Yapay Zekâ Kariyer Yol Haritaları
Temelden ileri seviyeye adım adım: LLM / AI Mühendisliği, Veri Bilimi ve Makine Öğrenimi alanlarında küresel standartlarda öğrenim kılavuzu.
Hedef Pozisyon
Data Scientist / ML Engineer
İstatistiki modelleme, denetimli/denetimsiz öğrenme algoritmaları, derin sinir ağları ve model dağıtımı konularında uzmanlaşma.
1
1. Matematik, Lineer Cebir ve İstatistik
Türev, matris çarpımları, olasılık dağılımları, hipotez testleri ve Bayes teoremi.
Kazanılacak Temel Beceriler:
Lineer Cebir
Olasılık & İstatistik
Kalkülüs Temelleri
2
2. Klasik Makine Öğrenimi ve Özellik Mühendisliği
Scikit-learn ile regresyon, sınıflandırma, kümeleme (Random Forest, XGBoost, LightGBM).
Kazanılacak Temel Beceriler:
Scikit-Learn
XGBoost
Cross-Validation
Feature Engineering
Önerilen Kaynaklar:
3
3. Derin Öğrenme ve PyTorch
Yapay sinir ağları, CNN, RNN ve modern Transformer mimarilerini PyTorch ile sıfırdan kurma ve eğitme.
Kazanılacak Temel Beceriler:
PyTorch
Backpropagation
Transformer Blocks
CUDA / GPU Optimizasyonu