<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"><channel><title>İsmail Tarık Şenkal</title><description>İsmail Tarık Şenkal: Türkçe odaklı yapay zeka, büyük dil modelleri, RAG ve doğal dil işleme üzerine çalışan geliştirici. HatsonTech kurucu ortağı.</description><link>https://tariksenkal.com/</link><language>tr</language><item><title>COP31 Antalya Nedir? Tarihler, Ev Sahipliği ve Masadaki Başlıklar</title><link>https://tariksenkal.com/posts/cop31-antalya-nedir/</link><guid isPermaLink="true">https://tariksenkal.com/posts/cop31-antalya-nedir/</guid><description>COP31, 9–20 Kasım 2026&apos;da Antalya&apos;da. COP nedir, Türkiye–Avustralya başkanlık paylaşımı nasıl işler, gündemde neler var ve neden önemli?</description><pubDate>Fri, 06 Nov 2026 06:17:00 GMT</pubDate><category>İklim</category><category>COP31</category><category>Türkiye</category></item><item><title>Önek Önbellekleme Ekonomisi: Cache Ne Zaman Kâra Geçer?</title><link>https://tariksenkal.com/posts/onek-onbellekleme-ekonomisi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/onek-onbellekleme-ekonomisi/</guid><description>Prompt caching okuması 0,1x, yazması 1,25x. Başabaş noktası iki istek. Peki önbelleğiniz neden sessizce çalışmıyor? Asgari önek, 20 blok kuralı ve paralel tuzağı.</description><pubDate>Thu, 13 Aug 2026 20:59:00 GMT</pubDate><category>Maliyet</category><category>Yapay Zeka</category></item><item><title>Spekülatif Kod Çözme: Aynı Modelden Nasıl Daha Hızlı Token Alınır?</title><link>https://tariksenkal.com/posts/spekulatif-kod-cozme/</link><guid isPermaLink="true">https://tariksenkal.com/posts/spekulatif-kod-cozme/</guid><description>Taslak model, EAGLE, MTP, n-gram ve suffix decoding. Kabul oranı neden tek gerçek metrik, vLLM&apos;de nasıl yapılandırılır ve spekülasyonun işe yaramadığı durumlar.</description><pubDate>Thu, 13 Aug 2026 20:58:00 GMT</pubDate><category>Altyapı</category><category>Yapay Zeka</category></item><item><title>Üretimde Kuantizasyon: FP8, NVFP4 ve Türkçe&apos;de Kalite Kaybı</title><link>https://tariksenkal.com/posts/uretimde-kuantizasyon/</link><guid isPermaLink="true">https://tariksenkal.com/posts/uretimde-kuantizasyon/</guid><description>FP8, NVFP4, AWQ ve GPTQ arasında nasıl seçilir? Donanım uyumluluk matrisi, vLLM ile sunum ve düşük bitli kuantizasyonun Türkçe metinde ölçülmeyen kalite bedeli.</description><pubDate>Thu, 13 Aug 2026 20:57:00 GMT</pubDate><category>Verimlilik</category><category>Yapay Zeka</category></item><item><title>Bağlam Sıkıştırma mı, Sıfırlama mı? Uzun Ajan Oturumlarında Ne Yapmalı</title><link>https://tariksenkal.com/posts/baglam-sikistirma-ve-sifirlama/</link><guid isPermaLink="true">https://tariksenkal.com/posts/baglam-sikistirma-ve-sifirlama/</guid><description>Bağlam penceresi dolduğunda ne yapmalı? context editing, clear_tool_uses stratejisi, sunucu tarafı compaction ve bağlam sıfırlama arasında somut bir karar kuralı.</description><pubDate>Thu, 13 Aug 2026 20:56:00 GMT</pubDate><category>Mimari</category><category>Yapay Zeka</category></item><item><title>Prompt Injection&apos;ı Tasarımla Çözmek: CaMeL, Çift Model ve Yetenek Tabanlı Savunma</title><link>https://tariksenkal.com/posts/prompt-injection-tasarimla-savunma/</link><guid isPermaLink="true">https://tariksenkal.com/posts/prompt-injection-tasarimla-savunma/</guid><description>Daha iyi prompt yazarak prompt injection çözülmüyor. CaMeL, çift LLM deseni, yetenek tabanlı politika ve ölümcül üçlü ile modelin dışında uygulanan savunmalar.</description><pubDate>Thu, 13 Aug 2026 20:55:00 GMT</pubDate><category>Güvenlik</category><category>Yapay Zeka</category></item><item><title>MCP Apps: Sohbetin İçinde Çalışan Arayüzler</title><link>https://tariksenkal.com/posts/mcp-apps-sohbet-icinde-arayuz/</link><guid isPermaLink="true">https://tariksenkal.com/posts/mcp-apps-sohbet-icinde-arayuz/</guid><description>MCP Apps uzantısı araç sonuçlarını etkileşimli arayüze çeviriyor. ui:// kaynakları, _meta.ui alanı, korumalı iframe ve postMessage protokolü çalışan kodla.</description><pubDate>Thu, 13 Aug 2026 20:54:00 GMT</pubDate><category>Ürün</category><category>Yapay Zeka</category></item><item><title>A2A: Ajanlar Birbiriyle Nasıl Konuşur? (MCP&apos;nin Rakibi Değil, Tamamlayıcısı)</title><link>https://tariksenkal.com/posts/ajanlar-arasi-protokol-a2a/</link><guid isPermaLink="true">https://tariksenkal.com/posts/ajanlar-arasi-protokol-a2a/</guid><description>A2A v1.0 ajanlar arası keşif ve görev devrini standartlaştırıyor. Agent Card, görev yaşam döngüsü, MCP ile farkı ve ajan ticaretinin protokol katmanı.</description><pubDate>Thu, 13 Aug 2026 20:53:00 GMT</pubDate><category>Araçlar</category><category>Yapay Zeka</category></item><item><title>Çoklu Ajan Sistemleri: 15 Kat Token, %90 Kazanç — Hangisi Sizin Durumunuz?</title><link>https://tariksenkal.com/posts/coklu-ajan-maliyet-gercegi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/coklu-ajan-maliyet-gercegi/</guid><description>Çoklu ajan mimarisi ne zaman kazanır, ne zaman para yakar? İki birincil kaynağın uzlaştırılması, token çarpanı, hata modları ve somut bir karar tablosu.</description><pubDate>Thu, 13 Aug 2026 20:52:00 GMT</pubDate><category>Ajanlar</category><category>Yapay Zeka</category></item><item><title>KVKK ve LLM: Bir Kişisel Veriyi RAG İndeksinden ve Ağırlıklardan Nasıl Silersiniz?</title><link>https://tariksenkal.com/posts/kvkk-llm-veri-silme/</link><guid isPermaLink="true">https://tariksenkal.com/posts/kvkk-llm-veri-silme/</guid><description>Silme talebi geldiğinde veri altı yerde durur: kaynak, chunk, vektör, önbellek, günlük ve ağırlıklar. Her biri için uygulanabilir bir silme stratejisi ve kod.</description><pubDate>Thu, 13 Aug 2026 20:51:00 GMT</pubDate><category>Uygulama</category><category>Yapay Zeka</category></item><item><title>llms.txt İşe Yarıyor mu? Verilerin Söylediği ve v2&apos;nin Getirdikleri</title><link>https://tariksenkal.com/posts/llms-txt-ise-yariyor-mu/</link><guid isPermaLink="true">https://tariksenkal.com/posts/llms-txt-ise-yariyor-mu/</guid><description>137.210 alan adı üzerinde yapılan sunucu günlüğü çalışması llms.txt&apos;nin okunmadığını gösteriyor. Google da kullanmadığını söylüyor. Peki v2 neyi değiştirdi?</description><pubDate>Thu, 13 Aug 2026 20:50:00 GMT</pubDate><category>Ürün</category><category>Yapay Zeka</category></item><item><title>OpenTelemetry GenAI: Ajan İzlerini Standart Bir Şemayla Toplamak</title><link>https://tariksenkal.com/posts/opentelemetry-genai-izleme/</link><guid isPermaLink="true">https://tariksenkal.com/posts/opentelemetry-genai-izleme/</guid><description>gen_ai.* konvansiyonları hâlâ kararlı değil ama ajan izleme için tek standart bu. Span ağacı, operasyon adları, MCP trace yayılımı ve sürüm sabitleme.</description><pubDate>Thu, 13 Aug 2026 20:49:00 GMT</pubDate><category>Gözlemlenebilirlik</category><category>Yapay Zeka</category></item><item><title>Prompt Regresyon Testleri: Değerlendirmeyi CI&apos;a Sokmak</title><link>https://tariksenkal.com/posts/prompt-regresyon-testleri/</link><guid isPermaLink="true">https://tariksenkal.com/posts/prompt-regresyon-testleri/</guid><description>Altın veri setini üretim günlüklerinden çıkarma, promptfoo ile CI kapısı kurma, LLM hakemi kalibre etme ve Türkçe metinde eşleştirmeyi bozan tuzaklar.</description><pubDate>Thu, 13 Aug 2026 20:48:00 GMT</pubDate><category>Ölçme</category><category>Yapay Zeka</category></item><item><title>Düşünme Bütçesinden Çaba Seviyesine: Akıl Yürütmenin Faturası</title><link>https://tariksenkal.com/posts/akil-yurutme-token-maliyeti/</link><guid isPermaLink="true">https://tariksenkal.com/posts/akil-yurutme-token-maliyeti/</guid><description>Akıl yürüten modellerde gizli düşünme tokenları için ödersiniz. Çaba seviyeleri, görev bütçeleri, önbellek tuzağı ve daha fazla düşünmenin zarar verdiği durumlar.</description><pubDate>Thu, 13 Aug 2026 20:47:00 GMT</pubDate><category>Maliyet</category><category>Yapay Zeka</category></item><item><title>Ajan İzolasyonu ve Yetkilendirme: Ölümcül Üçlüden Kaçınmak</title><link>https://tariksenkal.com/posts/ajan-izolasyonu-ve-yetki/</link><guid isPermaLink="true">https://tariksenkal.com/posts/ajan-izolasyonu-ve-yetki/</guid><description>Ölümcül üçlü, ikilik kuralı, araç izin matrisi, kapsayıcı izolasyonu, çıkış trafiği filtreleme ve KVKK&apos;ya uygun denetim kaydı şeması — hepsi kodla.</description><pubDate>Thu, 13 Aug 2026 20:46:00 GMT</pubDate><category>Güvenlik</category><category>Yapay Zeka</category></item><item><title>Ajan Bellek Sistemleri: Bağlam Penceresi Dışında Ne Saklarsınız?</title><link>https://tariksenkal.com/posts/ajan-bellek-sistemleri/</link><guid isPermaLink="true">https://tariksenkal.com/posts/ajan-bellek-sistemleri/</guid><description>Ajan belleği nedir, nasıl kurulur? Epizodik/semantik/prosedürel ayrımı, pgvector şeması, Mem0-Zep-Letta karşılaştırması ve bellek zehirlenmesine karşı kontroller.</description><pubDate>Thu, 13 Aug 2026 20:45:00 GMT</pubDate><category>Ajanlar</category><category>Yapay Zeka</category></item><item><title>Ajan Koşum Mimarisi: Üretici-Değerlendirici Deseni ve Bağlam Kaygısı</title><link>https://tariksenkal.com/posts/ajan-kosum-mimarisi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/ajan-kosum-mimarisi/</guid><description>Uzun süreli ajanlar neden yarım bırakır? Bağlam kaygısı, sıfırlamanın sıkıştırmayı yenmesi, üretici-değerlendirici ayrımı ve dosya üzerinden haberleşme.</description><pubDate>Thu, 13 Aug 2026 20:44:00 GMT</pubDate><category>Mimari</category><category>Yapay Zeka</category></item><item><title>Yapay Zekâ Ajanlarını Üretime Almak: Demo Çalışıyor, Peki Sistem?</title><link>https://tariksenkal.com/posts/ajanlari-uretime-almak/</link><guid isPermaLink="true">https://tariksenkal.com/posts/ajanlari-uretime-almak/</guid><description>Yapay zeka ajanı üretim ortamına nasıl alınır? Zaman aşımı, idempotency, devre kesici, sürümleme, kademeli dağıtım ve başarılı görev başına maliyet — kodla.</description><pubDate>Thu, 13 Aug 2026 20:43:00 GMT</pubDate><category>Ajanlar</category><category>Yapay Zeka</category></item><item><title>Kurumsal LLM Bütçesi: Token Vergisi, Kur Riski ve TL Cinsinden Gerçek Maliyet</title><link>https://tariksenkal.com/posts/kurumsal-llm-butcesi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/kurumsal-llm-butcesi/</guid><description>Türkçe metnin token maliyetini ölçtük, üstüne kur riskini ve önbellek ekonomisini koyduk: API mi kendi sunucun mu sorusunun TL cinsinden çalışan cevabı.</description><pubDate>Thu, 13 Aug 2026 20:42:00 GMT</pubDate><category>Maliyet</category><category>Yapay Zeka</category></item><item><title>MCP Sunucu Güvenliği: Araç Açıklamasına Gizlenen Talimatlar</title><link>https://tariksenkal.com/posts/mcp-sunucu-guvenligi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/mcp-sunucu-guvenligi/</guid><description>Araç zehirlenmesi, rug-pull yeniden tanımlama, confused deputy ve sunucular arası gölgeleme: MCP&apos;ye özgü saldırılar ve çalışan bir tanım sabitleme kontrolü.</description><pubDate>Thu, 13 Aug 2026 20:41:00 GMT</pubDate><category>Güvenlik</category><category>Yapay Zeka</category></item><item><title>OWASP Ajan Güvenliği İlk 10: ASI01&apos;den ASI10&apos;a Somut Karşılıklar</title><link>https://tariksenkal.com/posts/owasp-ajan-guvenlik-riskleri/</link><guid isPermaLink="true">https://tariksenkal.com/posts/owasp-ajan-guvenlik-riskleri/</guid><description>OWASP Agentic Top 10 (2026) listesinin her maddesini bir risk tanımı değil, uygulanabilir bir kontrole çeviriyoruz: yapılandırma, politika ve test karşılıkları.</description><pubDate>Thu, 13 Aug 2026 20:40:00 GMT</pubDate><category>Güvenlik</category><category>Yapay Zeka</category></item><item><title>Türkçe Dil Modelleri 2026: Doğrulanmış Bir Manzara (ve Uydurulmuş Olanlar)</title><link>https://tariksenkal.com/posts/turkce-dil-modelleri-2026/</link><guid isPermaLink="true">https://tariksenkal.com/posts/turkce-dil-modelleri-2026/</guid><description>Türkçe açık kaynak LLM manzarası, her iddia için Hugging Face bağlantısıyla: Cosmos, Kumru, Trendyol, Kanarya, BİLGE. Var olmayan modelleri nasıl ayırt edersiniz?</description><pubDate>Thu, 13 Aug 2026 20:39:00 GMT</pubDate><category>Ekosistem</category><category>Yapay Zeka</category></item><item><title>1 Milyon Token Bağlam Varken RAG&apos;a Hâlâ Gerek Var mı? (2026)</title><link>https://tariksenkal.com/posts/uzun-baglam-mi-rag-mi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/uzun-baglam-mi-rag-mi/</guid><description>1 milyon tokenlık bağlam penceresi RAG&apos;ı gereksiz kılıyor mu? Bağlam çürümesi, ölçülmüş Türkçe token maliyeti ve üçüncü bir seçenek: dosya sistemi üzerinden çalışmak.</description><pubDate>Thu, 13 Aug 2026 20:38:00 GMT</pubDate><category>Mimari</category><category>Yapay Zeka</category></item><item><title>Bilgisayar Kullanan Ajanlar: Demo ile Üretim Arasındaki 60 Puanlık Uçurum</title><link>https://tariksenkal.com/posts/bilgisayar-kullanan-ajanlar/</link><guid isPermaLink="true">https://tariksenkal.com/posts/bilgisayar-kullanan-ajanlar/</guid><description>Bilgisayar kullanan ajan nedir, nasıl çalışır? OSWorld 2.0&apos;ın açığa çıkardığı %83,5–%20,6 uçurumu, eylem döngüsü, Türkçe arayüz tuzakları ve güvenlik modeli.</description><pubDate>Thu, 13 Aug 2026 20:37:00 GMT</pubDate><category>Ajanlar</category><category>Yapay Zeka</category></item><item><title>MCP 2026: Protokol Neden Durumsuz Hâle Geldi ve Sunucunuz Ne Yapmalı?</title><link>https://tariksenkal.com/posts/mcp-durumsuz-mimari-2026/</link><guid isPermaLink="true">https://tariksenkal.com/posts/mcp-durumsuz-mimari-2026/</guid><description>MCP&apos;nin 2026-07-28 revizyonu oturumları, Mcp-Session-Id başlığını ve initialize el sıkışmasını kaldırdı. MRTR, server/discover ve göç planı somut örneklerle.</description><pubDate>Thu, 13 Aug 2026 20:36:00 GMT</pubDate><category>Araçlar</category><category>Yapay Zeka</category></item><item><title>Bağlam Mühendisliği: Prompt Mühendisliğinin Yerini Alan Disiplin</title><link>https://tariksenkal.com/posts/baglam-muhendisligi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/baglam-muhendisligi/</guid><description>Bağlam mühendisliği, sınırlı bağlam penceresine her adımda hangi tokenların gireceğine karar verme disiplinidir. Bağlam çürümesi, ortada kaybolma, budama ve özetleme stratejileri.</description><pubDate>Sun, 09 Aug 2026 20:35:00 GMT</pubDate><category>Mimari</category><category>Yapay Zeka</category></item><item><title>Otonom Ajan Mimarileri: Planla-Uygula, Ajan Filoları ve Maliyet Gerçeği</title><link>https://tariksenkal.com/posts/otonom-ajan-mimarileri/</link><guid isPermaLink="true">https://tariksenkal.com/posts/otonom-ajan-mimarileri/</guid><description>Ajanlar tek bir döngüden ibaret değildir. ReAct, planla-uygula, denetçi-işçi desenleri, heterojen model kullanımı ve ajan filolarında maliyeti kontrol etmenin yolları.</description><pubDate>Sun, 09 Aug 2026 20:34:00 GMT</pubDate><category>Ajanlar</category><category>Yapay Zeka</category></item><item><title>Küçük Dil Modelleri (SLM): Ne Zaman Büyük Modelden İyidir?</title><link>https://tariksenkal.com/posts/kucuk-dil-modelleri/</link><guid isPermaLink="true">https://tariksenkal.com/posts/kucuk-dil-modelleri/</guid><description>Küçük dil modelleri yüksek frekanslı, dar kapsamlı işlerde büyük modellerden daha uygun olabilir. Gecikme, maliyet, cihazda çalışma, ince ayar ve gerçekçi sınırlar.</description><pubDate>Sun, 09 Aug 2026 20:33:00 GMT</pubDate><category>Modeller</category><category>Yapay Zeka</category></item><item><title>Model Yönlendirme ve Kademeleme: Her İşe Aynı Modeli Vermeyin</title><link>https://tariksenkal.com/posts/model-yonlendirme-kademeleme/</link><guid isPermaLink="true">https://tariksenkal.com/posts/model-yonlendirme-kademeleme/</guid><description>Yönlendirme, her isteği maliyeti ve yeteneği uygun modele göndermektir. Kademeli mimari, güven eşiği, kaçış yolu ve gerçek maliyet-kalite ölçümü.</description><pubDate>Sun, 09 Aug 2026 20:32:00 GMT</pubDate><category>Mimari</category><category>Yapay Zeka</category></item><item><title>Akıl Yürüten Modeller ve Test Zamanı Hesaplama: Düşünmek İçin Zaman Satın Almak</title><link>https://tariksenkal.com/posts/akil-yuruten-modeller/</link><guid isPermaLink="true">https://tariksenkal.com/posts/akil-yuruten-modeller/</guid><description>Akıl yürüten modeller cevaptan önce düşünme adımları üretir. Test zamanı hesaplama, ne zaman kazandırır, ne zaman israftır ve gecikme ile maliyeti nasıl etkiler?</description><pubDate>Sun, 09 Aug 2026 20:31:00 GMT</pubDate><category>Modeller</category><category>Yapay Zeka</category></item><item><title>MCP (Model Context Protocol): Yapay Zekâ Araçları İçin Ortak Dil</title><link>https://tariksenkal.com/posts/mcp-model-baglam-protokolu/</link><guid isPermaLink="true">https://tariksenkal.com/posts/mcp-model-baglam-protokolu/</guid><description>MCP, modellerin araçlara ve veri kaynaklarına standart bir arayüzle bağlanmasını sağlar. Sunucu-istemci modeli, N-kere-M problemi, güvenlik sınırları ve pratik kullanım.</description><pubDate>Sun, 09 Aug 2026 20:30:00 GMT</pubDate><category>Araçlar</category><category>Yapay Zeka</category></item><item><title>Ajan Değerlendirmesi: Çok Adımlı Sistemleri Nasıl Ölçersiniz?</title><link>https://tariksenkal.com/posts/ajan-degerlendirmesi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/ajan-degerlendirmesi/</guid><description>Bir ajanı değerlendirmek tek bir cevabı puanlamaktan farklıdır. Görev başarısı, adım kalitesi, araç seçimi, maliyet ve kırılganlık testleriyle ajan değerlendirme çerçevesi.</description><pubDate>Sun, 09 Aug 2026 20:29:00 GMT</pubDate><category>Ajanlar</category><category>Yapay Zeka</category></item><item><title>Guardrails: Yapay Zekâ Çıktısını Üretimde Sınırlamak</title><link>https://tariksenkal.com/posts/guardrails-icerik-denetimi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/guardrails-icerik-denetimi/</guid><description>Guardrails, modelin girdi ve çıktısını kurallarla sınırlayan katmandır. Girdi filtreleri, şema doğrulama, çıktı denetimi, gerçeklik kontrolü ve yanlış pozitif dengesi.</description><pubDate>Sun, 09 Aug 2026 20:28:00 GMT</pubDate><category>Güvenlik</category><category>Yapay Zeka</category></item><item><title>GEO: Üretken Arama Motorlarında Kaynak Gösterilmek</title><link>https://tariksenkal.com/posts/uretken-arama-motoru-optimizasyonu/</link><guid isPermaLink="true">https://tariksenkal.com/posts/uretken-arama-motoru-optimizasyonu/</guid><description>Üretken arama motorları cevabı doğrudan veriyor; tıklama yerine atıf önem kazanıyor. İçeriği ChatGPT, Perplexity ve AI Overviews tarafından alıntılanacak biçimde yapılandırmanın pratik yolları.</description><pubDate>Sun, 09 Aug 2026 20:27:00 GMT</pubDate><category>Ürün</category><category>Yapay Zeka</category></item><item><title>Hukukta Yapay Zekâ: Neden Kaynak Göstermeyen Sistem İşe Yaramaz</title><link>https://tariksenkal.com/posts/hukukta-yapay-zeka/</link><guid isPermaLink="true">https://tariksenkal.com/posts/hukukta-yapay-zeka/</guid><description>Hukuk alanında yapay zeka, doğruluğun denetlenebilir olmasını gerektirir. İçtihat araması, kaynağa dayandırma, atıf zorunluluğu, gizlilik ve nihai sorumluluğun neden avukatta kaldığı.</description><pubDate>Sun, 09 Aug 2026 20:26:00 GMT</pubDate><category>Uygulama</category><category>Yapay Zeka</category></item><item><title>Çok Modlu (Multimodal) Modeller: Görüntü, Metin ve Sesi Birlikte İşleyen Yapay Zekâ Nasıl Çalışır?</title><link>https://tariksenkal.com/posts/multimodal-modeller/</link><guid isPermaLink="true">https://tariksenkal.com/posts/multimodal-modeller/</guid><description>Çok modlu modeller görüntü, metin ve sesi tek bir sistemde nasıl birleştirir? Vision-language modelleri, ortak embedding uzayını ve gerçek kullanım örneklerini sezgisel benzetmeler ve kısa kodla anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:25:00 GMT</pubDate><category>Çok Modlu</category><category>Yapay Zeka</category></item><item><title>Difüzyon Modelleri ve Görüntü Üretimi: Gürültüden Görüntüye</title><link>https://tariksenkal.com/posts/difuzyon-modelleri/</link><guid isPermaLink="true">https://tariksenkal.com/posts/difuzyon-modelleri/</guid><description>Difüzyon modelleri görüntüyü nasıl üretir? İleri ve geri süreç, gürültüden görüntüye giden yol ve Stable Diffusion&apos;ın latent alanı, günlük analojilerle sezgisel ve doğru biçimde anlatılıyor.</description><pubDate>Sun, 09 Aug 2026 20:24:00 GMT</pubDate><category>Üretken</category><category>Yapay Zeka</category></item><item><title>Model Damıtma ve Küçük Modeller: Büyük Öğretmenden Küçük Öğrenciye Bilgi Aktarımı</title><link>https://tariksenkal.com/posts/model-damitma/</link><guid isPermaLink="true">https://tariksenkal.com/posts/model-damitma/</guid><description>Model damıtma (knowledge distillation), büyük bir öğretmen modelin bilgisini küçük ve hızlı bir öğrenci modele aktarır. Yumuşak etiketleri, sıcaklığı ve damıtma kaybını; bunun neden, nasıl ve ne zaman işe yaradığını sezgisel örneklerle anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:23:00 GMT</pubDate><category>Verimlilik</category><category>Yapay Zeka</category></item><item><title>LoRA ve Verimli İnce Ayar (PEFT): Tüm Modeli Eğitmeden Uyarlama</title><link>https://tariksenkal.com/posts/lora-ince-ayar/</link><guid isPermaLink="true">https://tariksenkal.com/posts/lora-ince-ayar/</guid><description>LoRA ve PEFT&apos;i sezgisel olarak anlatıyoruz: tüm modeli eğitmeden, düşük ranklı küçük adaptörlerle uyarlama, bellek/maliyet avantajı ve pratik kullanım ipuçları.</description><pubDate>Sun, 09 Aug 2026 20:22:00 GMT</pubDate><category>İnce Ayar</category><category>Yapay Zeka</category></item><item><title>Prompt Injection ve Jailbreak: Yapay Zeka Güvenliğinin Temelleri</title><link>https://tariksenkal.com/posts/prompt-injection-guvenlik/</link><guid isPermaLink="true">https://tariksenkal.com/posts/prompt-injection-guvenlik/</guid><description>Prompt injection ve jailbreak nedir, nasıl çalışır? RAG ve ajan sistemlerindeki riskleri ve katmanlı savunma yöntemlerini sade analojilerle anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:21:00 GMT</pubDate><category>Güvenlik</category><category>Yapay Zeka</category></item><item><title>Fonksiyon Çağırma ve Yapılandırılmış Çıktı: Modeli Güvenilir Bir Bileşene Dönüştürmek</title><link>https://tariksenkal.com/posts/fonksiyon-cagirma/</link><guid isPermaLink="true">https://tariksenkal.com/posts/fonksiyon-cagirma/</guid><description>Fonksiyon çağırma ve yapılandırılmış çıktı, dil modelini serbest metin üreten bir sohbetçiden sistemlerinize güvenle bağlanan bir bileşene dönüştürür. JSON üretimi, şema zorlama ve sağlam entegrasyon pratiklerini sezgisel örneklerle anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:20:00 GMT</pubDate><category>Entegrasyon</category><category>Yapay Zeka</category></item><item><title>LLM Maliyet Optimizasyonu: Token, Önbellekleme, Model Seçimi ve RAG ile Faturayı Düşürmek</title><link>https://tariksenkal.com/posts/llm-maliyet-optimizasyonu/</link><guid isPermaLink="true">https://tariksenkal.com/posts/llm-maliyet-optimizasyonu/</guid><description>LLM faturasını düşürmenin pratik kaldıraçları: token tüketimini azaltma, prompt caching, görevi modele eşleştirme, toplu işleme (batch) ve küçük model + RAG dengesi. Sezgisel analojiler ve örnek kodla, doğru sırayla maliyet optimizasyonu.</description><pubDate>Sun, 09 Aug 2026 20:19:00 GMT</pubDate><category>Maliyet</category><category>Yapay Zeka</category></item><item><title>RLHF ve Model Hizalama: Yardımsever ve Güvenli Modeller, Ödül Modeli ve DPO</title><link>https://tariksenkal.com/posts/rlhf-nedir/</link><guid isPermaLink="true">https://tariksenkal.com/posts/rlhf-nedir/</guid><description>Bir modeli neden ve nasıl &quot;yardımsever ve güvenli&quot; hale getiririz? RLHF&apos;in üç adımını, ödül modelini ve daha sade alternatif DPO&apos;yu günlük analojilerle anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:18:00 GMT</pubDate><category>Hizalama</category><category>Yapay Zeka</category></item><item><title>LLM Gözlemlenebilirliği: İzleme, Loglama ve Değerlendirme Döngülerine Pratik Bir Bakış</title><link>https://tariksenkal.com/posts/llm-gozlemlenebilirlik/</link><guid isPermaLink="true">https://tariksenkal.com/posts/llm-gozlemlenebilirlik/</guid><description>LLM tabanlı ürünlerde gözlemlenebilirliği ele alıyoruz: izleme (tracing), loglama, değerlendirme döngüleri ile üretimde kaliteyi koruma ve regresyonları erken yakalama.</description><pubDate>Sun, 09 Aug 2026 20:17:00 GMT</pubDate><category>Gözlemlenebilirlik</category><category>Yapay Zeka</category></item><item><title>Yapay Zeka Ürünlerinde Kullanıcı Deneyimi (AI UX): Belirsizlikten Güvene</title><link>https://tariksenkal.com/posts/yapay-zeka-urun-ux/</link><guid isPermaLink="true">https://tariksenkal.com/posts/yapay-zeka-urun-ux/</guid><description>Yapay zeka ürünlerinde kullanıcı deneyimi nasıl tasarlanır? Belirsizliği yönetmek, kaynak gösterme, geri bildirim, hatada zarafet ve güven inşası için pratik rehber.</description><pubDate>Sun, 09 Aug 2026 20:16:00 GMT</pubDate><category>Ürün</category><category>Yapay Zeka</category></item><item><title>Büyük Dil Modelleri (LLM) Nasıl Çalışır? Transformer Mimarisinin Sezgisel Anlatımı</title><link>https://tariksenkal.com/posts/llm-nasil-calisir/</link><guid isPermaLink="true">https://tariksenkal.com/posts/llm-nasil-calisir/</guid><description>LLM&apos;ler nasıl çalışır? Bir sonraki kelimeyi tahmin etme, dikkat (attention) ve katmanlar üzerinden Transformer mimarisini sezgisel, teknik ama anlaşılır anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:15:00 GMT</pubDate><category>LLM</category><category>Yapay Zeka</category></item><item><title>Token ve Embedding: Bir Dil Modeli Metni Nasıl &quot;Görür&quot;?</title><link>https://tariksenkal.com/posts/token-ve-embedding/</link><guid isPermaLink="true">https://tariksenkal.com/posts/token-ve-embedding/</guid><description>Tokenizasyon, kelime parçaları ve embedding vektörleri sezgisel anlatımla: metnin anlamı bir dil modelinin içinde nasıl sayıya ve koordinata dönüşür?</description><pubDate>Sun, 09 Aug 2026 20:14:00 GMT</pubDate><category>Temeller</category><category>Yapay Zeka</category></item><item><title>RAG Nedir ve Uçtan Uca Nasıl Kurulur? Pratik Bir Mimari Rehber</title><link>https://tariksenkal.com/posts/rag-nedir-nasil-kurulur/</link><guid isPermaLink="true">https://tariksenkal.com/posts/rag-nedir-nasil-kurulur/</guid><description>RAG nedir, nasıl çalışır? Belge, chunk, embedding, vektör arama ve bağlamla üretim adımlarını küçük kod örnekleriyle uçtan uca anlatan pratik mimari rehber.</description><pubDate>Sun, 09 Aug 2026 20:13:00 GMT</pubDate><category>RAG</category><category>Yapay Zeka</category></item><item><title>Vektör Veritabanları Rehberi: Benzerlik Araması, HNSW ve FAISS / pgvector / Qdrant Karşılaştırması</title><link>https://tariksenkal.com/posts/vektor-veritabanlari/</link><guid isPermaLink="true">https://tariksenkal.com/posts/vektor-veritabanlari/</guid><description>Vektör veritabanlarını sezgisel anlatan rehber: benzerlik araması, ANN ve HNSW algoritması, FAISS, pgvector ile Qdrant karşılaştırması ve ne zaman hangisini seçmelisiniz.</description><pubDate>Sun, 09 Aug 2026 20:12:00 GMT</pubDate><category>Altyapı</category><category>Yapay Zeka</category></item><item><title>Prompt Mühendisliği: Pratik Teknikler ve Gerçek Örnekler</title><link>https://tariksenkal.com/posts/prompt-muhendisligi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/prompt-muhendisligi/</guid><description>Açık talimat, few-shot, adım adım düşündürme, rol verme ve çıktı biçimlendirme: dil modellerinden daha iyi sonuç almanın pratik tekniklerini örneklerle anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:11:00 GMT</pubDate><category>Pratik</category><category>Yapay Zeka</category></item><item><title>Fine-tuning mi, RAG mi, Prompt mu? Hangisini Ne Zaman Kullanmalı</title><link>https://tariksenkal.com/posts/fine-tuning-mi-rag-mi/</link><guid isPermaLink="true">https://tariksenkal.com/posts/fine-tuning-mi-rag-mi/</guid><description>Fine-tuning, RAG ve prompt yaklaşımlarını maliyet, güncellik ve doğruluk açısından karşılaştırıyoruz. Hangisini ne zaman seçmeli? Pratik karar tablosu içerir.</description><pubDate>Sun, 09 Aug 2026 20:10:00 GMT</pubDate><category>Karar</category><category>Yapay Zeka</category></item><item><title>LLM Halüsinasyonları: Neden Olur ve Nasıl Azaltılır?</title><link>https://tariksenkal.com/posts/llm-halusinasyon-azaltma/</link><guid isPermaLink="true">https://tariksenkal.com/posts/llm-halusinasyon-azaltma/</guid><description>LLM halüsinasyonu neden olur ve nasıl azaltılır? Kaynağa demirleme (grounding), RAG, doğrulama, kendini kontrol ve temperature ayarıyla pratik önlemler.</description><pubDate>Sun, 09 Aug 2026 20:09:00 GMT</pubDate><category>Güvenilirlik</category><category>Yapay Zeka</category></item><item><title>Açık Kaynak LLM&apos;ler: Llama, Mistral, Qwen ve Gemma&apos;ya Pratik Bir Bakış</title><link>https://tariksenkal.com/posts/acik-kaynak-llm/</link><guid isPermaLink="true">https://tariksenkal.com/posts/acik-kaynak-llm/</guid><description>Llama, Mistral, Qwen ve Gemma gibi açık kaynak LLM&apos;leri kapalı modellerle karşılaştırıyoruz: gizlilik, maliyet, ince ayar özgürlüğü ve ne zaman tercih edilir.</description><pubDate>Sun, 09 Aug 2026 20:08:00 GMT</pubDate><category>Ekosistem</category><category>Yapay Zeka</category></item><item><title>LLM&apos;leri Nasıl Değerlendiririz? Otomatik Ölçütler, LLM-as-Judge ve RAG Sadakati</title><link>https://tariksenkal.com/posts/llm-degerlendirme/</link><guid isPermaLink="true">https://tariksenkal.com/posts/llm-degerlendirme/</guid><description>LLM değerlendirmesi rehberi: otomatik ölçütler, LLM-as-judge, insan değerlendirmesi, alan-özel test setleri ve RAG için sadakat (faithfulness) ölçümü.</description><pubDate>Sun, 09 Aug 2026 20:07:00 GMT</pubDate><category>Ölçme</category><category>Yapay Zeka</category></item><item><title>Bir Yapay Zeka Modelini Üretime Almak (MLOps): Demodan Gerçek Ürüne</title><link>https://tariksenkal.com/posts/mlops-uretim/</link><guid isPermaLink="true">https://tariksenkal.com/posts/mlops-uretim/</guid><description>MLOps nedir? Yapay zeka modelini üretime almanın yolu: sürümleme, izleme, gecikme/maliyet, geri bildirim döngüsü ve güvenli dağıtımı sade bir dille anlatıyoruz.</description><pubDate>Sun, 09 Aug 2026 20:06:00 GMT</pubDate><category>MLOps</category><category>Yapay Zeka</category></item><item><title>İsmail Tarık Şenkal kimdir?</title><link>https://tariksenkal.com/posts/tarik-senkal-kimdir/</link><guid isPermaLink="true">https://tariksenkal.com/posts/tarik-senkal-kimdir/</guid><description>İsmail Tarık Şenkal kimdir? Hatson Teknoloji A.Ş.&apos;nin kurucu ortağı, Türkçe yapay zeka, büyük dil modelleri ve hukuk teknolojileri üzerine çalışan geliştirici ve girişimcinin hikâyesi.</description><pubDate>Sun, 09 Aug 2026 20:05:00 GMT</pubDate><category>Profil</category><category>Girişimcilik</category><category>Yapay Zeka</category><category>HatsonTech</category></item><item><title>HatsonTech nasıl ortaya çıktı?</title><link>https://tariksenkal.com/posts/hatsontech-nedir/</link><guid isPermaLink="true">https://tariksenkal.com/posts/hatsontech-nedir/</guid><description>HatsonTech nasıl ortaya çıktı? 2024&apos;te Ankara ODTÜ Teknokent&apos;te kurulan Türkçe yapay zeka girişiminin doğuş hikâyesi: hangi sorundan yola çıkıldı, neden kendi ürünlerini geliştiriyor?</description><pubDate>Sun, 09 Aug 2026 20:04:00 GMT</pubDate><category>Şirket</category><category>HatsonTech</category><category>Girişim Hikâyesi</category><category>Türkçe NLP</category></item></channel></rss>