Şimdi / 2026-08-28

Şu anda dikkatimi neler çekiyor?

Hakkımda sayfası sabit çizgiyi anlatır. Bu sayfa ise kimliği baştan tasarlamadan değişebilen güncel durumu kaydeder.

Son güncelleme · 2026-08-28

01 / Öğrenme

Daha güçlü kanıtlarla uygulamalı AI

Bir AI özelliğini demodan öte faydalı yapan retrieval, agent'lar, değerlendirme ve kararlar.

02 / Üretme

Parçaları birleştiren projeler

Anladıklarımı gerçek bir şeye dönüştüren full-stack web çalışmaları, veri deneyleri ve küçük sistemler.

03 / Keşfetme

Teknolojinin insanlarla buluştuğu yer.

İletişim, topluluk, açık öğrenme ve teknik işin daha uzağa ulaşmasını sağlayan iş birlikleri.

04 / Sorular

Bir AI özelliğini güvenilir yapan nedir?

Bir sonucun arkasındaki düşünceyi nasıl gösterebilirim? İnsan tarafı nerede kalmalı?

05 / Öğrenme

Daha derin bir öğrenme yolu

Sıra önemli: matematiksel temeli güçlendirmek, bilgisayarlı görü uzmanlığını derinleştirmek ve ardından modelleri gerçek dünyada faydalı kılan sistemlerle birleştirmek.

01

Derin Öğrenme

YOLO veya PyTorch'u yalnızca kullanmak değil, modelin içinde matematiksel olarak ne olduğunu anlamak.

Sinir ağları · geri yayılım · gradyan inişi · loss · optimizasyon · CNN · attention · transformer

Hedef: yeni bir denklem veya mimarinin neden çalıştığını anlayabilmek.

02

Bilgisayarlı Görü

Gerçek projelerimle bağlantılı uzmanlığı; tespit, takip, değerlendirme ve dağıtımdan başlayarak derinleştirmek.

IoU · NMS · precision/recall · mAP · tracking · augmentation · domain shift · quantization · CUDA · TensorRT

Hedef: görü matematiğini ölçülebilir sistem davranışına bağlamak.

03

LLM'ler ve Transformer'lar

Modern dil modellerinin arkasındaki mimariyi ve çıkarımı verimli kılan sistemleri çalışmak.

Self-attention · positional encoding · KV cache · tokenization · embeddings · fine-tuning · LoRA/QLoRA · vLLM · PagedAttention

Hedef: modeli ve etrafındaki bellek/hesap kararlarını birlikte anlamak.

04

ML Sistemleri ve AI Altyapısı

Bir model ve PyTorch'tan serving, monitoring ve profiling'e uzanan; yazılım, AI ve sistemler arasındaki köprüyü kurmak.

GPU mimarisi · CUDA · bellek · kernel · batching · async inference · concurrency · serving · latency ve throughput

Hedef: AI sistemlerini yalnızca etkileyici değil, hızlı, anlaşılır ve güvenilir kılmak.

05

Araştırma Becerileri

Daha iyi sorular sormayı öğrenmek: Hangi problem sürüyor, hangi varsayımlar önemli ve hangi kanıt sonucu değiştirebilir?

Problem · önceki çalışmalar · sınırlılık · fikir · formülasyon · mimari · deneyler · ablation · sonuçlar · sınırlar

Hedef: model kullanmaktan, neyin geliştirilebileceği üzerine düşünmeye geçmek.

Bir sonraki dürüst versiyonu üretmeye devam.

Sıradaki odağım, bu keşiflerden birini düzgün belgelenmiş bir projeye dönüştürmek: çalışan bir çıktı, açık bir açıklama ve üretirken öğrendiklerimin kaydı.

Çalışmaları keşfet ↗