10 — Sıfırdan LLM'ler 22 lessons Büyük dil modellerini kur, eğit ve anla.

#	Lesson	Type	Lang
01	Tokenleştiriciler: BPE, WordPiece, SentencePiece	Build	Python
02	Sıfırdan Tokenleştirici Kurmak	Build	Python
03	Pretraining için Veri Pipeline'ları	Build	Python
04	Mini GPT'yi Pretraining (124M)	Build	Python
05	Dağıtık Eğitim, FSDP, DeepSpeed	Build	Python
06	Instruction Tuning — SFT	Build	Python
07	RLHF — Reward Model + PPO	Build	Python
08	DPO — Direct Preference Optimization	Build	Python
09	Constitutional AI ve Öz-Gelişim	Build	Python
10	Değerlendirme — Benchmark'lar, Eval'ler	Build	Python
11	Quantization: INT8, GPTQ, AWQ, GGUF	Build	Python, Rust
12	Çıkarım Optimizasyonu	Build	Python
13	Komple LLM Pipeline'ı Kurmak	Build	Python
14	Açık Modeller: Mimari Turları	Learn	Python
15	Speculative Decoding ve EAGLE-3	Build	Python
16	Differential Attention (V2)	Build	Python
17	Native Sparse Attention (DeepSeek NSA)	Build	Python
18	Multi-Token Prediction (MTP)	Build	Python
19	DualPipe Paralelliği	Learn	Python
20	DeepSeek-V3 Mimari Turu	Learn	Python
21	Jamba — Hibrit SSM-Transformer	Learn	Python
22	Async ve Hogwild! Çıkarım	Build	Python

Phase 11 — LLM Mühendisliği 17 lessons LLM'leri üretimde çalıştır.

#	Lesson	Type	Lang
01	Prompt Engineering: Teknikler ve Desenler	Build	Python
02	Few-Shot, CoT, Tree-of-Thought	Build	Python
03	Yapılandırılmış Çıktılar	Build	Python, TypeScript
04	Embedding'ler ve Vektör Temsilleri	Build	Python
05	Context Engineering	Build	Python, TypeScript
06	RAG: Retrieval-Augmented Generation	Build	Python, TypeScript
07	İleri RAG: Chunking, Reranking	Build	Python
08	LoRA ve QLoRA ile Fine-Tuning	Build	Python
09	Function Calling ve Tool Use	Build	Python
10	Değerlendirme ve Test	Build	Python
11	Caching, Rate Limiting ve Maliyet	Build	Python
12	Guardrail'ler ve Güvenlik	Build	Python
13	Üretime Hazır LLM Uygulaması Kurmak	Build	Python
14	Model Context Protocol (MCP)	Build	Python
15	Prompt Caching ve Context Caching	Build	Python
16	LangGraph: Agent'lar için State Machine'ler	Build	Python
17	Agent Framework Karşılaştırması	Learn	Python

Phase 12 — Multimodal Yapay Zeka 25 lessons Gör, duy, oku ve modaliteler arası akıl yürüt — ViT patch'lerinden computer-use agent'larına.

#	Lesson	Type	Lang
01	Vision Transformer'lar ve Patch-Token Temeli	Learn	Python
02	CLIP ve Contrastive Vision-Language Pretraining	Build	Python
03	BLIP-2 Q-Former: Modalite Köprüsü	Build	Python
04	Flamingo ve Gated Cross-Attention	Learn	Python
05	LLaVA ve Visual Instruction Tuning	Build	Python
06	Herhangi Çözünürlükte Görü — Patch-n'-Pack ve NaFlex	Build	Python
07	Açık Ağırlıklı VLM Tarifleri: Gerçekte Ne Önemli	Learn	Python
08	LLaVA-OneVision: Tek, Çok, Video	Build	Python
09	Qwen-VL Ailesi ve Dinamik FPS Video	Learn	Python
10	InternVL3 Native Multimodal Pretraining	Learn	Python
11	Chameleon Early-Fusion Token-Only	Build	Python
12	Emu3 Üretim için Next-Token Tahmini	Learn	Python
13	Transfusion Autoregressive + Diffusion	Build	Python
14	Show-o Discrete-Diffusion Birleşik	Learn	Python
15	Janus-Pro Ayrık Encoder'lar	Build	Python
16	MIO Any-to-Any Streaming	Learn	Python
17	Video-Dil Zamansal Temellendirme	Build	Python
18	Million-Token Bağlamda Uzun Video	Build	Python
19	Ses-Dil Modelleri: Whisper'dan AF3'e	Build	Python
20	Omni Modeller: Thinker-Talker Streaming	Build	Python
21	Embodied VLA'lar: RT-2, OpenVLA, π0, GR00T	Learn	Python
22	Belge ve Diyagram Anlama	Build	Python
23	ColPali Vision-Native Belge RAG'ı	Build	Python
24	Multimodal RAG ve Cross-Modal Erişim	Build	Python
25	Multimodal Agent'lar ve Computer-Use (Capstone)	Build	Python

Phase 13 — Tool'lar ve Protokoller 23 lessons Yapay zeka ile gerçek dünya arasındaki arayüzler.

#	Lesson	Type	Lang
01	Tool Arayüzü	Learn	Python
02	Function Calling Derin Dalış	Build	Python
03	Paralel ve Streaming Tool Çağrıları	Build	Python
04	Yapılandırılmış Çıktı	Build	Python
05	Tool Şema Tasarımı	Learn	Python
06	MCP Temelleri	Learn	Python
07	MCP Sunucusu Kurmak	Build	Python
08	MCP İstemcisi Kurmak	Build	Python
09	MCP Transport'ları	Learn	Python
10	MCP Resource'ları ve Prompt'lar	Build	Python
11	MCP Sampling	Build	Python
12	MCP Root'ları ve Elicitation	Build	Python
13	MCP Async Görevleri	Build	Python
14	MCP Uygulamaları	Build	Python
15	MCP Güvenlik I — Tool Zehirlenmesi	Learn	Python
16	MCP Güvenlik II — OAuth 2.1	Build	Python
17	MCP Gateway'leri ve Registry'leri	Learn	Python
18	Üretimde MCP Auth — DCR + JWKS	Build	Python
19	A2A Protokolü	Build	Python
20	OpenTelemetry GenAI	Build	Python
21	LLM Routing Katmanı	Learn	Python
22	Skill'ler ve Agent SDK'ları	Learn	Python
23	Capstone — Tool Ekosistemi	Build	Python

Phase 14 — Agent Mühendisliği 42 lessons Agent'ları ilk prensiplerden kur — döngü, bellek, planlama, framework'ler, benchmark'lar, üretim, workbench.

#	Lesson	Type	Lang
01	Agent Döngüsü	Build	Python
02	ReWOO ve Plan-and-Execute	Build	Python
03	Reflexion ve Sözel Pekiştirmeli Öğrenme	Build	Python
04	Tree of Thoughts ve LATS	Build	Python
05	Self-Refine ve CRITIC	Build	Python
06	Tool Use ve Function Calling	Build	Python
07	Bellek — Virtual Context ve MemGPT	Build	Python
08	Memory Blocks ve Sleep-Time Compute	Build	Python
09	Hibrit Bellek — Mem0 Vector + Graph + KV	Build	Python
10	Skill Kütüphaneleri ve Yaşam Boyu Öğrenme — Voyager	Build	Python
11	HTN ve Evrimsel Arama ile Planlama	Build	Python
12	Anthropic'in İş Akışı Desenleri	Build	Python
13	LangGraph — Stateful Graf'lar ve Durable Execution	Build	Python
14	AutoGen v0.4 — Actor Model	Build	Python
15	CrewAI — Rol Tabanlı Crew'ler ve Flow'lar	Build	Python
16	OpenAI Agents SDK — Handoff, Guardrail, Tracing	Build	Python
17	Claude Agent SDK — Subagent'lar ve Session Store	Build	Python
18	Agno ve Mastra — Üretim Runtime'ları	Learn	Python, TypeScript
19	Benchmark'lar — SWE-bench, GAIA, AgentBench	Learn	Python
20	Benchmark'lar — WebArena ve OSWorld	Learn	Python
21	Computer Use — Claude, OpenAI CUA, Gemini	Build	Python
22	Sesli Agent'lar — Pipecat ve LiveKit	Build	Python
23	OpenTelemetry GenAI Semantik Konvansiyonları	Build	Python
24	Agent Observability — Langfuse, Phoenix, Opik	Learn	Python
25	Çoklu-Agent Tartışma ve İş Birliği	Build	Python
26	Failure Mode'lar — Agent'lar Neden Kırılır	Build	Python
27	Prompt Injection ve PVE Savunması	Build	Python
28	Orkestrasyon Desenleri — Supervisor, Swarm, Hiyerarşik	Build	Python
29	Üretim Runtime'ları — Queue, Event, Cron	Learn	Python
30	Eval-Güdümlü Agent Geliştirme	Build	Python
31	Agent Workbench: Yetkin Modeller Neden Hâlâ Başarısız Oluyor	Learn	Python
32	Minimum Agent Workbench'i	Build	Python
33	Yürütülebilir Kısıtlar Olarak Agent Talimatları	Build	Python
34	Repo Belleği ve Durable State	Build	Python
35	Agent'lar için Başlangıç Script'leri	Build	Python
36	Scope Sözleşmeleri ve Görev Sınırları	Build	Python
37	Runtime Geri Bildirim Döngüleri	Build	Python
38	Doğrulama Kapıları	Build	Python
39	Reviewer Agent: Yapıcıyı İşaretçiden Ayır	Build	Python
40	Çoklu Oturum Handoff'u	Build	Python
41	Gerçek Repo Üzerinde Workbench	Build	Python
42	Capstone: Yeniden Kullanılabilir Agent Workbench Paketi Yayınla	Build	Python

Faz 14'ün her workbench dersi (31-42), agent tam ders dokümanlarını açmadan önce onu brifingleyen bir mission.md ile birlikte gelir.

Phase 15 — Otonom Sistemler 22 lessons Uzun ufuklu agent'lar, öz-gelişim ve 2026 güvenlik yığını.

#	Lesson	Type	Lang
01	Chatbot'lardan Uzun Ufuklu Agent'lara (METR)	Learn	Python
02	STaR, V-STaR, Quiet-STaR: Kendi Kendine Öğretilen Akıl Yürütme	Learn	Python
03	AlphaEvolve: Evrimsel Kodlama Agent'ları	Learn	Python
04	Darwin Gödel Makinesi: Öz-Değişen Agent'lar	Learn	Python
05	AI Scientist v2: Atölye Seviyesinde Araştırma	Learn	Python
06	Otomatik Alignment Araştırması (Anthropic AAR)	Learn	Python
07	Özyinelemeli Öz-Gelişim: Yetenek vs Alignment	Learn	Python
08	Sınırlı Öz-Gelişim Tasarımları	Learn	Python
09	Otonom Kodlama Agent Manzarası (SWE-bench, CodeAct)	Learn	Python
10	Claude Code İzin Modları ve Auto Mode	Learn	Python
11	Browser Agent'lar ve Dolaylı Prompt Injection	Learn	Python
12	Uzun Süreli Agent'lar için Durable Execution	Learn	Python
13	Aksiyon Bütçeleri, Iterasyon Sınırları, Maliyet Yöneticileri	Learn	Python
14	Kill Switch, Circuit Breaker, Canary Token'lar	Learn	Python
15	HITL: Öner-Sonra-Commit	Learn	Python
16	Checkpoint'ler ve Rollback	Learn	Python
17	Constitutional AI ve Kural Override'ları	Learn	Python
18	Llama Guard ve Giriş/Çıkış Sınıflandırması	Learn	Python
19	Anthropic Responsible Scaling Policy v3.0	Learn	Python
20	OpenAI Preparedness Framework ve DeepMind FSF	Learn	Python
21	METR Zaman Ufukları ve Dış Değerlendirme	Learn	Python
22	CAIS, CAISI ve Toplumsal Ölçekli Risk	Learn	Python

Phase 16 — Çoklu-Agent ve Sürüler 25 lessons Koordinasyon, yükselen davranış ve kolektif zeka.

#	Lesson	Type	Lang
01	Neden Çoklu-Agent	Learn	TypeScript
02	FIPA-ACL Mirası ve Speech Act'ler	Learn	Python
03	İletişim Protokolleri	Build	TypeScript
04	Çoklu-Agent İlkel Modeli	Learn	Python
05	Supervisor / Orchestrator-Worker Deseni	Build	Python
06	Hiyerarşik Mimari ve Decomposition Drift	Learn	Python
07	Society of Mind ve Çoklu-Agent Tartışması	Build	Python
08	Rol Uzmanlaşması — Planner / Critic / Executor / Verifier	Build	Python
09	Paralel Sürü ve Ağ Tabanlı Mimariler	Build	Python
10	Group Chat ve Konuşmacı Seçimi	Build	Python
11	Handoff'lar ve Routine'ler (Stateless Orkestrasyon)	Build	Python
12	A2A — Agent-to-Agent Protokolü	Build	Python
13	Paylaşılan Bellek ve Blackboard Desenleri	Build	Python
14	Konsensüs ve Byzantine Fault Tolerance	Build	Python
15	Oylama, Self-Consistency ve Tartışma Topolojisi	Build	Python
16	Müzakere ve Pazarlık	Build	Python
17	Üretken Agent'lar ve Yükselen Simülasyon	Build	Python
18	Theory of Mind ve Yükselen Koordinasyon	Build	Python
19	Sürü Optimizasyonu (PSO, ACO)	Build	Python
20	MARL — MADDPG, QMIX, MAPPO	Learn	Python
21	Agent Ekonomileri, Token Teşvikleri, Reputation	Learn	Python
22	Üretimde Ölçekleme — Queue'lar, Checkpoint'ler, Dayanıklılık	Build	Python
23	Failure Mode'lar — MAST, Groupthink, Monokültür	Learn	Python
24	Değerlendirme ve Koordinasyon Benchmark'ları	Learn	Python
25	Vaka İncelemeleri ve 2026 State of the Art	Learn	Python

Phase 17 — Altyapı ve Üretim 28 lessons Yapay zekayı gerçek dünyaya çıkar.

#	Lesson	Type	Lang
01	Yönetilen LLM Platformları — Bedrock, Azure OpenAI, Vertex AI	Learn	Python
02	Çıkarım Platformu Ekonomisi — Fireworks, Together, Baseten, Modal	Learn	Python
03	Kubernetes'te GPU Autoscaling — Karpenter, KAI Scheduler	Learn	Python
04	vLLM Serving İçyapısı — PagedAttention, Continuous Batching, Chunked Prefill	Learn	Python
05	Üretimde EAGLE-3 Speculative Decoding	Learn	Python
06	Prefix-Ağırlıklı İş Yükleri için SGLang ve RadixAttention	Learn	Python
07	Blackwell'de FP8 ve NVFP4 ile TensorRT-LLM	Learn	Python
08	Çıkarım Metrikleri — TTFT, TPOT, ITL, Goodput, P99	Learn	Python
09	Üretimde Quantization — AWQ, GPTQ, GGUF, FP8, NVFP4	Learn	Python
10	Serverless LLM'lerde Cold Start Azaltma	Learn	Python
11	Çoklu Bölgede LLM Serving ve KV Cache Yerelliği	Learn	Python
12	Edge Çıkarım — ANE, Hexagon, WebGPU, Jetson	Learn	Python
13	LLM Observability Yığını Seçimi	Learn	Python
14	Prompt Caching ve Semantik Caching Ekonomisi	Learn	Python
15	Batch API'leri — %50 İndirim Endüstri Standardı Olarak	Learn	Python
16	Maliyet Düşürme İlkeli Olarak Model Routing	Learn	Python
17	Ayrıştırılmış Prefill/Decode — NVIDIA Dynamo ve llm-d	Learn	Python
18	LMCache KV Offloading ile vLLM Üretim Yığını	Learn	Python
19	AI Gateway'leri — LiteLLM, Portkey, Kong, Bifrost	Learn	Python
20	Shadow, Canary ve Aşamalı Deployment	Learn	Python
21	LLM Feature'larında A/B Test — GrowthBook ve Statsig	Learn	Python
22	LLM API'lerinde Yük Testi — k6, LLMPerf, GenAI-Perf	Build	Python
23	Yapay Zeka için SRE — Çoklu-Agent Incident Response	Learn	Python
24	LLM Üretiminde Chaos Engineering	Learn	Python
25	Güvenlik — Secret'lar, PII Temizleme, Audit Log'ları	Learn	Python
26	Uyumluluk — SOC 2, HIPAA, GDPR, EU AI Act, ISO 42001	Learn	Python
27	LLM'ler için FinOps — Birim Ekonomisi ve Multi-Tenant Atfetme	Learn	Python
28	Self-Hosted Serving Seçimi — llama.cpp, Ollama, TGI, vLLM, SGLang	Learn	Python

Phase 18 — Etik, Güvenlik ve Alignment 30 lessons İnsanlığa yardım eden yapay zeka kur. Opsiyonel değil.

#	Lesson	Type	Lang
01	Alignment Sinyali Olarak Talimat Takibi	Learn	Python
02	Reward Hacking ve Goodhart Yasası	Learn	Python
03	Direct Preference Optimization Ailesi	Learn	Python
04	RLHF Amplifikasyonu Olarak Sycophancy	Learn	Python
05	Constitutional AI ve RLAIF	Learn	Python
06	Mesa-Optimization ve Aldatıcı Alignment	Learn	Python
07	Sleeper Agent'lar — Kalıcı Aldatma	Learn	Python
08	Frontier Modellerinde In-Context Scheming	Learn	Python
09	Alignment Faking	Learn	Python
10	AI Control — Yıkıcılığa Rağmen Güvenlik	Learn	Python
11	Scalable Oversight ve Weak-to-Strong	Learn	Python
12	Red-Teaming: PAIR ve Otomatik Saldırılar	Build	Python
13	Many-Shot Jailbreaking	Learn	Python
14	ASCII Art ve Görsel Jailbreak'ler	Build	Python
15	Dolaylı Prompt Injection	Build	Python
16	Red-Team Araç Seti: Garak, Llama Guard, PyRIT	Build	Python
17	WMDP ve Dual-Use Yetenek Değerlendirmesi	Learn	Python
18	Frontier Güvenlik Çerçeveleri — RSP, PF, FSF	Learn	—
19	Model Welfare Araştırması	Learn	Python
20	Bias ve Temsili Zararlar	Build	Python
21	Fairness Kriterleri: Grup, Bireysel, Karşıolgusal	Learn	Python
22	LLM'ler için Differential Privacy	Build	Python
23	Watermarking: SynthID, Stable Signature, C2PA	Build	Python
24	Düzenleyici Çerçeveler: AB, ABD, BK, Kore	Learn	—
25	EchoLeak ve Yapay Zeka için CVE'ler	Learn	Python
26	Model, System ve Dataset Card'ları	Build	Python
27	Veri Provenance ve Eğitim Verisi Yönetişimi	Learn	Python
28	Alignment Araştırma Ekosistemi: MATS, Redwood, Apollo, METR	Learn	—
29	Moderasyon Sistemleri: OpenAI, Perspective, Llama Guard	Build	Python
30	Dual-Use Riski: Siber, Biyo, Kimya, Nükleer	Learn	—

Phase 19 — Capstone Projeleri 17 projects 2026 uçtan uca yayınlanabilir ürünler, her biri 20-40 saat.

#	Project	Combines	Lang
01	Terminal-Native Kodlama Agent'ı	P0 P5 P7 P10 P11 P13 P14 P15 P17 P18	TypeScript, Python
02	Kod Tabanı Üzerinde RAG (Cross-Repo Semantik Arama)	P5 P7 P11 P13 P17	Python, TypeScript
03	Gerçek Zamanlı Sesli Asistan (ASR → LLM → TTS)	P6 P7 P11 P13 P14 P17	Python, TypeScript
04	Multimodal Belge Soru-Cevap (Vision-First)	P4 P5 P7 P11 P12 P17	Python, TypeScript
05	Otonom Araştırma Agent'ı (AI-Scientist Sınıfı)	P0 P2 P3 P7 P10 P14 P15 P16 P18	Python
06	Kubernetes için DevOps Sorun Giderme Agent'ı	P11 P13 P14 P15 P17 P18	Python, TypeScript
07	Uçtan Uca Fine-Tuning Pipeline'ı	P2 P3 P7 P10 P11 P17 P18	Python
08	Üretime Hazır RAG Chatbot (Düzenlemeli Dikey)	P5 P7 P11 P12 P17 P18	Python, TypeScript
09	Kod Migrasyon Agent'ı (Repo Seviyesinde Güncelleme)	P5 P7 P11 P13 P14 P15 P17	Python, TypeScript
10	Çoklu-Agent Yazılım Mühendisliği Takımı	P11 P13 P14 P15 P16 P17	Python, TypeScript
11	LLM Observability ve Eval Dashboard'u	P11 P13 P17 P18	TypeScript, Python
12	Video Anlama Pipeline'ı (Sahne → Soru-Cevap)	P4 P6 P7 P11 P12 P17	Python, TypeScript
13	Registry ve Yönetişimli MCP Sunucusu	P11 P13 P14 P17 P18	Python, TypeScript
14	Speculative-Decoding Çıkarım Sunucusu	P3 P7 P10 P17	Python
15	Constitutional Güvenlik Harness'ı + Red-Team Sahası	P10 P11 P13 P14 P18	Python
16	GitHub Issue'dan PR'a Otonom Agent	P11 P13 P14 P15 P17	Python, TypeScript
17	Kişisel Yapay Zeka Tutor'u (Uyarlanır, Multimodal)	P5 P6 P11 P12 P14 P17 P18	Python, TypeScript

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

Araç Seti

Her ders yeniden kullanılabilir bir artifact üretir. Sonunda elinde şunlar olur:

outputs/
├── prompts/      her AI görevi için prompt şablonları
└── skills/       AI kodlama agent'ları için SKILL.md dosyaları

python3 scripts/install_skills.py ile kur. Claude, Cursor, Codex, OpenClaw, Hermes ya da herhangi bir MCP uyumlu agent'a tak. Gerçek araçlar, ev ödevi değil.

Tüm Kurs Skill'lerini Agent'ına Yükle

Repo, phases/**/outputs/ altında 378 skill ve 99 prompt taşır. scripts/install_skills.py her artifact'i gezer, YAML frontmatter'ını parse eder ve eşleşen dosyaları agent'ının beklediği yerleşimle bir hedef klasöre kopyalar.

python3 scripts/install_skills.py ~/.claude/skills                 # tüm skill'ler, nested yerleşim
python3 scripts/install_skills.py ./out --type all                 # skills + prompts + agents
python3 scripts/install_skills.py ./out --phase 14                 # yalnızca bir faz
python3 scripts/install_skills.py ./out --tag rag                  # etikete göre filtrele
python3 scripts/install_skills.py ./out --layout flat              # düz dosyalar
python3 scripts/install_skills.py ./out --dry-run                  # yazmadan önizle
python3 scripts/install_skills.py ./out --force                    # mevcut dosyaların üstüne yaz

Varsayılan olarak script mevcut bir hedefin üzerine yazmayı reddeder ve çakışan tüm yolları listeledikten sonra kod 1 ile çıkar. Çakışmaları önizlemek için --dry-run, üzerine yazmak için --force kullan. Dry-run olmayan her çalıştırma, hedefe tür ve faza göre gruplanmış tam envanteri içeren bir manifest.json yazar. Agent'ının okuduğu yerleşimi seç:

`--layout`	Yazılan Yol
`skills`	`<target>/<name>/SKILL.md` (Claude / Cursor konvansiyonu)
`by-phase`	`<target>/phase-NN/<name>.md`
`flat`	`<target>/<name>.md`

Agent Workbench'ini Kendi Repona Bırak

Faz 14 capstone'u yeniden kullanılabilir bir Agent Workbench paketi (AGENTS.md, şemalar, init / verify / handoff script'leri) taşır. Herhangi bir repoya iskele kur:

python3 scripts/scaffold_workbench.py path/to/your-repo            # tam paket + seed'ler
python3 scripts/scaffold_workbench.py path/to/your-repo --minimal  # docs/'u atla
python3 scripts/scaffold_workbench.py path/to/your-repo --dry-run  # yalnızca önizleme
python3 scripts/scaffold_workbench.py path/to/your-repo --force    # üzerine yaz

Yedi workbench yüzeyi bağlanmış olarak, bir başlangıç task_board.json'u ve schema_version: 1'deki yepyeni bir agent_state.json ile karşılaşırsın. Buradan: görevi düzenle, AGENTS.md'yi düzenle, scripts/init_agent.py'ı çalıştır, sözleşmeyi agent'ına teslim et. Paket kaynağı şurada: phases/14-agent-engineering/42-agent-workbench-capstone/outputs/agent-workbench-pack/.

Tüm Kursu JSON Olarak Tara

scripts/build_catalog.py her fazı, her dersi, diskteki her artifact'i gezer ve repo köküne catalog.json yazar. Tek dosya, tüm kurs gerçeği.

python3 scripts/build_catalog.py               # <repo>/catalog.json yazar
python3 scripts/build_catalog.py --stdout      # stdout'a, repoya dokunma
python3 scripts/build_catalog.py --out path/to/file.json

Katalog README'den değil dosya sisteminden türetilir, yani sayılar her zaman diskteki gerçekle eşleşir. Site build'leri, alt akış tooling'i için veya README sayılarının sapmadığını doğrulamak için kullan. Şema script'in en üstünde belgelenmiştir.

Bir GitHub Action (.github/workflows/curriculum.yml) her PR'de catalog.json'u yeniden inşa eder ve commit edilmiş dosya bayatsa build'i fail eder. Herhangi bir dersi düzenledikten sonra python3 scripts/build_catalog.py çalıştır ve sonucu commit et, yoksa CI PR'yi reddeder. Aynı workflow audit_lessons.py'ı warn-only modda çalıştırır (yani mevcut sapma katkıcıları engellemez).

Her Dersin Python Kodunu Smoke-Test Et

scripts/lesson_run.py her dersin code/ klasörü altındaki her .py dosyasını byte-compile eder. Varsayılan mod yalnızca sözdizimi kontrolüdür — yürütme yok, API anahtarı yok, ağır ML bağımlılığı gerekmez. Katkıcıların en sık yaptığı regresyonları yakalar (bozuk girinti, kırık f-string'ler, yanlışlıkla yapılan düzenlemeler).

python3 scripts/lesson_run.py                  # tüm curriculum'un sözdizimini kontrol et
python3 scripts/lesson_run.py --phase 14       # yalnızca bir faz
python3 scripts/lesson_run.py --json           # stdout'a JSON raporu
python3 scripts/lesson_run.py --strict         # herhangi bir ders fail ederse exit 1
python3 scripts/lesson_run.py --execute        # gerçekten çalıştır, ders başına 10s timeout

--execute her dersin code/main.py'ını (ya da ilk .py dosyasını) 10 saniyelik timeout ile çalıştırır. Giriş dosyası non-stdlib bağımlılıkları listeleyen bir # requires: pkg1, pkg2 yorumuyla başlayan dersler needs <deps> nedeniyle atlanır. Script opt-in'dir ve CI'a bağlanmamıştır.

Sadece stdlib, Python 3.10+. Varsayılan atlama listesini (twitter.com, x.com, linkedin.com, instagram.com, medium.com — otomatik HEAD/GET'i agresifçe engelleyen domain'ler) geçersiz kılmak için LINK_CHECK_SKIP=domain1,domain2 set et.

Nereden Başlanır

Geçmiş	Başlangıç	Tahmini süre
Programlamaya ve AI'a yeni	Faz 0 — Kurulum	~306 saat
Python'u biliyor, ML'e yeni	Faz 1 — Matematik Temelleri	~270 saat
ML'i biliyor, derin öğrenmeye yeni	Faz 3 — Derin Öğrenme Çekirdeği	~200 saat
Derin öğrenmeyi biliyor, LLM ve agent istiyor	Faz 10 — Sıfırdan LLM'ler	~100 saat
Senior engineer, yalnızca agent engineering istiyor	Faz 14 — Agent Mühendisliği	~60 saat

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

Neden Şimdi Önemli

_{FIG_003 · A}
SEKTÖR SİNYALİ

_{FIG_003 · B}
KAPSANAN TEMEL MAKALELER

"En sıcak yeni programlama dili İngilizce."
— Andrej Karpathy (tweet)

"Yazılım mühendisliği gözümüzün önünde yeniden şekilleniyor."
— Boris Cherny, Claude Code'un yaratıcısı

"Modeller iyileşmeye devam edecek. Bileşik faiz veren skill, ne inşa edeceğini bilmek."
— Sektör uzlaşısı, 2026

Attention Is All You Need — Vaswani vd., 2017 → Faz 7
Language Models are Few-Shot Learners (GPT-3) → Faz 10
Denoising Diffusion Probabilistic Models → Faz 8
InstructGPT / RLHF → Faz 10
Direct Preference Optimization → Faz 10
Chain-of-Thought Prompting → Faz 11
ReAct: Reasoning + Acting in LLMs → Faz 14
Model Context Protocol — Anthropic → Faz 13

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

Katkı

Amaç	Belge
Ders ya da düzeltme katkısı	`CONTRIBUTING.tr.md` · EN
Takım ya da okul için fork	`FORKING.tr.md` · EN
Ders şablonu	`LESSON_TEMPLATE.tr.md` · EN
İlerlemeyi izle	`ROADMAP.tr.md` · EN
Sözlük	`glossary/terms.tr.md` · EN
Davranış kuralları	`CODE_OF_CONDUCT.tr.md` · EN
Değişiklik günlüğü	`CHANGELOG.tr.md` · EN
PR şablonu	`.github/PULL_REQUEST_TEMPLATE.md` (TR)
Issue şablonları	`.github/ISSUE_TEMPLATE/` (TR)
Çeviri konvansiyonları	`CLAUDE.md`

Bu repo rohitg00/ai-engineering-from-scratch'in MIT lisanslı Türkçe uyarlamasıdır. İngilizce ders içeriği ile ilgili katkıları lütfen upstream'e gönderin; Türkçe çeviri, terim seçimi ve site UX'i ile ilgili katkıları bu repoya gönderebilirsiniz.

Bir ders göndermeden önce invariant kontrolünü çalıştır:

python3 scripts/audit_lessons.py           # tam curriculum
python3 scripts/audit_lessons.py --phase 14  # tek faz
python3 scripts/audit_lessons.py --json    # CI dostu çıktı

Herhangi bir kural fail ettiğinde exit kodu sıfırdan farklıdır. Kurallar (L001–L010) dizin yapısını, docs/en.md varlığı + H1'i, code/ boş olmamasını, quiz.json şemasını (issue #102'ye neden olan legacy q/choices/answer anahtarlarını reddeder) ve ders dokümanlarındaki göreli linkleri doğrular.

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

Star Geçmişi

Bu kılavuz işine yaradıysa repoyu star'la. Projeyi ayakta tutar.

Lisans

MIT. Nasıl istersen kullan — fork'la, öğret, sat, yayınla. Atıf takdir edilir, zorunlu değildir.

Rohit Ghumare ve topluluk tarafından sürdürülür.

_{@ghumare64 ·
ai-muhendisligi.komunite.com.tr ·
Bildir / Öner}

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Repository files navigation

Nasıl İşliyor

Curriculum'un Şekli

Bir Dersin Şekli

Başlangıç

Önkoşullar

Yerleşik Agent Skill'leri (Claude, Cursor, Codex, OpenClaw, Hermes)

Her Ders Bir Şey Yayınlar

FIG_002 · İşlenmiş Örnek

İçerik

Phase 0: Kurulum ve Araçlar `12 lessons`

Araç Seti

Tüm Kurs Skill'lerini Agent'ına Yükle

Agent Workbench'ini Kendi Repona Bırak

Tüm Kursu JSON Olarak Tara

Her Dersin Python Kodunu Smoke-Test Et

Nereden Başlanır

Neden Şimdi Önemli

Katkı

Star Geçmişi

Lisans

About

Uh oh!

Releases 1

Packages

Uh oh!

Contributors

Uh oh!

Languages

Name		Name	Last commit message	Last commit date
Latest commit History 1,145 Commits
.claude/skills		.claude/skills
.github		.github
assets		assets
glossary		glossary
outputs		outputs
phases		phases
projects		projects
scripts		scripts
site		site
web		web
.coderabbit.yaml		.coderabbit.yaml
.gitignore		.gitignore
CHANGELOG.md		CHANGELOG.md
CHANGELOG.tr.md		CHANGELOG.tr.md
CLAUDE.md		CLAUDE.md
CODE_OF_CONDUCT.md		CODE_OF_CONDUCT.md
CODE_OF_CONDUCT.tr.md		CODE_OF_CONDUCT.tr.md
CONTRIBUTING.md		CONTRIBUTING.md
CONTRIBUTING.tr.md		CONTRIBUTING.tr.md
FORKING.md		FORKING.md
FORKING.tr.md		FORKING.tr.md
LESSON_TEMPLATE.md		LESSON_TEMPLATE.md
LESSON_TEMPLATE.tr.md		LESSON_TEMPLATE.tr.md
LICENSE		LICENSE
README.md		README.md
ROADMAP.md		ROADMAP.md
ROADMAP.tr.md		ROADMAP.tr.md
catalog.json		catalog.json
requirements.txt		requirements.txt
vercel.json		vercel.json

Uh oh!

Folders and files

Latest commit

History

Repository files navigation

Nasıl İşliyor

Curriculum'un Şekli

Bir Dersin Şekli

Başlangıç

Önkoşullar

Yerleşik Agent Skill'leri (Claude, Cursor, Codex, OpenClaw, Hermes)

Her Ders Bir Şey Yayınlar

FIG_002 · İşlenmiş Örnek

İçerik

Phase 0: Kurulum ve Araçlar 12 lessons

Araç Seti

Tüm Kurs Skill'lerini Agent'ına Yükle

Agent Workbench'ini Kendi Repona Bırak

Tüm Kursu JSON Olarak Tara

Her Dersin Python Kodunu Smoke-Test Et

Nereden Başlanır

Neden Şimdi Önemli

Katkı

Star Geçmişi

Lisans

About

Topics

Resources

License

Code of conduct

Contributing

Uh oh!

Stars

Watchers

Forks

Releases 1

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Phase 0: Kurulum ve Araçlar `12 lessons`

Packages