Açık Erişimli Yapay Zeka ve Makine Öğrenmesi Müfredatı

MIT, Stanford, Berkeley, Carnegie Mellon, Imperial College London ve Harvard gibi dünyanın önde gelen üniversitelerinin sunduğu açık erişimli yapay zeka ve makine öğrenmesi derslerinden oluşan kapsamlı bir kaynak derlemesi hazırladım.

Açık Erişim Neden Önemli?

Yüksek kaliteli eğitime erişim, coğrafi konum, ekonomik durum veya kurumsal bağlantılar nedeniyle sınırlı olmamalıdır diye düşünüyorum. Açık erişimli ders materyalleri ve açık yazılım, dünya çapında milyonlarca öğrenciye ve öğrenmeye istekli bireye, en iyi üniversitelerin eğitim imkanlarından yararlanma fırsatı sunduğu için gerçek manada ilerlemeyi sağlayabiliyor.

Yıl 1: Matematiksel ve Hesaplamalı Temeller

Yapay zeka ve makine öğrenmesi çalışmaları için gerekli matematiksel altyapının oluşturulduğu ilk yıl.

Dönem 1: Matematiksel Temeller

Lineer Cebir (MIT 18.06 - Gilbert Strang)

• Ders Sayfası: https://ocw.mit.edu/courses/18-06sc-linear-algebra-fall-2011/
• YouTube: https://www.youtube.com/playlist?list=PL221E2BBF13BECF6C

Tek Değişkenli Calculus (MIT 18.01SC)

• Ders Sayfası: https://ocw.mit.edu/courses/18-01sc-single-variable-calculus-fall-2010/
• YouTube: https://www.youtube.com/playlist?list=PL590CCC2CD570D278

Programlamaya Giriş - Python (MIT 6.0001)

• Ders Sayfası: https://ocw.mit.edu/courses/6-0001-introduction-to-computer-science-and-programming-in-python-fall-2016/
• YouTube: https://www.youtube.com/playlist?list=PLUl4u3cNGP63WbdFxL8giv-2CNjj3G4yC

Ayrık Matematik (MIT 6.042J)

• Ders Sayfası: https://ocw.mit.edu/courses/6-042j-mathematics-for-computer-science-fall-2010/
• YouTube: https://www.youtube.com/playlist?list=PLB7540DEDD482705B

Dönem 2: İstatistik ve Algoritmalar

Olasılık ve İstatistiğe Giriş (MIT 18.05)

• Ders Sayfası: https://ocw.mit.edu/courses/18-05-introduction-to-probability-and-statistics-spring-2014/
• YouTube: https://www.youtube.com/playlist?list=PLUl4u3cNGP61MdtwKTq_X0IcQdL4MZQnW

Çok Değişkenli Calculus (MIT 18.02SC)

• Ders Sayfası: https://ocw.mit.edu/courses/18-02sc-multivariable-calculus-fall-2010/
• YouTube: https://www.youtube.com/playlist?list=PL4C4C8A7D06566F38A

Veri Yapıları ve Algoritmalar (MIT 6.006)

• Ders Sayfası: https://ocw.mit.edu/courses/6-006-introduction-to-algorithms-fall-2011/
• YouTube: https://www.youtube.com/playlist?list=PLUl4u3cNGP61Oq3tWYp6V_F-5jb5L2iHb

ML için Lineer Cebir (Imperial College London - Coursera)

• Ders Sayfası: https://www.coursera.org/learn/linear-algebra-machine-learning

---

Yıl 2: Hesaplama, Optimizasyon ve Temel Makine Öğrenmesi

İkinci yılda optimizasyon teknikleri ve makine öğrenmesinin temel kavramlarına giriş yapılır.

Dönem 3: Hesaplama ve Optimizasyon

Hesaplamalı Bilim ve Mühendislik (MIT 18.085)

• Ders Sayfası: https://ocw.mit.edu/courses/18-085-computational-science-and-engineering-i-fall-2008/
• YouTube: https://www.youtube.com/playlist?list=PLUl4u3cNGP61H4IgJArUf6KRW-5s8N0n2

Optimizasyon Yöntemleri (Stanford EE364A)

• Ders Sayfası: https://web.stanford.edu/class/ee364a/
• YouTube: https://www.youtube.com/playlist?list=PL3940DD956CDF0622

ML için Çok Değişkenli Calculus (Imperial College London - Coursera)

• Ders Sayfası: https://www.coursera.org/learn/multivariate-calculus-machine-learning

Matematiksel İstatistik (Berkeley Stat 200A)

• Ders Sayfası: https://www.stat.berkeley.edu/~aldous/150/index.html

Dönem 4: Temel Makine Öğrenmesi

Makine Öğrenmesine Giriş (MIT 6.036)

• Ders Sayfası: https://ocw.mit.edu/courses/6-036-introduction-to-machine-learning-fall-2020/
• YouTube: https://www.youtube.com/playlist?list=PLtBw6njFKUFXJvaluBS5Wh6TjV82Yr3fI

Yapay Zeka (MIT 6.034 - Patrick Winston)

• Ders Sayfası: https://ocw.mit.edu/courses/6-034-artificial-intelligence-fall-2010/
• YouTube: https://www.youtube.com/playlist?list=PLUl4u3cNGP63gNsbvHqQYk7W6zKD1JOSp

Makine Öğrenmesi (Stanford CS229 - Andrew Ng)

• Ders Sayfası: https://cs229.stanford.edu/
• YouTube: https://www.youtube.com/playlist?list=PLoROMvodv4rMiGQp3WXShtMGgzqpfVfbU

ML için PCA (Imperial College London - Coursera)

• Ders Sayfası: https://www.coursera.org/learn/pca-machine-learning

Bilgi Teorisi (Stanford EE376A)

• Ders Sayfası: https://web.stanford.edu/class/ee376a/

İstatistiksel Öğrenme Teorisi (CMU 10-702)

• Ders Sayfası: https://www.stat.cmu.edu/~larry/=sml/
• YouTube: https://www.youtube.com/playlist?list=PLjbUi5mgii6B7A0nM74zXX7czdXnu5wgi

Evrişimli Sinir Ağları/Convolutional Neural Networks (Stanford CS231N)

• Ders Sayfası: https://cs231n.stanford.edu/
• YouTube: https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv

Sinir Ağları Sıfırdan (Andrej Karpathy)

• YouTube: https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ

Derin Öğrenme Kitabı

• Kitap: https://www.deeplearningbook.org/

---

Yıl 3: Derin Öğrenme, Doğal Dil İşleme ve Görü

Üçüncü yıl derin öğrenme mimarileri ve uygulama alanlarına odaklanır.

Dönem 5: Derin Öğrenme

Derin Öğrenmeye Giriş (MIT 6.S191)

• Ders Sayfası: https://introtodeeplearning.com/
• YouTube: https://www.youtube.com/playlist?list=PLtBw6njFKUIG5iMqCmvI_2Xq7i48QmMat

Sinir Ağları ve Derin Öğrenme (Stanford CS231N)

• Ders Sayfası: https://cs231n.stanford.edu/
• YouTube: https://www.youtube.com/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv

Sinir Ağları Sıfırdan (Andrej Karpathy)

• YouTube: https://www.youtube.com/playlist?list=PLAqhIrjkxbuWI23v9cThsA9GvCAUhRvKZ

Derin Öğrenme Kitabı

• Kitap: https://www.deeplearningbook.org/

Dönem 6: Doğal Dil İşleme ve Görü

Doğal Dil İşleme ile Derin Öğrenme (Stanford CS224N)

• Ders Sayfası: https://web.stanford.edu/class/cs224n/
• YouTube: https://www.youtube.com/playlist?list=PLoROMvodv4rMFqRtEuo6SGjY4XbRIVRd4

Bilgisayarla Görü (Stanford CS231A)

• Ders Sayfası: https://web.stanford.edu/class/cs231a/
• YouTube: https://www.youtube.com/playlist?list=PLf7L7Kg8_FNxHATtLwDceyh72QQL9pvQd

Konuşma ve Doğal Dil İşleme (Stanford CS224S)

• Ders Sayfası: https://web.stanford.edu/class/cs224s/

Doğal Dil İşleme (CMU 11-411/511)

• Ders Sayfası: http://demo.clab.cs.cmu.edu/NLP/

Zaman Serisi Analizi ve Tahmin (MIT 6.S089)

• Ders Sayfası: https://ocw.mit.edu/courses/6-s089-introduction-to-signal-processing-january-iap-2010/
• YouTube: https://www.youtube.com/playlist?list=PLUl4u3cNGP61EVbNHqwkNNSVpIMHeVZcv

Transformerlar ve Büyük Dil Modelleri (Stanford CS224N - İkinci Yarı)

• Ders Sayfası: https://web.stanford.edu/class/cs224n/

• Self-attention, Transformer mimarisi, BERT, GPT modelleri

Sıralı Modeller ve RNN'ler (Stanford CS224N - İlk Yarı)

• Ders Sayfası: https://web.stanford.edu/class/cs224n/

• YouTube: https://www.youtube.com/playlist?list=PLoROMvodv4rMFqRtEuo6SGjY4XbRIVRd4

• RNN, LSTM, GRU, seq2seq modelleri, dikkat mekanizmaları

---

Yıl 4: İleri Konular, Pekiştirmeli Öğrenme ve Sistemler

Dördüncü yıl ileri düzey konular ve endüstri uygulamalarına yönelik sistem tasarımına odaklanır.

Dönem 7: İleri Konular - Pekiştirmeli Öğrenme ve Üretici Modeller

Pekiştirmeli Öğrenme (UC Berkeley CS285 - Sergey Levine)

• Ders Sayfası: http://rail.eecs.berkeley.edu/deeprlcourse/
• YouTube: https://www.youtube.com/playlist?list=PL_iWQOsE6TfURIIhCrlt-wj9ByIVpbfGc

Pekiştirmeli Öğrenme (David Silver - DeepMind)

• Ders Sayfası: https://www.davidsilver.uk/teaching/
• YouTube: https://www.youtube.com/playlist?list=PLqYmG7hTraZDM-OYHWgPebKo2MChq2H1k

Üretici Derin Öğrenme (Stanford CS236)

• Ders Sayfası: https://deepgenerativemodels.github.io/

Stanford CS324 - Büyük Dil Modelleri

• Ders Sayfası: https://stanford-cs324.github.io/large-language-models/

Yapay Zeka Güvenliği ve Etik (MIT 6.S898)

• Ders Sayfası: https://ai-alignment.mit.edu/
• YouTube: https://www.youtube.com/playlist?list=PL7m7BeyOYdgTPOAtzGhb9ZN_W9rhw98At

Graf Sinir Ağları (Stanford CS224W)

• Ders Sayfası: https://web.stanford.edu/class/cs224w/

• YouTube: https://www.youtube.com/playlist?list=PLoROMvodv4rPLKxIpqhjhPgdQy7imNkDn

• Graph Convolutional Networks, Node Embeddings, Knowledge Graphs

Dönem 8: Uygulamalı Projeler ve Sistemler

Tam Yığın Derin Öğrenme (Full Stack Deep Learning)

• Ders Sayfası: https://fullstackdeeplearning.com/course/

Makine Öğrenmesi Sistemleri Tasarımı (Stanford CS329S)

• Ders Sayfası: https://stanford-cs329s.github.io/
• YouTube: https://www.youtube.com/playlist?list=PLzfT8pT1nEVTOGYQRBvEoOwOdAM0fI-0J

Dağıtık Sistemler için Makine Öğrenmesi (MIT 6.824)

• Ders Sayfası: https://pdos.csail.mit.edu/6.824/
• YouTube: https://www.youtube.com/playlist?list=PLrw6a1wE39_tb2fErI4-WkMbsvGQk9_UB

İleri Veri Bilimi (Harvard CS109B)

• Ders Sayfası: https://harvard-iacs.github.io/2021-CS109B/

MLOps ve ML Üretim Sistemleri (Made With ML)

• Ders Sayfası: https://madewithml.com/
• GitHub: https://github.com/GokuMohandas/Made-With-ML

Nedensel Çıkarıma Giriş (Harvard ECON 2099)

• Ders Sayfası: https://www.youtube.com/playlist?list=PLoDPa6Eieoz3zyDeD3k1dXBTDwUuyQp_K
• Notlar: https://scholar.harvard.edu/natespilker/classes/causal-inference-phd-course

---

Açık Erişimli Ders Kitapları

Makine öğrenmesi ve yapay zeka alanında açık erişimli akademik kaynaklar:

• **Understanding Machine Learning **(Shai Shalev-Shwartz): https://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/
• **Speech and Language Processing **(Dan Jurafsky): https://web.stanford.edu/~jurafsky/slp3/
• **Probabilistic Machine Learning **(Kevin Murphy): https://probml.github.io/pml-book/
• **Mathematics for Machine Learning **(Cambridge): https://mml-book.github.io/
• **Convex Optimization **(Stephen Boyd): https://web.stanford.edu/~boyd/cvxbook/
• **Neural Networks and Deep Learning **(Michael Nielsen): http://neuralnetworksanddeeplearning.com/
• **Information Theory, Inference, and Learning Algorithms **(David MacKay): https://www.inference.org.uk/itprnn/book.pdf
• **Reinforcement Learning: An Introduction **(Sutton & Barto): http://incompleteideas.net/book/the-book-2nd.html
• **Graph Representation Learning **(William Hamilton): https://www.cs.mcgill.ca/~wlh/grl_book/
• **Causal Inference: The Mixtape **(Scott Cunningham): https://mixtape.scunning.com/
• **The Hundred-Page Machine Learning Book **(Andriy Burkov): http://themlbook.com/

---

Açık Kaynak Araçlar ve Dokümantasyon

Geliştirme ve Uygulama için kaynaklar

• Hugging Face Eğitim: https://huggingface.co/learn
• PyTorch Eğitimleri: https://pytorch.org/tutorials/
• TensorFlow Eğitimleri: https://www.tensorflow.org/tutorials
• scikit-learn Dokümantasyonu: https://scikit-learn.org/stable/
• JAX Belgeleri: https://jax.readthedocs.io/
• Papers With Code: https://paperswithcode.com/
• OpenAI Cookbook: https://github.com/openai/openai-cookbook
• LangChain Belgeleri: https://python.langchain.com/

---

LLM ve Yeni Nesil AI Araçları

• AutoGPT: https://github.com/Significant-Gravitas/AutoGPT
• CrewAI: https://docs.crewai.com/
• Microsoft AutoGen: https://github.com/microsoft/autogen
• LangGraph: https://langchain-ai.github.io/langgraph/
• LlamaIndex: https://docs.llamaindex.ai/

---

Prompt Mühendisliği ve Context Engineering

• OpenAI Prompt Engineering Guide: https://platform.openai.com/docs/guides/prompt-engineering
• Anthropic Prompt Engineering: https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering
• DSPy Framework: https://dspy-docs.vercel.app/
• PromptLayer: https://promptlayer.com/
• Weights & Biases Prompts: https://docs.wandb.ai/guides/prompts

---

Vektör Veritabanları ve RAG

• Chroma: https://docs.trychroma.com/
• Pinecone (ücretsiz katman): https://www.pinecone.io/
• Weaviate: https://weaviate.io/developers/weaviate
• Milvus: https://milvus.io/docs
• Qdrant: https://qdrant.tech/documentation/

---

GitHub ve Geliştirme Araçları

• GitHub Copilot: https://github.com/features/copilot
• GitHub Copilot Workspace: https://github.com/features/copilot/workspace
• GitHub Models: https://github.com/marketplace/models
• GitHub Actions ML Workflows: https://docs.github.com/en/actions/use-cases-and-examples/deploying/deploying-machine-learning-models

---

Kod Analizi ve Review Araçları

• CodeQL: https://codeql.github.com/
• GitHub Advanced Security: https://github.com/features/security

---

Model Dağıtım ve Üretim Araçları

• vLLM: https://docs.vllm.ai/
• Ollama: https://ollama.com/
• Text Generation Inference (Hugging Face): https://huggingface.co/docs/text-generation-inference/
• Modal: https://modal.com/docs
• BentoML: https://docs.bentoml.com/
• Ray Serve: https://docs.ray.io/en/latest/serve/index.html

---

Çok Modlu (Multimodal) Modeller

• CLIP (OpenAI): https://github.com/openai/CLIP
• LLaVA: https://llava-vl.github.io/
• Stable Diffusion: https://stability.ai/stable-diffusion
• Stable Video Diffusion: https://stability.ai/stable-video
• Whisper (OpenAI): https://github.com/openai/whisper

---

Akademik ve Araştırma Kaynakları

• Papers With Code: https://paperswithcode.com/
• OpenAI Cookbook: https://github.com/openai/openai-cookbook
• LangChain Belgeleri: https://python.langchain.com/
• Semantic Scholar: https://www.semanticscholar.org/
• Connected Papers: https://www.connectedpapers.com/
• arXiv Sanity Preserver: http://www.arxiv-sanity.com/

---

Özetle bu müfredatın, yapay zeka ve makine öğrenmesi alanında kapsamlı bir eğitim için dünya çapında üniversitelerin sunduğu açık erişimli kaynakları bir araya getirdiğini düşünüyorum.

Ajan tabanlı sistemler, büyük dil modelleri ve çok modlu yapay zeka gibi son gelişmeler, bu alanı daha erişilebilir ve uygulamaya yönelik hale getirdi. GitHub Copilot, AutoGen, CrewAI gibi araçlar geliştirici verimliliğini artırırken; Chroma, LlamaIndex ve LangGraph gibi kütüphaneler modern AI uygulamalarının temel yapı taşları haline dönüştü.

Açık kaynaklı ürünler üzerinde bu araçları çeşitli uygulamalar ve araçlar ile test ederek tecrübe edinmek, sağlam bir akademik arkaplanla desteklendiğinde sektörde aranan rollere erişimde büyük bir kolaylık sağlayabilir.