2026 yılında AI ajanlarını yönetmek için gerçekçi bir kılavuz

6–9 ay içinde sıfırdan üretime. ne öğrenmek, ne kaçırmak ve neden çoğu öğretici başarısız. 6–9 ay içinde sıfırdan üretime. ne öğrenmek, ne kaçırmak ve neden çoğu öğretici başarısız. Seninle dürüst olacağım. Çoğu AI ajan tutorials çöp. LangChain kodunu nasıl kopyalayacağınızı gösteriyorlar, gerçek bir şey denediğiniz andan itibaren bir demo oluşturuyorlar ve bir şey öğrendiğiniz gibi hissetmenizi sağlarlar. Üç ay sonra, öğretide olmayan bir şey inşa etmeye çalışıyorsunuz ve tamamen sıkışmışsınız. İnsanların bu şekilde yıllar boşa harcadığını gördüm. çerçeveleri takip etmek. sertifikaları toplamak. oyuncak projelerini inşa etmek hiç kimsenin umurunda değil. Bu rehber farklıdır. Size her aşamada ne kadar sürdüğünü ve devam etmeden önce ne kadar “yeterince iyi” göründüğünü söyleyeceğim. Her ihtiyacınız olan kaynak burada. Okuduğunuz şey, agensli AI öğrenirken neyin önemli olduğunu bulmak için çok fazla deneme ve hata sonucu. İşte sözüm: Eğer bu yol haritasını 6 ila 9 ay boyunca ciddi bir şekilde takip ederseniz, gerçek dünyada çalışan AI ajanlarını oluşturabilir ve dağıtabilirsiniz. Ne alacaksın ki: Sıfırdan dağıtılan ajanlara kadar 8 aşama (gerçekçi zaman çizelgeleri ile) Zamanınızın Gerçekten Değerli Olduğu Kaynaklar Gerçek işlere yol açan uzmanlık yolları Devam etmeden önce “yeterince iyi” neye benziyor Yaptığım hatalar, yapmamak zorunda kalacağım Ama işi yapmak zorundasın. skim değil. daha sonra için kitap etiketleme. sonunda matematik alacağınızı kendinize söylemeyin. Eğer sen olursan gidelim. Neden Şirketler Şimdiden Önemlidir Geleneksel AI reaksiyoneltir. Giriş, çıkış. Bir soru sorarsanız cevabı alırsınız. Agentic AI hedefleri takip eder. Çevresine bakıyor, planlar yapıyor, eylemler yapıyor, ne olduğunu görüyor ve ayarlıyor. Aracı kullanabilir, API'leri arayabilir, web'i tarayabilir, kod yazabilir ve işleri tamamlamak için diğer ajanlarla çalışabilir. İşte tam bir örnek. Geleneksel AI'ya rakipleri araştırmanıza yardımcı olmasını isteyin ve zaten bildiklerini özetleyecektir. Bir ajans sistemi isteyin ve rakiplerinizin son hareketleri için web'i arar, basın açıklamalarını ve finansman duyurularını çeker, konumlandırmalarını analiz eder, endüstri raporları ile çapraz referanslar yapar, bir stratejik kısa özet yazar, sürücünüzde kaydeder ve bittiğinde size e-posta gönderir. Bu nedenle şirketler bu sistemleri inşa edebilecek insanları istiyor.2026 yılına kadar, ajanlar artık etkileyici olmayacak - beklenilecek. Yol Haritası Detaylara girmeden önce tam resim: Bölüm 1: Matematika 4–6 weeks Bunu atlatmak istiyorsun, biliyorum. Ama lineer algebra, hesaplama ve olasılık olmadan, ajanlarınızın neden yaptıklarını anlamayacaksınız. Matematikçi olmak zorunda değilsiniz, üç alanda akıcı bir şekilde çalışmalısınız. Lineer Algebra: Vektörler, matrisler, kendi değerleri, SVD. Sinir ağları matris matematiktir. Calculus Derivatives, Gradients, Optimization. Modellerin öğrenme şekli budur. Bayes’in teoremi, dağılımları, hipotez testleri.Agents reason under uncertainty. Kaynaklar Linear Algebra: 3Blue1Brown: Lineer algebra'nın özü. Lineer algebra'nın şimdiye kadar yapılan en iyi görsel açıklaması. Grant Sanderson, soyut kavramları sezgisel hale getirmek için bir hediyeye sahiptir. Khan Academy Linear Algebra. Daha geleneksel, daha kapsamlı. 3Blue1Brown'dan sonra boşlukları doldurmak için iyi. Makine Öğrenme Temelleri: Yolculuğa Hoşgeldiniz. ML için özel olarak tasarlanmış, böylece bir amaçla matematik öğreniyorsunuz. Makine Öğrenimi için Matematik. Başka bir ML odaklı seçenek. Sizin için istediğiniz stili seçin. 3Blue1Brown: Lineer Algebra'nın Özellikleri Khan Akademisi Lineer Algebra Makine Öğrenme Temelleri: Yolculuğa Hoşgeldiniz Makine Öğrenimi için Matematik Calculus: Makine öğrenimi için hesaplama. Hedefli ve pratik. İhtiyacınız olmayan şeyleri atar. Khan Akademisi Hesaplaması 1. Klasik. Kesin ve güvenilir. 1 Full College Course. Eğer ders ücreti olmadan tam üniversite deneyimi istiyorsanız. Makine Öğrenimi için Hesaplama Khan Akademisi Hesaplama 1 Kalkış 1 Full College Course Probability: Khan Academy İstatistik ve Olasılık. İhtiyacınız olan her şeyi iyi bir tempoda kapsar. StatQuest İstatistikleri Temelleri.Josh Starmer, istatistikleri bir arkadaşla konuşuyor gibi açıklamaktadır. . Bayes is everywhere in AI. This video makes it click. Etiket: Bayes teoremi MIT OpenCourseWare: Şans Tanıtımı. daha derin gitmek istiyorsanız üniversite düzeyinde titizlik. Khan Akademisi İstatistikleri ve Olasılıkları İstatistiksel Temel Bilgiler Etiket: Bayes teoremi MIT OpenCourseWare: Muhtemelliğe Giriş Textbook: Makine Öğrenimi için Matematik - ücretsiz PDF. kapsamlı referans. Yoğun ama tam. Bir şey aramak zorunda olduğunuzda elinizde olması için iyi. ücretsiz pdf Taşınırken ne zaman Matrix çoğaltmanın geometrik olarak ne yaptığını açıklayabilirsiniz. Bir gradient el ile hesaplayabilirsiniz. Bayes teoremini bir örnekle açıklayabilirsiniz. ustaya ihtiyacınız yok. Bu kavramlar daha sonra ortaya çıktığında kaybolmadığınız için yeterli. Bölüm 2: Programlama 3–4 weeks Python: Başka bir alternatif yok Ancak Python sentezini bilmek, kod yazmak için rahat olmakla aynı değildir. Başkalarının kodunu zorlamadan okuyabilmeniz, sürekli Google'da olmadan kendi kodunuzu yazmanız ve işler yanlış gittiğinde düzeltmeniz gerekir. Ayrıca verilerle çalışmak için kütüphanelere de ihtiyacınız var. Python Hakkında İşlevler, sınıflar, dekoratörler, hata yönetimi, async. hepsine ihtiyacınız olacak. Python öğrenin: Yeni başlayanlar için tam kurs. 4+ saat, her şeyi kapsar. Başlangıç için Python Crash Kursu. Daha hızlı. Diğer dillerde programlanmışsanız daha iyidir. Old school approach: learning by typing code until it sticks. Bazı insanlar için işe yarıyor. Python Öğrenme: Başlangıç için Tam Kurs Başlangıç için Python Crash Kursları Data Kütüphaneleri NumPy array ve sayısal bilgisayar için. diğer her şeyin temelini oluşturur. Bilgi manipülasyonu için Pandas. Bunu her gün kullanacaksınız. Matplotlib & Seaborn Görüntüleme için. Görmediğiniz şeyleri düzeltemezsiniz. Kaynaklar : Python ile Veri Analizi (NumPy, Pandas, Matplotlib, Seaborn). tüm kümesini kaplayan tek bir öğretici. NumPy, Matplotlib ve Pandas tutorials by Bernd Klein. iyi derinliği ile yazılmış biçimde. Python ile veri analizi (NumPy, Pandas, Matplotlib, Seaborn) NumPy, Matplotlib ve Pandas Eğitimi Bernd Klein Seçenekler : R İstatistiklerden geliyorsanız veya araştırma rollerini istiyorsanız, R yararlıdır. R Programlama Bir Saat İçinde. Tam olarak neye benziyor. Hızlı yönlendirme. R for Data Science (Ücretsiz online) - Hadley Wickham ne yaptığını bilir. 1 saat içinde R programlama Ücretsiz online Taşınırken ne zaman Temel sentez bakmadan bir senkron yazabilirsiniz. CSV'yi yükleyebilir, verileri temizleyebilir, bazı analizleri çalıştırabilir ve sonuçları planlayabilirsiniz. NumPy kodunu gördüğünüzde ne yaptığını anlarsınız. 3. aşama: Makine Öğrenimi 6–8 weeks İnsanların sonsuza dek sıkıştığı yer burası. Dersten sonra kurs izlerler, hiçbir zaman ilerlemeye hazır hissetmezler. Bunu yapmayın. Amaç bir ML araştırmacısı olmak değildir. ana yaklaşımları bilmek için yeterince iyi anlamaktır. Üç tip Yönetilen Öğrenme. Doğru cevaplarla model örneklerini gösterirseniz, modelini öğrenir. Bilmeniz gereken algoritmalar: lineer regresyon, lojistik regresyon, karar ağacı, SVM'ler, k-en yakın komşular, nöral ağlar. Ne zaman kullanmalısınız: sınıflandırma, tahmin, etiketli verileriniz varsa. Görevsiz Öğrenme. Model verilerde örnekleri bulur, ne aramak gerektiğini söylemeden. bilmek için algoritmalar: k-means kümelenme, hijerarşik kümelenme, DBSCAN, PCA. Ne zaman kullanılır: benzer şeyler gruplandırmak, boyutları azaltmak, yapıyı bulmak. Bir ajan eylemler alır, ödüller veya cezalar alır ve deneyimden öğrenir. Bilinmesi gereken kavramlar: devletler, eylemler, ödüller, politikalar, Q-learning.Ne zaman kullanılır: sıralı kararlar, oyunlar, robotik, planlama. Bu ajanlar için çok önemli. Kaynaklar The main course: Andrew Ng'in Makine Öğrenimi Uzmanlığı Bu. Ng alanında en iyi öğretmen. Açık açıklamalar, iyi tempolar, önemli olanı kapsar. CV'nizde isterseniz sertifikaya ödemeye değer. Aynı kurs YouTube'da. sadece sertifikası olmadan öğrenmek istiyorsanız. Makine öğrenimi uzmanlığı Andrew Ng YouTube'da Aynı Kurs Other options: Herkes için makine öğrenimi. Ng çok akademik hissediyorsa daha erişilebilir. Kaggle: Makine Öğrenmeye Giriş. Kısa, pratik, hızlı bir şekilde inşa etmenizi sağlar. İyi bir ek. Edureka: Makine Öğrenimi Tam Kurs. Ng'nin tarzı sizin için çalışmıyorsa kapsamlı bir alternatif. Fast.ai Pratik Derin Öğrenme. Yukarıdan aşağıya yaklaşım: inşaat başlatın, gerekirse teoriyi öğrenin. Bazı insanlar bunun üzerine yemin eder. Herkes için makine öğrenimi Kaggle: Makine Öğrenmeye Giriş Edureka: Makine Öğrenimi Tam Kurs Fast.ai Pratik Derin Öğrenme For practice: Öğreneceğiniz şeyleri uygulayın.Kod olmadan teori işe yaramaz. Öğrenme Tutorials Taşınırken ne zaman Denetlenmiş vs. denetlenmemiş vs. güçlendirme öğrenimini açıklayabilir ve her birini ne zaman kullanacağınıza örnek verebilirsiniz. scikit-learn ile bir model eğitmişsiniz ve metriklerin ne anlama geldiğini açıklayabilirsiniz. Dördüncü aşama: Agentler Nasıl Çalışır 4–6 weeks Ajanların hafızası var, araçları kullanıyor ve ön plana çıkıyor. Bu bölümleri anlamak, API'leri bir araya getirebilecek insanları, dayanıklı sistemler tasarlayabilecek insanlardan ayıran şeydir. Temel Çizgi Her oyuncunun bir versiyonu var: Bilgi almak (kullanıcı girişi, arama sonuçları, API yanıtları) Önemli olanı öğrenin, neyin önemli olduğunu öğrenin. Plan: Ne yapacağınızı belirleyin Bunu yapın (bir araç çağırın, metin oluşturun, bir API'ye dokunun). Bakalım neler olacak, ayarlayalım. Concepts You Need Memory: Kısa vadeli: şu anda bağlam penceresinde ne var Long-term: vector databases, stored knowledge Epizodik: Geçmiş etkileşimlerin kayıtları Reasoning patterns: Düşünce zinciri: adım adım düşünme Düşünce Ağacı: Çoklu Yollar Keşfetmek ReAction: Düşünme ve Eylem Arasındaki Değişim Tool use: Ajanlar Dış Araçları Nasıl Çağırır Başarısızlıklarla nasıl başa çıkılır Çeşitli araçları orkestrasyon Planning: Hedefleri adımlarla bölün Arama algoritmaları (A * ve benzeri) Hierarchical planning Multi-agent systems: Birlikte Çalışan Çeşitli Üyeler Nasıl iletişim kurarlar Uzmanlık Kaynaklar Concepts: Güç AI ajanları ve ajan AI Açıklandı. iyi bir başlangıç noktası. çok teknik olmadan manzara kaplar. 5 zorluk seviyesinde AI ajanları. Basit başlar, karmaşıktır. Her seviye için tam kod. Agent karmaşıklığı ölçeklerini görmek için mükemmel. İlk AI ajanınızı oluşturmak için tam kılavuz. Hands-on yürüyüş. Bugün bir şey inşa etmek istiyorsanız iyi. AI Ajanlarının Gücü ve Agentic AI Açıklandı 5 Zorluk Seviyesinde Ajanlar İlk AI ajanınızı oluşturmak için tam kılavuz Reinforcement learning (important for agents): Hugging Face Deep RL Course. Mükemmel ve ücretsiz. Böylece ajanlar zamanla karar vermeyi öğrenir. Bunu kaçırmayın. GitHub'da kurulan RL Kaynakları. Daha derinlemesine gitmek istiyorsanız büyük bir koleksiyon. Hugging Face Deep RL Eğitimi GitHub'daki RL Kaynakları Taşınırken ne zaman Bir tabloya ajan döngüsünü çizebilir ve her bir parçayı açıklayabilirsiniz. Farklı bellek mimarileri tanımlayabilirsiniz. ReAct'i ve neden çalıştığını anlarsınız. 5. Adım: Çerçeve ile İnşaat 6–8 weeks Artık siz inşa ediyorsunuz. Unutmamak gereken bir şey var: çerçeveler değişiyor. LangChain şu anda hakimdir; iki yıl sonra kim bilir. Ama desenler (ReAct, plan-and-execute, multi-agent) kalır. çerçeveler aracılığıyla desenleri öğrenin, tersine değil. Patentler Ajan, ne yapacağını düşünür, yapar, sonucu gözlemler, tekrar düşünür. Plan-and-Execute.Agent önce tam bir plan yapar, daha sonra adım adım yürütür. Çeşitli uzman ajanlar birlikte çalışır. bir araştırma, bir yazar, bir inceleme. Çerçeve LangChain / LangGraph. Mevcut standart. Basit şeyler için LangChain, karmaşık devlet yönetimine ihtiyacınız olduğunda LangGraph. AutoGen. Microsoft'un çok ajan çerçevesi. ajanların geriye dönük tartışmalara ihtiyacı olduğunda iyidir. CrewAI. Daha yüksek düzeyde çok ajan orkestrasyon. Daha hızlı prototip, daha az esnek. Kaynaklar Courses: DeepLearning.AI: Agentic AI. Andrew Ng öğretim ajan tasarım modelleri. Düşünce, araç kullanımı, planlama ve çok ajan. Ücretsiz ve zamanınızın değerini kapsar. Master ALL 20 Agentic AI Tasarım Şablonları. Sürekli kullanacağınız şablonları kapsar. Etiket arşivi: agentic AI Master ALL 20 Agentic AI Tasarım Şablonları LangChain: LangChain Crash Course. Hızlı Başlangıç. Bir öğleden sonra inşa edin. LangChain Mastery: Tam 5 Saatlik Kurs. Derin dalış. Ciddi olmak için hazır olduğunuzda bunu izleyin. LangChain dosyaları. gerçeğin kaynağı. burada yaşayacaksınız. LangGraph dosyaları: Ajanlarınızın gerçek devlet yönetimine ihtiyacı olduğunda. LangChain Crash Yarışı LangChain Mastery: Tam 5 Saatlik Kurs LangChain Dosyaları Döviz Dosyaları Multi-agent: Simplilearn: Bir Multi-Agent Sistemi Nasıl Oluşturulur. Pratik yürüyüş. İlk multi-agent projeniz için iyi. Simplilearn: Bir Multi-Agent Sistemi Nasıl Oluşturulur When to move on En az üç ajan oluşturdunuz: basit bir ReAct ajanı, RAG ile bir şey ve çok adımlı bir iş akışı. 6. Bir Uzmanlık Seçin 8–12 weeks, then ongoing Bir noktada, bir alanda derinlere gitmeniz gerekir. Genelistler ajanlar hakkında konuşabilir. Uzmanlar onları inşa etmek için işe alınır. Pick one of these and commit for at least 3 months before deciding it’s not for you. A: İş Otomatikleştirme Şu anda en büyük pazar. Araştırma, destek, operasyonları yöneten ajanlar. gerçek bütçeler, gerçek işler. What to focus on: RAG (Retrieval-Augmented Generation): Bilgi aramak ve kullanmak için öğretim ajanları. API entegrasyonları: Ajanları işletmelerin zaten kullandığı araçlara bağlayın. Çok adımlı iş akışları: Karmaşık işlemler, handoffs ve hata yönetimi. İnsanlar ne zaman insanlara tırmanmalı, insanlara ne zaman tırmanmalı. Projects to build: Konteynere dayalı cevaplar hazırlayan e-posta asistanı Haberleri izleyen ve değişiklikleri özetleyen rekabetçi araştırma ajanı Derinliğinden ne zaman çıkacağını bilen müşteri desteği botu Birden fazla veri kaynağından çekilen rapor jeneratörü B Sınıfı: Robotik Daha yüksek bariyer, daha az rekabet. Fiziksel dünyada çalışan ajanlar. What to focus on: ROS (Robot Operating System): Robotik İşletim Sistemi. Bilgisayar Görüşü: Robotlar Nasıl Görür? Etiket Arşivi: robotlar nasıl gezinir? Simülasyon: pahalı donanımları kırmadan test edin. Resources: Bağımsız Robotik’e Giriş: Alan için sağlam bir başlangıç noktası. Robotik ve Otonom Sistemler dergisi. Akademik ama neyin öncü olduğunu görmek için yararlı. Fizik simülasyonu için PyBullet, robot ortamları için Gazebo, RL eğitim yuvaları için OpenAI Gym. Otonom Robotlara Giriş Robotik ve Bağımsız Sistemler Dergisi pürüzsüz Gazebo Hakkında Gümüş Açık Path C: Research & Model Development Daha az iş, daha yüksek tavan.Bu, modeller üzerinde çalışmak isteyenler için, sadece bunları kullanmak değil. What to focus on: LoRA ve PEFT ile Fine-tuning LLM'ler. belirli görevlerde modelleri daha iyi hale getirmek. RLHF ve ödüllendirme modelleme. İnsan geri bildiriminden eğitim modelleri. Benchmarking ve değerlendirme: Gerçekten neyin işe yaradığını ölçmek. Kitap okumak ve sınırda kalmak. Projects to build: Fine-tune bir belirli bir alan için bir model Agent Output için bir değerlendirme boru hattı oluşturun Geleneksel bir makaleyi sıfırdan uygulayın Açık kaynak modeline katkıda bulunmak Resources: Hugging Face Transformers docs. Modellerle çalışmak için referans. RLHF Kursu: İnsan Tercihlerinden Modeller Nasıl Eğitilir? arXiv AI makaleleri ve ML makaleleri. yeni fikirlerin ilk ortaya çıktığı yerler. Görüntülü Görüntülü Görüntüleme Transformers Docs RLHF Kursları Arşiv Kağıtları ML Kağıtları 7. aşama: Geliştirme 3–4 weeks Ajanınız not defterinizde çalışır. Sonra bir kullanıcı beklemediğiniz bir giriş gönderir ve tüm şey çöktür. Çoğu kendi kendine öğretilen insanlar bu kısmı atlatır, bu yüzden onu öğrenmek sizi ayırt eder. Neye ihtiyacın var APIs. Agent'inizi bir hizmet olarak sergileyin. FastAPI standarttır. Konteynerler. Her şeyi paketleyin, böylece her yerde aynı şekilde çalışır. AWS, GCP veya Azure seçin ve iyi birini öğrenin. İzleme. Ajanınızın üretimde ne yaptığını izleyin. Ne sıklıkla yanlış davranırsa şaşıracaksınız. Fiyat yönetimi. LLM çağrıları hızlı bir şekilde toplanır. Caching, model seçimi, hızlı verimlilik her şey. Kaynaklar Overview: Üretimde Agentic AI'yi dağıtmak. dağıtmanın neyi içerdiğinin büyük bir görüntüsü. Neden çoğu AI ajanı üretimde başarısız oluyor. Başkalarının hatalarından öğrenin. yaygın başarısızlık modlarını ve bunları nasıl önleyeceğinizi kapsar. Prototype'in ötesinde: 15 Zor Kazanılan Ders. Gemi ajanlarından gerçek dersler. Geliştirmeden önce bunu okuyun. Üretimde A.Ş’yi kullanmak Neden çoğu AI ajanları üretimde başarısız Prototype'nin Ötesinde: 15 Zor Kazanılan Ders Hands-on: Docker, FastAPI, LangChain ile AI ajanları oluşturun ve dağıtın. FastAPI dosyaları. iyi yazılmış dosyalar. FastAPI'yi sadece bunlardan öğrenebilirsiniz. Docker yeni başlayanlar için. Konteynerler artık isteğe bağlı değildir. Docker, FastAPI, LangChain ile AI ajanları oluşturun ve dağıtın Hızlı dokunma Başlangıç için Docker Cloud: Amazon Bedrock ile bir AI Ajanı dağıtın. AWS özel ama yönetilen hizmet yaklaşımı gösterir. AWS Bedrock Agent docs. Gerçekte ne zaman yaptığınız için referans. Amazon Bedrock ile bir AI Ajanı Kurun AWS Bedrock Agent Dosyaları Monitoring: LangSmith. LangChain için özel olarak inşa edilmiştir. Ajanınızın tam olarak ne yaptığını gösterir. Ağırlıklar ve önyargılar. Daha genel ML izleme. Özelleştirilmiş eğitim yapıyorsanız iyi. LangSmith Hakkında Ağırlıklar & Biaslar Taşınırken ne zaman Bir ajanı sonuna kadar dağıtmışsınız. konteynerleşmiş, API aracılığıyla servis edilmiş, bulutta çalışıyor, bazı izlemelerle. kurulumunuza ve neden yaptığınız seçenekleri açıklayabilirsiniz. 8. aşama: Portföy ve Mevcut Kalma Ongoing Alan hızla hareket ediyor. Bugün yeni olan altı ayda standart. Alışkanlıklara ihtiyacınız var, tek seferlik bir çalışma oturumu değil. Sürekli öğrenmiyorsanız, geride kalıyorsunuz. Cüzdanınız Portföyünüz inşa edebileceğiniz kanıttır. sertifikalar değil. kanıt. What makes it strong: Uygulanan projeler. Çalışan sistemler, sadece repos değil. Herkes kodu GitHub'a basabilir. Gerçek sorunlar çözüldü. Tutorials değil. Gerçekten ihtiyacınız olan bir şey veya gerçek bir acı çözüyor. Neden böyle yapıyorsun, niye böyle yapıyorsun, niye böyle yapıyorsun? Temiz kod. Bir takımda çalışabileceğinizi gösterir. En azından bir tane dağıtılmış ve erişilebilir olan 2-3 sağlam projeyi hedefleyin. a) Katkıda bulunmak Birleşik PR'ler kadar yetkinlik gösteren hiçbir şey yok. LangChain, AutoGen veya daha küçük projelere katkıda bulun. Belgelendirme düzeltmeleri sayılır. c) Mevcut kalmak Bunun için haftada birkaç saat ayırın. Where to look: Trend Papers. Şu anda araştırma topluluğunda dikkat çekenleri gör. OpenAI: Key Papers in Deep RL. Temel makalelerin kurulan listesi. Trend Yazıları OpenAI: Deep RL’de anahtar belgeler Who to follow: Andrej Karpathy. YouTube öğretim programları karmaşık şeyleri açıkça açıklıyor. Jim Fan: Vücutlandırılmış AI ve ajanlar hakkında yazılar. Lilian Weng. Blog yazıları çoğu kursdan daha iyidir. Simon Willison. sürekli LLM ile inşa, çalıştığı şeyi paylaşır. Swyx. AI mühendisliğinde aslında neyin yararlı olduğunu izler. Anthropic’in araştırma blogu: Sınır modellerinin nasıl çalıştığı. Andrej Karpatya Jim Fan Lilian Weng Hakkında Simon Willison Hakkında İsveççe Anthropic’in araştırma blogu İşte o İhtiyacınız olan tek şey bu. Her şey yoktur. her zaman daha fazlası vardır. ama her şey sıfırdan üretim ajanları inşa etmek için gitmek gerekir. Gittikçe aklınızda bulundurmanız gereken birkaç şey: Her aşama projeler içermelidir. izlemek ve okumak öğrenmek değildir. Şaşkınlık normaldir. eğer asla karışık değilseniz, yeterince zorlamıyorsunuz. rahatsızlık öğreniyorsunuz demektir. Öğreneceğiniz şeyleri öğretin. Blog yazıları, videolar, başkalarına açıklama. İnsanları bul. Discord sunucuları, toplantılar, LinkedIn. Yalnız öğrenmek daha zor ve daha yalnızdır. Sabırlı olun. 6-9 ay gerçekçi. Bazı haftalarda kendinizi harika hissedeceksiniz, diğerleri sıkışmış hissedeceksiniz. Her ikisi de normal. devam edin. “IA ajanlarını öğrenmek isteyenler” ve bunları oluşturan insanlar arasındaki boşluk tek bir şeye dayanır: başlamak. Mükemmel bir başlangıç değil, ideal bir başlangıç değil. Bundan altı ay sonra, dağıtılan ajanların bir portföyüne, şirketlerin ödediği gerçek becerilere ve gerçekte şeyler inşa etme güvenine sahip olabilirsiniz. Doğru an şimdi. alan genç. fırsatlar gerçektir. ve ihtiyacınız olan her şey burada. 1. Başlangıç aşamasına geçin, ilk kaynağını açın. Cevapla Cevapla Cevapla Cevapla Cevapla