Yapay Zekâ Öğrenmek İçin Nereden Başlamalıyım? Kullanıcıdan Geliştiriciye Yol

Yapay zekâ öğrenmek için nereden başlayacağınız, ne yapmak istediğinize bağlıdır. Araçları işinizde kullanmak istiyorsanız hiç kod yazmadan, günlük işlerinizden birini yapay zekâyla yapmaya çalışarak başlayabilirsiniz. Yapay zekâ sistemleri geliştirmek istiyorsanız ilk adım Python ve temel matematiktir. İki yol aynı yerden çıkar ama farklı yerlere gider; hangisinde olduğunuzu baştan bilmek aylarca boşa çalışmayı önler.

Aşağıda önce iki yolu ayırıyoruz, sonra her biri için aşama aşama bir plan, gereken süre, ücretsiz kaynak türleri ve sık yapılan hataları anlatıyoruz. Belirli araçların fiyatına girmiyoruz, çünkü bu ürünler birkaç ayda bir değişiyor.

İki yol: kullanıcı mı, geliştirici mi?

Yapay zekâ öğrenmek isteyenlerin çoğu aslında yapay zekâyı iyi kullanmayı öğrenmek istiyor.

Bu yol, sohbet asistanları, görsel üreticiler ve otomasyon araçlarıyla iş üretmeyi kapsar. Geliştirici yolu ise modellerin nasıl eğitildiğini, nasıl değerlendirildiğini ve ürünlere nasıl entegre edildiğini öğrenmeyi gerektirir.

Özellik	Kullanıcı ve üretici yolu	Geliştirici yolu
Hedef	Araçlarla daha hızlı ve iyi iş çıkarmak	Yapay zekâ sistemi kurmak ya da geliştirmek
Ön koşul	Bilgisayar kullanımı, iyi yazılı ifade	Lise matematiği, programlamaya istek
İlk somut çıktı	Bir iş sürecini yapay zekâyla hızlandırmak	Basit bir sınıflandırma modeli eğitmek
Gerçekçi süre	Temel yetkinlik için birkaç hafta	Temel yetkinlik için 6-12 ay düzenli çalışma
Sık hata	Çıktıyı kontrol etmeden kullanmak	Matematiği atlayıp yalnız kütüphane çağırmak

İki yol birbirini dışlamaz. Geliştirici olmak isteyen birinin de araçları iyi kullanması gerekir; kullanıcı yolundaki biri de zamanla basit otomasyonlar için kod öğrenmeye karar verebilir.

Hangi yol size uygun?

Karar vermek için kendinize iki soru sorun: "Bir yıl sonra yapay zekâyla ne üretmiş olmak istiyorum?" ve "Haftada kaç saat ayırabilirim?" Cevabınız "işimi daha hızlı yapmak" ve "haftada üç saat" ise kullanıcı yolu size uygundur. Cevabınız "yapay zekâ ürünleri geliştiren bir ekipte çalışmak" ve "haftada on saat" ise geliştirici yolunu düşünebilirsiniz.

İki varsayımsal kişi üzerinden bakalım. Muhasebe bürosunda çalışan Mehmet, fatura özetleri ve müşteri yazışmaları için yapay zekâ kullanmak istiyor. Onun için Python öğrenmek şu aşamada gereksiz bir yük olur; asıl ihtiyacı doğru prompt yazmak ve çıktıyı denetlemektir.

Bilgisayar mühendisliği ikinci sınıf öğrencisi Elif ise mezun olduğunda makine öğrenmesi alanında iş arıyor. Onun için matematik ve kod temelini sağlamlaştırmak, araç kullanmaktan daha önceliklidir.

Kullanıcı yolunda ilk dört hafta: yapay zekâ kullanmayı öğrenmek

Kullanıcı yolunda ilk hedef, bir aracın neyi iyi neyi kötü yaptığını kendi işinizde görmektir. Kavramları okumak yerine, her hafta gerçek bir görevi yapay zekâyla yapmayı deneyin.

Birinci hafta: Temel kavramlar. Büyük dil modeli nedir, prompt nasıl yazılır, modelin bilgisi neden bir tarihte kesilir gibi sorulara cevap arayın. Bu aşamada Google'ın ücretsiz ve yaklaşık 45 dakikalık "Introduction to Generative AI" kursu gibi kısa giriş içerikleri yeterli bir başlangıç sağlar (Ekim 2026 itibarıyla Google Skills'te ücretsiz listeleniyor).

İkinci hafta: Kendi işinizde deneme. Bir e-posta taslağı, toplantı notu özeti ya da tablo düzenleme gibi tekrar eden bir görevi seçin. Aynı görevi önce kendiniz, sonra yapay zekâyla yapın ve süreyi not edin.

Üçüncü hafta: Doğrulama alışkanlığı. Modelin uydurma bilgi üretmesine halüsinasyon denir. Bu hafta yapay zekânın verdiği her rakamı, tarihi ve kaynağı ayrıca kontrol etmeyi alışkanlık hâline getirin. Yapay zekânın verdiği bilgiler doğru mu yazısı bu kontrolü nasıl yapacağınızı anlatıyor.

Dördüncü hafta: Küçük bir iş akışı. İki ya da üç adımlı bir süreci, örneğin "müşteri yorumlarını topla, kategorilere ayır, özet çıkar" akışını yapay zekâyla kurun. Sonucu bir sayfalık notla belgeleyin.

Prompt yazmayı nasıl geliştirirsiniz?

İyi prompt, modele bağlam, görev, biçim ve sınırlar verir. "Bir e-posta yaz" yerine "Siparişi geciken bir müşteriye, özür dileyen ve yeni teslim tarihini bildiren, 80 kelimeyi geçmeyen resmî bir e-posta yaz" demek, sonucu belirgin biçimde iyileştirir. Bu beceriyi derinleştirmek isterseniz prompt mühendisliği eğitimi yazısında ücretsiz kaynakları sıraladık.

Yapay zekâ öğrenmek için gerekenler: geliştirici yolu

Geliştirici yolunda üç temel taş var: programlama, matematik ve veriyle çalışma. Bu üçü olmadan model kütüphanelerini kullanmak mümkündür, ama bir şey ters gittiğinde neden ters gittiğini anlamak mümkün olmaz.

Programlama için standart dil Python'dır. Değişkenler, döngüler, fonksiyonlar ve veri yapılarını rahat kullanabilecek düzeye gelmek, düzenli çalışan biri için birkaç ay sürebilir. Programlamaya yeni başlıyorsanız yazılım nasıl öğrenilir yazısındaki sıra iyi bir hazırlıktır.

Matematik tarafında doğrusal cebir, olasılık, istatistik ve türevin temel fikri gerekir. Bunları üniversite düzeyinde ispatlarıyla bilmek şart değil; ama bir modelin neden öğrendiğini anlamak için sezgisel olarak kavramak gerekir. Hangi konunun neden gerektiğini yapay zekânın matematiksel temelleri yazısında örneklerle anlattık.

Geliştirici yolu için aşamalı plan

Aşağıdaki plan, haftada 8-10 saat ayırabilen biri için varsayımsal bir takvimdir. Hızlı ilerleyen ya da daha az zaman ayırabilen kişilerde süre değişir.

Aşama	Süre (yaklaşık)	Konu	Bitirince yapabilmeniz gereken
1	2-3 ay	Python temelleri, veri işleme kütüphaneleri	Bir CSV dosyasını okuyup temizleyip özetlemek
2	1-2 ay	Doğrusal cebir, olasılık, istatistik tekrarı	Ortalama, varyans, matris çarpımı ve olasılık hesaplarını kod ile yapmak
3	2-3 ay	Klasik makine öğrenmesi	Regresyon ve sınıflandırma modeli eğitip değerlendirmek
4	2-3 ay	Derin öğrenme temelleri	Basit bir sinir ağı kurup eğitmek
5	Sürekli	Dil modelleriyle uygulama geliştirme	Bir dil modelini API ile kendi uygulamanıza bağlamak

Beşinci aşamada RAG gibi tekniklerle kendi belgelerinizden cevap veren sistemler kurmak ya da hazır bir modeli ince ayar ile belirli bir göreve uyarlamak gibi konular gelir. Bu aşamaya gelmeden önce ilk dört aşamayı atlamak, sık görülen bir kestirmedir ve genellikle sorun çıktığında sizi çaresiz bırakır.

Matematiği zayıf olanlar için durum

Matematiği zayıf olan biri kullanıcı yolunda hiçbir engelle karşılaşmaz. Geliştirici yolunda ise matematik bir engel değil, birkaç ay ayrıca çalışılması gereken bir konudur.

Sık yapılan hata, matematiği tamamen bitirip sonra koda geçmeye çalışmaktır. Daha verimli olan, ikisini birlikte yürütmektir: bir vektörün ne olduğunu öğrendiğiniz hafta, Python'da iki vektörün çarpımını kendiniz yazın. Böylece soyut kavram somut bir işe bağlanır ve akılda kalır.

Lise matematiğinde boşluklarınız varsa önce fonksiyonlar, grafik okuma ve temel olasılık konularını tekrar etmek, üniversite düzeyindeki derslere geçmekten daha hızlı sonuç verir.

Ücretsiz kaynaklarla öğrenmek mümkün mü?

Evet, her iki yol da ücretsiz kaynaklarla öğrenilebilir; ama ücretsiz kaynakla öğrenmenin en büyük zorluğu sıra ve disiplindir. Birbirinden kopuk videolar izlemek ilerleme hissi verir, ama elle tutulur bir beceri bırakmayabilir.

Ücretsiz kaynak türlerini şöyle gruplayabilirsiniz: üniversitelerin açık ders videoları, büyük teknoloji şirketlerinin giriş kursları, model sağlayıcılarının geliştirici belgeleri, Türkçe ücretsiz eğitim platformları ve açık kaynak projelerin örnek kodları. Helsinki Üniversitesi'nin hazırladığı Elements of AI gibi kodsuz giriş kursları, kavramsal temel için hâlâ sık önerilen kaynaklar arasında.

Sertifika almak istiyorsanız, hangi programların ücretsiz olduğunu ve işverende ne kadar karşılık bulduğunu yapay zekâ sertifikası nasıl alınır yazısında Ekim 2026 itibarıyla derledik.

Öğrendiğinizi nasıl kanıtlarsınız?

Yapay zekâda bilgiyi kanıtlamanın en iyi yolu, başkalarının görebileceği küçük projelerdir. Kullanıcı yolunda bu, önce ve sonra hâliyle belgelenmiş bir iş süreci olabilir: "Haftalık raporu hazırlamak 3 saat sürüyordu, yapay zekâ destekli akışla 1 saate indi ve şu kontrol adımlarını ekledim" gibi.

Geliştirici yolunda ise GitHub üzerinde açıklamalı proje depoları beklenir. Üç küçük ama bitmiş proje, yarım kalmış on projeden daha değerlidir. Her projenin başına neyi çözdüğünü, hangi veriyi kullandığını ve sonucun ne kadar iyi olduğunu anlatan kısa bir açıklama ekleyin.

Örnek bir başlangıç projesi: bir e-ticaret sitesinin ürün yorumlarını olumlu ve olumsuz olarak sınıflandıran basit bir model. Önce klasik bir yöntemle, sonra hazır bir dil modeliyle aynı işi yapıp iki sonucu karşılaştırmak, hem temel bilgiyi hem güncel araçları kullanabildiğinizi gösterir.

Öğrenirken gelir elde etmek gerçekçi mi?

Kullanıcı yolunda, öğrendiğiniz beceriyi birkaç ay içinde küçük işlere dönüştürmek mümkündür; ama "yapay zekâ biliyorum" tek başına satılabilir bir hizmet değildir. Müşteri, yapay zekâyı değil sonucu satın alır: daha hızlı hazırlanmış bir sunum, düzenlenmiş bir ürün kataloğu, özetlenmiş bir rapor.

Bu yüzden öğrendiğiniz araçları zaten bildiğiniz bir alanla birleştirin. Çeviri bilen biri yapay zekâ destekli çeviri ve düzeltme sunabilir, Excel bilen biri raporlama işlerini hızlandırabilir. Hangi işlerin talep gördüğünü ve nerede tuzak olduğunu yapay zekâ ile para kazanma yazısında ele aldık.

Geliştirici yolunda ise ilk gelir genellikle daha geç gelir. Staj, açık kaynak katkısı ya da küçük serbest projeler, öğrenmenin ikinci yarısında gündeme gelir. Bu süreyi finanse etmek için mevcut işinizi bırakmadan, akşam ve hafta sonu düzeninde çalışmak çoğu kişi için daha güvenli bir yoldur.

Sık yapılan hatalar

Birinci hata, araç koleksiyonu yapmaktır. Her hafta yeni bir yapay zekâ uygulaması denemek eğlencelidir, ama tek bir aracı derinlemesine öğrenmek iş hayatında daha çok işe yarar.

İkinci hata, öğrenmeyi yalnız izlemeye indirgemektir. Bir video izledikten sonra aynı şeyi kendi verinizle tekrar yapmazsanız, bilgi birkaç gün içinde silinir.

Üçüncü hata, süreyi hafife almaktır. Geliştirici yolunda iş bulabilecek düzeye gelmek çoğu kişi için bir yıldan uzun sürebilir. Bunu baştan kabul etmek, üçüncü ayda gelen motivasyon düşüşünü daha kolay atlatmanızı sağlar.

Bu hafta başlamak için tek bir görev seçin

Kullanıcı yolundaysanız, bu hafta işinizde ya da okulunuzda sizi en çok uğraştıran tekrar eden görevi yazın ve onu yapay zekâyla yapmayı üç kez deneyin. Her denemede prompt'u biraz değiştirin ve sonucu not edin.

Geliştirici yolundaysanız, bilgisayarınıza Python kurun ve ilk hafta yalnız bir CSV dosyasını okuyup satır sayısını, sütun adlarını ve bir sütunun ortalamasını yazdıran on satırlık bir program yazın. Küçük görünür, ama yapay zekâ yolundaki her projenin ilk adımı tam olarak budur.