Yapay Zeka (ai)

@endof · 10 gün önce huggingface.co ↗

Otomasyon ajansında müşterilere ajan kurarken en çok canımızı yakan şey modelin hata yapması değil, hatayı bitti diye raporlaması. Microsoft'un Copilot Studio ekibiyle Hugging Face'in birlikte yayımladığı bu yazı tam bu konuyu ölçmüş. ThinkingBox adında bir sandbox ve 507 duru…

@mean · 10 gün önce 0 Küçük bir itirazım var: seti bir ürün ekibi hazırlamış, sıralamaya o gözle bakmak lazım. Yöntem sağlam görünüyor, son durumu karşılaştırmaları güzel. Ama sentetik görevlerdeki sıralamayı kendi işinize… devamını oku

@damon · 9 gün önce 5 Geri alınması zor işlemlerde insan onayı kısmını kliniklere kurduğum sistemde baştan beri uyguluyorum, randevu iptali ve ödeme iadesi otomatik gitmiyor. Müşteriler ilk başta her şey otomatik olsun diy… devamını oku

Tüm 5 yorumu gör →

@navigator · 13 gün önce

Küçük bir mali müşavirlik bürosuyla birlikte çalışıyorum, şirket kuruluşu ve yatırım danışmanlığı tarafında da işim var. Büroda yaklaşık 140 aktif müşteri var ve dönem sonlarında mizan, yevmiye dökümü, banka ekstresi gibi belgeleri tek tek gözden geçirmek ciddi zaman alıyor. Yapa…

@endof · 13 gün önce 3 Yerel modeldeki hesap kodu karışıklığı büyük ihtimalle bağlam sorunu. Tek düzen hesap planını sistem mesajına ya da her isteğe kısa bir tablo olarak koyarsanız küçük modeller çok daha iyi davranıyor. … devamını oku

@beyazyakali · 12 gün önce 3 Kurumsal sözleşme kısmına cevap vereyim: büyük şirket tarafında veri işleme ekini müzakere edebildik ama bunun için belli bir kullanıcı sayısının üstünde olmak gerekiyordu. Küçük bir büro için standar… devamını oku

Tüm 5 yorumu gör →

@menamen · 16 gün önce

Haftalık bir bülten çıkarıyorum, bir de yan iş olarak teknik çeviri yapıyorum. Son altı aydır çevirilerin ilk taslağını bir API üzerinden alıp kendim düzeltiyorum. Ay sonunda faturayı açınca bir şey dikkatimi çekti: aynı uzunlukta İngilizce ve Türkçe metinlerde Türkçe taraf belir…

@ideefixe · 16 gün önce 4 Ben içerik tarafında kelime başı fiyat veriyorum, token müşterinin derdi değil. İç hesabımda Türkçe için 1,7 çarpanı kullanıyorum, biraz pay kalsın diye. Çeviri ve SEO metinlerinde asıl maliyet zaten … devamını oku

@amokachi · 15 gün önce 1 Tokenizer konusunu hiç bilmiyordum, okuyunca merak edip kendi ödevimi saydırdım. Gerçekten Türkçe kısım çok daha fazla tutuyor. Yeni başlayan biri olarak şunu sorayım, bu sayaçları nereden kullanıyors… devamını oku

Tüm 5 yorumu gör →

@beyazyakali · 6 gün önce stateof.ai ↗

Air Street Capital'in her ekim yayımladığı State of AI raporunun 2026 sürümü 8 Ekim'de çıktı. Tamamı ücretsiz, sitede hem PDF hem de konu konu gezilebilen bir sürüm var. Kurumsal inovasyon tarafında çalıştığım için her yıl yönetime sunum hazırlarken buradan beslenirim, bu yıl da …

@navigator · 6 gün önce 2 Maliyet düşüşü rakamı benim için de önemli, ama bir uyarı: fiyatın düşmesi faturanın düşmesi demek değil. Ucuzlayan şeyi daha çok kullanıyoruz, ajanlar da tek soruya onlarca çağrı yapıyor. Yatırım kar… devamını oku

@turkishpower · 6 gün önce 1 Üretim tarafında GLM örneği birebir tutuyor. Kalite kontrol raporlarını toparlayan bir pilotta model değiştirmek yerine ölçüm cihazlarının çıktılarını düzgün bir tabloya çevirip modele öyle verdik, ha… devamını oku

Tüm 3 yorumu gör →

@sammy · 9 gün önce

E-ticaret tarafında küçük bir ekiple çalışıyoruz, iki aydır ürün listelerini pazaryerlerine uyarlayan basit bir ajan kullanıyorum. Ürün açıklamasını alıyor, kategori kurallarına göre yeniden yazıyor, eksik özellikleri tedarikçi tablosundan bulup dolduruyor. Normalde günde 3 ile 5…

@endof · 9 gün önce 2 Bizde üç katman var. Görev başına token tavanı (çağrı sayısı yetmiyor, tek çağrı da çok pahalı olabiliyor), anahtar başına günlük tavan ve sağlayıcı panelinde aylık sert limit. Arada açık kaynak bir L… devamını oku

@navigator · 9 gün önce 6 Muhasebe gözüyle bir şey ekleyeyim: aylık sert limiti tek anahtarda tutmak yerine işleri ayır. Sabah işlerinin anahtarı ayrı, deneysel ve gece işlerinin anahtarı ayrı olsun, biri limiti doldurursa diğ… devamını oku

Tüm 3 yorumu gör →

@lamer · 12 gün önce

Etsy'de planner ve duvar posteri şablonları satıyorum, dükkan dört yıllık. Bu yaz iş yükünü azaltmak için ürün görsellerinin bir kısmını görsel üretim modelleriyle hazırlamaya başladım. Önceden her ürün için stok fotoğraf alıp Photoshop'ta mockup yapıyordum, ürün başına bir saati…

@demin · 12 gün önce 6 UGC tarafında da aynısını yaşadık. Bir markanın ürün görselinde şişe rengi gerçekte olduğundan daha canlıydı, yorumlar hep 'fotoğraftaki gibi değil' diye geldi. Senin karma yöntemin bence doğru, ürünü… devamını oku

@sammy · 12 gün önce 4 Şablon satan biri olarak çok tanıdık geldi. Listeleme açıklamasına görselin temsilî olduğunu ve baskı renginin yazıcıya göre değişeceğini yazmak şikayeti azaltıyor ama bitirmiyor. Asıl fark senin yapt… devamını oku

Tüm 3 yorumu gör →

@mean · 17 gün önce

Geçen hafta yan projemde küçük bir şey yaşadım, paylaşayım çünkü çoğu kişinin ajan modunu nasıl açık bıraktığını görüyorum. Oyun sunucusu için yazdığım bir araçta bağımlılık güncellemesi yapıyordum. Kod asistanına 'şu paketi yeni sürüme geçir, kırılan testleri düzelt' dedim ve te…

@endof · 17 gün önce 0 Konteyner kısmına katılıyorum. Ajansta müşteri projelerinde aynı şeyi zorunlu yaptık, ağ çıkışını sadece paket aynasına ve git sunucusuna açan bir ayar. İlk hafta herkes söylendi, sonra kimse fark etm… devamını oku

@amokachi · 17 gün önce 6 Bunu hiç düşünmemiştim açıkçası. HTML yorumunu modelin görüp insanın görmemesi çok mantıklı ama aklıma gelmezdi. Öğrenci olarak her şeyi otomatik onay modunda kullanıyorum, şimdi biraz tedirgin oldum.… devamını oku

Tüm 3 yorumu gör →

@noway · 26 gün önce

2026'da ücretsiz yapay zeka araçları listesi arayan herkes için tek yerde toplanmış, kategorilere ayrılmış ve her satırı kısa açıklamalı bir rehber: sohbet botları, görsel ve video üretimi, ses, müzik, yerel model çalıştırma, ajanlar, prompt kaynakları, dizinler ve benchmark site…

@navigator · 26 gün önce 1 Harika bir kaynak, tebrikler. Benchmark bölümünü ayrıca önemli buldum çünkü çoğu insan model seçimini pazarlama sayfalarına göre yapıyor; OpenRouter kullanım sıralaması ve Artificial Analysis karşılaş… devamını oku

@gaponmychest · 26 gün önce 1 Türkçe internette bu kapsamda derli toplu bir liste yoktu, elinize sağlık. Ses bölümünden Google Speech Gen ve Kokoro ikilisini denedim, ikisi de Türkçede beklediğimden iyi. Tek önerim, ileride güncel… devamını oku

Tüm 3 yorumu gör →

@madda · 7 gün önce

Veri etiketleme ve model değerlendirme işi yapıyorum. Son projede bir müşterinin Türkçe müşteri hizmetleri asistanının cevaplarını değerlendiriyorduk. Müşteri her hafta binlerce cevabı insanlara puanlatmak yerine bir hakem modele puanlatmak istedi, maliyet yüzünden. Biz de önce b…

@menamen · 7 gün önce 0 Nezaket kısmı çevirmen olarak çok tanıdık. Modellerin Türkçe resmiyet algısı çoğu zaman İngilizceden çevrilmiş gibi, bir kademe fazla resmi ve fazla özür dileyen. Hakem modele birkaç iyi ve kötü Türkç… devamını oku

@damon · 15 gün önce github.com ↗

Kliniklere randevu ve hatırlatma aracı kuruyorum, gelen WhatsApp mesajlarını otomatik etiketlemek en çok uğraştıran kısım. Şu an yerelde küçük bir dil modeline JSON çıktı verdirerek 'randevu iptali mi, fiyat sorusu mu, acil mi' diye ayırıyoruz. Çalışıyor ama ara sıra model JSON y…

@endof · 15 gün önce 0 Model yönlendirme kısmı bence asıl kullanım. Bizde gelen isteği ucuz modele mi pahalıya mı göndereceğimize karar veren ayrı küçük bir çağrı var, şu an metin üretip ayrıştırıyoruz. Tek token çıktı ve o… devamını oku

@fakazli · 31 gün önce lmarena.ai ↗

Model kıyaslamasının en zor tarafı, iyi cevabın çoğu zaman ölçülebilir olmaması. Bu platform farklı bir yol izliyor: kullanıcı bir soru soruyor, iki model cevap veriyor, hangi modelin cevap verdiği gizli tutuluyor ve kullanıcı hangisini beğendiğini seçiyor. Sonuçlar satranç sıral…

@nikea · 31 gün önce 5 Üslup yarışı uyarısına katılıyorum, bu gerçekten ölçülebilir bir etki. Aynı bilgiyi veren iki cevaptan başlıklara ayrılmış, maddelenmiş ve daha uzun olanı genelde tercih ediliyor. Oysa bazı sorular i… devamını oku

@sametay · 30 gün önce 6 Kendi değerlendirme setinizi kurma konusuna pratik bir yöntem ekleyeyim. Geçmişte insanların yaptığı işlerden yirmi örnek seçin ve doğru cevabı zaten biliyorsunuz. Bunları modele verip cevapları karş… devamını oku

@100yuze · 32 gün önce

Ortalıkta çok fazla araç var ve hepsi her şeyi yaptığını söylüyor. Pratikte her birinin güçlü olduğu alan farklı. Genel sohbet ve yazma asistanları. Metin üretme, düzenleme, özetleme ve fikir geliştirme için. Günlük işlerin çoğu burada çözülüyor. Farklı sağlayıcıların ürünleri…

@marul · 30 gün önce 2 Abonelik sayısı uyarısına katılıyorum, kendi başıma geldi. Bir dönem altı farklı araca abone olmuştum. Ay sonunda baktım, üçünü hiç açmamışım. Hepsini iptal edip tek bir genel araçla devam ettim, işl… devamını oku

@nikea · 30 gün önce 6 Arama odaklı araçlar konusuna ekleme yapayım çünkü ayrım önemli. Genel sohbet asistanı eğitim verisindeki bilgiden cevap veriyor ve o bilginin tarihi var. Güncel bir şey sorduğunuzda ya bilmiyor ya e… devamını oku

@abdullahkurucay · 32 gün önce

Yapay zekâ projelerinde konuşulan şey genelde model seçimi oluyor. Oysa sonucu belirleyen çoğunlukla veri tarafı ve bu taraf görünmediği için bütçe de almıyor. Veri tarafında sık karşılaşılan sorunlar: Etiket tutarsızlığı. Aynı durumu farklı kişiler farklı etiketlemiş. Mode…

@sourdiesel · 31 gün önce 6 Veriye gözle bakma tavsiyesi bence en değerlisi ve en çok atlanan adım. Bir projede aylarca model iyileştirmeye çalıştık, sonra rastgele örneklere baktık ve etiketlerin önemli bir kısmının yanlış old… devamını oku

@gokhancetin · 30 gün önce 0 Belge tabanlı sistemlerde kaynak kalitesi konusuna somut bir örnek ekleyeyim. Bir kurumda soru cevap sistemi kurduk ve sonuçlar kötüydü. Sebep model değildi, kurumun prosedür dokümanlarıydı. Aynı kon… devamını oku

@newday · 33 gün önce artificialintelligenceact.eu ↗

Avrupa Birliği'nin yapay zekâ düzenlemesini madde madde takip edilebilir hale getiren bağımsız kaynak. Resmî metin ağır olduğu için bu site pratik bir giriş noktası sağlıyor. Düzenlemenin temel yaklaşımı risk temelli. Sistemler kullanım alanına göre sınıflandırılıyor ve yüküml…

@navigator · 31 gün önce 2 Türkiye'deki yazılım şirketlerini ilgilendirmesi konusunu açmak isterim çünkü çoğu bunu uzak bir mesele sanıyor. Avrupa'daki bir müşteriye yazılım satıyorsanız ve o yazılım kapsama giren bir işlev iç… devamını oku

@sidarta · 30 gün önce 6 Şeffaflık yükümlülüğüne katılıyorum ve bunun aslında iyi bir uygulama olduğunu düşünüyorum, mevzuat olmasa da yapılmalı. Kullanıcı karşısındakinin insan mı sistem mi olduğunu bilmek istiyor. Bunu giz… devamını oku

@selenca · 34 gün önce

Bir metnin bu araçlarla üretilip üretilmediğini kesin olarak tespit etmek mümkün değil. Bunu iddia eden tespit araçları güvenilir sonuç vermiyor ve yanlış suçlamalara yol açıyor. Yine de insanlar bazı örüntüleri fark ediyor ve bu örüntülerden kaçınmak metnin kalitesini de artı…

@titus · 32 gün önce 3 Tespit araçlarının güvenilmez olması konusunu vurgulamak gerekiyor çünkü gerçek zarar veriyor. Bu araçlar özellikle ana dili İngilizce olmayan yazarların metinlerini yanlış işaretleme eğiliminde. Sad… devamını oku

@gaponmychest · 31 gün önce 5 Kişisel deneyim eksikliği maddesi bence en ayırt edici olanı. Bir konuda gerçekten çalışmış birinin yazısında mutlaka bir aksaklık hikâyesi oluyor. Şunu denedik olmadı, şu beklenmedik sorun çıktı gib… devamını oku

@quadri · 37 gün önce

Ajan kelimesi son dönemde her şeye yapıştırılıyor ve tanım bulanıklaştı. Netleştirmekte fayda var. Basit bir sohbet uygulaması ajan değil. Modelin bir aracı çağırabilmesi de tek başına ajan yapmıyor. Ajan denilen yapının ayırt edici özelliği şu: bir hedef veriliyor, model kend…

@fakazli · 34 gün önce 2 Adım sayısı arttıkça hata birikmesi konusu matematiksel olarak da açıklanabiliyor ve bu gerçekçi beklenti kurmaya yarıyor. Her adımın başarı olasılığı yüksek olsa bile, yirmi adımlık bir zincirin tam… devamını oku

@vahabdemir · 33 gün önce 5 Maliyet konusuna somut bir uyarı ekleyeyim. Bir ajan döngüsünde her adımda geçmiş bağlam tekrar gönderiliyor. Yani onuncu adımda önceki dokuz adımın çıktısı da girişte yer alıyor. Maliyet adım sayısı… devamını oku

@sourdiesel · 37 gün önce

Modellerin Türkçe performansı son yıllarda çok gelişti ama İngilizce ile arada hâlâ bir fark var. Sebeplerini bilmek, pratikte daha iyi sonuç almanızı sağlıyor. Birinci sebep veri hacmi. Eğitim verisinin büyük kısmı İngilizce. Türkçe içerik oranı çok daha küçük ve bu doğrudan …

@gokhancetin · 37 gün önce 1 Terminoloji sözlüğü tavsiyesini uyguladım ve fark gerçekten büyük. Teknik bir alanda çalışıyoruz ve model terimleri genel Türkçeye çeviriyordu, sektörde kullanılan karşılıkları değil. İsteme kısa bir… devamını oku

@newday · 36 gün önce 6 Veri derleme konusundaki fırsat vurgusuna katılıyorum, buna somut bir örnek ekleyeyim. Türkçe için en çok eksik olan şey değerlendirme setleri. Yani bir modelin Türkçede ne kadar iyi olduğunu ölçecek… devamını oku

@endof · 40 gün önce hai.stanford.edu ↗

Yapay zekâ alanında ortalıkta dolaşan iddiaların çoğu pazarlama kaynaklı. Bu rapor ise ölçülebilir göstergelerle alanın nerede olduğunu anlatıyor ve bu yüzden tartışmalarda referans olarak kullanılıyor. Raporun kapsadığı ana başlıklar şunlar: modellerin kıyaslama testlerindeki…

@quadri · 39 gün önce 6 Bu raporun en değerli tarafı bence kıyaslama testlerinin doygunluğa ulaşması konusunu açıkça ele alması. Yıllarca kullanılan testlerde modeller neredeyse tavan puanı aldığı için o testler ayırt edici… devamını oku

@gokhancetin · 35 gün önce 1 Eğitim maliyeti bölümüne dikkat çekmek isterim çünkü sektörün yapısını en iyi o anlatıyor. En büyük modelleri eğitmenin maliyeti öyle bir seviyeye çıktı ki, bu işi yapabilecek kurum sayısı bir elin p… devamını oku

@selenca · 41 gün önce

Metin ve görsel üretiminin maliyeti neredeyse sıfıra indi ve bunun görünür sonucu, internetteki içerik hacminin hızla artması. Bu, birkaç düzeyde değişim yaratıyor. Arama sonuçları tarafında. Yüzeysel ve birbirinin benzeri içerikler sonuç sayfalarını doldurunca, arama motorlar…

@marul · 36 gün önce 2 Birinci elden deneyimin değerlenmesi konusuna katılıyorum, kendi gözlemim de bu yönde. Yazdığım genel bilgi içerikli yazıların trafiği düşerken, kendi denemelerimi anlattığım ve gerçek ekran görüntüs… devamını oku

@titus · 35 gün önce 5 Kaynak sorgulama alışkanlığına bir yöntem ekleyeyim çünkü pratikte zor. Bir iddiayla karşılaştığımda baktığım üç şey var: kim söylüyor ve bu konuda ne yapmış, ne zaman söylenmiş, nereden alıntılanmış… devamını oku

@bberber · 42 gün önce

Kurum içi belgelerle çalışan bir soru cevap sistemi, yapay zekânın en çok karşılık bulan kullanım alanlarından biri. Mantığı basit ama iyi çalışan bir kurulum birkaç ayrıntıya bağlı. Temel akış şöyle işliyor: belgeler parçalara bölünüyor, her parça bir vektöre dönüştürülüp sak…

@bberber · 36 gün önce 4 Hibrit arama tavsiyesine kesinlikle katılıyorum, bizde en büyük sıçramayı bu sağladı. Sorun şuydu: kullanıcılar ürün kodu veya sözleşme numarası ile arama yapıyordu ve vektör araması bu tür sorgulard… devamını oku

@cherryblossom · 36 gün önce 6 Kaynak gösterme maddesinin altını çizmek istiyorum çünkü benimsenmeyi doğrudan etkiliyor. Bizde sistem ilk sürümde sadece cevap veriyordu. Kullanıcılar güvenmedi ve yine de belgeyi açıp kontrol ettil… devamını oku

@endof · 42 gün önce

Alandaki yatırım hacmi ve şirket değerlemeleri sürekli tartışılıyor. İki taraf da makul argümanlar sunuyor ve ikisini de bilmek daha sağlıklı bir bakış veriyor. Balon diyenlerin argümanları: Değerlemeler mevcut gelirle açıklanamıyor. Gelecekteki büyüme beklentisine dayanan …

@quadri · 37 gün önce 3 Altyapı kalır argümanı tarihsel olarak doğru ama bir ayrıntı var. Geçmiş örneklerde kalan altyapı uzun ömürlüydü. Döşenen kablolar yıllarca kullanıldı. Bu alanda ise donanım daha hızlı eskiyor. Birk… devamını oku

@newday · 33 gün önce 6 Kurumsal talebin beklenenden küçük olabilmesi konusuna katılıyorum, sahada gördüğüm de bu. Şirketler deneme yapıyor, bütçe ayırıyor ama kalıcı harcamaya geçiş yavaş. Sebebi genelde ölçülebilir fayda … devamını oku

@nikea · 43 gün önce huggingface.co ↗

Açık modellerin standart kıyaslama testlerindeki sonuçlarını tek tabloda toplayan liste. Kendi sunucunuzda çalıştırabileceğiniz bir model ararken başlangıç noktası. Tablodaki testler farklı yetenekleri ölçüyor: genel bilgi ve akıl yürütme, matematik, talimat takibi, çok adımlı…

@vahabdemir · 40 gün önce 5 Lisans sütununa dikkat çekmek istiyorum çünkü ticari projelerde sonradan sorun çıkarıyor. Açık ağırlıklı demek her zaman istediğiniz gibi kullanabilirsiniz demek değil. Bazı lisanslar ticari kullanım… devamını oku

@bberber · 39 gün önce 6 Eğitim verisi bulaşması konusuna bir ekleme yapayım çünkü bu alanın en büyük ölçüm sorunu. Bir test seti internette yayımlandıktan sonra, sonraki modellerin eğitim verisine girme ihtimali var. Model … devamını oku

@gaponmychest · 45 gün önce ollama.com ↗

Yerel model çalıştırmak eskiden ciddi uğraş gerektiriyordu. Bu araç işi tek komuta indirdi: model adını yazıyorsunuz, iniyor ve çalışıyor. Arka planda bir yerel sunucu açıyor, böylece kendi uygulamanızdan aynı şekilde çağırabiliyorsunuz. Yerel çalıştırmanın somut faydaları: ve…

@dandanakan · 40 gün önce 3 Bellek konusunu biraz somutlaştırayım çünkü en çok sorulan şey bu. Kabaca kural şu: modelin parametre sayısı kadar gigabayt bellek gerekiyor, nicemleme seviyesine göre bu oran düşüyor. Sekiz milyar p… devamını oku

@vahabdemir · 38 gün önce 0 Veri gizliliği faydasını vurgulamak isterim, kurumsal tarafta asıl kullanım sebebi bu. Hukuk bürosu, muhasebe ofisi, sağlık kuruluşu gibi yerlerde metinler dışarı gönderilemiyor. Yerel model bu durum… devamını oku

@100yuze · 46 gün önce

Okullarda yapay zekâ eğitimi tartışması genelde kodlama öğretelim mi sorusuna indirgeniyor. Oysa asıl ihtiyaç başka yerde. Öğretilmesi gereken temel beceriler: Bu sistemlerin ne olduğunu anlamak. Model bir bilgi kaynağı değil, metin tahmin eden bir sistem. Bunu anlayan bir …

@gaponmychest · 45 gün önce 4 Ödev tasarımını değiştirme tavsiyesi çok yerinde, kendi çocuğumun okulunda bunu gördüm ve işe yaradı. Öğretmen ödevi teslim ettikten sonra sınıfta beş dakikalık bir sunum ve soru cevap istiyor. Konuy… devamını oku

@newday · 41 gün önce 4 Gizlilik maddesine dikkat çekmek isterim çünkü çocuklarda bu gerçekten risk. Çocuklar sohbet arayüzünü bir arkadaşla konuşuyormuş gibi kullanabiliyor ve okul adını, adresini, aile durumunu yazabiliyo… devamını oku

@mardig · 47 gün önce

Çalışanlar bu araçları zaten kullanıyor. Politika yazmamak, kullanımı engellemiyor sadece görünmez kılıyor. İyi bir politika yasaklamak yerine sınırları netleştiriyor. Bir politikanın cevaplaması gereken sorular: Hangi araçlar onaylı? Kurumsal hesapla kullanılan araçlar ile…

@gokhancetin · 44 gün önce 2 Serbest liste fikri çok değerli, biz de öyle yaptık ve benimsenme belirgin şekilde arttı. Politikanın ilk bölümü şu cümleyle başlıyor: aşağıdakileri onay almadan yapabilirsiniz. Sonra somut örnekler:… devamını oku

@sidarta · 39 gün önce 6 Sorumluluk maddesine bir ekleme yapayım. Çıktıyı kullanan kişi sorumlu ilkesi doğru ama tek başına yeterli değil. Kişiye kontrol etme imkânı da vermek gerekiyor. Örneğin çalışandan hukuki bir metni … devamını oku

@sourdiesel · 49 gün önce

Bu araçların en çok konuşulan kullanımları büyük projeler ama günlük işte en çok zaman kazandıran şeyler daha sıradan. Toplantı tarafı: Kayıttan yazıya çevirme ve özet çıkarma. Katılamadığınız toplantıyı on dakikada öğrenmek. Aksiyon maddelerini ve kimin neyi üstlendiğini a…

@newday · 43 gün önce 1 Ton ayarı kullanımını özellikle öneririm, ilişki kurtarıcı bir özellik. Sinirli yazılan e postalar geri alınamıyor. Yazıp bekletmek klasik tavsiye ama pratikte insanlar gönderiyor. Yazdığınız metni … devamını oku

@titus · 39 gün önce 0 Toplantı gerekliliği sorgulaması maddesi bence listenin en değerlisi. Gündemi yazıp bunun için toplantı gerekli mi diye sormak, bir dış göz işlevi görüyor. Cevap genelde şu oluyor: bu üç madde yazılı… devamını oku

@vahabdemir · 49 gün önce

Modellerin olmayan bilgiyi emin bir dille uydurması, bu teknolojinin en bilinen sorunu. Tamamen ortadan kalkmıyor ama sebebini anlamak ve doğru önlemleri almak sıklığı ciddi şekilde düşürüyor. Sebebi kısaca şu: model bir bilgi tabanı değil, metin devamı tahmin eden bir sistem.…

@selenca · 46 gün önce 4 Bilmiyorum demeye izin verme tavsiyesinin ne kadar işe yaradığını gördükten sonra bütün istemlerime ekledim. Bir ek olarak, modelin ne zaman emin olmadığını belirtmesini istemek de faydalı. Cevabın s… devamını oku

@abdullahkurucay · 42 gün önce 3 Hesaplamaları koda yaptırma tavsiyesini desteklemek isterim, fark gerçekten büyük. Model dört işlemi kafadan yaparken hata yapabiliyor, özellikle büyük sayılarda ve çok adımlı hesaplarda. Aynı modele… devamını oku

@bananaman · 49 gün önce

Ses ve görüntü taklidi teknolojisi ucuzladı ve dolandırıcılık yöntemleri buna göre değişti. Bu tehdidi teknik bir mesele olarak değil, süreç meselesi olarak ele almak gerekiyor. Yaygın senaryolar: Yönetici taklidi. Şirket yöneticisinin sesiyle aranıp acil para transferi ist…

@vahabdemir · 46 gün önce 4 Aile parolası fikri basit ama gerçekten işe yarıyor, biz de uyguladık. Anne babama anlattığımda önce gereksiz buldular. Sonra tanıdıkları birinin başına benzer bir olay gelince ciddiye aldılar. Paro… devamını oku

@bananaman · 41 gün önce 4 Aciliyet baskısı uyarısını vurgulamak isterim çünkü ortak payda gerçekten bu. Dolandırıcılık senaryolarının neredeyse hepsinde acele ettirme var. Şimdi yapmazsan olmaz, kimseye söyleme, hemen gerekiy… devamını oku

@fakazli · 55 gün önce

Kurumların yapay zekâ projelerinde ortak bir örüntü var. Pilot çalışma etkileyici sonuç veriyor, herkes heyecanlanıyor, sonra proje yaygınlaştırılamıyor ve sessizce rafa kalkıyor. Bunun sebepleri teknolojik değil, neredeyse her zaman yapısal. Birinci hata, problemden değil tek…

@navigator · 52 gün önce 1 Süreci değiştirmeden araç ekleme maddesi en kritik olanı, buna somut bir örnek vereyim. Bir müşteri hizmetleri ekibine cevap taslağı üreten bir araç kuruldu. Temsilciler taslağı okuyup düzeltiyor son… devamını oku

@100yuze · 47 gün önce 2 Başarı ölçütünü baştan tanımlama maddesine katılıyorum, bir de nasıl tanımlanacağına dair öneri ekleyeyim. Ölçüt teknik değil işle ilgili olmalı. Model doğruluğu yüzde şu kadar oldu demek yönetime bi… devamını oku

@bberber · 59 gün önce

İş arayanların en çok kullandığı alanlardan biri bu ve doğru kullanıldığında gerçekten fark yaratıyor. İşe yarayan kullanımlar: İlan analizi. İş ilanını yapıştırıp hangi becerilerin öne çıktığını ve hangi anahtar kelimelerin geçtiğini çıkarmak. Özgeçmişinizi o ilana göre dü…

@selenca · 55 gün önce 4 İşe alım tarafından bakan biri olarak ekleyeyim: üretilmiş metin gerçekten fark ediliyor. Ayırt eden şey somutluk eksikliği. Ekip çalışmasına yatkın, sonuç odaklı gibi ifadeler her özgeçmişte var ve … devamını oku

@erayuzun · 52 gün önce 6 Mülakat hazırlığı kullanımını özellikle öneririm, ben de böyle hazırlandım. İlanı verip bana bu pozisyon için on soru sor dedim, sonra cevaplarımı yazıp değerlendirmesini istedim. Zayıf cevaplarımı g… devamını oku

@sidarta · 64 gün önce

Bu alanda girişim kurmak isteyenlerin karşılaştığı temel soru şu: modeli herkes kullanabiliyorsa, sizin işinizi neden kimse kopyalayamasın? Savunulamayan konumlar: Sadece bir modelin üstüne arayüz koymak. Bu işi bir hafta sonunda kimse yapabilir ve model sağlayıcısı aynı öz…

@navigator · 59 gün önce 4 Model katmanını değiştirilebilir tasarlama tavsiyesi çok yerinde, uygulamada da zor değil. Pratik olarak modeli çağıran kodu tek bir yerde toplamak ve uygulamanın geri kalanının o arayüzle konuşması … devamını oku

@endof · 55 gün önce 4 Brüt marj konusuna somut bir uyarı ekleyeyim çünkü yatırımcı görüşmelerinde ilk sorulan şey. Yazılım işinde brüt marj geleneksel olarak çok yüksek. Model maliyeti olan ürünlerde bu oran belirgin şeki… devamını oku

@100yuze · 64 gün önce

Alandaki iş ilanlarına bakıldığında talep edilen profillerin çeşitlendiği görülüyor. Sadece araştırmacı değil, farklı seviyelerde roller oluşuyor. Talebin arttığı roller: Uygulama geliştirici. Model kullanarak ürün kuran kişi. Derin matematik bilgisi gerekmiyor, yazılım müh…

@innoturk · 61 gün önce 2 Alan uzmanı rolünün önemini vurgulamak isterim çünkü en az konuşulan ama en değerli konum. Teknik ekip modeli kurabiliyor ama hangi çıktının kabul edilebilir olduğunu bilmiyor. Alan uzmanı bunu biliy… devamını oku

@endof · 56 gün önce 1 Değerlendirme ve kalite rolüne dikkat çekmek isterim, gerçekten yeni oluşan bir alan. Bir modelin çıktısının iyi olup olmadığını sistematik ölçmek kendi başına bir uzmanlık. Test seti tasarlamak, pua… devamını oku

@sidarta · 65 gün önce

Model seçimi genelde sıralama tablolarına bakılarak yapılıyor ama üretim ortamında belirleyici olan kriterler farklı. Bakılması gereken boyutlar: Görev uyumu. Sizin işinizde nasıl performans gösteriyor? Bunu ancak kendi örneklerinizle test ederek öğrenirsiniz. Yirmi örnekli…

@erayuzun · 62 gün önce 3 Uzun bağlamda ortadaki bilgiyi kaçırma sorununu vurgulamak isterim, çok gerçek bir etki. Büyük bir belge verip içindeki bir bilgiyi sorduğunuzda, bilgi metnin başında veya sonundaysa model buluyor, o… devamını oku

@100yuze · 59 gün önce 6 Veri politikası maddesine dikkat çekmek isterim çünkü kurumsal kullanımda en çok sorulan şey bu. Sağlayıcılar arasında ciddi farklar var. Bazıları ücretsiz kullanımda girdileri model geliştirme için … devamını oku

@mardig · 67 gün önce

Öğrencilerin bu araçlarla ilişkisi genelde iki uçta: ya tamamen yasak ya ödevi yaptırmak. İkisinin arasında çok değerli bir alan var. Gerçekten öğrenmeye yarayan kullanımlar: Anlamadığını sordurmak. Ders kitabındaki bir paragrafı yapıştırıp basitçe açıklamasını istemek. Anl…

@innoturk · 66 gün önce 2 Kendi çözümünü kontrol ettirme yöntemi bence en değerlisi ve okullarda öğretilmeli. Çocuğuma şunu söylüyorum: önce sen çöz, sonra kontrol ettir. Yanlışsa nerede hata yaptığını sor, cevabı isteme. Bu… devamını oku

@cherryblossom · 65 gün önce 0 Dil öğrenimi kullanımını vurgulamak isterim çünkü gerçekten karşılığı olan bir alan. Yazdığınız metni düzelttirip neden yanlış olduğunu sormak, dil bilgisi kuralını bağlam içinde öğretiyor. Kitaptan … devamını oku

@dandanakan · 68 gün önce

Kod üretimi, dil modellerinin en yaygın kullanılan alanı ve verimlilik kazancı gerçek. Ama üretime giden kodun kalitesi konusunda bazı alışkanlıklar gerekiyor. En sık karşılaşılan sorunlar: Gerçekçi görünen ama var olmayan fonksiyon ve kütüphane çağrıları. Model ismi mantık…

@dandanakan · 64 gün önce 6 Anlamadığın kodu üretime alma ilkesi bence en kritik olanı ve ekiplerde kural haline getirilmeli. Kod incelemesinde sorduğum soru şu: bu satır ne yapıyor ve neden burada? Cevap veremiyorsa kod geri d… devamını oku

@erayuzun · 59 gün önce 0 Var olmayan fonksiyon uydurma konusuna pratik bir önlem ekleyeyim. Kütüphane adı ve fonksiyon ismi geçen her öneriyi, resmi belgesinden doğrulamak alışkanlık haline gelmeli. Özellikle model eski bir … devamını oku

@vahabdemir · 71 gün önce promptingguide.ai ↗

İstem yazma konusunda internette çok tavsiye dolaşıyor ama çoğu kişisel deneyime dayanıyor. Bu rehberin farkı, anlattığı her tekniği kaynak makalelerle ilişkilendirmesi. Kapsanan başlıca teknikler: sıfır örnekli ve az örnekli istemler, adım adım düşünme, kendi kendini tutarlıl…

@abdullahkurucay · 70 gün önce 4 Örnek seçiminin önemi konusuna kendi tecrübemi ekleyeyim. Bir sınıflandırma işinde model sürekli belirli bir kategoriye kayıyordu. Sebep, verdiğim üç örnekten ikisinin o kategoriden olmasıydı. Örnekl… devamını oku

@fakazli · 69 gün önce 2 İstem enjeksiyonu bölümüne dikkat çekmek istiyorum çünkü ürün yapanların çoğu bunu ciddiye almıyor. Kullanıcının yazdığı metni sistem talimatınızın yanına koyduğunuzda, kullanıcı o talimatı geçersiz … devamını oku

@bananaman · 72 gün önce platform.openai.com ↗

Model sağlayıcılarının belgelerinde en faydalı bölüm genelde model karşılaştırma tablosu oluyor. Aynı ailede farklı boyutlarda modeller var ve hangisinin hangi iş için uygun olduğu burada tanımlı. Genel kural şu: en büyük model her iş için gerekli değil. Sınıflandırma, biçim d…

@erayuzun · 71 gün önce 4 Toplu işleme özelliğini vurgulamak çok yerinde, maliyeti yarıya yakın düşürebiliyor. Bizde otuz bin ürün açıklamasını yeniden yazma işi vardı. Tek tek gerçek zamanlı göndermek hem pahalı hem yavaştı.… devamını oku

@bberber · 68 gün önce 1 Hız sınırları konusuna pratik bir uyarı ekleyeyim. Geliştirme sırasında sınıra takılmıyorsunuz çünkü tek kullanıcısınız. Canlıya çıkınca aynı anda gelen istekler sınırı zorluyor ve istekler reddedilm… devamını oku

@marul · 73 gün önce

Alanla ilgili konuşmalarda sürekli geçen ama net anlatılmayan kavramlar var. Kısaca toplayalım. Belirteç. Model metni kelime olarak değil, belirteç denen parçalar halinde işliyor. Bir belirteç bazen tam bir kelime, bazen bir hece, bazen bir noktalama işareti oluyor. Maliyet ve…

@cherryblossom · 72 gün önce 0 Bu listeye pratik bir ekleme yapayım: sistem talimatı ile kullanıcı mesajı ayrımı. Çoğu arayüzde sadece tek bir kutu olduğu için insanlar bu ayrımı bilmiyor. Oysa geliştirici tarafında iki ayrı alan … devamını oku

@sametay · 72 gün önce 1 Akıl yürütme modelleri maddesine bir kullanım notu ekleyeyim. Bu modeller her iş için uygun değil. Basit bir sınıflandırma veya biçim dönüştürme işinde uzun uzun düşünmeleri hem zaman hem para kaybı.… devamını oku

@sametay · 73 gün önce

Bu soru genelde iki uçta cevaplanıyor: ya hiçbir şey değişmeyecek ya her şey bitecek. İkisi de gerçeği anlatmıyor. Daha faydalı soru şu: benim işimin hangi parçaları otomatikleşmeye açık ve ben hangi parçada değer üretiyorum. Otomatikleşmeye en açık iş parçaları şunlar: tekrar…

@endof · 71 gün önce 5 Junior seviye işlerin azalması konusu bence en önemli ve en az konuşulan tarafı. Sorun şu: kıdemli olmak için önce kıdemsiz olarak çalışmak gerekiyor. Basit işleri yaparak öğreniyorsunuz. O basit işl… devamını oku

@100yuze · 70 gün önce 0 Değerlendirmeye bir boyut eklemek isterim: talebin artması etkisi. Bir işin maliyeti düştüğünde o işe olan talep bazen artıyor. Tasarım ucuzladığında daha çok tasarım yaptırılıyor, yazılım ucuzladığı… devamını oku

@inovanadolu · 107 gün önce

Bu da içeriğidir.

@inovanadolu · 107 gün önce 0 deneme post deneme.

@inovanadolu · 107 gün önce 0 deneme denenbe

@mean · 18 gün önce x.com ↗

200kb'lık bir java uygulaması ile cloud'dan Claude'ı çağırmak. Eski cihazlara nüfuz etmek açısından farklı kapılar açabilir bu açılımlar. Şahsen merakla destekliyorum. Geçen haftalada evdeki eski Samsung televizyonunun yazılımını güncelleyen birine denk gelmiştim.

@mean · 17 gün önce 0 Uygulama, sunucu ve kurulum rehberi: https://github.com/emir/claude...

@navigator · 34 gün önce

Konuşma tanıma ve sentezleme kalitesi belirli bir eşiği geçti ve bu, telefon üzerinden yürüyen süreçleri doğrudan etkiliyor. Teknik olarak bir sesli ajan üç parçadan oluşuyor: konuşmayı metne çeviren bileşen, metni anlayıp cevabı üreten model ve cevabı sese dönüştüren bileşen.…

@nikea · 32 gün önce 1 İnsana devretme eşiği konusu gerçekten belirleyici, kötü örnekleri hepimiz yaşadık. Pratik bir kural işe yarıyor: iki kez üst üste anlaşılamadıysa devret. Üçüncü denemede başarılı olma olasılığı zate… devamını oku

@fakazli · 36 gün önce cookbook.openai.com ↗

Belgeler neyin mümkün olduğunu anlatıyor, bu arşiv ise nasıl yapıldığını gösteriyor. Her başlık çalıştırılabilir bir defter halinde ve kopyalayıp kendi verinizle deneyebiliyorsunuz. En çok kullanılan bölümler: gömme vektörleriyle anlamsal arama kurmak, uzun belgeleri parçalayı…

@sametay · 30 gün önce 1 Değerlendirme bölümünü öne çıkarmak çok doğru, bizim projede dönüm noktası oydu. Önce sezgiyle ilerliyorduk. İstemi değiştiriyorduk, çıktılar bize daha iyi geliyordu, devam ediyorduk. Sonra elli örne… devamını oku

@gokhancetin · 37 gün önce webrazzi.com ↗

Yerel ekosistemi takip etmek için pratik bir kaynak. Türkiye'den çıkan yapay zekâ girişimleri, aldıkları yatırımlar, kurumsal iş birlikleri ve ürün lansmanları burada izlenebiliyor. Takip etmenin faydaları: hangi alanlarda yerli girişim olduğunu görmek, benzer bir fikir üzerin…

@innoturk · 36 gün önce 2 Yerel ekosistemi takip etmenin bir faydası daha var: müşteri referansları. Hangi kurumun hangi çözümü aldığını görmek, satış yapmayı düşünenler için doğrudan bilgi. Bir sektörde ilk alıcı çıktıysa, o… devamını oku

@navigator · 39 gün önce python.langchain.com ↗

Dil modeli uygulamalarında tekrar eden yapıları hazır bileşenler halinde sunan çatı. Belge yükleme, parçalama, vektör deposuna yazma, arama ve zincir kurma gibi adımlar için hazır parçalar içeriyor. Sunduğu değer: farklı sağlayıcılar için ortak arayüz, hazır belge yükleyiciler…

@fakazli · 37 gün önce 5 Önce kendin yaz tavsiyesine kesinlikle katılıyorum, bizim tecrübemiz de bu yönde. İlk projede doğrudan çatıyla başladık. Bir sorun çıktığında hatanın nereden geldiğini bulamıyorduk çünkü aradaki katm… devamını oku

@navigator · 40 gün önce

Görsel üretimi araçları hızla yaygınlaştı ama ticari kullanım söz konusu olduğunda dikkat edilmesi gereken noktalar var. Hukuki tarafta netleşmemiş konular hâlâ mevcut. Ülkeden ülkeye farklılık gösteriyor ve içtihat oluşmaya devam ediyor. Genel eğilim, tamamen makine tarafında…

@nikea · 35 gün önce 4 Ürün fotoğrafı yerine üretilmiş görsel kullanma konusuna katılıyorum, bu e ticarette gerçekten sorun yaratıyor. Müşteri ürünü aldığında görselle karşılaştırıyor ve fark varsa hem iade geliyor hem olu… devamını oku

@selenca · 40 gün önce artificialanalysis.ai ↗

Model seçerken kalite kadar önemli olan iki şey var: saniyede kaç kelime üretiyor ve bin kelime başına ne kadara mal oluyor. Bu sayfa farklı sağlayıcıların aynı modeli hangi hız ve fiyatla sunduğunu karşılaştırıyor. En çok işe yarayan sütunlar şunlar: ilk kelimenin gelme süres…

@erayuzun · 37 gün önce 1 Maliyet hesabı konusuna somut bir uyarı ekleyeyim çünkü en çok burada şaşırılıyor. Sohbet uygulamalarında konuşma geçmişi her istekte tekrar gönderiliyor. Yani on mesajlık bir konuşmanın onuncu isteğ… devamını oku

@quadri · 40 gün önce github.com ↗

Ses kayıtlarını metne çeviren, açık kaynak olarak yayımlanmış model. Çok dilli çalışıyor ve Türkçe desteği kullanılabilir seviyede. Pratik kullanım alanları: toplantı kayıtlarını yazıya dökmek, görüşme ve mülakat deşifresi, video altyazısı üretmek, sesli not arşivini aranabili…

@selenca · 36 gün önce 4 Konuşmacı ayrımı konusunu vurgulamak isterim çünkü toplantı deşifresinde en çok eksik kalan şey bu. Model metni çıkarıyor ama kimin ne söylediğini yazmıyor. Beş kişilik bir toplantıda bu metin okunab… devamını oku

@quadri · 41 gün önce

Bu araçlar öğrenme için güçlü ama yanlış kullanıldığında öğrenmeyi engelliyor. Aradaki fark, cevabı almak ile anlamayı istemek arasında. İşe yarayan kullanım biçimleri: Açıklatma. Anlamadığınız bir kavramı farklı seviyelerde açıklatmak. Önce basit, sonra biraz daha teknik, …

@marul · 40 gün önce 3 Onaylamaya eğilimli olma konusu çok önemli ve fark edilmesi zor. Bir konuda yanlış bir varsayımla soru sorduğunuzda, model varsayımı düzeltmek yerine o varsayım üzerinden cevap verebiliyor. Siz de do… devamını oku