Öğrenme yolculuğu.

01Yönünü bul

02İnşa et · üç paralel rota

• gpu2

  Donanım rotası

  “Hesaplama nasıl çalışır?”

  GPU Kernel Engineering — Kernel Atlas

  Modelin koştuğu makineyi öğren: iki dilli 12 haftalık atlasta CUDA, Triton, GPU belleği, profil çıkarma ve kernel optimizasyonu.

  CPU vs GPU → GPU mimarisi → VRAM → bellek bant genişliği → CUDA / Tensor çekirdekleri → FP32 / FP16 / BF16 / FP8 / INT8 / INT4 → matris çarpımı → CUDA kernelleri → FlashAttention → KV cache → quantization → çoklu GPU → tensor paralellik

  gpu.aserdargun.com ↗ yeni sekmede açılır

  Eşlikçi öğrenme aracını keşfet · POL ↗ yeni sekmede açılır
  Diller aynı programı nasıl farklı ifade eder?
  İngilizce arayüzle aynı görevleri programlama dilleri arasında karşılaştır: tipler, bellek, paradigmalar ve eşzamanlılık. GPU öğrenimini destekleyen programlama temelleri; kapsamı GPU ile sınırlı değil. Çalıştırılan örnekler ile elle incelenen örnekler ayrı tutulur.

  Eşlikçi laboratuvarı dene · GEX ↗ yeni sekmede açılır
  Bir kernel donanım üzerinde nasıl yürütülür?

• llm3

  Servis rotası · merkez

  “Modeller nasıl çalıştırılır?”

  LLM Runtime & Serving Atlas

  Modeli canlıya almayı öğren: yedi mimari katmanda sınıflandırılan çalıştırma ve sunma çözümleri. Donanım da eğitim de bu rotaya akar.

  model → mimari → hassasiyet → bellek hesabı → runtime → inference motoru → sunum → API → benchmark

  Ollama · llama.cpp · vLLM · SGLang · TensorRT-LLM · Transformers · MLX

  llm.aserdargun.com ↗ yeni sekmede açılır

  Eşlikçi laboratuvarı dene · TFL ↗ yeni sekmede açılır
  Sonlu sunum kaynakları bir isteğin sonraki tokena giden yolunu nasıl şekillendirir?

• usl4

  Eğitim rotası

  “Modeller nasıl öğrenir/değişir?”

  Unsloth Studio Learning Atlas

  Modelleri yalnız çalıştırmayı değil, değiştirmeyi öğren: iki dilli öğrenme atlasında Unsloth, LoRA, QLoRA, veri seti mühendisliği ve değerlendirme.

  eğitilmiş model → veri seti → tokenization → LoRA → QLoRA → SFT → DPO → GRPO → değerlendirme → birleştirilmiş model → LLM runtime

  usl.aserdargun.com ↗ yeni sekmede açılır

  Eşlikçi laboratuvarı dene · ADP ↗ yeni sekmede açılır
  Temel model bir göreve nasıl uyarlanır?

gpu → llm neyi servis edebileceğini donanım belirler · usl → llm eğittiğin modeller, servis ettiklerin olur · llm → gpu inference baskısı donanım sınırlarını görünür kılar

03Mühendislik · ajan sistemi

04İnşa et · bağlam ve güvence

• ctx6

  Bağlam ve Bilgi Mühendisliği

  “Model gerçekte ne görüyor?”

  Bağlam ve Bilgi Mühendisliği

  Model üretiminden önce çalışan bilgi sistemini tasarla. Alım, parçalama, gömme, erişim, alıntılama, önbellekleme, bellek ve araç kullanımını izle ki model temellendirilmiş, yönetilebilir bir bağlam görsün.

  alım → parçalama → gömme → vektör veritabanı → erişim → alıntılama → önbellek → bellek → araç kullanımı → token bütçesi

  ctx.aserdargun.com ↗ yeni sekmede açılır
• sec7

  AI Sistemleri Güvenliği

  “Bu ajan sistemine neden güvenmeliyim?”

  AI Sistemleri Güvenlik Gözlemevi

  Devredilen niyeti model kabiliyetinden denetlenebilir eyleme kadar izle. Güvenceyi tek bir skora indirgemeden kimlik, kimlik bilgileri, yetkilendirme, araç ve sandbox sınırları, korunan veri, denetim kanıtı ve olay kurtarmayı incele.

  model → ajan → kimlik → kimlik bilgisi → yetkilendirme → araç → sandbox → veri → eylem → denetim → olay

  sec.aserdargun.com ↗ yeni sekmede açılır
• evl8

  AI Değerlendirme ve Güvenilirlik

  “Çalıştığını nereden biliyorum?”

  AI Değerlendirme ve Güvenilirlik Laboratuvarı

  Döngüyü kanıtla kapat. Çıktı, izlenen yol, sonuç, sağlamlık, güvenlik ve operasyon katmanlarında değerlendirme sözleşmeleri tanımla ki her sürüm varsayım değil, belirlenebilir ve ölçülmüş bir karar olsun.

  referans kümesi → çıktı → izlenen yol → sonuç → sağlamlık → güvenlik → operasyon → sürüm kararı

  evl.aserdargun.com ↗ yeni sekmede açılır

ctx → sec bağlam neyin gireceğine, güvenlik neyin çıkacağına karar verir · sec → evl güvence, değerlendirmenin yanıtlaması gereken soruları yüzeye çıkarır · evl → ctx ölçüm, bir sonraki bağlam tasarımını besler

05Dağıt · yerel ve bulut paralel

• lcl

  Yerel AI Laboratuvarı

  “Hangi laboratuvarı almalıyım?”

  Local Compute Lab

  Açık ağırlıklı model gereksinimlerini NVIDIA, AMD ve Apple cihazlarıyla eşleştir. Yerel laboratuvarını seçmeden önce iş yükünü, belleği, gizliliği, gücü, gürültüyü ve mevcut ekipmanı karşılaştır.

  açık ağırlıklı model → iş yükü → bellek → NVIDIA / AMD / Apple → gizlilik / güç / gürültü → yerel laboratuvar

  lcl.aserdargun.com ↗ yeni sekmede açılır
• cld

  AI Altyapısı

  “Bunu ölçekte nasıl işletirim?”

  Bulut Sağlayıcı Maliyet Karşılaştırması

  Yığını karara dönüştür: Türkiye'den erişilebilen bulut servislerinin vergi öncesi USD maliyetlerini karşılaştır ve tüm sistemin nerede çalışacağını seç. Bulut bilerek en sonda — neyi deploy ettiğini bilince altyapı soyut olmaktan çıkar.

  model → vLLM → Docker → GPU instance → bulut GPU → load balancer → autoscaling → API

  cld.aserdargun.com ↗ yeni sekmede açılır

06Dönüş

Döngü, öğrendiklerin sisteme geri döndüğünde kapanır — başladığın harita, artık inşa edebildiklerinin kaydına dönüşür ve bir sonraki tur daha derinden başlar.