Eğitim & Topluma Katkı

Makine öğrenmesini araştırma yaptığım gibi öğretiyorum: bir iddia, biri onu test edene kadar sayılmaz. Aşağıdakilerin tamamı ücretsiz, açık kaynak ve sıfırdan başlayanlar için tasarlandı.

ML Academy · mltraining.org

ML Academy; makine öğrenmesini, derin öğrenmeyi ve büyük dil modellerini tamamen tarayıcıda öğreten, ücretsiz ve eksiksiz bir interaktif müfredat. Video yok, kurulum yok, başlamak için hesap gerekmiyor, ücret yok. Pedagojiyi ben tasarladım, 123 dersin tamamını ben yazdım, arkasındaki bütün algoritma motorlarını ve görselleri ben yazdım. Proje MIT lisansıyla açık kaynak ve hem Türkçe hem İngilizce çalışıyor.

Neden var

Makine öğrenmesi için iyi interaktif kaynaklar var: TensorFlow Playground, Distill, Seeing Theory, Poloclub açıklayıcıları. Hepsinin ortak bir açığı var: gösteriyorlar ama öğrenip öğrenmediğinizi hiç ölçmüyorlar. Kaydırıcıyı çekiyorsunuz, "güzelmiş" deyip geçiyorsunuz. ML Academy tam bu açığı kapatmak için kuruldu ve mekanizması doğrudan istatistiksel model karşılaştırma disiplininden geliyor: diğerleri makine öğrenmesini gösteriyor, burası kanıtlatıyor.

Müfredat

• Rota 0

  Sıfırdan başla (15 ders)

  Algoritmalar, veri, öğrenmenin ne olduğu, ezberleme ve aşırı uyum, metrikler, veri sızıntısı ve istatistiksel kanıt.

• Rota 1

  Klasik makine öğrenmesi (37 ders)

  k-NN, karar ağaçları, rastgele ormanlar, boosting, lojistik regresyon, SVM, yumuşak karar ağaçları, kümeleme, PCA ve manifold yöntemleri.

• Rota 2

  Derin öğrenme (22 ders)

  Nöronlar, geri yayılım, optimizasyon algoritmaları, aktivasyonlar, düzenlileştirme, batch normalization, CNN'ler, gömmeler ve transfer öğrenme.

• Rota 3

  Büyük dil modelleri (29 ders)

  Tokenleştirme, dikkat, transformer bloğu, örnekleme, ön eğitim ve RLHF, halüsinasyon, geri getirimli üretim ve KV önbelleği.

• Rota 4

  Yapay zekayı kullanma (20 ders)

  Prompt yazımı, değerlendirme kümeleri ve güven aralıkları, Elo karşılaştırması, RAG hattı hata ayıklama, ajanlar, hakem olarak LLM, kırmızı takım ve maliyet.

Derslerin yanında 25 modellik bir katalog var. Her kayıt modelin ne yaptığını, nasıl çalıştığını, ne zaman kullanılacağını, ne zaman kullanılmayacağını, çalışan kodu, kilit hiperparametreleri ve klasik tuzağı anlatıyor. Sitedeki bütün algoritmalar sıfırdan, saf JavaScript ile yazıldı: Gini kazançlı CART, bootstrap ve rastgele özellik seçimli rastgele orman, gradient boosting, geri yayılımlı MLP, doğrusal SVM, yumuşak karar ağaçları, k-means, Jacobi özçözümlü PCA, BPE tokenleştirici, negatif örneklemeli skip-gram word2vec ve Elo. Kütüphane kullanılmıyor, yani öğrencinin gördüğü her sayı kendi tarayıcısında canlı üretiliyor.

Üniversite Atölyeleri & Ders Deneyimi

• 2026

  Eğitmen, Data & Analytics Breakout: Açıklanabilir Neural Trees

  Washington State University · Mayıs 2026 · Expedia Group'tan bir güvenlik mühendisliği lideriyle ortak oturum

  Atölyenin uygulamalı yarısını tasarlayıp yürüttüm: öğrenciler kendi neural tree modellerini eğitti, ardından yayına alınmış bir modele sensör kayması, takılı kalan sensör ve gürültü enjeksiyonuyla saldırıp yorumlanabilir bir modelin kara kutudan nasıl farklı bozulduğunu gördü. Oturum, öğrencilerin neural-trees kütüphanesine pull request açtığı bir katkı sprintiyle kapandı. Bütün slaytlar, defterler ve veri setleri açık.

  Atölye materyalleri
• 2019–20

  Maker Mühendisi, uygulamalı STEM müfredatı

  Özyeğin Üniversitesi, İstanbul

  Maker-space girişimlerini yönettim ve uygulamalı mühendislik müfredatı kurdum; 100'den fazla öğrenciye mentorluk yapıp topluluk tanıtım etkinlikleri düzenledim.

• 2018–19

  Eğitim platformu mühendisliği, Teknoloji Transfer Ofisi

  İstanbul Aydın Üniversitesi

  Video akışı ve öğrenci takip sistemleri içeren web tabanlı eğitim platformları kurup test ettim. İçerik sunmak yerine öğrenmeyi ölçme ilgisi burada başladı.

Mentorluk

• 2025

  Endüstri Mentoru, Penn × Anthropic Sprint Hackathon

  University of Pennsylvania · 220+ katılımcı, 130+ takım

• 2025

  Mentor, Opportunity Hack / ASU Fall Hackathon

  Tempe, AZ

• 2020–

  Yerel Lider & Mentor, NASA Space Apps Challenge

  İstanbul · birden çok dönemde yerel etkinlikleri düzenledi

• 2020

  Türkiye Birincisi, InovaTIM Yapay Zeka & Robotik Lise Programı

  KOSGEB ve Türkiye İhracatçılar Meclisi tarafından ödüllendirildi; Türkiye'yi Avrupa Girişimciliği Teşvik Ödülleri'nde temsil etti

Üniversite programları, maker alanları, hackathonlar ve ulusal yarışmalar boyunca 500'den fazla öğrenciye ders verdim veya mentorluk yaptım. Jürilik ve program komitesi görevleri Konuşmalar & Hizmet sayfasında listeleniyor.

Açık Kaynak Eğitim Yazılımları

• Web

  ML Academy

  123 ders · MIT lisansı · Türkçe ve İngilizce · derleme adımı ve sunucu gerektirmez

  mltraining.orgGitHub
• PyPI

  neural-trees

  Yumuşak karar ağaçları ve hiyerarşik uzman karışımları; scikit-learn uyumlu, 5×2cv F-testi desteğiyle

  Kendi derslerimde ve atölyelerimde yorumlanabilir modellerin öğretim aracı olarak kullanılıyor ve öğrenci katkılarına açık.

  PyPIGitHub
• Web

  ML Playground

  Anlamlılık testli yan yana model karşılaştırma

  scikit-learn, XGBoost, LightGBM, CatBoost, TabNet ve neural-trees'i aynı bölme üzerinde karşılaştıran sınıf içi araç; 5×2cv testiyle öğrenci farkın gerçek olup olmadığını görüyor.

  Canlı demoGitHub

Verebileceğim Dersler