Yapay Zekâ Kullanımı ve Prompt Mühendisliği

2.1 Zero-shot Prompting

Herhangi bir örnek vermeden doğrudan komut ile sonuç almayı sağlayan zero-shot prompting tekniğinin tanımı, kullanım alanları, avantaj ve sınırlamaları ile uygulama örnekleri üzerinden anlatılır.

2.2 Few-shot Prompting

Modelin istenen çıktı formatını örnekler üzerinden öğrenmesini sağlayan few-shot prompting yönteminin metodolojisi, doğru örnek seçiminin önemi ve etkili örnek hazırlama stratejileri işlenir.

2.3 Chain-of-Thought Prompting

Modelin adım adım düşünme sürecini tetikleyerek karmaşık problemlerde akıl yürütme yeteneğini artıran Chain-of-Thought (CoT) tekniği ve etkili CoT yapıları kurma pratikleri anlatılır.

2.4 Role-Based Prompting

Modele belirli bir persona veya uzman rolü atayarak yanıt kalitesini artırma tekniği; persona tanımlamanın etkileri ve çoklu rol kullanımıyla karmaşık yapılandırmalar oluşturma yöntemleri ele alınır.

3.1 Self-Consistency ve Çoklu Çözüm Yöntemleri

Aynı probleme birden fazla çözüm ürettirerek güvenilirliği artırma teknikleri, sonuçları doğrulama ve sağlama mekanizmaları ile modelin belirsizlikle başa çıkma stratejileri anlatılır.

3.2 Recursive Prompting

İç içe prompt yapıları kurarak bir çıktının bir sonraki adımda yeniden işlenmesi mantığı; adım adım geliştirme, iyileştirme ile kalite kontrol ve iterasyon süreçleri uygulamalı olarak öğretilir.

3.3 Tree-of-Thought ve Dallanma Stratejileri

Modelin tek bir çözüm yolu yerine alternatif düşünce dallarını keşfetmesini sağlayan Tree-of-Thought yaklaşımı; paralel akıl yürütme teknikleri ve olasılık ağaçlarıyla karar verme süreçleri incelenir.

3.4 Prompt Algoritmalarının Otomatikleştirilmesi

Prompt yazma sürecinin kendisini otomatikleştiren meta-prompting yaklaşımları, modelin kendi promptunu iyileştirdiği self-refining teknikler ile prompt optimizasyonu ve A/B test yöntemleri anlatılır.

4.1 Metin Üretiminde Optimizasyon

Yaratıcı yazım, teknik ve akademik içerik üretimi için prompt stratejileri ile uzun ve tutarlı metinler oluşturmayı sağlayan yönlendirme teknikleri işlenir.

4.2 Text-to-Speech Sistemlerinde Prompt Tasarımı

Ses üretimindeki kontrol parametrelerinin promptlarla yönetilmesi; tonlama ve vurgu kontrolü ile duygusal ifade ve karakterizasyon tekniklerinin sesli içerik üretimine nasıl aktarılacağı anlatılır.

4.3 Kod Üretimi ve Teknik İçerik

Programlama dilleri için özelleştirilmiş prompt yazımı, yorum satırı ve dokümantasyon ürettirme ile debugging ve kod refaktörü için etkili prompt stratejileri öğretilir.

5.1 Text-to-Image Sistemlerinde Prompt Yapılandırma

Görsel stil ve estetik kontrollerinin promptla belirlenmesi, kompozisyon ve layout yönlendirmeleri ile negatif promptlar kullanılarak istenmeyen öğelerin görsel çıktıdan filtrelenmesi anlatılır.

5.2 Image-to-3D Model Dönüşümlerinde Prompt Stratejileri

İki boyutlu görsellerden üç boyutlu model üretiminde kullanılan geometri oluşturma yönergeleri, malzeme ve doku tanımlamaları ile ölçek/orantı kontrolü için prompt teknikleri işlenir.

5.3 Video Üretiminde Temporal Kontrol

Video üreten yapay zekâ sistemlerinde sahne geçişleri ve görsel tutarlılığın sağlanması, hareket akışının yönlendirilmesi ile öyküleme ve sekans planlaması için prompt yazımı öğretilir.

5.4 Augmented ve Virtual Reality Uygulamaları

AR/VR ortamlarında mekânsal referanslar ve 3B konumlandırma, etkileşim tasarımına yönelik promptlar ile kullanıcı deneyimi odaklı yönergeler oluşturma teknikleri anlatılır.

6.1 Metin ve Görsel Entegrasyonu

Çoklu girdilerin (metin + görsel) harmonize edilmesi, farklı modalitelerdeki referansların birbiriyle ilişkilendirilmesi ve bağlamsal tutarlılığın korunması için teknikler işlenir.

6.2 Ses ve Görüntü Entegrasyonu

Ses-görüntü senkronizasyonu için prompt yazımı, duygu ve atmosfer uyumlandırma teknikleri ile multimodal anlatı (narrative) yapıları kurma yöntemleri anlatılır.

6.3 Multimodal Reasoning ve Problem Çözümü

Farklı modaliteler arasında bilgi transferi yapılması, çok boyutlu düşünme süreçlerinin kurgulanması ile karmaşık görevlerin alt bileşenlere ayrılarak modele aktarılması öğretilir.

7.1 Bias ve Adil Yapay Zekâ

Prompt'larda oluşabilecek önyargıların tespit edilmesi ve azaltılması, kapsayıcı dil ve temsil stratejileri ile adil ve dengeli içerik üretimi yaklaşımları öğretilir.

7.2 Güvenlik ve İstenmeyen İçerik Engelleme

Red-teaming ve adversarial prompt teknikleri, modelin istenmeyen içerik üretmesini engelleyen savunma mekanizmaları ile prompt enjeksiyon saldırılarına karşı koruma yöntemleri anlatılır.

7.3 Telif Hakları ve Fikri Mülkiyet

İçerik üretiminde uyulması gereken yasal ve etik sınırlar, atıf ile kaynak kullanımı yönetimi ve orijinallik ile türetilmiş içerik arasındaki dengelerin kurulması işlenir.

7.4 Şeffaflık ve Model Davranış Açıklanabilirliği

Promptlarda amaç belirtme ve dokümantasyon alışkanlığı, kullanıcıyı bilgilendirme stratejileri ile yapay zekâ üretim süreçlerinin izlenebilir kılınması öğretilir.

8.1 İş ve Pazarlama Uygulamaları

Marka kimliği ve tone-of-voice adaptasyonu, persona bazlı içerik stratejileri ile müşteri deneyimi optimizasyonu için prompt mühendisliğinin pazarlama süreçlerine uygulanması anlatılır.

8.2 Eğitim ve Öğrenim Uygulamaları

Kişiselleştirilmiş öğrenim materyalleri hazırlama, sınavlama ve değerlendirme sistemleri kurgulama ile eğitimsel asistan ve mentorluk sistemleri geliştirme örnekleri işlenir.

8.3 Sağlık ve Bilimsel Araştırma

Tıbbi bilgi sentezi ve literatür analizinde prompt kullanımı, tanı destekleme sistemleri için prompt yapıları ile araştırma hipotezi geliştirme ve test etme süreçleri anlatılır.

8.4 Sanat, Tasarım ve Yaratıcı Endüstriler

Sanatsal üretimde stil transferi ve yaratıcı ifade teknikleri ile konsept geliştirme ve iterasyon stratejilerinin prompt mühendisliği aracılığıyla nasıl yürütüldüğü ele alınır.

9.1 Vibe Coding Nedir?

Kavramın tanımı, Andrej Karpathy'nin 2025'teki kullanımı ve klasik programlamadan farkı.

• Tanım ve terminoloji

  Vibe coding, AI-assisted programming, AI pair programming kavramları.

• Geleneksel yazılım geliştirmeyle karşılaştırma

  Kod yazmak yerine niyet tarif etme, insanın rolündeki değişim.

9.2 Tarihsel Gelişim

Otomatik kod tamamlamadan ajan tabanlı kodlamaya geçiş.

• Kod tamamlama araçlarından LLM'lere

  IntelliSense, GitHub Copilot, ChatGPT ve Cursor süreci.

• Ajan tabanlı geliştirme dönemi

  Kendi başına dosya düzenleyen, test çalıştıran kodlama ajanları.

9.3 Araştırma Alanı Olarak Vibe Coding

Yazılım mühendisliği, insan-bilgisayar etkileşimi ve eğitim bilimlerinin kesişimi.

• İlgili disiplinler

  SE, HCI, bilgisayar bilimi eğitimi, bilişsel bilim.

• Temel araştırma soruları

  Verimlilik, kod kalitesi, öğrenme ve güvenlik üzerine açık sorular.

10.1 Kod Üreten Dil Modelleri

Transformer mimarisi ve kod üzerinde eğitilmiş modeller.

• Transformer ve dikkat mekanizması

  Token, bağlam penceresi ve olasılıksal üretim mantığı.

• Kod modelleri

  Codex, Code Llama, StarCoder, GPT ve Claude ailesi karşılaştırması.

10.2 Bağlam ve Bilgi Yönetimi

Modelin projeyi ne kadar 'anladığı' sorunu.

• Bağlam penceresi sınırları

  Büyük kod tabanlarında bilgi kaybı.

• RAG ve kod indeksleme

  Retrieval-augmented generation ile ilgili dosyaların modele verilmesi.

10.3 Halüsinasyon ve Hata Türleri

Modelin uydurduğu fonksiyonlar, paketler ve mantık hataları.

• Hata sınıflandırması

  Sözdizimi, mantık, API halüsinasyonu ve güvenlik hataları.

• Hata tespit stratejileri

  Test, statik analiz ve insan incelemesi.

11.1 AI Destekli IDE'ler

Cursor, GitHub Copilot, Windsurf ve benzerleri.

• Özellik karşılaştırması

  Satır içi tamamlama, sohbet, ajan modu, çoklu dosya düzenleme.

• Kullanım senaryoları

  Hangi aracın hangi işe uygun olduğu.

11.2 Tarayıcı Tabanlı Uygulama Üreticileri

Lovable, Bolt, v0, Replit Agent gibi platformlar.

• Kodsuz/az kodlu üretim

  Teknik olmayan kullanıcılar için uçtan uca uygulama üretimi.

• Sınırlılıklar

  Ölçeklenebilirlik, bakım ve özelleştirme sorunları.

11.3 Kodlama Ajanları

Komut satırı ve bulut tabanlı otonom ajanlar.

• Ajan mimarisi

  Planlama, araç kullanımı, geri bildirim döngüsü.

• Değerlendirme benchmark'ları

  SWE-bench, HumanEval ve MBPP gibi ölçütler.

12.1 Yazılım İçin Prompt Teknikleri

Kod üretiminde niyetin doğru aktarılması.

• Gereksinim tanımlama

  Kullanıcı hikâyesi, kabul kriterleri ve örneklerle prompt yazma.

• Adım adım geliştirme

  Büyük işi küçük, test edilebilir parçalara bölme.

12.2 Kurallar ve Bağlam Dosyaları

Projeye özel talimatların modele sürekli verilmesi.

• .cursorrules ve AGENTS.md

  Kod stili, mimari ve kısıtların tanımlanması.

• Dokümantasyon odaklı geliştirme

  Spec-driven development yaklaşımı.

12.3 İteratif Geliştirme Döngüsü

Üret, test et, düzelt döngüsünün yönetimi.

• Geri bildirim verme

  Hata mesajı ve ekran görüntüsüyle düzeltme isteme.

• Sürüm kontrolüyle güvenli deneme

  Git ile geri alınabilir adımlar.

13.1 Kod Kalitesi

Okunabilirlik, sürdürülebilirlik ve teknik borç.

• Kalite metrikleri

  Karmaşıklık, tekrar eden kod, test kapsamı.

• Teknik borç birikimi

  Anlaşılmadan kabul edilen kodun uzun vadeli etkileri.

13.2 Güvenlik

AI kodunda sık görülen güvenlik açıkları.

• Yaygın açıklar

  SQL enjeksiyonu, gizli anahtar sızıntısı, yetkilendirme hataları.

• Tedarik zinciri riski

  Halüsinasyonla uydurulan paket adları (slopsquatting).

13.3 Test ve Doğrulama

Üretilen kodun doğruluğunu güvence altına alma.

• Otomatik test üretimi

  Birim ve entegrasyon testlerini AI ile yazdırma.

• İnsan incelemesinin rolü

  Code review ve sorumluluk.

14.1 Verimlilik ve Deneyim

AI araçlarının geliştirici üretkenliğine etkisi.

• Verimlilik çalışmaları

  Kontrollü deneyler ve saha çalışmalarının bulguları.

• Akış ve bilişsel yük

  Odaklanma, bağlam değiştirme ve yorgunluk.

14.2 Güven ve Aşırı Bağımlılık

Kullanıcının AI çıktısına ne kadar güvendiği.

• Otomasyon yanlılığı

  Hatalı çıktının sorgulanmadan kabul edilmesi.

• Kalibre edilmiş güven

  Doğru güven düzeyini oluşturan arayüz ve alışkanlıklar.

14.3 Beceri Dönüşümü

Programcılık becerilerinin geleceği.

• Beceri kaybı (deskilling) tartışması

  Temel bilgi eksikliğinin riskleri.

• Yeni yetkinlikler

  Problem tanımlama, değerlendirme ve sistem düşüncesi.

15.1 Pedagojik Yaklaşımlar

Proje tabanlı öğrenme ve yapılandırmacı yaklaşım.

• Programlamayı herkese açmak

  Teknik olmayan bölümlerden öğrencilerle uygulama geliştirme.

• Ders tasarımı

  Haftalık plan, proje konuları ve teslim yapısı.

15.2 Ölçme ve Değerlendirme

AI ile üretilen projelerin adil biçimde değerlendirilmesi.

• Değerlendirme kriterleri

  Süreç, ürün ve açıklama becerisinin birlikte ölçülmesi.

• Akademik dürüstlük

  AI kullanım beyanı ve şeffaflık politikaları.

15.3 Öğrenme Çıktıları

Öğrencilerin ne öğrendiğinin araştırılması.

• Kavramsal anlama

  Öğrenci kodu gerçekten anlıyor mu?

• Motivasyon ve öz yeterlik

  Programlamaya karşı tutumdaki değişim.

16.1 Nicel Yöntemler

Deney tasarımı ve ölçülebilir değişkenler.

• Kontrollü deneyler

  AI'lı ve AI'sız gruplarla görev tamamlama karşılaştırması.

• Metrikler

  Süre, hata oranı, test geçme oranı, kod kalitesi.

16.2 Nitel ve Karma Yöntemler

Kullanıcı deneyimini derinlemesine anlama.

• Görüşme ve sesli düşünme

  Geliştiricinin karar sürecini anlamak.

• Log ve prompt analizi

  Etkileşim kayıtlarından örüntü çıkarma.

16.3 Literatür Taraması ve Yayın

Alandaki çalışmaları sistematik biçimde inceleme.

• Sistematik literatür taraması

  PRISMA yöntemi, veri tabanları ve anahtar kelimeler.

• Hedef konferans ve dergiler

  ICSE, FSE, CHI, SIGCSE, Empirical Software Engineering.

17.1 Fikri Mülkiyet ve Lisans

Üretilen kodun sahipliği ve lisans uyumu.

• Telif hakkı tartışmaları

  AI çıktısının sahibi kim?

• Açık kaynak lisans uyumu

  Eğitim verisindeki lisanslı kodun yeniden üretilmesi.

17.2 Sorumluluk ve Hesap Verebilirlik

Hatalı kodun sonuçlarından kim sorumlu?

• Kritik sistemlerde kullanım

  Sağlık, finans ve savunma gibi alanlarda risk.

• Standartlar ve düzenlemeler

  AB Yapay Zekâ Yasası ve kurumsal politikalar.

17.3 İş Gücü ve Toplum

Yazılım sektörüne ve istihdama etkiler.

• Meslek dönüşümü

  Junior geliştirici rolünün geleceği.

• Dijital eşitlik

  Yazılım üretiminin demokratikleşmesi.

18.1 Uçtan Uca Proje Geliştirme

Fikirden çalışan bir web uygulamasına.

• Planlama ve gereksinimler

  Proje tanımı, kullanıcı ve özellik listesi.

• Geliştirme, test ve sunum

  Dokümantasyon ve demo hazırlama.

18.2 Araştırma Önerisi Hazırlama

Vibe coding üzerine özgün bir çalışma kurgulama.

• Araştırma sorusu ve hipotez

  Literatürdeki boşluğu belirleme.

• Yöntem ve etik kurul süreci

  Katılımcılı çalışmalarda izin ve veri güvenliği.

18.3 Gelecek Yönelimler

Alanın önümüzdeki dönemde gideceği yön.

• Çoklu ajan sistemleri

  Birlikte çalışan AI ajanlarıyla yazılım geliştirme.

• Doğrulanabilir kod üretimi

  Formal doğrulama ve güvenilir AI kodu.

19.1 Otomasyona Giriş ve n8n Temelleri

İş akışı otomasyonu kavramı ve n8n'in yapısı.

• Otomasyon nedir?

  Tetikleyici, eylem ve iş akışı kavramları; n8n, Zapier ve Make karşılaştırması.

• n8n kurulumu ve arayüz

  Bulut ve self-hosted (Docker) kurulum, editör, node ve bağlantı mantığı.

19.2 Temel Node'lar ve Veri Akışı

İş akışlarının yapı taşları.

• Tetikleyiciler

  Webhook, zamanlayıcı (Schedule), form ve uygulama tetikleyicileri.

• Veri işleme

  Set, IF, Switch, Merge, Loop node'ları ve JSON veri yapısı.

19.3 Uygulama Entegrasyonları

Popüler servislerin otomasyona bağlanması.

• Kimlik bilgileri ve API bağlantısı

  Credential yönetimi, OAuth ve API anahtarları.

• Örnek entegrasyonlar

  Gmail, Google Sheets, Telegram, Slack, Notion ve Canva bağlantıları.

19.4 HTTP İstekleri ve Kod Node'u

Hazır entegrasyonu olmayan servislerle çalışma.

• HTTP Request node'u

  REST API çağrıları, header, parametre ve kimlik doğrulama.

• Code node'u

  JavaScript/Python ile özel veri dönüşümleri; vibe coding ile kod ürettirme.

19.5 Yapay Zekâ Entegrasyonu ve AI Ajanları

LLM'leri otomasyonlara katmak.

• LLM node'ları

  OpenAI, Gemini, Claude bağlantısı ve prompt'ların iş akışında kullanımı.

• AI Agent ve RAG

  Araç kullanan ajanlar, hafıza, vektör veritabanı ile doküman tabanlı soru-cevap.

19.6 Hata Yönetimi, Güvenlik ve Yayına Alma

Otomasyonların güvenilir çalışması.

• Hata yakalama ve izleme

  Error Trigger, yeniden deneme, loglar ve bildirimler.

• Güvenlik ve ölçekleme

  Gizli bilgilerin korunması, kişisel veri (KVKK) ve self-hosted bakım.

19.7 Sektörel Otomasyon Projeleri

Farklı meslek gruplarına uygun uçtan uca örnekler.

• İş ve eğitim senaryoları

  Form yanıtlarını tabloya işleme, haftalık ders programını Telegram'a gönderme, e-posta özetleme.

• Bitirme projesi

  Öğrencinin kendi alanında AI destekli bir otomasyon tasarlayıp sunması.