Herkese selamlar, bu yazıda ülkemizde yapay zeka alanında işe girme ihtimalinizi nasıl arttırabileceğinizi düşündüğümden bahsedeceğim. Bunları yapmanız kesin işe gireceğiniz anlamına gelmez ancak ben kısa vadede birçok şirketin bu tarz görevleri yerine getirebilecek veya çoktan getirildiyse, geliştirmesini ve bakımını yapabilecek elemana ihtiyaç duyabileceğini öngörüyorum. Peki deneyimsiz biri neden işe alınır?

Genel olarak ülkemizde yapay zeka alanı henüz çok yeni olduğu için yazılımın aksine doktora veya yüksek lisans mezunları işe alınmakta. Ancak yaşanan son gelişmelerle birlikte burada işlerin biraz değiştiğini düşünüyorum. Öncelikle şunu hatırlayalım; İşe kabul edilmek demek, iş vereninizin sizin o şirket için fayda sağlayabileceğinizi düşünmesiyle gerçekleşir. Siz şirkete 2x fayda sağlayacaksınız ki, o da sizi x maaşı ile işe alsın. Yani işe girmek için faydanızı arttırmanız ve bunu iş verenlere göstermeniz gerekmektedir. Gösterme kısmını yaptığınız projeleri Github, Kaggle, Huggingface gibi platformlara koyup bunu Linkedin'de paylaşarak yapabilirsiniz. Peki hangi projeleri yapmalıyım? Aslında temel olay, şirketlerin ihtiyacı olan ve gerçekten fayda sağlayacağı şeylere yönelik projeler yapmak.

Şu an ChatGPT ve benzeri LLM(large language models/ büyük dil modelleri)'nin ortaya çıkması ile bir çok alanda ihtiyaçlar ortaya çıktı. Şirketler bu yeni modelleri kullanarak metinleri özetlemek, metinlere soru cevap yapmak, soru cevap çiftleri ile FaQ botları yapmak, oyunlar yapmak veya var olan oyunlara/projelere bu ve benzeri teknoloji entegre etmek, kendi LLM modellerini dillerine veya alanlarına göre fine-tune etmek vb. ihtiyaçlarını hissediyorlar. Bu ihtiyaçlar herkes tarafından bilinen bir gerçek.

İşte size bu alanda ufak bir roadmap: Transformers->LLMs->Langchain->fine-tuning->projeler yap.

Üretken Yapay Zeka'ya dair daha detaylı yol haritalarını ve kaynakları burada bulabilirsiniz: https://github.com/mlabonne/llm-course

Deeplearning.ai'ın short course'larını beğeniyorum (İngilizce olmaları bir sorunsa Medium hesabımda Türkçeye çevirilerini paylaşıp Youtube hesabımda anlatıyorum): https://www.deeplearning.ai/short-courses/

Bu alanda işe girmenin ötesinde bir usta olmak istiyor iseniz yapay zeka alanı şu şekilde ilerlemiştir ve önceki alanların ve yaklaşımların ne olduğunun bilinmesi önemlidir: İstatistik / Veri Bilimi -> Makine Öğrenmesi -> Derin Öğrenme -> Üretken Yapay Zeka

Makine öğrenmesi kadar olan kısım için bir genel yol haritası:

https://roadmap.sh/ai-data-scientist .

Derin öğrenme için  Coursera sitesinin kursları üzerine tanımam pek, çok kaliteli ve ücretsizdir özellikle Andrew NG'nin dersleri bana çok şey katmıştır, Pytorch ile de derin öğrenme bilginizi uygulamaya döküp projeler yapabilirsiniz. Derin öğrenmeyi ve terimlerini (backprogpagation, gradient descent, fast forward etc.) kavradıktan sonra derin öğrenme mimarilerini öğrenmek gerekiyor: CNN, RNN, LSTM sonra Transformers. Transformers mimarisi zaten üretken yapay zeka hareketini başlatıyor, OpenAI chatgpt sayesinde LLM'lerle yeni bir yapay zeka yazı geliyor Dünya'yı kasıp kavuruyor. Oradan sonra da  Deeplearning.ai sitesinde üretken yapay zeka alanındaki kısa kurslara bakabilirsiniz onlar çok kalitelidir yine Andrew NG moderatörlük yapar.

Onun dışında üretken yapay zeka alanında şu adreste roadmap'ler, google collab notebook'ları (kodlar) vb. var:

https://github.com/mlabonne/llm-course . 

Ayrıca kısa zaman önce Ilya Sutskever'in üretken yapay zekayı bilmek için şu 40 makaleye bakman lazım gibi bir mesaj attığı sızdı o makaleleri de şöyle bırakıyorum:

https://arc.net/folder/D0472A20-9C20-4D3F-B145-D2865C0A9FEE .

Bu veya başka konularda gerçekten fayda sağlayacak projeler yapar ve yukarıda söylediğim platformlarda paylaşırsanız (vergi indirimi ile alakalı yasal sebeplerden dolayı 4 yıllık herhangi bir sayısal bölüm diplomanız da varsa) kısa sürede iş bulup, iş vereninize ve ülkenize fayda sağlayabileceğinizi düşünüyorum. Herkese kolay gelsin :)

Bu yazı tamamen kişisel görüşüme dayalıdır ve herhangi bir yasal sorumluluk kabul etmemekteyim.