Kurs
DataCamp’in İş için Yapay Zekâya Giriş kursu 2026 sıralamasının zirvesinde yer alıyor. Tam liste ve ölçütler aşağıda.
\nBu liste, YZ kurslarını dört ölçüte göre sıralar:
\n- \n
- erişilebilirlik (kursun hedeflediği kitle için ne kadar kullanılabilir olduğu), \n
- uygulamalı sıkılık (öğrenenlerin gerçekten gerçek modelleri inşa edip eğitip veya onlarla çalışıp çalışmadığı), \n
- eğitmen uzmanlığı ve \n
- kanıtlanmış öğrenci çıktıları. \n
Kaynaklar, Mayıs 2026 itibarıyla DataCamp, DeepLearning.AI, Harvard, Google, Microsoft, MIT OpenCourseWare, Hugging Face, fast.ai, Kaggle, IBM SkillsBuild, Anthropic ve Stanford Online’ın kurs sayfalarının doğrudan incelenmesini içerir.
\nBu listedeki her kursa ücretsiz başlayabilirsiniz; bazıları uçtan uca tamamen ücretsizdir, bazıları ise ilk bölüm veya dinleme (audit) seçeneğini ücretsiz sunar ve tam kurs ya da sertifika için ücretli bir yol içerir.
\n1. İş için Yapay Zekâya Giriş — DataCamp
\nDataCamp’in İş için Yapay Zekâya Giriş kursu, 2026’da YZ’yi ücretsiz öğrenmeye başlamak için en iyi yerdir. YZ’nin ne olduğu, nasıl çalıştığı ve nasıl kullanılacağı konularını kapsayan, baştan sona uygulamalı alıştırmalar içeren etkileşimli, YZ-doğal bir kurstur.
\n- \n
- Düzey: Başlangıç (önceden deneyim gerekmez) \n
- Süre: ~2 saat \n
- Maliyet: İlk bölüm ücretsiz; tam kurs DataCamp aboneliğine dahildir (~ayda 25$) \n
- En uygun: Kodsuz şekilde YZ’yi çalışır düzeyde anlamak isteyen herkes; analistler, pazarlamacılar, ürün yöneticileri, finans profesyonelleri, öğrenciler ve kariyer değiştiriciler \n
Kurs üç bölüm etrafında yapılandırılmıştır: YZ’yi Anlamak (nedir, nasıl çalışır ve Üretken YZ bu resme nasıl oturur), İş İçin YZ’nin Değeri (fırsatları ve size nasıl yardımcı olabileceğini gösterir) ve YZ ile Çalışmak (verimliliği artırmak için YZ’yi etik biçimde nasıl kullanacağınızı ortaya koyar). Her kavram, tarayıcı içi etkileşimli bir ortamda uygulanır; kurulum yok, yükleme yok.
\nÖne çıkan nokta: DataCamp’in öğrenme deneyimi artık YZ-doğal ve gerçek zamanlı olarak her bir öğrenene uyum sağlıyor. Esasen, her öğrenenin kişisel bir YZ öğretmeni oluyor. Bir yanıt tam isabetli olmadığında, öğretmen nedenini ve doğru çerçeveyi açıklar; yalnızca yanlış olarak işaretlemekle kalmaz. Bu, geleneksel ders sunumundan ziyade bire bir özel derslere daha yakındır.
\n2. AI Skills Navigator — Microsoft
\nMicrosoft’un AI Skills Navigator aracı, Microsoft’un geniş YZ eğitim kataloğu genelinde kişiselleştirilmiş bir başlangıç noktası arayan öğrenenler için güçlü ve ücretsiz bir seçenektir.
\n- \n
- Düzey: Başlangıçtan İleriye (derse göre değişir) \n
- Süre: Kendi hızınızda; gezgin, 30 dakikadan 25+ saate uzanan kurslara yönlendirir \n
- Maliyet: Ücretsiz \n
- En uygun: Rolünüze ve hedeflerinize göre, Copilot temellerinden Azure AI Foundry’ye uzanan Microsoft’un YZ kataloğu genelinde rehberli öneriler isteyen öğrenenler \n
Gezgin, Microsoft Learn’ün YZ sunumlarına yönelik rehberli bir giriş kapısıdır: üretkenlik için Copilot, Azure OpenAI için istem mühendisliği, Azure AI Engineer Associate sertifikasyon yolu ve AI for Beginners müfredatı. Öğrenenler rollerine ve niyetlerine dair birkaç soruyu yanıtlar ve gezgin onları kişiselleştirilmiş bir yola yönlendirir. Tek bir kurstan ziyade kataloğun üzerinde bir keşif katmanı olarak değerlendirmek en iyisidir.
\n3. AI Foundations — IBM SkillsBuild
\nIBM SkillsBuild’in AI Foundations öğrenme yolu, dijital rozetlerle birlikte, işverenlerce tanınan ve belgeli bir başlangıç noktası isteyen öğrenenler için güçlü ve ücretsiz bir seçenektir.
\n- \n
- Düzey: Başlangıç \n
- Süre: Kendi hızınızda; temel derslerin her biri 2–6 saat \n
- Maliyet: Ücretsiz \n
- En uygun: LinkedIn’e eklenebilen IBM onaylı dijital rozetler isteyen kariyer değiştiriciler ve yetişkin öğrenenler \n
Katalog; Yapay Zekâ Temelleri, Üretken YZ Temelleri, Buluta Yolculuk ve Pratikte Sohbet Botları’nı kapsar — her biri tamamlandığında Credly üzerinden verilen bir IBM dijital rozeti sunar. Müfredat, teknik uygulamadan ziyade kavram ve bağlama daha yakındır ve hedef kitle teknolojiye yeni başlayanlara doğru kayar. Hem belgeyi hem de inşa pratiğini isteyen öğrenenler için (fast.ai, Kaggle) uygulamalı bir kursla eşleştirmek en iyisidir.
\n4. 6.S191 Derin Öğrenmeye Giriş — MIT OpenCourseWare
\nMIT’nin 6.S191 dersi, her yıl en yeni tekniklerle güncellenen odaklı ve güncel bir derin öğrenme kursu isteyen öğrenenler için güçlü ve ücretsiz bir üniversite seçeneğidir.
\n- \n
- Düzey: Orta (Python, temel lineer cebir ve olasılık beklenir) \n
- Süre: ~her biri 50 dakikalık 10 ders, artı yazılım laboratuvarları \n
- Maliyet: Ücretsiz \n
- En uygun: MIT’den düzenli olarak güncellenen, sıkı bir derin öğrenme temeli isteyen öğrenciler ve mühendisler \n
Kurs; sinir ağı temelleri, derin sıralı modelleme ve RNN’ler, derin bilgisayarlı görü, üretken modelleme, pekiştirmeli öğrenme, büyük dil modelleri ve bilim için YZ konularını kapsar. Her Ocak’ta yenilenir — 2026 sürümü, LLM ve ajan temelli YZ kapsamını genişletir. Dersler YouTube’da, yazılım laboratuvarları Google Colab’de yürütülür. Klasik ML için MIT’nin 6.036 dersine eşlik eden, derin öğrenme tarafında derinleşmek isteyenler için uygundur.
\n5. CS50’nin Python ile Yapay Zekâya Girişi — Harvard
\nHarvard’ın CS50AI dersi, sadece LLM’lerin ötesinde, YZ temellerinde sağlam bir teknik temel isteyen öğrenenler için güçlü ve ücretsiz bir üniversite seçeneğidir.
\n- \n
- Düzey: Orta (CS50P veya eşdeğer Python deneyimi gerekir) \n
- Süre: ~7 hafta, haftada 10–30 saat \n
- Maliyet: Harvard OpenCourseWare’de dinlemek ücretsiz; ücretsiz sertifika mevcut \n
- En uygun: Arama, mantık, olasılık ve ML algoritmalarının kaputun altında nasıl çalıştığını anlamak isteyen geliştiriciler \n
Kurs; arama algoritmaları (BFS, DFS, A*, minimax), bilgi gösterimi ve önermeler mantığı, olasılık ve Bayes ağları, optimizasyon, makine öğrenimi, sinir ağları ve doğal dil işlemeyi kapsar. Her modül; bir üç taş YZ’si, bir PageRank uygulaması, bir el yazısı tanıyıcı, bir soru-cevap sistemi gibi kapsamlı bir Python projesiyle eşleştirilmiştir. Daha yeni kurslara göre LLM odaklılığı daha düşüktür; ki amaç da budur: LLM-odaklı kursların atladığı temeller bunlardır.
\n6. Üretken YZ Öğrenme Yolu — Google
\nGoogle’ın Cloud Skills Boost üzerindeki Üretken YZ Öğrenme Yolu, üretken YZ temellerine sağlam bir giriş ve Google YZ yığınında pratik çalışma isteyen öğrenenler için güçlü ve ücretsiz bir tedarikçi seçeneğidir.
\n- \n
- Düzey: Başlangıçtan Orta seviyeye \n
- Süre: Temel modüller boyunca ~10 saat \n
- Maliyet: Ücretsiz \n
- En uygun: Gemini, Vertex AI veya daha geniş Google Cloud YZ yığınında geliştirme yapan mühendisler — ve büyük bir tedarikçiden “üretken YZ nedir, LLM’ler nedir, nasıl çalışırlar” genel bakışını isteyen herkes \n
Yol; üretken YZ ve büyük dil modellerine giriş, görsel üretim, dikkat ve dönüştürücü (transformer) mimarileri, kodlayıcı-kod çözücü (encoder–decoder) modelleri, sorumlu YZ ilkeleri ve LLM uygulamaları inşa etmek için Vertex AI araçlarını kapsar. Modüller, kısa videoları gerçek Google Cloud ortamlarında yapılan uygulamalı laboratuvarlarla eşleştirir. Google’ın Üretken YZ Lideri ve Mühendisi öğrenme yollarına doğal bir geçiş sunması, Google Cloud sertifikalarını hedefleyen herkes için bunu yararlı bir ilk adım kılar.
\n7. Kodlayıcılar için Pratik Derin Öğrenme — fast.ai
\nfast.ai’nin Kodlayıcılar için Pratik Derin Öğrenme kursu, önce proje yaklaşımıyla çalışan modeller inşa etmek isteyen öğrenenler için güçlü ve ücretsiz bir seçenektir.
\n- \n
- Düzey: Orta (en az bir yıllık kodlama deneyimi gerekir) \n
- Süre: 7 derste ~20 saat video; projeler için çok daha fazlası \n
- Maliyet: Ücretsiz \n
- En uygun: Zaten kod yazan ve ilk haftasında çalışan bir derin öğrenme modeli yayınlamak, ardından altındaki yapıyı öğrenmek isteyen geliştiriciler \n
Kurs, standart pedagojiyi tersine çevirir: 1. derste, sinir ağının ne olduğuna dair herhangi bir açıklamadan önce, öğrenenler kendi verileri üzerinde son teknoloji bir görüntü sınıflandırıcıyı eğitir. Sonraki dersler, pratik uygulamalar geliştirmeye devam ederken katmanları kademeli olarak açar — fastai → PyTorch → alttaki matematik — ve bilgisayarlı görü, NLP, tablo verisi ve öneri sistemleri genelinde ilerler. Mevcut sürüm PyTorch, fastai, Hugging Face Transformers ve dağıtım için Gradio kullanır. Eşlik eden kitap Jupyter defterleri olarak ücretsiz okunabilir.
\n8. CS229 Makine Öğrenmesi — Stanford Online
\nStanford’un CS229 dersi, lisansüstü düzey bir makine öğrenmesi dersinin tüm matematiksel derinliğini isteyen öğrenenler için güçlü ve ücretsiz bir seçenektir.
\n- \n
- Düzey: İleri (lineer cebir, çok değişkenli kalkülüs, olasılık ve Python gerekir) \n
- Süre: ~her biri ~80 dakikalık 20 ders, artı problem setleri \n
- Maliyet: YouTube’da ücretsiz; Stanford Online’daki profesyonel sertifika sürümü ücretlidir \n
- En uygun: Sezgi-öncelikli açıklamalar yerine sıkı türetmeler isteyen mühendisler, araştırmacılar ve yüksek lisans öğrencileri \n
En çok izlenen kayıtlı sürüm Andrew Ng’nin 2018 edisyonudur; daha yakın tarihli sürümler Tengyu Ma, Christopher Ré ve diğerleri tarafından verilmektedir. CS229; denetimli öğrenme (lineer modeller, GLM’ler, SVM’ler, çekirdek yöntemleri), denetimsiz öğrenme (k-means, EM, PCA, ICA), derin öğrenme ve pekiştirmeli öğrenmeyi, baştan sona ispatlar ve türetmelerle kapsar. Bu listedeki herhangi bir giriş seviyesi seçenekten oldukça zordur — bir giriş uzmanlığını bitirip algoritmaların yalnızca nasıl kullanıldığını değil, neden çalıştığını da anlamak isteyenler için doğru sonraki adımdır.
\n9. AI for Everyone — DeepLearning.AI
\nAndrew Ng’nin AI for Everyone dersi, iş kitleleri için kanonik YZ girişini sunan güçlü bir teknik olmayan seçenektir.
\n- \n
- Düzey: Başlangıç (önceden deneyim gerekmez) \n
- Süre: ~6 saat \n
- Maliyet: Dinlemek ücretsiz; isteğe bağlı sertifika ~49$ \n
- En uygun: YZ’nin neleri yapabildiğini ve yapamadığını anlamak isteyen yöneticiler, müdürler ve teknik olmayan profesyoneller \n
Kurs; makine öğrenimi, derin öğrenme ve sinir ağlarının gerçekte ne olduğunu; bir işletmede YZ fırsatlarının nasıl tespit edileceğini; bir YZ stratejisinin nasıl oluşturulacağını; ve YZ’nin ortaya çıkardığı etik ve toplumsal soruları kapsar. Ünlü derecede az matematik ve koda yer verir — amaç teknik derinlik değil, kavramsal akıcılıktır. Lansmandan bu yana bir milyondan fazla öğrenen tarafından alınmıştır.
\nÜcretsiz Başlanabilecek En İyi YZ Kursları Karşılaştırma Tablosu
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n| Sıra | Kurs | Öğrenme Biçimi | Müfredat Derinliği | Ölçek / Çıktı Sinyali |
|---|---|---|---|---|
| 1 | İş için Yapay Zekâya Giriş — DataCamp | YZ-doğal, etkileşimli | YZ’yi Anlamak, İş için YZ’nin Değeri, YZ ile Çalışmak. | DataCamp’in YZ yollarında temel kurs; ilk bölüm ücretsiz |
| 2 | AI Skills Navigator — Microsoft | Kişiselleştirilmiş katalog yönlendirme | Copilot’tan Azure AI Engineer’a | Ücretsiz; Microsoft Learn YZ kataloğunda yönlendirir |
| 3 | AI Foundations — IBM SkillsBuild | Kendi hızında + dijital rozetler | YZ temelleri, üretken YZ, sohbet botları, bulut | Ücretsiz; LinkedIn için IBM Credly rozetleri |
| 4 | 6.S191 Derin Öğrenmeye Giriş — MIT OCW | Dersler + Colab laboratuvarları | SN temellerinden LLM’ler ve ajan temelli YZ’ye | Ücretsiz; her yıl yenilenir; 2026 sürümü güncel |
| 5 | CS50’nin Python ile YZ’ye Girişi — Harvard | Dersler + Python projeleri | Arama, mantık, olasılık, ML, NLP | Ücretsiz Harvard sertifikası; proje açısından zengin |
| 6 | Üretken YZ Öğrenme Yolu — Google | Modüller + bulut laboratuvarları | Üretken YZ, LLM’ler, transformer’lar, Vertex AI | Ücretsiz; Google Cloud YZ sertifikalarına giriş |
| 7 | Kodlayıcılar için Pratik Derin Öğrenme — fast.ai | Proje-öncelikli video + defterler | CV, NLP, tablo, öneri sistemleri genelinde derin öğrenme | Ücretsiz; eşlik eden kitap Jupyter defterleri olarak ücretsiz |
| 8 | CS229 Makine Öğrenmesi — Stanford Online | Dersler + problem setleri | Matematiksel ML’den derin öğrenme ve RL’e | YouTube’da ücretsiz; lisansüstü düzey derinlik |
| 9 | AI for Everyone — DeepLearning.AI | Dersler + okuma | YZ nedir, YZ stratejisi, etik | 1M+ öğrenen; teknik olmayan YZ’ye kanonik giriş |

Bilimsel dergilerde yayımlanan araştırma makalelerine katkıları olan bir veri bilimi yazarı ve editörüyüm. Özellikle lineer cebir, istatistik, R ve benzeri konularla ilgileniyorum. Aynı zamanda epey satranç da oynarım!
