Sıfırdan yapay zekâ
Matematikten LLM’lere, ajanlara ve MCP’ye uzanan eksiksiz bir yapay zekâ kursu. Otuz bölüm; her biri tek başına okunmaya değer.
Perceptron’u sıfırdan kurmak: Bir nöron ne hesaplar?
Bir nöron, ağırlıklı toplam ve eşikten ibarettir. Bütün fikir bu — sınırları da sonradan gelen her şeyi zorunlu kıldı.
Bir Loss Function Nereden Gelir: Gelenekten Değil, Likelihood’dan
Squared error bir gelenek değildir. Gürültü hakkında bir iddiadır ve yanlış olduğunu görebilirsin.
Yokuş Aşağı: Gradient Descent ve Herkesin Atladığı İki Adım
Herkes eksi işaretini yazar. Neredeyse kimse neden orada olduğunu ya da ne kadar büyük bir adıma dayandığını söylemez.
Sınıflandırma, çapraz entropi ve kendini kandırmamanın yolları
Accuracy, raporlaması en kolay; insanı kandırması da en kolay sayıdır.
Backpropagation Sıfırdan: Önce Motor, Sonra Ağ
Backpropagation bir sinir ağı algoritması değildir. Bir grafa verimli yönde uygulanan zincir kuralıdır.
Eğitmek ve Genellemesini Sağlamak
Gradyan doğru, ama ağ hâlâ öğrenmiyor. Bu bölüm aradaki farkı anlatıyor.
BPE Tokenizer Oluştur: Modelin Neden R’leri Sayamıyor?
Model harfleri hiç görmez. Yazım, sayma ve girintilerle ilgili tuhaf her şey buradan çıkar.
Next-token tahmini: embedding’ler ve perplexity ne anlama gelir
Tek hedef, etiket yok ve kimsenin tasarlamadığı bir vektör tablosu.
Attention ve Transformer Bloğu: Ortalamadan Türetilmiş Hâli
Attention kabul edilecek bir formül değil. Geçmişi eşit ağırlıkla ortalamayı bırakıp ağırlıkları modele seçtirdiğinde elde ettiğin şey.
Bir LLM’i pretraining etmek: Veri, compute, scaling laws ve maliyet
Geriye kalan kararlar programlama kararları değil. Satın alma kararları.
Base modelden asistana: SFT, RLHF, DPO ve GRPO
Pretrained bir model soruları yanıtlamaz. Metni sürdürür; farkı yaratan, kimsenin görmediği ikinci eğitim aşamasıdır.
Chain of Thought, RLVR ve Test-Time Compute: Ölçüm
Bir model düşünmez. Yanıtlamadan önce daha fazla token harcar; bu ölçülebilir ve faturalandırılabilir.
Inference’ı Ucuzlatmak: KV cache, Batching ve Quantization
Generation tek bir problem değildir: compute-bound ilk token’ı, ardından binlerce memory-bound token izler; serving hilelerinin çoğu bu ayrımdan doğar.
İlk production LLM çağrın: Streaming, retry ve timeout
Model artık bir portun arkasında. Bundan sonra ters giden neredeyse hiçbir şey matematik değil.
Prompt Engineering, Ölçülünce: Çıktıyı Ne Değiştirir
Bir prompt tartışılmaz, ölçülür. Yirmi vaka üzerinde dört varyant hiçbir şeyi ayırt etmez.
Context Window, Tokenlar ve Fatura: Ölçülmüş
Pencere bellek değildir. Her çağrıda sıfırdan yeniden doldurulur ve sen bu dolumu ödersin.
Temperature, top-p ve sahip olmadığın determinizm
Temperature modeli daha yaratıcı yapmaz. Modelin en altta puanladığı tokenlerin olasılığını yükseltir; bunu gözlerinle izleyebilirsin.
Tool Calling ve Yapılandırılmış Çıktılar: Bozulmayan Sözleşme
Model hiçbir şeyi yürütmez. Tanımladığın biçimde ister; kontrol ettiğin tek şey de o biçimdir.
Production’da RAG: Chunking, retrieval ve dürüst atıflar
Kötü chunking, arama başlamadan yanıtı yok eder; hiçbir reranking bunu geri getiremez.
Fine-tuning, retrieval mı yoksa prompt mu? Karar ekonomik
Kimse bu soruyu model hakkında sormaz. Bütçe hakkında sorar.
Multimodal fiyatlandırma: Görsel, ses ve video gerçekte neyi faturalar
Bir fotoğrafın maliyeti bir fotoğraf değildir. Seçmediğin bir formülle hesaplanan token maliyetidir.
AI Agent Nedir: Beş Klasik Tür, İki Rakip Tanım
Katalogdaki tek bir araç, bir çağrıyı ikiye ve 39 input token’ı 420’ye çıkardı. Bunun onu agent yapıp yapmadığı, hangi tanımı açtığına bağlı.
Agent Harness Oluşturmak: Döngü ve Ondan Çıkmanın Beş Yolu
Döngü on beş satır. Onu yayına hazır yapan her şey, ondan çıkmanın bir yoludur.
Context Engineering: Agent’ın 40. turda neden aptallaşıyor
Pencere taşmadı. Olgu sadece yer değiştirdi ve agent onu bulmayı bıraktı.
Multi-Agent Orchestration: Beş Kalıp ve Hangisi Ne Zaman Kazanır
Dört kurulum, tek görev, tek fatura. En ucuzu yanlıştı; en pahalısı kendi çalışanlarını denetleyemedi.
MCP Spesifikasyona Göre: Bir Sunucu Gerçekte Nedir
Sihir değil. Bir transport, bir mesaj biçimi ve üç primitive; üstelik elle yazabilirsin.
Bir MCP Server Yayına Almak: TypeScript ve Python, Ölçülmüş
İki SDK, tek wire. İlginç farklar, protokolün göremediği farklar.
Agent Skills ve SKILL.md: Progressive disclosure, ölçülmüş
Bir skill, içinde Markdown dosyası olan bir klasördür. İlginç olan her şey, o dosyanın hangi kısmının ne zaman okunduğundan çıkar.
LLM değerlendirmesi: Public benchmark’lerden kendi golden set’ine
Aralığı olmayan bir sayı, ondalıklı bir anekdottur.
Prompt Injection ve Ölümcül Üçlü: Gerçek Bir Agent’ı Güvenceye Almak
Model, senin talimatını bir yabancınınkinden ayıramaz. İşe yarayan her şey bunu kabul ederek kurulur.