Kural Tabanlı Sistemlerden Büyük Dil Modellerine — Sıfırdan Uzmanlığa Açık Kaynak Bir Yapay Zeka Müfredatı
Teori + Matematik + Çalışan Python Kodu — hepsi tek bir depoda.
🚀 Başlarken • 🗺️ Yol Haritası • 📁 Yapı • 🤝 Katkıda Bulun • ❓ SSS
AI Learning Roadmap, yapay zekayı en temelden (basit if/else kuralları)
en güncel teknolojilere (Büyük Dil Modelleri ve AI Agent'lar) kadar sırayla
öğreten, açık kaynaklı, topluluk tarafından geliştirilen bir eğitim
platformudur. Bir ders kitabı ile etkileşimli bir kodlama laboratuvarının
birleşimi gibi düşünün: her bölüm teori, matematik, diyagramlar ve
çalıştırılabilir Python kodunu bir araya getirir.
💡 Bu depo hem öğrenmek için hem de bir GitHub portföy projesi olarak kullanılabilecek şekilde tasarlandı.
| 📚 8 Kapsamlı Bölüm | Kural Tabanlı YZ'den AI Agent'lara kadar tam bir müfredat |
| 💻 Çalışan Python Kodu | Her örnek test edilmiş, PEP 8 uyumlu, type hint ve docstring içerir |
| 📓 Jupyter Notebook Desteği | Etkileşimli olarak hücre hücre çalıştırın |
| 🧪 Quizler & Çözümler | Her bölümde bilgi testleri ve referans çözümler |
| 🎯 3 Seviyeli Alıştırmalar | Başlangıç / Orta / İleri seviye pratik problemler |
| 🚀 Gerçek Dünya Projeleri | Spam Detector, Sentiment Analysis, RAG uygulaması ve daha fazlası |
| 🔄 Otomatik CI/CD | GitHub Actions ile lint, format ve test kontrolü |
| 🌍 Türkçe İçerik | Tamamen Türkçe, anadilinde öğrenme deneyimi |
| 🤝 Açık Katkıya Uygun | Net katkı rehberi ve tutarlı içerik standardı |
flowchart LR
A[01. Kural Tabanlı YZ] --> B[02. Makine Öğrenmesi]
B --> C[03. Derin Öğrenme]
C --> D[04. Sinir Ağları]
D --> E[05. Bilgisayarlı Görü]
D --> F[06. Doğal Dil İşleme]
E --> G[07. Büyük Dil Modelleri]
F --> G
G --> H[08. Projeler & AI Agent'lar]
style A fill:#FFEDD5,stroke:#EA580C
style B fill:#DBEAFE,stroke:#2563EB
style C fill:#EDE9FE,stroke:#7C3AED
style D fill:#DCFCE7,stroke:#16A34A
style E fill:#FCE7F3,stroke:#DB2777
style F fill:#FEF9C3,stroke:#CA8A04
style G fill:#CFFAFE,stroke:#0891B2
style H fill:#F1F5F9,stroke:#334155
| # | Bölüm | Durum | Zorluk | Süre | Örnek Sayısı |
|---|---|---|---|---|---|
| 01 | Kural Tabanlı YZ | ✅ Tamamlandı | Başlangıç | 4–6 sa | 10 |
| 02 | Makine Öğrenmesi | ✅ Tamamlandı | Orta | 6–8 sa | 3 |
| 03 | Derin Öğrenme | ✅ Tamamlandı | Orta–İleri | 8–10 sa | 1 |
| 04 | Sinir Ağları | ✅ Tamamlandı | Orta–İleri | 6–8 sa | 10 |
| 05 | Bilgisayarlı Görü | ✅ Tamamlandı | İleri | 8–10 sa | 10 |
| 06 | Doğal Dil İşleme | ✅ Tamamlandı | İleri | 8–10 sa | 3 |
| 07 | Büyük Dil Modelleri | ✅ Tamamlandı | İleri | 10–12 sa | 2 |
| 08 | Projeler & AI Agent'lar | ✅ Tamamlandı | Karma | Değişken | 2 |
✅ = teori + kod + quiz + çözümler tamamen yazıldı 🚧 = yapı, metaveri ve yol haritası hazır, içerik topluluk katkılarıyla büyüyor
Şeffaflık notu: Bu, gerçek zamanlı gelişen bir proje. 01–08 bölümlerinin her biri çalışır örnekler, alıştırmalar, quizler ve proje rehberleriyle tamamlanmıştır. İlerlemeyi CHANGELOG.md dosyasından takip edebilirsiniz.
Her bölüm aynı standart klasör yapısını kullanır — birini öğrendiğinizde hepsini bilirsiniz:
AI-Learning-Roadmap/
│
├── README.md ← şu an buradasınız
├── CONTRIBUTING.md ← katkı rehberi
├── CODE_OF_CONDUCT.md ← davranış kuralları
├── SECURITY.md ← güvenlik politikası
├── CHANGELOG.md ← sürüm geçmişi
├── LICENSE ← MIT Lisansı
├── pyproject.toml ← ruff/pytest yapılandırması
│
├── .github/workflows/ci.yml ← otomatik lint + test (GitHub Actions)
├── tests/ ← depo genelindeki birim testleri
│
├── 01-Rule-Based-AI/ ← ✅ TAM (referans/altın standart bölüm)
│ ├── README.md ← teori + diyagramlar + tablo + metaveri
│ ├── examples/ ← 10 çalıştırılabilir Python dosyası
│ ├── exercises/ ← alıştırmalar
│ ├── solutions/ ← çözümler
│ ├── quizzes/ ← quiz + cevap anahtarı
│ ├── projects/ ← kapsamlı mini proje
│ ├── notebooks/ ← .ipynb sürümü
│ ├── datasets/ ← örnek veri (gerekirse)
│ ├── images/ ← diyagramlar
│ └── resources/ ← ek kaynaklar
│
├── 02-Machine-Learning/ ← ✅ TAM
├── 03-Deep-Learning/ ← ✅ TAM
├── 04-Neural-Networks/ ← ✅ TAM
├── 05-Computer-Vision/ ← 🚧 iskelet hazır
├── 06-NLP/ ← 🚧 iskelet hazır
├── 07-LLMs/ ← 🚧 iskelet hazır
├── 08-Projects/ ← 🚧 iskelet hazır
│
└── Resources/ ← ortak sözlük, okuma listesi, requirements.txt
- Metaveri tablosu — zorluk seviyesi, tahmini süre, ön koşullar, kazanımlar
- Giriş — ne öğreneceksiniz ve neden önemli
- Öğrenme Hedefleri — bölüm için bir kontrol listesi
- Teori — kavramlar, matematik ve tarih, sıfırdan anlatılır
- Diyagramlar — Mermaid akış şemaları ve karşılaştırma tabloları
- Python Örnekleri — tamamen yorumlanmış, type-hint'li, çalıştırılabilir
- Alıştırmalar — başlangıç/orta/ileri seviyeli pratik problemler
- Çözümler — referans çözümler
- Quiz — anlayışı test etmek için 10–20 soru
- Notebook — etkileşimli
.ipynbsürümü - Kapsamlı Proje — gerçek dünya uygulaması
- Özet & Kaynaklar — önemli çıkarımlar, kitaplar, makaleler, linkler
# 1. Depoyu klonlayın
git clone https://github.com/kullanici-adiniz/AI-Learning-Roadmap.git
cd AI-Learning-Roadmap
# 2. Sanal ortam oluşturun
python3 -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 3. Ortak bağımlılıkları kurun
python -m pip install -r Resources/requirements.txt
# 4. (İsteğe bağlı) geliştirme bağımlılıklarını kurun
pip install ruff pytest jupyter
# 5. Bölüm 1 ile başlayın
cd 01-Rule-Based-AI
python examples/01_weather_assistant.py
# ...veya Jupyter Notebook'u açın
jupyter notebook notebooks/01_rule_based_ai.ipynb# Depo kökünden
pytest tests/ -v
# Kod stilini kontrol etme
ruff check .| Hedef | Önerilen Yol |
|---|---|
| "Yapay zekayı kavramsal olarak anlamak istiyorum" | 01 → 02 → 03 (teori bölümleri) |
| "Veri Bilimci / ML Mühendisi olmak istiyorum" | 01 → 02 → 03 → 04 → 08 |
| "Bilgisayarlı görü üzerinde çalışmak istiyorum" | 01 → 02 → 03 → 04 → 05 → 08 |
| "Chatbot / NLP / LLM üzerinde çalışmak istiyorum" | 01 → 02 → 03 → 04 → 06 → 07 → 08 |
| "AI Agent'lar inşa etmek istiyorum" | 01 → 02 → 03 → 06 → 07 → 08 |
Bölümler tamamlandıkça aşağıdaki proje kategorileri her bölümün projects/
klasörüne eklenecek:
| Proje | İlişkili Bölüm |
|---|---|
| Spam E-posta Tespit Sistemi | 02, 06 |
| IMDB Duygu Analizi (Sentiment Analysis) | 06 |
| MNIST / CIFAR-10 Görüntü Sınıflandırıcı | 04, 05 |
| Basit Yüz Tanıma / OCR | 05 |
| Nesne Tespiti (Object Detection) | 05 |
| Film/Ürün Öneri Sistemi | 02 |
| Kural Tabanlı → LLM Sohbet Botu Karşılaştırması | 01, 07 |
| RAG (Retrieval-Augmented Generation) Uygulaması | 06, 07 |
| Araç Kullanabilen (Tool-Use) AI Asistanı / Agent | 07, 08 |
Not: Tüm kodlar Python 3.10+ hedefler, PEP 8'e uyar ve
ruffile otomatik denetlenir.Uyarı: Derin Öğrenme bölümleri (03+) iyi bir CPU gerektirir; GPU önerilir ama zorunlu değildir.
İpucu: Her
examples/dosyası bağımsız çalıştırılabilir — tüm bölümü çalıştırmanıza gerek yok.
Bu depo gerçek bir açık kaynak kurs gibi büyümek üzere tasarlandı. Katkıda bulunmak son derece kolay:
- Depoyu fork'layın
- 🚧 işaretli bir bölüm seçin (bkz. İlerleme Durumu)
01-Rule-Based-AI/klasöründeki yapıyı ve kalite standardını referans alın- Detaylı rehber için CONTRIBUTING.md dosyasına bakın
- Bir Pull Request açın
Ayrıca bakın: CODE_OF_CONDUCT.md · SECURITY.md · CHANGELOG.md
S: Hiç programlama bilmiyorum, buradan başlayabilir miyim? C: Temel Python sözdizimini (değişkenler, fonksiyonlar, döngüler) biliyorsanız evet. Bilmiyorsanız önce kısa bir Python temelleri kursu almanızı öneririz.
S: Bölümleri sırayla mı okumalıyım? C: İlk seferde evet — her bölüm bir öncekinin kavramlarının üzerine inşa edilir. Daha sonra referans olarak istediğiniz bölüme atlayabilirsiniz.
S: 04-08 arası bölümler neden henüz tamamlanmadı? C: Bu, gerçek zamanlı gelişen açık kaynaklı bir proje. 01-03 tam derinlikte tamamlandı ve "altın standardı" belirliyor; kalan bölümler net hedefler ve yapıyla katkıya açık durumda. CONTRIBUTING.md üzerinden katkıda bulunabilirsiniz.
S: Bu depoyu ticari/kurumsal eğitim için kullanabilir miyim? C: Evet, MIT Lisansı altında özgürce kullanabilir, değiştirebilir ve paylaşabilirsiniz.
S: Bir hata buldum, ne yapmalıyım? C: Lütfen bir Issue açın veya doğrudan bir Pull Request gönderin — her türlü katkı memnuniyetle karşılanır.
S: Notebook'lar nasıl çalıştırılır?
C: pip install jupyter ile Jupyter'ı kurup ilgili bölümün notebooks/ klasöründeki .ipynb dosyasını jupyter notebook komutuyla açabilirsiniz.
MIT Lisansı altında yayınlanmıştır — öğrenmek veya öğretmek için kullanmakta, değiştirmekte ve paylaşmakta özgürsünüz.
Bu yol haritası yapay zeka öğrenmenize yardımcı oluyorsa, başkalarının da bulabilmesi için depoyu yıldızlamayı düşünün. Sorularınız, önerileriniz veya katkılarınız için her zaman açığız.
Sıfırdan yapay zeka uzmanlığına — birlikte öğrenelim. 🚀
Depo, örneklerin sözdizimini, temel davranışlarını ve notebook bütünlüğünü CI üzerinde doğrular. Yerel geliştirmede şu komutlar yeterlidir:
python -m python -m pip install -r Resources/requirements.txt
python -m pip install pytest ruff
pytest -q
ruff check .
python scripts/validate_repository.pyÖrnekler eğitim amacıyla bağımsız çalışır; dış servislere, API anahtarlarına
veya indirilen veri kümelerine ihtiyaç duymaz. Yeni bir örnek eklerken
examples/ altında çalıştırılabilir bir main() ve en az bir davranış testi
ekleyin.