[{"data":1,"prerenderedAt":69},["ShallowReactive",2],{"news-yapay-zeka-llm-nasil-calisir-rehber":3,"news-related-yapay-zeka-llm-nasil-calisir-rehber":29},{"newsId":4,"title":5,"slug":6,"content":7,"summary":8,"featuredImage":9,"metaTitle":5,"metaDescription":10,"metaKeywords":11,"isPublished":12,"publishedAt":13,"newsType":14,"viewCount":15,"likeCount":15,"commentCount":15,"authorId":16,"categoryId":17,"categoryName":18,"category":19,"isActive":12,"isDeleted":24,"createDate":27,"updatedDate":28,"deletedDate":26,"createdUserId":16,"updatedUserId":16,"deletedUserId":26},"27212d7b-039b-4ad8-aa65-e42321724642","Yapay Zeka ve LLM Nasıl Çalışır: Sıfırdan Anlatım","yapay-zeka-llm-nasil-calisir-rehber","\u003Cp>Yapay zeka üzerine konuşurken en büyük engel, konunun ya çok teknik ya da çok yüzeysel anlatılmasıdır. Formüllerle dolu bir anlatım çoğu kişiyi kaybeder; “yapay zeka düşünüyor” gibi cümleler ise yanlış bir resim bırakır.\u003C/p>\u003Cp>Bu seri arada bir yol izliyor: matematiğe girmeden, ama \u003Cstrong>gerçekten ne olduğunu doğru anlatarak\u003C/strong>. Serinin sonunda “model neden bunu söyledi” sorusuna kendi başınıza cevap verebilir hâle geliyorsunuz.\u003C/p>\u003Ch2>Temel fikir: bir sonraki kelime\u003C/h2>\u003Cp>Büyük dil modellerinin yaptığı iş şaşırtıcı derecede sadedir: verilen metnin ardından \u003Cstrong>hangi parçanın gelme olasılığının yüksek olduğunu\u003C/strong> tahmin etmek. Bu tahmin tek tek, art arda yapılır ve ortaya akıcı bir metin çıkar.\u003C/p>\u003Cp>Bu sadelik, modelin sınırlarını da açıklar. Model bir şeyi “bilmez”; eğitildiği metinlerdeki örüntülere göre en olası devamı üretir. Doğru cevap çoğu zaman en olası cevaptır — ama her zaman değil.\u003C/p>\u003Ch2>Serinin izlediği yol\u003C/h2>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>Aşama\u003C/th>\u003Cth>Cevapladığı soru\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>Token ve embedding\u003C/td>\u003Ctd>Metin sayıya nasıl çevriliyor?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Sinir ağı temelleri\u003C/td>\u003Ctd>Ağırlık ve katman ne işe yarıyor?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Transformer ve attention\u003C/td>\u003Ctd>Model bağlamı nasıl takip ediyor?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Eğitim aşamaları\u003C/td>\u003Ctd>Model nasıl öğreniyor, ince ayar nedir?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Halüsinasyon\u003C/td>\u003Ctd>Neden kendinden emin biçimde yanlış söylüyor?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>RAG ve ajanlar\u003C/td>\u003Ctd>Modele kendi verimi nasıl bağlarım?\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Ch2>Bölümler\u003C/h2>\u003Cp>Seri \u003Cstrong>13 bölümden\u003C/strong> oluşuyor, toplam yaklaşık \u003Cstrong>71 dakika\u003C/strong>. Tüm bölümler sitemizde reklamsız izlenebilir.\u003C/p>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>#\u003C/th>\u003Cth>Bölüm\u003C/th>\u003Cth>Süre\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>1\u003C/td>\u003Ctd>\u003Ca href='/videos/ai-ile-kod-yazmak-copilot-ve-cursor-nasil-calisir'>Kodu Artık AI Yazıyor: Copilot Ekranında Ne Görüyor?\u003C/a>\u003C/td>\u003Ctd>5:50\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>2\u003C/td>\u003Ctd>\u003Ca href='/videos/ai-agent-nedir-yapay-zeka-araclari-nasil-kullanir-tool-use'>Yapay Zeka Senin Yerine Nasıl Tıklıyor? AI Agent\u003C/a>\u003C/td>\u003Ctd>5:46\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>3\u003C/td>\u003Ctd>\u003Ca href='/videos/rag-nedir-yapay-zekayi-kendi-verinle-konusturmak'>Yapay Zekaya Kendi Dosyalarını Nasıl Okutursun? RAG\u003C/a>\u003C/td>\u003Ctd>5:48\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>4\u003C/td>\u003Ctd>\u003Ca href='/videos/yapay-zeka-modeli-nasil-egitilir-pretraining-fine-tuning-ve-rlhf'>Yapay Zeka Modeli Nasıl Eğitilir? Pretraining ve RLHF\u003C/a>\u003C/td>\u003Ctd>6:19\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>5\u003C/td>\u003Ctd>\u003Ca href='/videos/transformer-attention-nedir-chatgptnin-kalbindeki-dikkat-mekanizmasi'>ChatGPT Cümleyi Okurken Neye Bakıyor? Transformer\u003C/a>\u003C/td>\u003Ctd>7:29\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>6\u003C/td>\u003Ctd>\u003Ca href='/videos/token-embedding-nedir-yapay-zeka-metni-sayiya-nasil-cevirir'>Yapay Zeka Metni Sayıya Nasıl Çevirir? Token & Embedding\u003C/a>\u003C/td>\u003Ctd>6:55\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>7\u003C/td>\u003Ctd>\u003Ca href='/videos/llm-nasil-calisir-chatgpt-bir-sonraki-kelimeyi-nasil-tahmin-ediyor'>ChatGPT Bir Sonraki Kelimeyi Nasıl Tahmin Ediyor?\u003C/a>\u003C/td>\u003Ctd>6:56\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>8\u003C/td>\u003Ctd>\u003Ca href='/videos/sinir-aglari-nasil-calisir-noron-agirlik-katman'>Yapay Zeka Kediyi Nasıl Tanıyor? Sinir Ağları\u003C/a>\u003C/td>\u003Ctd>5:23\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>9\u003C/td>\u003Ctd>\u003Ca href='/videos/yerel-yapay-zeka-gizlilik-acik-kaynak-llmi-kendi-bilgisayarinda-calistir'>Yapay Zekayı Kendi Bilgisayarında Çalıştır — İnternetsiz\u003C/a>\u003C/td>\u003Ctd>6:04\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>10\u003C/td>\u003Ctd>\u003Ca href='/videos/bilgisayarinda-bedava-yapay-zeka-calistirmanin-8-yolu-internetsiz'>Bilgisayarında Bedava Yapay Zeka: 8 Yol (İnternetsiz!)\u003C/a>\u003C/td>\u003Ctd>2:03\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>11\u003C/td>\u003Ctd>\u003Ca href='/videos/54-gb-lik-yapay-zeka-8-gb-laptopa-nasil-sigiyor'>54 GB'lık Yapay Zeka 8 GB Laptopa Nasıl Sığıyor?\u003C/a>\u003C/td>\u003Ctd>9:23\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>12\u003C/td>\u003Ctd>\u003Ca href='/videos/yapay-zeka-modeli-neden-jpeg-gibi-kuculuyor'>Yapay Zeka Modeli Neden JPEG Gibi Küçülüyor? 🤖\u003C/a>\u003C/td>\u003Ctd>1:29\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>13\u003C/td>\u003Ctd>\u003Ca href='/videos/yerel-yapay-zeka-kurulumlari-neden-batiyor'>Yerel Yapay Zeka Kurulumları Neden Batıyor? 🤖\u003C/a>\u003C/td>\u003Ctd>1:33\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Ch2>Bu bilgi ne işe yarıyor?\u003C/h2>\u003Cp>Modelin nasıl çalıştığını bilmek, günlük kullanımı doğrudan değiştirir. Bağlamın sınırlı olduğunu bilen biri uzun metni parçalara böler; modelin ezberden konuştuğunu bilen biri kaynak ister; sıcaklık ayarını bilen biri tutarlılık gerektiren işlerde onu düşürür.\u003C/p>\u003Cp>Kurumsal tarafta ise en değerli kazanım, \u003Cstrong>nerede kullanılmayacağını bilmektir\u003C/strong>. Kesinlik gerektiren hesaplar, doğrulanamayan bilgiler ve sorumluluk taşıyan kararlar bu araçların dışında kalır. Sınırı bilen, aracı doğru yerde kullanır.\u003C/p>\u003Ch2>Sık karşılaşılan yanlış anlamalar\u003C/h2>\u003Cp>Bu konuda en yaygın üç yanlış anlama, modeli kullanma biçimini doğrudan etkiliyor.\u003C/p>\u003Cp>\u003Cstrong>“Model internete bakıyor.”\u003C/strong> Aksi belirtilmedikçe bakmaz. Cevabı, eğitildiği metinlerden öğrendiği örüntülere göre üretir. Güncel bilgi gerektiren sorularda bu yüzden yanılabilir; güncel veriye erişimi olan bir kurulum ayrıca yapılandırılmalıdır.\u003C/p>\u003Cp>\u003Cstrong>“Model her seferinde aynı cevabı verir.”\u003C/strong> Vermez. Üretim sırasında olasılıklar arasından seçim yapılır ve bu seçimin ne kadar çeşitli olacağı ayarlanabilir. Tutarlılık gerektiren işlerde bu ayarın düşürülmesi gerekir.\u003C/p>\u003Cp>\u003Cstrong>“Uzun metni tamamen okuyor.”\u003C/strong> Modelin aynı anda dikkate alabildiği metin miktarı sınırlıdır. Sınırı aşan metinlerde baştaki bilgiler etkisini kaybeder. Uzun belgelerle çalışırken metni bölmek ve ilgili kısmı seçerek vermek, cevabın kalitesini belirgin biçimde artırır.\u003C/p>\u003Chr>\u003Cp>\u003Cstrong>Daha fazlası:\u003C/strong> Seriye temel bölümden, modelin bir sonraki kelimeyi nasıl tahmin ettiğinden başlayabilirsiniz.\u003C/p>\u003Cp>\u003Ca href='/videos/llm-nasil-calisir-chatgpt-bir-sonraki-kelimeyi-nasil-tahmin-ediyor'>Videoyu sitemizde izle\u003C/a>  ·  \u003Ca href='https://youtu.be/nJb6q5btOTI' target='_blank' rel='noopener'>YouTube'da aç\u003C/a>  ·  \u003Ca href='https://www.youtube.com/@BapatiTech?sub_confirmation=1' target='_blank' rel='noopener'>Bapati kanalına abone ol\u003C/a>\u003C/p>","Dil modelleri sihir değil, olasılık. Token’dan attention’a, eğitimden halüsinasyona kadar konunun tamamı sade örneklerle bir seride.","https://bapati.com/images/kapak/yapay-zeka-llm-nasil-calisir-rehber.jpg","Yapay zeka ve büyük dil modelleri nasıl çalışır? Token, embedding, transformer, attention, eğitim aşamaları ve halüsinasyon sade örneklerle anlatılıyor.","LLM nasıl çalışır, token, embedding, transformer, attention, halüsinasyon",true,"2026-06-18T09:00:00",1,0,"ea4ea297-567a-491b-ac52-37db0674498b","3765d391-b223-442d-b521-1d3bcc3bf46e","Teknoloji",{"newsCategoryId":17,"name":18,"slug":20,"description":21,"icon":22,"color":23,"displayOrder":14,"newsCount":15,"isActive":12,"isDeleted":24,"createDate":25,"updatedDate":26,"deletedDate":26,"createdUserId":16,"updatedUserId":26,"deletedUserId":26},"teknoloji","Teknoloji haberleri","i-lucide-cpu","#3B82F6",false,"2026-03-02T09:39:35.862443",null,"2026-06-18T08:03:54.6350333","2026-09-17T13:48:59.1611695",[30,44,57],{"newsId":31,"title":32,"slug":33,"content":34,"summary":35,"featuredImage":36,"metaTitle":32,"metaDescription":37,"metaKeywords":38,"isPublished":12,"publishedAt":39,"newsType":40,"viewCount":15,"likeCount":15,"commentCount":15,"authorId":16,"categoryId":17,"categoryName":18,"category":41,"isActive":12,"isDeleted":24,"createDate":42,"updatedDate":43,"deletedDate":26,"createdUserId":16,"updatedUserId":16,"deletedUserId":26},"48f0bc5c-6f3e-4269-afe5-ca4befd930a7","Yapay Zeka Ajanları Yazılım Geliştirmeyi Nasıl Dönüştürüyor?","yapay-zeka-ajanlari-yazilim-gelistirme","\u003Cp>Yapay zeka araçlarının ilk dalgası soru-cevap üzerine kuruluydu: siz sorardınız, model yazardı. İkinci dalga farklı bir fikirle geliyor — model yalnızca cevap üretmiyor, \u003Cstrong>araç kullanıyor\u003C/strong>: dosya okuyor, komut çalıştırıyor, testi çalıştırıp sonucuna bakıyor ve gerekiyorsa tekrar deniyor.\u003C/p>\u003Cp>Buna kısaca \u003Cstrong>ajan\u003C/strong> deniyor. Aradaki farkı anlamak, bu araçlardan ne beklenmesi gerektiğini de belirliyor.\u003C/p>\u003Ch2>Sohbet aracı ile ajan arasındaki fark\u003C/h2>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>\u003C/th>\u003Cth>Sohbet aracı\u003C/th>\u003Cth>Ajan\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>Girdi\u003C/td>\u003Ctd>Sizin yazdığınız metin\u003C/td>\u003Ctd>Metin + ortamdan okuduğu bilgi\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Çıktı\u003C/td>\u003Ctd>Metin\u003C/td>\u003Ctd>Metin + gerçekleştirilen eylem\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Doğrulama\u003C/td>\u003Ctd>Sizde\u003C/td>\u003Ctd>Kısmen kendisinde (testi çalıştırır, sonucu görür)\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Adım sayısı\u003C/td>\u003Ctd>Tek\u003C/td>\u003Ctd>Çok adımlı, kendi kendine ilerleyen\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Risk\u003C/td>\u003Ctd>Yanlış bilgi\u003C/td>\u003Ctd>Yanlış bilgi + istenmeyen değişiklik\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Cp>Son satır önemlidir. Bir sohbet aracının hatası okunup atılabilir; bir ajanın hatası dosya değiştirmiş, komut çalıştırmış olabilir. Bu yüzden ajan kullanımının ilk kuralı \u003Cstrong>geri alınabilirliktir\u003C/strong>: sürüm kontrolü olmayan bir yerde ajan çalıştırılmaz.\u003C/p>\u003Ch2>Geri besleme döngüsü neden bu kadar önemli?\u003C/h2>\u003Cp>Ajanları güçlü kılan şey modelin daha akıllı olması değil, \u003Cstrong>sonucu görebilmesidir\u003C/strong>. Bir kod önerisi yazan model, o kodun derlenip derlenmediğini bilmez. Derleyiciyi çalıştırabilen bir ajan ise hatayı okur, düzeltir ve tekrar dener.\u003C/p>\u003Cp>Bu döngü, yazılım geliştirmedeki en değerli şeyi otomatikleştirir: deneyip görmek. Aynı nedenle, testleri olan bir projede ajanlar belirgin biçimde daha başarılı çalışır. \u003Cstrong>Test yazmak, artık yalnızca insan için değil, aracın da doğrulama zemini için gerekli.\u003C/strong>\u003C/p>\u003Ch2>Bugün gerçekten iyi yaptığı işler\u003C/h2>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>İş\u003C/th>\u003Cth>Neden uygun\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>Tekrarlı dönüştürme\u003C/td>\u003Ctd>Aynı değişikliği yüzlerce dosyada tutarlı uygulamak\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Test yazımı\u003C/td>\u003Ctd>Mevcut davranışı okuyup senaryo üretmek\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Hata ayıklama başlangıcı\u003C/td>\u003Ctd>Yığın izini okuyup ilk şüpheliyi daraltmak\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Kod tabanında arama\u003C/td>\u003Ctd>“Bu değer nereden geliyor” sorusunu izlemek\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Belgeleme\u003C/td>\u003Ctd>Kodu okuyup açıklama üretmek\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Ch2>Nerede zorlanıyor?\u003C/h2>\u003Cp>Ajanların zayıf olduğu yer, bağlamın yazılı olmadığı yerdir. Bir kararın neden öyle alındığı, hangi müşterinin hangi istisnayı istediği, hangi kod parçasına neden dokunulmadığı — bunlar çoğu zaman kod tabanında değil, insanların kafasında durur.\u003C/p>\u003Cp>İkinci zorluk \u003Cstrong>büyük tasarım kararlarıdır\u003C/strong>. Ajan, verilen çerçevenin içinde iyi çalışır; çerçevenin kendisini kurmak hâlâ mühendisin işidir. Üçüncüsü ise güvenliktir: yetkisi geniş bir ajan, iyi niyetle yanlış yeri değiştirebilir.\u003C/p>\u003Ch2>Ekip için pratik çerçeve\u003C/h2>\u003Cp>Sahada işe yarayan yaklaşım şudur: ajana \u003Cstrong>dar yetki, net görev ve doğrulanabilir çıktı\u003C/strong> vermek. Değişiklik ayrı bir dalda yapılır, testlerden geçer, insan tarafından incelenir ve öyle birleştirilir. Bu düzen kurulduğunda ajan bir ekip üyesi gibi değil, çok hızlı çalışan bir stajyer gibi davranır — hızlıdır, yorulmaz, ama \u003Cstrong>gözden geçirilmeden hiçbir işi canlıya gitmez.\u003C/strong>\u003C/p>\u003Ch2>Ölçüm: hız değil, kabul oranı\u003C/h2>\u003Cp>Ajan kullanan ekiplerde en sık yapılan ölçüm hatası, üretilen kod satırını ya da kapatılan görev sayısını saymaktır. Bu sayılar yükselirken kalite düşebilir; üstelik gözden geçirme yükü ekibin üzerine biner ve kazanılan zaman incelemede geri kaybedilir.\u003C/p>\u003Cp>Daha anlamlı iki ölçüt var. Birincisi \u003Cstrong>kabul oranı\u003C/strong>: ajanın ürettiği değişikliğin ne kadarı düzeltilmeden birleştirildi? İkincisi \u003Cstrong>geri dönüş oranı\u003C/strong>: birleştirilen değişikliklerin ne kadarı sonradan hata çıkardı? İkisi birlikte bakıldığında ajanın gerçekten yük azaltıp azaltmadığı görülür.\u003C/p>\u003Cp>Bu ölçümlerin yan faydası da vardır: ajanın hangi tür işte iyi, hangi tür işte kötü olduğunu ekibe gösterir. Sahada tekrar eden sonuç şudur — \u003Cstrong>iyi tanımlanmış ve doğrulanabilir işlerde çok iyi, belirsiz ve bağlam gerektiren işlerde zayıf.\u003C/strong> Görev dağılımını buna göre yapan ekipler kazanıyor.\u003C/p>\u003Chr>\u003Cp>\u003Cstrong>Daha fazlası:\u003C/strong> Ajanların araçları nasıl kullandığını ve bu döngünün nasıl kurulduğunu adım adım anlattığımız videoyla devam edebilirsiniz.\u003C/p>\u003Cp>\u003Ca href='/videos/ai-agent-nedir-yapay-zeka-araclari-nasil-kullanir-tool-use'>Videoyu sitemizde izle\u003C/a>  ·  \u003Ca href='https://youtu.be/aYbcOactTxk' target='_blank' rel='noopener'>YouTube'da aç\u003C/a>  ·  \u003Ca href='https://www.youtube.com/@BapatiTech?sub_confirmation=1' target='_blank' rel='noopener'>Bapati kanalına abone ol\u003C/a>\u003C/p>","Yapay zeka ajanı, soru cevaplayan bir sohbet aracından farklı: araç kullanır, adım atar, sonucu görür. Yazılım geliştirmede karşılığı ne?","https://bapati.com/images/kapak/yapay-zeka-ajanlari-yazilim-gelistirme.jpg","Yapay zeka ajanları nedir, sohbet botundan farkı ne? Araç kullanımı, geri besleme döngüsü ve yazılım geliştirmede sahadaki gerçek karşılığı.","yapay zeka ajanı, AI agent, tool use, yazılım geliştirme otomasyonu, kod üretimi","2026-06-19T10:00:00",2,{"newsCategoryId":17,"name":18,"slug":20,"description":21,"icon":22,"color":23,"displayOrder":14,"newsCount":15,"isActive":12,"isDeleted":24,"createDate":25,"updatedDate":26,"deletedDate":26,"createdUserId":16,"updatedUserId":26,"deletedUserId":26},"2026-06-19T10:58:37.0283725","2026-08-23T13:51:48.7318034",{"newsId":45,"title":46,"slug":47,"content":48,"summary":49,"featuredImage":50,"metaTitle":46,"metaDescription":51,"metaKeywords":52,"isPublished":12,"publishedAt":53,"newsType":40,"viewCount":15,"likeCount":15,"commentCount":15,"authorId":16,"categoryId":17,"categoryName":18,"category":54,"isActive":12,"isDeleted":24,"createDate":55,"updatedDate":56,"deletedDate":26,"createdUserId":16,"updatedUserId":16,"deletedUserId":26},"3df67b0e-3bfb-4a38-8df8-d53d7c9bac80","Yerelde Çalışan Açık Kaynak LLM'ler Neden Önemli?","yerel-acik-kaynak-llm-neden-onemli","\u003Cp>Yapay zeka denince akla önce bulut geliyor: bir siteye yazıyorsunuz, cevap uzaktaki bir sunucudan dönüyor. Ancak modellerin bir bölümü artık \u003Cstrong>kendi bilgisayarınızda\u003C/strong> çalışabiliyor. Bu, teknik bir merak olmanın ötesinde farklı bir denklem kuruyor.\u003C/p>\u003Ch2>Üç temel fark\u003C/h2>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>Başlık\u003C/th>\u003Cth>Bulut model\u003C/th>\u003Cth>Yerel model\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>Veri\u003C/td>\u003Ctd>Sorunuz sunucuya gider\u003C/td>\u003Ctd>Veri cihazdan çıkmaz\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Maliyet\u003C/td>\u003Ctd>Kullanım başına ödeme\u003C/td>\u003Ctd>Bir kerelik donanım, sonrası elektrik\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Süreklilik\u003C/td>\u003Ctd>Sağlayıcı modeli değiştirebilir/kapatabilir\u003C/td>\u003Ctd>Model diskte durur, aynı kalır\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Yetenek\u003C/td>\u003Ctd>En büyük modeller burada\u003C/td>\u003Ctd>Donanımla sınırlı, daha küçük modeller\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Bağlantı\u003C/td>\u003Ctd>İnternet gerekir\u003C/td>\u003Ctd>Çevrimdışı çalışır\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Ch2>Gizlilik neden asıl gerekçe?\u003C/h2>\u003Cp>Bir hukuk bürosunun sözleşmesi, bir hastanenin hasta notu, bir şirketin henüz açıklanmamış ürün planı — bunların hepsi metindir ve hepsi dil modeliyle işlenmeye çok uygundur. Aynı zamanda hiçbiri kurum dışına çıkmamalıdır.\u003C/p>\u003Cp>Yerel model bu ikilemi ortadan kaldırır: metin cihazdan hiç ayrılmaz. Bu yüzden yerel modellerin ilk yaygınlaştığı yerler teknoloji meraklıları değil, \u003Cstrong>veri hassasiyeti yüksek meslekler\u003C/strong> oldu.\u003C/p>\u003Ch2>Açık kaynak olmanın anlamı\u003C/h2>\u003Cp>Yerelde çalıştırılabilmesinin ötesinde, modelin ağırlıklarının açık olması iki şey sağlar. Birincisi \u003Cstrong>denetlenebilirlik\u003C/strong>: modelin nasıl davrandığı ölçülebilir, sınırları test edilebilir. İkincisi \u003Cstrong>uyarlanabilirlik\u003C/strong>: model kendi alanınızın diline göre ince ayar yapılabilir.\u003C/p>\u003Cp>Bir de bağımsızlık boyutu var. Kapalı bir servise bağlı kurduğunuz iş akışı, o servisin fiyat, kota ya da davranış değişikliğine açıktır. Diskinizde duran bir model ise yarın da bugünkü gibi çalışır.\u003C/p>\u003Ch2>Donanım gerçekten ne gerektiriyor?\u003C/h2>\u003Cp>Yaygın kanının aksine, yerel model çalıştırmak için özel bir sunucu şart değil. Belirleyici olan bellek miktarıdır: model, çalışabilmek için ağırlıklarının belleğe sığmasını ister. Ekran kartı belleği yeterliyse hız yüksek olur; değilse model sistem belleğiyle daha yavaş ama çalışır durumda kalır.\u003C/p>\u003Cp>Boyut küçüldükçe hız artar, yetenek azalır. Sıkıştırma (nicemleme) teknikleri bu dengeyi iyileştirir: modelin sayıları daha az yer kaplayacak biçimde temsil edilir, kalite çoğu görevde kabul edilebilir ölçüde korunur.\u003C/p>\u003Ch2>Ne zaman yerel, ne zaman bulut?\u003C/h2>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>Durum\u003C/th>\u003Cth>Uygun seçenek\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>Hassas belge işleme\u003C/td>\u003Ctd>Yerel\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Yüksek hacimli, kritik olmayan metin\u003C/td>\u003Ctd>Yerel (maliyet avantajı)\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>En zor akıl yürütme görevleri\u003C/td>\u003Ctd>Bulut\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>İnternetsiz ortam\u003C/td>\u003Ctd>Yerel\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Hızlı deneme, ilk prototip\u003C/td>\u003Ctd>Bulut\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Cp>Pratikte çoğu kurum ikisini birlikte kullanıyor: hassas veri yerelde işleniyor, zor görevler için buluta çıkılıyor. \u003Cstrong>Doğru soru “hangisi daha iyi” değil, “bu iş hangisine ait” sorusudur.\u003C/strong>\u003C/p>\u003Ch2>Kurumsal kullanımda pratik senaryolar\u003C/h2>\u003Cp>Yerel modellerin kurumsal karşılığı çoğu zaman “ChatGPT’nin yerine geçmek” değildir. Daha dar ve daha net işlerde kullanılır: gelen belgeleri sınıflandırmak, uzun raporları özetlemek, iç dokümantasyon üzerinde arama yapmak, e-posta taslakları hazırlamak.\u003C/p>\u003Cp>Bu işlerin ortak yanı, girdinin kurumun kendi verisi olmasıdır. Aynı nedenle en çok işe yarayan kurulum da yalnız model değildir: modelin kurumun belgeleri üzerinden cevap vermesini sağlayan bir arama katmanı eklenir. Böylece model, ezberinden değil \u003Cstrong>elindeki belgeden\u003C/strong> konuşur ve kaynak gösterebilir.\u003C/p>\u003Cp>Başlangıç için doğru ölçek de küçüktür. Tek bir departmanın tek bir sorunuyla başlamak, tüm kuruma yayılacak bir platform kurmaya çalışmaktan hem ucuz hem öğretici olur. Bu ilk kurulumda ölçülmesi gereken şey model kalitesi değil, \u003Cstrong>sonucun işi ne kadar hızlandırdığıdır.\u003C/strong>\u003C/p>\u003Cp>Son bir başlık da sürdürülebilirliktir. Yerel bir model kurmak tek seferlik bir iş gibi görünür; oysa modeller hızla gelişiyor ve altı ay önce iyi olan bir seçim bugün geride kalabiliyor. Bu yüzden kurulumun modele sıkı sıkıya bağlanmaması, modelin değiştirilebilir bir parça olarak tasarlanması gerekiyor. Aynı arayüzün arkasında modeli değiştirebilen bir yapı, bu alandaki tek gerçek güvencedir.\u003C/p>\u003Chr>\u003Cp>\u003Cstrong>Daha fazlası:\u003C/strong> Açık kaynak bir modeli kendi bilgisayarınızda çalıştırmayı adım adım gösterdiğimiz videoyla uygulamaya geçebilirsiniz.\u003C/p>\u003Cp>\u003Ca href='/videos/yerel-yapay-zeka-gizlilik-acik-kaynak-llmi-kendi-bilgisayarinda-calistir'>Videoyu sitemizde izle\u003C/a>  ·  \u003Ca href='https://youtu.be/Y08MjoZyWVw' target='_blank' rel='noopener'>YouTube'da aç\u003C/a>  ·  \u003Ca href='https://www.youtube.com/@BapatiTech?sub_confirmation=1' target='_blank' rel='noopener'>Bapati kanalına abone ol\u003C/a>\u003C/p>","Modeli kendi bilgisayarında çalıştırmak sadece teknik bir merak değil; veri gizliliği, maliyet ve süreklilik açısından farklı bir denklem kuruyor.","https://bapati.com/images/kapak/yerel-acik-kaynak-llm-neden-onemli.jpg","Yerelde çalışan açık kaynak dil modelleri neden önemli? Veri gizliliği, maliyet, çevrimdışı çalışma ve donanım gereksinimleri karşılaştırmalı olarak.","yerel LLM, açık kaynak yapay zeka, veri gizliliği, nicemleme, çevrimdışı yapay zeka","2026-06-18T10:00:00",{"newsCategoryId":17,"name":18,"slug":20,"description":21,"icon":22,"color":23,"displayOrder":14,"newsCount":15,"isActive":12,"isDeleted":24,"createDate":25,"updatedDate":26,"deletedDate":26,"createdUserId":16,"updatedUserId":26,"deletedUserId":26},"2026-06-19T10:58:37.2930903","2026-08-23T13:51:49.0586163",{"newsId":58,"title":59,"slug":60,"content":61,"summary":62,"featuredImage":63,"metaTitle":59,"metaDescription":64,"metaKeywords":65,"isPublished":12,"publishedAt":13,"newsType":14,"viewCount":15,"likeCount":15,"commentCount":15,"authorId":16,"categoryId":17,"categoryName":18,"category":66,"isActive":12,"isDeleted":24,"createDate":67,"updatedDate":68,"deletedDate":26,"createdUserId":16,"updatedUserId":16,"deletedUserId":26},"cde35ec4-65e7-4c85-b31a-513b6ab5a6d4","Araba ve Otomotiv Teknolojisi: Bilinmeyen Gerçekler","araba-otomotiv-teknolojisi-rehber","\u003Cp>Otomobil, günlük hayatın en tanıdık makinesidir; buna karşılık içindeki teknolojinin büyük bölümü görünmez çalışır. Bir frenin kilitlenmesini engelleyen sistem, bir kaza anında saniyenin çok altında karar veren birim ya da bir tasarımın neden öyle olduğu — hiçbiri sürüş sırasında fark edilmez.\u003C/p>\u003Cp>Bu koleksiyon tam olarak o görünmeyen tarafı anlatıyor: \u003Cstrong>neyin neden öyle olduğunu.\u003C/strong>\u003C/p>\u003Ch2>Koleksiyonun yaklaşımı\u003C/h2>\u003Cp>Bu videolar bir liste videosu değil, \u003Cstrong>sebep zinciri\u003C/strong> olarak kurgulanıyor. Bir otomobilin neden çirkin olduğu sorusu bir beğeni meselesi değil, mühendislik ve yönetmelik kararlarının sonucudur. Farların neden saklandığı ve neden saklanmayı bıraktığı da öyle.\u003C/p>\u003Cp>Bu yaklaşımın nedeni basit: bir gerçeği tek başına duymak eğlendirir, arkasındaki nedeni öğrenmek ise akılda kalır.\u003C/p>\u003Ch2>Ele alınan başlıklar\u003C/h2>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>Konu\u003C/th>\u003Cth>Yanıtladığı soru\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>Güvenlik sistemleri\u003C/td>\u003Ctd>Kaza anında araç sizin adınıza ne yapıyor?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Elektrikli araçlar\u003C/td>\u003Ctd>Menzil ve şarj hakkında bilinen yanlışlar neler?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Otonom sürüş\u003C/td>\u003Ctd>Bugün gerçekten hangi seviyedeyiz?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Tasarım kararları\u003C/td>\u003Ctd>Bir araç neden o biçimi aldı?\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>Otomobil tarihi\u003C/td>\u003Ctd>En pahalı hatalar ve en cesur fikirler\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Ch2>Bölümler\u003C/h2>\u003Cp>Seri \u003Cstrong>13 bölümden\u003C/strong> oluşuyor, toplam yaklaşık \u003Cstrong>98 dakika\u003C/strong>. Tüm bölümler sitemizde reklamsız izlenebilir.\u003C/p>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>#\u003C/th>\u003Cth>Bölüm\u003C/th>\u003Cth>Süre\u003C/th>\u003C/tr>\u003C/thead>\u003Ctbody>\u003Ctr>\u003Ctd>1\u003C/td>\u003Ctd>\u003Ca href='/videos/bu-direksiyonlar-gercek-mi-otomobil-tarihinin-en-cilgin-12-direksiyonu'>Otomobil Tarihinin En Çılgın 12 Direksiyonu\u003C/a>\u003C/td>\u003Ctd>1:27\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>2\u003C/td>\u003Ctd>\u003Ca href='/videos/acilinca-sasirtan-en-cilgin-araba-kapilari'>Açılınca Şaşırtan EN Çılgın Araba Kapıları! 🚗\u003C/a>\u003C/td>\u003Ctd>1:09\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>3\u003C/td>\u003Ctd>\u003Ca href='/videos/4-beygirden-elektrige-tir-nasil-bu-hale-geldi'>4 Beygirden Elektriğe: Tır Nasıl Bu Hâle Geldi?\u003C/a>\u003C/td>\u003Ctd>1:38\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>4\u003C/td>\u003Ctd>\u003Ca href='/videos/35-elektrikli-araba-gercegi-cogunu-bilmiyorsun'>35 Elektrikli Araba Gerçeği — Çoğunu Bilmiyorsun!\u003C/a>\u003C/td>\u003Ctd>9:08\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>5\u003C/td>\u003Ctd>\u003Ca href='/videos/bu-otomobiller-neden-bu-kadar-cirkin-ve-onlari-cirkin-yapan-kararlar-19-model'>Bu Otomobiller Neden Bu Kadar Çirkin? — 19 Model\u003C/a>\u003C/td>\u003Ctd>9:55\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>6\u003C/td>\u003Ctd>\u003Ca href='/videos/otomobiller-neden-goz-kirpmayi-birakti-tarihin-en-ilginc-far-tasarimlari-45-model'>Otomobiller Neden Göz Kırpmayı Bıraktı? — 45 Far\u003C/a>\u003C/td>\u003Ctd>12:30\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>7\u003C/td>\u003Ctd>\u003Ca href='/videos/direksiyonun-tarihi-17-akil-almaz-tasarim'>Direksiyonun Tarihi 🚗 17 Akıl Almaz Tasarım\u003C/a>\u003C/td>\u003Ctd>5:56\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>8\u003C/td>\u003Ctd>\u003Ca href='/videos/tirlarin-evrimi-1896-dan-bugune-130-yil'>Tırların Evrimi: 1896'dan Bugüne 130 Yıl 🚛\u003C/a>\u003C/td>\u003Ctd>8:13\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>9\u003C/td>\u003Ctd>\u003Ca href='/videos/elektrikli-otobus-yeni-degil-ilki-1882-de-yapildi'>Elektrikli Otobüs Yeni Değil — İlki 1882'de Yapıldı 🚌\u003C/a>\u003C/td>\u003Ctd>10:47\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>10\u003C/td>\u003Ctd>\u003Ca href='/videos/ilk-motosiklet-tahtadandi-ve-12-km-s-gidiyordu'>İlk Motosiklet Tahtadandı ve 12 km/s Gidiyordu 🏍️\u003C/a>\u003C/td>\u003Ctd>8:24\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>11\u003C/td>\u003Ctd>\u003Ca href='/videos/gosterge-paneli-100-yilda-iki-kez-yon-degistirdi-neden'>Gösterge Paneli 100 Yılda İki Kez Yön Değiştirdi — Neden?\u003C/a>\u003C/td>\u003Ctd>10:08\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>12\u003C/td>\u003Ctd>\u003Ca href='/videos/pervaneli-araba-ve-17-garip-tasarim-neden-yok-oldular'>Pervaneli Araba ve 17 Garip Tasarım — Neden Yok Oldular?\u003C/a>\u003C/td>\u003Ctd>7:16\u003C/td>\u003C/tr>\u003Ctr>\u003Ctd>13\u003C/td>\u003Ctd>\u003Ca href='/videos/araba-kapilari-neden-hala-menteseli'>Araba Kapıları Neden Hâlâ Menteşeli? 🚪\u003C/a>\u003C/td>\u003Ctd>11:22\u003C/td>\u003C/tr>\u003C/tbody>\u003C/table>\u003Ch2>Bugünün araçlarını anlamak için\u003C/h2>\u003Cp>Otomotivde bugün yaşanan değişimlerin çoğu yeni değil, \u003Cstrong>tekrar eden bir örüntünün\u003C/strong> parçası. Elektrikli araç tartışması ilk kez yaşanmıyor; otomobilin ilk yıllarında da elektrikli modeller yollardaydı ve benzin karşısında geri çekildiler.\u003C/p>\u003Cp>Benzer biçimde, otomasyon fikri de yeni değil. Yarım yüzyıl önce denenmiş, o günün teknolojisiyle sınırlı kalmış girişimler var. Tarihi bilmek, bugünün iddialarını daha sağlıklı değerlendirmeyi sağlıyor — \u003Cstrong>neyin gerçekten yeni olduğunu ayırt etmeyi.\u003C/strong>\u003C/p>\u003Cp>Koleksiyonun bir başka yanı da güncel tartışmalara zemin hazırlaması. Elektrikli araç, otonom sürüş ve bağlantılı araç başlıkları bugün sıkça konuşuluyor; ancak bu tartışmaların çoğu teknik ayrıntı yerine sloganlar üzerinden yürüyor. Bir sistemin nasıl çalıştığını bilmek, hangi iddianın gerçekçi hangisinin abartılı olduğunu ayırt etmeyi sağlıyor.\u003C/p>\u003Ch2>Neden belgesel biçimi?\u003C/h2>\u003Cp>Bu koleksiyondaki videolar kısa bilgi kırıntıları yerine bütünlüklü anlatımlar olarak hazırlanıyor. Nedeni basit: otomotivdeki çoğu konu, tek bir cümleyle anlatıldığında yanlış anlaşılıyor.\u003C/p>\u003Cp>Örneğin “elektrikli araçlar daha ağırdır” cümlesi tek başına bir kusur gibi okunur. Oysa aynı ağırlık, düşük ağırlık merkeziyle birleştiğinde yol tutuşunu iyileştirir; buna karşılık lastik ve fren tüketimini artırır. Doğru resim, ancak nedenler birlikte anlatıldığında ortaya çıkıyor.\u003C/p>\u003Cp>Bir diğer neden, tarihsel bağlamdır. Bugün sıradan görünen pek çok çözüm, bir yasağın, bir maliyet baskısının ya da bir mühendislik ödününün sonucudur. O kararı bilmeden bakıldığında tasarım tuhaf görünür; kararı öğrenince yerli yerine oturur.\u003C/p>\u003Cp>Kısacası amaç, izleyeni şaşırtmak değil \u003Cstrong>bir daha aynı gözle bakmamasını sağlamak.\u003C/strong> Bir kez nedenini öğrendiğiniz bir tasarım ayrıntısı, sonraki her araçta gözünüze çarpar.\u003C/p>\u003Chr>\u003Cp>\u003Cstrong>Daha fazlası:\u003C/strong> Araçtaki güvenlik sistemlerinin sessizce nasıl çalıştığını anlattığımız bölümle başlayabilirsiniz.\u003C/p>\u003Cp>  ·  \u003Ca href='https://youtu.be/G461CZ0Hl_M' target='_blank' rel='noopener'>YouTube'da aç\u003C/a>  ·  \u003Ca href='https://www.youtube.com/@BapatiTech?sub_confirmation=1' target='_blank' rel='noopener'>Bapati kanalına abone ol\u003C/a>\u003C/p>","Otomobil tarihinin ilginç kararları, güvenlik teknolojilerinin sessiz çalışması ve tasarımın arkasındaki gerekçeler — belgesel tadında bir arşiv.","https://bapati.com/images/kapak/araba-otomotiv-teknolojisi-rehber.jpg","Otomotiv teknolojisi belgeselleri: güvenlik sistemleri, elektrikli ve otonom araçlar, tasarım kararları ve otomobil tarihinin ilginç anları.","otomotiv teknolojisi, araç güvenlik sistemleri, otomobil tarihi, elektrikli araç, tasarım",{"newsCategoryId":17,"name":18,"slug":20,"description":21,"icon":22,"color":23,"displayOrder":14,"newsCount":15,"isActive":12,"isDeleted":24,"createDate":25,"updatedDate":26,"deletedDate":26,"createdUserId":16,"updatedUserId":26,"deletedUserId":26},"2026-06-18T08:03:54.7707043","2026-09-17T13:48:58.7718943",1789725855247]