<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Taha Buğra Çiçek on Medium]]></title>
        <description><![CDATA[Stories by Taha Buğra Çiçek on Medium]]></description>
        <link>https://medium.com/@tahabugracck?source=rss-852b30584db5------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*uovdqYHy4TtMJYnlAL9iKw.jpeg</url>
            <title>Stories by Taha Buğra Çiçek on Medium</title>
            <link>https://medium.com/@tahabugracck?source=rss-852b30584db5------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 09:14:32 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@tahabugracck/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Intel Sürücü Güncellemeleri Bluetooth’u Nasıl Bir Döngüye Sokar? (Sony WH-CH720N Vakası)]]></title>
            <link>https://medium.com/@tahabugracck/intel-s%C3%BCr%C3%BCc%C3%BC-g%C3%BCncellemeleri-bluetoothu-nas%C4%B1l-bir-d%C3%B6ng%C3%BCye-sokar-sony-wh-ch720n-vakas%C4%B1-52b8d88790f5?source=rss-852b30584db5------2</link>
            <guid isPermaLink="false">https://medium.com/p/52b8d88790f5</guid>
            <category><![CDATA[intel]]></category>
            <category><![CDATA[bluetooth]]></category>
            <category><![CDATA[tech-support]]></category>
            <category><![CDATA[windows-11]]></category>
            <category><![CDATA[hardware]]></category>
            <dc:creator><![CDATA[Taha Buğra Çiçek]]></dc:creator>
            <pubDate>Sun, 18 Oct 2026 08:35:51 GMT</pubDate>
            <atom:updated>2026-10-18T08:35:51.833Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tJAzDrCd7ty85LSui-NS3g.jpeg" /><figcaption><em>Windows 11 üzerinde arka arkaya yığılan “Pairing…” bildirimleri ve kısırdöngüye giren Bluetooth protokolünün yapay zeka ile görselleştirilmiş hali.</em></figcaption></figure><p>Yazılım geliştirirken ya da sunucu yönetirken karşımıza çıkan hatalar genellikle bellidir: Ya bir import eksiktir, ya kayıt defterinde bir şeyler çakışmıştır ya da en kötü ihtimalle mikroservislerinizden biri loglarda çığlık atıyordur. Çözersiniz. Ama bazı hatalar vardır ki tamamen <strong>“kıl”</strong> kategorisindedir. Mantık ararsınız bulamazsınız, servis sorun yok der ama gözünüzün önünde sistem çöker.</p><p>Bugün size, sırf bilgisayara Intel’in bir uygulamasını kurdum diye hayatımı zindana çeviren, Sony WH-CH720N kulaklığımı 30 saniyede bir nakavt edip kısırdöngüye sokan o meşhur Bluetooth yongası çökme tiyatrosunu ve bu inatçı sorunu terminalden nasıl kazıdığımı anlatacağım.</p><p>Sahne 1: “Biz Test Ettik, Bir Sorun Yok”</p><p>Her şey, bilgisayara donanımları güncel tutsun diye kurduğum o masum görünümlü Intel Driver &amp; Support Assistant uygulamasından sonra başladı. Kulaklığı bilgisayara veya telefona bağlıyordum; müzik çalarken, tam en sevdiğim ritme odaklanmışken kulağıma aniden o ses geliyordu: <em>“Pairing”</em>. Ve tak, bağlantı anında kopuyordu. Tam 30–40 saniyede bir yaşanan bir kısırdöngü.</p><p>Resmi Sony talimatlarına göre cihazı defalarca initialize ettim, fabrika ayarlarına döndürdüm, nafile. 3.5mm kabloyu takınca canavar gibi çalışan kulaklık, Bluetooth’a gelince felç oluyordu. Dedim ki, “Tamam, donanımsal Bluetooth çipi yandı.” Paketleyip yetkili servise gönderdim.</p><p>İki gün sonra servisten gelen cevap tam bir yazılımcı klasiğiydi: <em>“Biz burada 1 saat boyunca kafaya takıp denedik, hiçbir kopma yaşanmadı. Sorun sizin cihazlarınızda olabilir.”</em></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*RC2dZrsb2RZC8Qqw4DHUGA.jpeg" /><figcaption><em>Görsel: Teknik servisin laboratuvar ortamında sorunsuz çalışan o hayali senaryo.</em></figcaption></figure><p>Sahne 2: Kıl Sorunun Anatomisi ve İnatçı Intel Servisleri</p><p>Kulaklık servisten dönünce anladım ki sorun kulaklıkta değil, Windows 11&#39;in derinliklerinde bir yerlerde sürücülerin birbirine girmesindeydi. Intel’in o arka planda sürekli çalışan asistanı, Windows Update’i de baypas ederek sisteme öyle bir Bluetooth sürücüsü (24.40.X) dayamıştı ki, Sony’nin Low Energy (LE) ses protokolüyle bu çip asla el sıkışamıyordu. Çip veri çekmeye başlayıp biraz akım çekince kilitleniyor, kendini korumaya almak için bağlantıyı resetleyip duruyordu.</p><p>“E iyi o zaman, uygulamayı Denetim Masası’ndan kaldıralım, eski kararlı sürücüye dönelim” dedim. Ama o kadar kolay değil. Uygulama arkasına Intel’in yetkili servislerini alıp sisteme öyle bir çöreklenmiş ki, ne ayarlardan kalkıyor ne kendi resmi uninstaller aracı çalışıyor. Tam anlamıyla sistem kilit.</p><p>Sahne 3: Terminali Açıyoruz (Zorla Kaldırma Operasyonu)</p><p>Madem arayüzler havlu attı, o zaman işi kendi yöntemlerimizle, yani terminal seviyesinde çözeceğiz. Eğer sizin de başınıza böyle inatçı bir servis kilitlenmesi gelirse, izlemeniz gereken rota tam olarak şu:</p><p>İlk olarak, Windows PowerShell’i yönetici olarak açıp arka planda bu silme işlemini engelleyen, hafızayı sömüren tüm Intel servislerini zorla durduruyoruz:</p><pre>Stop-Service -Name &quot;DSAService&quot; -Force -ErrorAction SilentlyContinue<br>Stop-Service -Name &quot;DSAUpdateService&quot; -Force -ErrorAction SilentlyContinue<br>Kill -Name &quot;DSATray&quot; -Force -ErrorAction SilentlyContinue</pre><p>Yetmedi. Windows’un başlangıç servis listesinden bu arkadaşların adını kazımak için eski dostumuz <strong>CMD</strong>’ye (Komut İstemi) geçip sistem kayıtlarını patlatıyoruz:</p><pre>sc delete DSAService<br>sc delete DSAUpdateService</pre><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9t5CVqD9YxA6B2Nbl5yvDQ.jpeg" /><figcaption>Görsel: Komut isteminde kilitlenen servislerin kökten silindiğini doğrulayan o rahatlatıcı terminal çıktısı.</figcaption></figure><p>Sahne 4: Hayaletleri Yok Etmek ve Mutlu Son</p><p>Servisleri öldürdükten sonra indirdiğim en güncel ve kararlı <strong>Intel Wireless Bluetooth (24.70.0.4)</strong> sürücüsünü sisteme temiz bir kurulumla tanıttım. Ama inatçı asistan yazılımı Windows’un “Yüklü Uygulamalar” listesinde hâlâ bir hayalet gibi duruyordu. İçi boşaltılmıştı ama ismi oradaydı.</p><p>Onu da Registry (Kayıt Defteri) önbelleğinden tamamen söküp atmak için Revo Uninstaller ile son darbeyi vurduk. Gereksiz tüm kayıt girdilerini seçip “Sil” dediğim an, bilgisayar derin bir nefes aldı.</p><p>Sonuç mu? Kulaklığı tekrar eşleşme moduna aldım, başında “LE-” olmayan temiz profil üzerinden Windows 11&#39;e bağladım. Saatlerce süren testlerin ardından tek bir kopma, tek bir <em>“Pairing”</em> çığlığı yok. Cihaz aslanlar gibi kesintisiz çalışıyor.</p><p>Dönüp Arkaya Bakınca…</p><p>Bu süreç bana bir kez daha gösterdi ki; teknoloji dünyasında “en güncel yazılım her zaman en kararlı yazılımdır” miti koca bir yalandan ibaret. Bazen arkada çalışan minik bir asistan servisinin yarattığı sürücü çakışması, sapasağlam donanımları çöpe atmanıza neden olabilir. Eğer donanımınızın bozulduğundan şüpheleniyorsanız, önce arkada çalışan o “kıl” yazılımları temizlediğinizden emin olun.</p><p>Bir sonraki teknik macerada veya kod satırında görüşmek üzere!</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=52b8d88790f5" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[YouTube Yorum Analizi]]></title>
            <link>https://medium.com/@tahabugracck/youtube-yorum-analizi-ad65dd2663db?source=rss-852b30584db5------2</link>
            <guid isPermaLink="false">https://medium.com/p/ad65dd2663db</guid>
            <dc:creator><![CDATA[Taha Buğra Çiçek]]></dc:creator>
            <pubDate>Mon, 30 Jun 2025 20:43:25 GMT</pubDate>
            <atom:updated>2025-06-30T20:43:25.841Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*KhwwboG00MgbS_vkHBqi0Q.png" /></figure><h4>Giriş</h4><p>YouTube içerik üreticileri için yorumlar, izleyicilerle etkileşimin en önemli kaynaklarından biridir. Ancak binlerce yorumu manuel olarak analiz etmek vakit kaybı. Bu sorunu çözmek için geliştirdiğim YouTube yorum analiz sisteminin hikayesini, karşılaştığımız zorlukları ve bulduğumuz çözümleri sizlerle paylaşmak istiyorum.</p><p>Projeyi geliştirirken en çok zorlandığım kısım analiz yöntemini belirlemekti. Kullanıcı yorumlarını neye göre analiz edecektim? Sadece olumlu–olumsuz (positive/negative) gibi genel sınıflandırmalar mı yapmalıydım, yoksa yorumları belirli konu başlıklarına (örneğin “video kalitesi”, “ses”, “içerik”, “sunum”) göre ayırmak mı daha faydalı olurdu?</p><p>İlk etapta bir duygu analizi modeli kullanarak denemeler yaptım. Ancak model, test ettiğim yorumların tamamını <strong>%0.0 olumlu</strong> olarak sınıflandırdı. Bu sonuçlar, kullanıcıların yorumları ile çelişiyordu ve beni farklı çözümler aramaya yöneltti.</p><p>Sonunda Hugging Face üzerinde yer alan <a href="https://huggingface.co/savasy/bert-base-turkish-sentiment-cased">savasy/bert-base-turkish-sentiment-cased</a> modeline geçiş yaptım. Bununla birlikte, yorum etiketlerini daha anlamlı ve tutarlı hale getirmek için bir <strong>etiket normalizasyon sistemi</strong> geliştirdim. Kapsamlı bir test scriptiyle modeli farklı örneklerle sürekli test ettim. Bu süreç sonunda <strong>%90’a varan doğruluk oranlarına</strong> ulaşmayı başardım.</p><p>Bu sorunu çözdükten sonra fark ettiğim bir diğer eksiklik, yorumların <strong>yalnızca genel olarak</strong> olumlu ya da olumsuz olarak sınıflandırılmasıydı. Bu yöntem içerik üreticileri için yeterince anlamlı değildi. Çünkü bir video hakkında “olumlu” yorumlar alsalar bile, aslında bu yorumlar sadece bir yönü — örneğin “video kalitesi” — için olabilir. Aynı videoda ses kalitesi, içerik yapısı ya da anlatım tarzı olumsuz yorum alıyor olabilir. Bu yüzden, yorumları <strong>konu başlıklarına (aspect’lere)</strong> göre de analiz etmem gerekiyordu.</p><p>Bu problemi çözmek için <strong>Aspect-Based Sentiment Analysis (ABSA)</strong> sistemini entegre etmeye karar verdim.</p><h4>ABSA Nedir?</h4><p>Geleneksel duygu analizi, bir metnin genel tonunu belirler: pozitif, negatif ya da nötr. Ancak ABSA, metindeki farklı konulara odaklanarak her biri için ayrı duygu analizi yapar.</p><p>Örneğin:</p><blockquote>“Video kalitesi çok iyi ama ses kalitesi kötü.”</blockquote><p>Bu yorum genel olarak <strong>nötr</strong> veya belki de <strong>negatif</strong> olarak sınıflandırılabilir. Ancak ABSA sayesinde:</p><ul><li><strong>Video kalitesi</strong> → Pozitif</li><li><strong>Ses kalitesi</strong> → Negatif</li></ul><p>şeklinde daha detaylı içgörüler elde edilir.</p><p>Öncelikle, videolarda en sık bahsedilen konulara yönelik bir <strong>anahtar kelime listesi</strong> oluşturduk. Bu konular arasında “ses”, “görüntü”, “içerik”, “reklam”, “sunum”, “genel” gibi başlıklar vardı. Bu kelimeleri tanımlayan bir kurallar dizisi ve bağlam analizi geliştirerek modelin hangi yorumun hangi konuyla ilgili olduğunu anlamasını sağladım. Ardından her aspect için duygu analizini ayrı ayrı gerçekleştirdim. Son olarak, içerik üreticilerin kolayca yorumlara dair genel bir bakış elde edebilmesi için <strong>konu bazlı görselleştirmeler</strong> oluşturdum. Hangi konularda en çok negatif yorum alındığını ya da hangi alanlarda kullanıcıların memnun olduğunu grafiklerle gösterebildim.</p><p><em>streamlit run comment_absa.py <br></em>komutu ile bu kodu çalıştırdım.</p><p>Bu sistem sayesinde analiz artık sadece “pozitif/negatif” demekle kalmıyor, “neyin pozitif/neyin negatif” olduğunu da açıklayabiliyordu. Bu, içerik üreticileri için çok daha <strong>anlamlı </strong>veriler demekti.</p><p>Bu proje benim için yalnızca teknik bir uygulama değil, aynı zamanda Türkçe dil işleme alanında karşılaşılan zorlukları doğrudan deneyimleme fırsatıydı. Duygu analizi, metin ön işleme, ABSA gibi konuları öğrenmeme yardımcı oldu.</p><p>Projeyi detaylı incelemek için <a href="https://github.com/tahabugracck/comment-analyzer">Github’a</a> bakabilirsiniz.</p><h4>Kaynaklar</h4><ul><li><a href="https://huggingface.co/savasy/bert-base-turkish-sentiment-cased">BERT Turkish Sentiment Model</a></li><li><a href="https://developers.google.com/youtube/v3">YouTube Data API Documentation</a></li><li><a href="https://arxiv.org/abs/2103.11783">Aspect-Based Sentiment Analysis Research Papers</a></li></ul><p>— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —</p><h4>Proje içi görseller</h4><p>Analizlerde örnek olarak kullanılan video:<br>- <strong>Video Adı:</strong> Macera Dolu Amerika ! | Los Angeles<br>- <strong>Kanal: </strong>Noluyo Ya ¿</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*5F48deZw5zsxYR77VblmXQ.png" /><figcaption>Uygulama arayüzü</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/729/1*4vevczw4yYCJhPimJvzgPg.png" /><figcaption>Analiz Sonucu</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/732/1*CF2lNUy3v0aT9SY5JCcGxQ.png" /><figcaption>Analiz Sonucu</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/730/1*1XbZOFLS5IgdIcJ7cvln9g.png" /><figcaption>Modelin Önerdikleri</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/730/1*FAxHRvAUGt-Fo6q8IQ8V9g.png" /><figcaption>En Beğenilen Yorumlar</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/729/1*JqI7mdnqBIqvlvjkNKKRBQ.png" /><figcaption>Analiz Sonucu Grafiği</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/728/1*JEStdCAxcVfBjkenBntWNQ.png" /><figcaption>Analiz Sonucu Grafiği</figcaption></figure><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ad65dd2663db" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Metaverse Evreninde NFT Tabanlı Blockchain Odaklı Güvenlik Sistemi]]></title>
            <link>https://medium.com/@tahabugracck/metaverse-evreninde-nft-tabanl%C4%B1-blockchain-odakl%C4%B1-g%C3%BCvenlik-sistemi-029c2afebccf?source=rss-852b30584db5------2</link>
            <guid isPermaLink="false">https://medium.com/p/029c2afebccf</guid>
            <category><![CDATA[siber-guvenlik]]></category>
            <category><![CDATA[metaverse]]></category>
            <category><![CDATA[dijital-varlıklar]]></category>
            <category><![CDATA[nft]]></category>
            <category><![CDATA[blockchain]]></category>
            <dc:creator><![CDATA[Taha Buğra Çiçek]]></dc:creator>
            <pubDate>Sun, 27 Apr 2025 07:50:34 GMT</pubDate>
            <atom:updated>2025-04-27T07:50:34.052Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*omeZOWNhrikG0_hCSLzOlg.jpeg" /></figure><h3>ÖZET</h3><p>Metaverse evreni dijital varlıkların hızla değer kazandığı ve çeşitlendiği bir ortam haline gelmiştir. Bu değişim, kullanıcıların sahip olduğu dijital varlıkları koruma ihtiyacını da beraberinde getirmiştir. NFT tabanlı blockchain odaklı güvenlik sistemi, dijital mülkiyet haklarını güvence altına almak ve kullanıcıların varlıklarını korumak amacıyla geliştirilmiştir.</p><p>NFT’lerin benzersizlik özelliği her bir dijital varlığa özgünlük ve değer kazandırırken aynı zamanda bu varlıkları çalma veya kötüye kullanma risklerini de ortaya çıkarmaktadır. Önerilen güvenlik sistemi, blockchain teknolojisinin sunduğu şeffaflık ve değişmezlik avantajlarını kullanarak, dijital varlıkların güvenliğini sağlamayı hedeflemektedir. Kullanıcılar, bu sistem sayesinde varlıklarını izleyebilir, değişiklikleri takip edebilir ve yetkilendirme süreçlerini güvenle yönetebilir.</p><p>Bu proje yalnızca bireysel kullanıcıların güvenliğini artırmakla kalmayıp dijital ekonomilerin ve sanal dünyaların daha sağlam bir temele oturmasına da katkı sağlamaktadır. Güvenlik kaygılarının azalması kullanıcıların metaverse ortamlarında daha fazla etkileşimde bulunmasına ve sanal mülkiyet haklarını etkin bir şekilde yönetmesine olanak tanımaktadır.</p><p>Sonuç olarak NFT tabanlı blockchain odaklı güvenlik sistemi, geleceğin dijital evrenlerinde kullanıcı güvenliğini ve mülkiyet haklarını korumak için kritik bir adımı temsil etmektedir.</p><h4>1. GİRİŞ</h4><p>Metaverse sanal gerçeklik, artırılmış gerçeklik, sosyal medya ve e-ticaret gibi birçok alanda etkileşim ve işlem imkanı sunan hızla büyüyen bir ekosistemdir. Bu evrende NFT’lerin benzersizlik özelliği ve Blockchain teknolojisinin güvenilir altyapısı sayesinde, kullanıcılar dijital varlıklarını güvenle alıp satabilmekte ve üzerinde tam kontrol sahibi olabilmektedirler [1].</p><p>Ancak bu teknolojilerin gelişimi, beraberinde bazı zorlukları da getirmiştir. Metaverse’ün hızlı büyümesi özellikle etkileşim ve verimlilik açısından önemli problemler doğurmaktadır.</p><p>Bu AR-GE projesi, NFT tabanlı ve Blockchain odaklı bir güvenlik sistemi geliştirmeyi amaçlamaktadır. Sistem, Metaverse’teki dijital varlıkların ve kullanıcı verilerinin güvenliğini ve bütünlüğünü sağlamak, sahteciliği önlemek ve kullanıcı mahremiyetini korumak üzerine odaklanmaktadır.</p><blockquote>Literatürde ve mevcut uygulamalarda karşılaşılan başlıca problemler şunlardır:</blockquote><blockquote>1. Sahtecilik</blockquote><blockquote>Dijital varlıkların sahteciliği, Metaverse’te sık rastlanan bir sorundur. Bu durum kullanıcıların maddi kayıplar yaşamasına ve dolandırıcılık mağduru olmasına neden olabilir.<br><strong>Çözüm Önerisi:</strong> Her dijital varlık, Blockchain üzerinde benzersiz bir kimlik ile kaydedilecektir. Bu yaklaşım, sahteciliği önleyecek ve varlıkların kaynağını doğrulama imkanı sağlayacaktır.</blockquote><blockquote>2. Veri Güvenliği</blockquote><blockquote>Metaverse ortamında depolanan kullanıcı verileri, siber saldırılara karşı savunmasızdır. Bu durum, kimlik hırsızlığı ve veri ihlalleri gibi ciddi sonuçlara yol açabilir.<br><strong>Çözüm Önerisi:</strong> Kullanıcı verileri Blockchain üzerinde şifrelenerek depolanacaktır. Böylece siber saldırılara karşı daha sağlam bir koruma ve veri bütünlüğü sağlanacaktır.</blockquote><blockquote>3. Kullanıcı Mahremiyeti</blockquote><blockquote>Veri toplama ve işleme süreçleri, kullanıcıların mahremiyetini tehdit etmektedir. Bu da Metaverse’e olan güveni ve kullanıcı katılımını olumsuz etkileyebilir.<br><strong>Çözüm Önerisi:</strong> Kullanıcılar, verilerinin nasıl toplandığı, işlendiği ve paylaşıldığı üzerinde daha fazla kontrol sahibi olacaklardır. Böylece mahremiyet korunacak ve kullanıcı güveni güçlendirilecektir.</blockquote><p>— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —</p><blockquote>Bu projede kullanılacak temel teknolojiler şunlardır:</blockquote><blockquote><strong>Blockchain:</strong> Dijital varlıkların ve kullanıcı verilerinin güvenli ve şeffaf bir şekilde depolanması ve doğrulanması sağlanacaktır.</blockquote><blockquote><strong>NFT’ler:</strong> Dijital varlıkların benzersiz mülkiyetini ve kimliğini temsil edecektir.</blockquote><blockquote><strong>Akıllı Sözleşmeler:</strong> Varlık ve veri yönetimini otomatikleştirerek süreçlerde güvenlik ve verimlilik sağlayacaktır.</blockquote><blockquote><strong>Yapay Zeka:</strong> Sahteciliği ve diğer güvenlik tehditlerini tespit etmek amacıyla kullanılacaktır.</blockquote><p>Bu sistem, dijital sanat eserleri, oyun içi varlıklar, sanal gayrimenkul ve daha pek çok dijital varlığın güvenli bir şekilde takas edilebilmesini sağlayarak kullanıcılara benzersiz dijital deneyimler sunmayı hedeflemektedir. Ayrıca, kullanıcıların kendilerini güvende hissetmesini sağlayarak Metaverse ortamlarında daha fazla etkileşimde bulunmalarına, sanal mülkiyet haklarını etkin şekilde yönetmelerine ve dijital ekonomiler içinde aktif rol almalarına olanak tanıyacaktır.</p><p>NFT, Metaverse ve Blockchain teknolojilerini bir araya getiren bu proje, dijital dünyanın gelecekteki yönünü şekillendirecek önemli bir adımı temsil etmekte ve endüstri açısından uzun vadeli etkiler yaratması beklenmektedir [2].</p><h3>2. ANA TEMA</h3><h4>2.1 Blockchain</h4><p>Blockchain, açık, dijital ve merkezi olmayan bir defter olarak tanımlanabilir [3]. Kullanılan kriptografi yöntemleri ve dağıtık ağ yapısı sayesinde, günümüzde en güvenli değer aktarım yöntemlerinden biri olarak değerlendirilmektedir [4].</p><p>Bankalar, noterler ve aracı kurumlar gibi geleneksel otoritelerin gerekliliğini ortadan kaldırması, Blockchain teknolojisini her internet kullanıcısının kolayca erişebileceği bir sistem haline getirmiştir [5].</p><p>Şekil 1’de Blockchain’in temel çalışma prensibi şematik olarak gösterilmektedir [4].</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/605/1*i4zC4lmqwLLfKWpuf5z1ng.png" /><figcaption><em>Şekil 1. Blockchain Çalışma Prensibi[4]</em></figcaption></figure><p>Programlanabilir yapısı sayesinde Blockchain, yalnızca finansal işlemler için değil; aynı zamanda her türlü bilgi aktarımı ve doğrulaması için de kullanılabilmektedir [5].</p><h4>2.2 NFT</h4><p>NFT (Non-Fungible Token), Blockchain teknolojisine dayalı olarak geliştirilen, değiştirilemez ve takas edilemez dijital varlıkları ifade eden bir kavramdır. NFT’ler bölünemez ve her biri kendine özgüdür.</p><p>NFT üretimi (mint işlemi), amaca uygun bir platform (veya pazar yeri) seçilerek gerçekleştirilir. Bu işlem, NFT’nin Ethereum Blockchain üzerinde dijital bir varlığa dönüştürülmesiyle tamamlanır [6].</p><p>NFT’ler kullanım alanlarına göre altı temel kategori altında sınıflandırılabilir:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/981/1*CR3994eTEymBzNVcjsCTNg.png" /><figcaption><em>Tablo 1. NFT Kategorileri[7]</em></figcaption></figure><h4>2.3 Metaverse</h4><p>“Metaverse” terimi ilk olarak 1992 yılında Neal Stephenson’ın <em>Snow Crash</em> adlı bilim kurgu romanında kullanılmıştır. Romanda, Metaverse sanal bir gerçeklik ortamı olarak tanımlanmıştır. Zamanla kavram genişleyerek, sanal gerçeklik, artırılmış gerçeklik ve dijital varlık pazarı gibi alanlarda da sıklıkla kullanılmaya başlanmıştır.<br> Günümüzde Metaverse’ün, geleneksel dijital ortamların yeteneklerini aşarak, daha kapsamlı ve etkileşimli platformlar oluşturması beklenmektedir [8][9][10].</p><p>Metaverse ortamlarında Proof-of-Stake (PoS) algoritmasının kullanımı, güvenli ve şeffaf hizmet sunumunu mümkün kılar.<br> Özellikle borsa ve döviz borsası gibi bankacılık hizmetleri alanlarında, PoS sistemi geleneksel madencilik yöntemlerinden farklı bir yaklaşım sunar. Hesaplama gücüne dayalı madencilikten farklı olarak, PoS süreci karmaşık hesaplamalar yerine doğrulama temelli bir sistem sunar.<br> Bu yapıda doğrulayıcılar (veya düğümler), sahip oldukları pay oranına göre rekabet eder ve böylece enerji tüketimi daha düşük, işlem hızı ise daha yüksek bir yapı ortaya çıkar [11].</p><h3>3. ÖNERİLEN YÖNTEM</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/962/1*k-DtUVqgBy0ovTSoC7bD-g.png" /><figcaption><em>Şekil 2. Önerilen Yöntemin Akış Diyagramı</em></figcaption></figure><p>Şekil 2&#39;de önerilen yöntemin akış diyagramı sunulmaktadır. Bu diyagram, Metaverse evreninde NFT tabanlı, Blockchain odaklı bir güvenlik sistemi geliştirmek için izlenecek aşamaları görsel olarak temsil etmektedir.</p><p>Önerilen yöntemin ilk adımı, Metaverse evreninin oluşturulmasıdır. Bu amaçla <strong>Unreal Engine</strong> ve <strong>Unity</strong> gibi güçlü oyun motorları kullanılmaktadır. İki motorun temel özellikleri Tablo 2&#39;de karşılaştırmalı olarak sunulmuştur.</p><p><strong>Unity</strong>, 2005 yılında David Helgason, Joachim Ante ve Nicholas Francis tarafından geliştirilmiştir. Bağımsız geliştiriciler için ideal bir platform sunan Unity, tüm platformlardaki oyunların %50’sinden fazlasında kullanılmakta olup, farklı deneyim seviyelerine sahip geliştiricilerin erişimine açıktır [12–13].</p><p>Öte yandan, <strong>Unreal Engine</strong>, 1998 yılında Epic MegaGames ve Digital Extremes iş birliğiyle geliştirilmiş, günümüzde Epic Games tarafından desteklenen bir oyun motorudur. AAA kalitesinde grafikler sunması ve büyük stüdyo projelerinde sıkça tercih edilmesiyle öne çıkmaktadır. 7 milyonun üzerinde kullanıcıya sahiptir ve yüksek kaliteli görseller arayan geliştiriciler tarafından yaygın olarak kullanılmaktadır [12–13].</p><p>Bu iki platformun karşılaştırması aşağıdaki tabloda verilmiştir:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/980/1*YzRgExNn3qAIrIbK-0dHuw.png" /><figcaption><strong>Tablo 2. Unreal Engine ve Unity Karşılaştırılması</strong> [14].</figcaption></figure><p>Önerilen yöntemin bir diğer aşaması, Blockchain tabanlı güvenlik sisteminin geliştirilmesidir. Bu süreçte, hızlı ve güvenilir işlem yapabilmesi nedeniyle <strong>C dili</strong> tercih edilmektedir. C dilinin düşük seviyeli erişim imkânı ve işlem hızındaki üstünlüğü, Blockchain işlemlerinin güvenli ve etkili bir şekilde gerçekleştirilmesine olanak sağlar.</p><p>Son aşamada ise Unreal Engine veya Unity üzerinde oluşturulan Metaverse ortamı ile C dili kullanılarak geliştirilen Blockchain tabanlı güvenlik sistemi entegre edilmektedir. Böylece NFT tabanlı Blockchain odaklı güvenlik sistemine sahip bir Metaverse evreni oluşturulmuş olur.</p><p>Bu yöntem, Metaverse ortamlarında güvenliği artırırken, performans ve kullanılabilirlik açısından da önemli avantajlar sunmaktadır.<br> Unreal Engine’in güçlü grafik yetenekleri ve kullanıcı dostu dosya yönetimi arayüzü, Metaverse evrenlerinin zengin ve etkileyici bir şekilde tasarlanmasına imkan verirken; C dilinin sunduğu hızlı ve güvenilir işlem yetenekleri de Blockchain işlemlerinin etkin bir biçimde gerçekleştirilmesini sağlamaktadır.</p><h3>4. SİMÜLASYON / DENEYSEL SONUÇLAR</h3><p>NFT’lerin takası sırasında güvenli bir ortam oluşturulması kritik bir gerekliliktir. Bu problemi çözebilmek için kullanılan başlıca NFT çeşitleri aşağıda sıralanmıştır:</p><p>· ERC-20</p><p>· Fabtoken</p><p>· ERC-721</p><p>· ERC-1155</p><p>Bu protokoller arasındaki temel farklar aşağıdaki tabloda karşılaştırılmaktadır:</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/981/1*DaJSc78Jzd-9X6zbx4oSUw.png" /><figcaption><strong>Tablo 3. NFT Arasında Karşılaştırma</strong> [15].</figcaption></figure><blockquote>NFT protokollerinin detaylı açıklamaları aşağıdaki gibidir:</blockquote><blockquote><strong>ERC-20</strong></blockquote><blockquote>Fabian Vogelsteller tarafından önerilen bir standarttır. Ethereum blockchaini üzerinde token oluşturmak için kullanılır. ERC-20 tokenleri genellikle değiştirilebilir (fungible) niteliktedir. Ancak NFT’lerin temel amacı benzersiz varlıkların dijital ortamda temsil edilmesi, izlenmesi ve ticaretinin yapılabilmesini sağlamaktır. Dijital ekonomilerin ve tokenizasyon süreçlerinin gelişiminde önemli rol oynamaktadır [15][16].</blockquote><blockquote><strong>Fabtoken</strong></blockquote><blockquote>Üretim sürecinde kullanılan materyallerin ve üretim adımlarının blockchain tabanlı izlenmesini sağlar. Özellikle tedarik zinciri yönetiminde kullanılan Fabtokenlar, her üretim aşamasının şeffaf ve güvenli bir şekilde kaydedilmesine imkân verir [15][17].</blockquote><blockquote><strong>ERC-721</strong></blockquote><blockquote>William Entriken ve Dieter Shirley tarafından önerilmiştir. Non-Fungible (değiştirilemez) yapıda olan ERC-721 tokenleri, her bir varlığın benzersiz olmasını sağlar. Sanat eserleri, dijital koleksiyonlar, oyun içi varlıklar ve gayrimenkul tokenleri gibi alanlarda yaygın olarak kullanılır [15][18].</blockquote><blockquote><strong>ERC-1155</strong></blockquote><blockquote>Farklı varlık türlerini (hem FT hem de NFT) aynı akıllı sözleşme içinde yönetebilen bir standarttır. ERC-721 ve ERC-20 protokollerinin özelliklerini birleştirerek daha esnek bir yapı sunar [15][19].</blockquote><p>— — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — — —</p><blockquote>Blockchain sisteminin temel bazı kriterleri bulunmaktadır [20]:</blockquote><blockquote><strong>Dağıtık</strong>: Veriler tek bir merkezde değil, dağıtık şekilde kaydedilir ve depolanır.</blockquote><blockquote><strong>Şeffaf</strong>: Tüm düğümler kayıtları görebilir ve doğrulayabilir; bu da sistemi güvenilir kılar.</blockquote><blockquote><strong>Bağımsız</strong>: Merkezi bir otoriteye ihtiyaç duyulmadan güvenli veri aktarımı yapılabilir.</blockquote><blockquote><strong>Kimlik Gizliliği</strong>: Düğümler kimlik bilgisi olmadan işlem yapabilir, sadece adresler bilinir [20].</blockquote><p>Blockchain yapıları ise kullanım şekline göre üçe ayrılmaktadır:</p><h4>Açık Blockchain (Public Blockchain)</h4><p>Herkesin katılabildiği, bağımsız ve merkeziyetsiz sistemlerdir. Ethereum ve Bitcoin bu yapıya örnek gösterilebilir. Geliştiriciler, açık blockchainlerde akıllı sözleşmeler oluşturarak dağıtılmış uygulamalar geliştirebilirler [21][22].</p><h4>Özel Blockchain (Private Blockchain)</h4><p>Sadece izin verilen kullanıcıların katılabildiği yapılardır. Ağ içindeki mutabakata dahil olabilmek için belirli kurallara uyulması gerekir. Özel blockchainler, maliyetleri düşürmek ve verimliliği artırmak amacıyla tercih edilir. Örneğin, Eris Industries ve Multichain gibi platformlar özel blockchain çözümleri sunmaktadır [21][23].</p><h4>Konsorsiyum Blockchain (Consortium Blockchain)</h4><p>Açık ve özel blockchainlerin karışımıdır. Yetkili kişi veya kurumlar, düğümlerin katılımını belirler. Özellikle farklı kurumların iş birliği yaptığı durumlarda kullanılır. IBM’in Hyperledger projesi bu tür blockchain yapısına örnektir [21].</p><h3>5. SONUÇ</h3><p>Bu araştırma, <strong>metaverse evreninde NFT tabanlı blockchain odaklı güvenlik sistemlerinin</strong> önemini açık bir şekilde ortaya koymaktadır.<br> Dijital varlıkların değerinin artması ve çeşitliliğinin genişlemesiyle birlikte, kullanıcıların varlıklarını koruma ve güvence altına alma ihtiyacı kritik bir hale gelmiştir. Özellikle NFT’lerin popülaritesinin hızla artması, sahtecilik ve veri güvenliği gibi risklerin önlenmesini zorunlu kılmaktadır. Bu bağlamda geliştirilen güvenlik sistemleri, metaverse ekosisteminin sürdürülebilirliği için temel teşkil etmektedir.</p><p>Bu çalışmada önerilen yöntemler; <strong>Unreal Engine ve Unity</strong> gibi güçlü araçların kullanımı ile metaverse ortamlarının kolay ve etkili bir şekilde oluşturulmasını sağlamış; grafiksel açıdan zengin ve kullanıcı dostu deneyimler sunulmuştur.<br> <strong>C dili</strong> ile geliştirilen blockchain altyapısı ise, yüksek hız ve güvenilirlik gerektiren işlemlerde üstün bir performans sergilemiştir. Ayrıca, <strong>ERC-721</strong> ve <strong>ERC-1155</strong> gibi NFT protokollerinin kullanılması, dijital varlıkların güvenli ve etkin şekilde takas edilmesine imkân tanımıştır.</p><p>Bu çalışma, <strong>metaverse ortamlarında NFT tabanlı blockchain güvenlik sistemleri</strong> üzerine önemli bir katkı sunmaktadır.<br> Özellikle <strong>sahtecilik önleme</strong>, <strong>veri güvenliği sağlama</strong> ve <strong>kullanıcı mahremiyetini koruma</strong> alanlarında önerilen yöntemler ve kullanılan teknolojiler, mevcut literatüre yeni bir bakış açısı kazandırmıştır.</p><p>Sonuç olarak, bu çalışmanın gelecekte dijital ekonomiler ve sanal dünyaların güvenliği üzerinde önemli bir etki yaratacağı öngörülmektedir.<br> İlerleyen çalışmalar, sistemlerin ölçeklenebilirliğini artırarak daha büyük metaverse evrenlerinde uygulanabilirliğini test etmeye ve farklı blockchain teknolojileriyle entegrasyon sağlamaya odaklanabilir.</p><h3>KAYNAKÇA</h3><p><em>[1] R. Kumar, N. Marchang, R. Tripathi, “Distributed Off-chain Storage of Patient Diagnostic Reports in Healthcare System Using IPFS and Blockchain,” 2020 International Conference on Communication Systems &amp; Networks (COMSNETS), Bengaluru, India, Jan. 2020, pp. 1–5.</em></p><p><em>[2] D. Chirtoaca, J. Ellul, G. Azzopardi, “A Framework for Creating Deployable Smart Contracts for Non-Fungible Tokens on the Ethereum Blockchain,” IEEE International Conference on Decentralized Applications and Infrastructures (DAPPS), Aug. 2020, pp. 100–105.</em></p><p><em>[3] Q. Yang, Y. Zhao, H. Huang, Z. Xiong, J. Kang, Z. Zheng, “Fusing Blockchain and AI With Metaverse: A Survey,” IEEE Open Journal of the Computer Society, vol. 3, pp. 122–136, 2022, doi: 10.1109/OJCS.2022.3188249.</em></p><p><em>[4] M. Ali, S. Bagui, “Introduction to NFTs: The Future of Digital Collectibles,” International Journal of Advanced Computer Science and Applications, vol. 12, no. 10, pp. 50–56, 2021, doi: 10.14569/IJACSA.2021.0121007.</em></p><p><em>[5] E. Ustaoğlu, S. Kıran, M. Bağcı, İ. E. Emre, “NFT’ler ve Metaverse: Kavramsal Bir Değerlendirme,” Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 24, Sayı: 4, 2022, Sayfa: 1801–1821.</em></p><p><em>[6] V. Shah, “NFT: An Overview, Investment Perception and Its Sustainability,” International Journal for Research in Applied Science &amp; Engineering Technology, vol. 10, no. 3, 2022, doi: 10.22214/ijraset.2022.40935.</em></p><p><em>[7] M. Nadini, L. Alessandretti, F. Di Giacinto, M. Martino, L. M. Aiello, A. Baronchelli, “Mapping the NFT Revolution: Market Trends, Trade Networks, and Visual Features,” Scientific Reports, 2021, doi: 10.1038/s41598–021–00053–8.</em></p><p><em>[8] H. Jeong, Y. Yi, D. Kim, “An Innovative E-commerce Platform Incorporating Metaverse to Live Commerce,” International Journal of Innovative Computing, Information and Control, vol. 18, no. 1, pp. 221–229, Feb. 2022.</em></p><p><em>[9] C. Kwon, “Smart City-Based Metaverse: A Study on the Solution of Urban Problems,” Journal of the Chosun Natural Science, vol. 14, no. 1, pp. 21–26, Mar. 2021.</em></p><p><em>[10] V. Niranjani, P. S. S. Kamachi, S. Siddhaarth, B. Venkatachalam, N. Vishal, “Hybrid Approach to Minimize 51% Attack in Cryptocurrencies,” 8th International Conference on Advanced Computing and Communication Systems (ICACCS), vol. 1, 2022, pp. 2100–2103.</em></p><p><em>[11] </em><strong><em>Unity vs. Unreal: Which One is Best For You?</em></strong><em> — Udemy Blog (Erişim: 23 Nisan 2024).</em></p><p><em>[12] </em><strong><em>Unreal Engine vs Unity 3D Karşılaştırması</em></strong><em> — ShiftDelete.Net (Erişim: 23 Nisan 2024), </em><a href="https://shiftdelete.net/unreal-engine-vs-unity-3d-karsilastirmasi"><em>Bağlantı</em></a><em>.</em></p><p><em>[13] </em><strong><em>Unity vs Unreal Engine</em></strong><em> — Hackr.io (Erişim: 23 Nisan 2024), </em><a href="https://hackr.io/blog/unity-vs-unreal-engine"><em>Bağlantı</em></a><em>.</em></p><p><em>[14] M. Hocaoğlu, A. Habbal, “Blockchain Tabanlı Sanal Gerçeklik Platformlarının Karşılaştırılması,” European Journal of Science and Technology, Special Issue 42, pp. 20–25, Ekim 2022.</em></p><p><em>[15] F. Vogelsteller, V. Buterin, “EIP-20: Token Standard,” Ethereum Improvement Proposals, 19 Kasım 2015, Bağlantı.</em></p><p><em>[16] S. Hong, Y. Noh, J. Hwang, C. Park, “Fabasset: Unique Digital Asset Management System for Hyperledger Fabric,” IEEE Xplore, 23 Şubat 2021, </em><a href="https://ieeexplore.ieee.org/document/9355749"><em>Bağlantı</em></a><em>.</em></p><p><em>[17] W. Entriken, D. Shirley, J. Evans, N. Sachs, “EIP-721: Non-Fungible Token Standard,” Ethereum Improvement Proposals, 24 Ocak 2018, </em><a href="https://eips.ethereum.org/EIPS/eip-721"><em>Bağlantı</em></a><em>.</em></p><p><em>[18] W. Radomski, A. Cook, R. Castonguay, “EIP-1155: Multi Token Standard,” Ethereum Improvement Proposals, 17 Haziran 2018, Bağlantı.</em></p><p><em>[19] G. Ünal, Ç. Uluyol, “Blokzincir Tabanlı Dijital Kimlik Yönetimi,” Bilişim Teknolojileri Dergisi, Cilt: 13, Sayı: 2, Nisan 2020.</em></p><p><em>[20] T. Wan, H. Max, “Bitcoin: Fact, Fiction, Future,” Deloitte Insights, 4 Ocak 2019, Bağlantı.</em></p><p><em>[21] S. Oduncu, “NFT, Kripto Sanatı ve Türkiye’deki Yansımaları,” Art-e, Cilt: 15, Sayı: 29, 2022, ss. 195–224.</em></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=029c2afebccf" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[RAG(Retrieval- Augmented Generation)]]></title>
            <link>https://medium.com/@tahabugracck/rag-retrieval-augmented-generation-e65509f7148d?source=rss-852b30584db5------2</link>
            <guid isPermaLink="false">https://medium.com/p/e65509f7148d</guid>
            <dc:creator><![CDATA[Taha Buğra Çiçek]]></dc:creator>
            <pubDate>Mon, 16 Dec 2024 16:05:54 GMT</pubDate>
            <atom:updated>2024-12-20T13:26:10.181Z</atom:updated>
            <content:encoded><![CDATA[<h3>RAG Nedir?</h3><p>Retrieval-Augmented Generation (RAG), bilgiye dayalı yapay zeka sistemlerinin doğruluk ve güncellik sorunlarını çözmek için önerilen bir yöntemdir.</p><p>RAG 2020&#39; de Facebook (şimdi Meta) araştırmacıları tarafından “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks” başlıklı makalede görülmüştür. Makale RAG’ı “büyük dil modellerini harici bilgi kaynaklarıyla birleştirerek daha doğru ve güncel yanıtlar oluşturmayı amaçlayan teknik bir ince ayar” olarak tanımlıyor.</p><h3>Retrieval-Augmented Generation Nasıl Çalışır?</h3><p>Temelde iki aşamadan oluşur.</p><ol><li>Retrieval (Bilgi Getirme)</li></ol><ul><li>Bir kuruluşun sahip olduğu tüm bilgileri düşünün: PDF’ler, belgeler, bloglar, haber akışları vb. Bu veriler, RAG’de ortak bir biçime dönüştürülür ve genel yapay zeka sisteminin erişebileceği bir bilgi veritabanında depolanır.</li></ul><p>2. Generation (Metin Üretimi)</p><ul><li>Bu aşamada, bilgi kitaplığındaki veriler, gömülü dil modeli adı verilen ve bir vektör veritabanında depolanan özel bir algoritma türü kullanılarak sayısal temsiller halinde işlenir. Bu algoritma sayesinde hızla arama yapılabilir ve bağlama dayalı doğru bilgiler alınabilir.</li></ul><figure><img alt="" src="https://cdn-images-1.medium.com/max/898/1*xsBXmrJ2P14GWUISvEARrA.jpeg" /><figcaption>RAG Nasıl Çalışır?</figcaption></figure><blockquote><strong><em>Promt + Query (İstem + Sorgu):</em></strong></blockquote><p>Süreç, kullanıcının bir <strong>prompt</strong> (girdi metni) ve <strong>query</strong> (sorgu) ile başlar. Dil modeline neyin sorulduğunu ve ne tür bir yanıt beklendiğini belirler. <strong>RAG’in başlangıç noktasıdır</strong>.</p><blockquote><strong><em>Search Relevant Information (İlgili Bilgileri Ara) :</em></strong></blockquote><p>Kullanıcının sorgusu, bir <strong>retrieval</strong> (bilgi arama) mekanizmasına iletilir. Bu mekanizma, <strong>Knowledge Sources</strong> (bilgi kaynakları) üzerinden ilgili dokümanları veya verileri tarayarak bilgi toplar. Bu adım RAG’in <strong>gretrieval </strong>(geri getirme) kısmını oluşturur.</p><blockquote><strong><em>Relevant Information for Enhanced Context (Gelişmiş Bağlam için İlgili Bilgiler):</em></strong></blockquote><p>Arama sistemi, ilgili bilgiyi geri getirir ve bu bilgi, kullanıcının girdiği orijinal prompt ile<strong> </strong>birleştirilir. Bu aşamada <strong>“enhanced context” </strong>(geliştirilmiş bağlam) oluşturulur. Bu bağlam, dil modelinin daha doğru ve bilgilendirici bir yanıt üretmesini sağlar.</p><blockquote><strong><em>Prompt + Query + Enhanced Context (İstem + Sorgu + Gelişmiş Bağlam):</em></strong></blockquote><p>Enhanced context (geliştirilen bağlam), orijinal sorgu ve prompt ile birlikte <strong>Large Language Model Endpoint </strong>(Büyük Dil Modeli Uç Noktası)’na gönderilir. Dil modeli, bu genişletilmiş bağlamı kullanarak bir yanıt oluşturur. Bu adım, RAG’in <strong>generation (</strong>üretim<strong>)</strong> kısmını temsil eder.</p><blockquote><strong><em>Generated Text Response (Oluşturulan Metin Yanıtı):</em></strong></blockquote><p>Büyük dil modeli, <strong>enhanced context</strong> sayesinde daha kapsamlı ve bağlamsal olarak doğru bir yanıt üretir. Oluşturulan yanıt kullanıcıya geri iletilir.</p><h3>RAG’ın Mimarisi</h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gmaHlrUJhPzehAvcRcF5Cg.jpeg" /><figcaption>RAG Mimarisi</figcaption></figure><blockquote><strong><em>GenAI App (Kullanıcı Uygulaması)</em></strong></blockquote><p>Kullanıcı, bir <strong>prompt</strong> (metin girdisi) göndererek süreci başlatır. Prompt, büyük dil modeliyle (LLM) doğrudan kullanılmadan önce <a href="https://blog.openzeka.com/ai/rag-retrieval-augmented-generation-nedir/"><strong>retrieval modeline</strong></a> iletilir.</p><blockquote><strong><em>Retrieval Model (Bilgi Geri Getirme Modeli)</em></strong></blockquote><p>Retrieval modeli, prompt’a dayalı olarak bilgi kaynaklarından veri çeker. Bu model iki ana bölümden oluşur:</p><ul><li><strong><em>Structured Data Retriever: </em></strong>Yapılandırılmış verileri geri getirir.</li></ul><p>Yapılandırılmış veri örnekleri: Salesforce, Snowflake, Oracle, SAP, SQL Server gibi veritabanları.</p><p>Kullanılan yöntem: <strong>Query</strong> (sorgu) aracılığıyla veriler getirilir.</p><ul><li><strong><em>Unstructured Data Retriever</em></strong><em>: </em>Yapılandırılmamış verileri geri getirir.</li></ul><p>Yapılandırılmamış veri örnekleri: Belgeler, notlar, metin dosyaları vb.</p><p>Kullanılan yöntem: <strong>Search</strong> (arama) ile belgeler taranır ve ilgili içerikler geri getirilir.</p><p><em>Bu adım, RAG’ın </em><strong><em>bilgi geri getirme </em>(</strong>retrieval<strong>)</strong><em> kısmını temsil eder.</em></p><blockquote><strong><em>Internal Sources (Bilgi Kaynakları)</em></strong></blockquote><ul><li><strong>Structured Data (Yapılandırılmış Veri):</strong><br>Veritabanları ve API’ler gibi yapılandırılmış bilgi kaynaklarından veri çekilir.</li><li><strong>Unstructured Data (Yapılandırılmamış Veri):</strong><br>Dokümanlar, metin dosyaları gibi yapılandırılmamış içerikler taranır.</li></ul><p><em>Bu kaynaklardan geri getirilen bilgi, dil modeline gönderilmeden önce bağlamı zenginleştirir.</em></p><blockquote><strong><em>Prompt with Context (Bağlam ile Genişletilmiş Prompt)</em></strong></blockquote><p>Retrieval modeli tarafından geri getirilen bilgiler, orijinal prompt’a eklenerek bağlam genişletilir. Bu, büyük dil modeli (LLM) için daha anlamlı ve zengin bir giriş oluşturur.</p><blockquote><strong><em>Generation Model (LLM — Büyük Dil Modeli)</em></strong></blockquote><p>Bağlamlı prompt, büyük dil modeline iletilir. Dil modeli (LLM), bu genişletilmiş bağlamı kullanarak daha doğru, anlamlı ve bilgiye dayalı bir yanıt (response) üretir.</p><blockquote><strong><em>Response (Yanıt):</em></strong></blockquote><p>Sonuç olarak büyük dil modeli tarafından oluşturulan yanıt, kullanıcı uygulamasına geri gönderilir.</p><h3>RAG ve Büyük Dil Modelleri (LLM)</h3><p>Bir kullanıcının üretken yapay zeka sistemine belirli bir komut gönderdiğini düşünelim. Örneğin, “Son çıkan yapay zeka araştırmaları hakkında bir özet yapar mısın? Özellikle 2024&#39;te hangi yeni teknolojiler ortaya çıktı ve bunlar hangi endüstrilerde kullanılacak?”</p><p>Bu sorgu, önce bir vektöre dönüştürülür ve ardından bu vektör, bağlamla ilgili bilgileri içeren vektör veritabanını sorgulamak için kullanılır. Bağlama dayalı bilgiler ve orijinal komut, hem geçmişteki genel bilgilere hem de 2024 yılına ait güncel araştırma ve yeniliklere dayalı bir metin yanıtı oluşturacak şekilde LLM’ye aktarılır.</p><p>RAG modelinin avantajı, genelleştirilmiş LLM’lerin aksine sürekli olarak güncellenebilen bir bilgi kaynağından faydalanmasıdır. Yeni veriler, bu veritabanına eklenir ve kademeli olarak vektörlere dönüştürülerek modelin doğru ve güncel bilgileri kullanması sağlanır. Örneğin, 2024&#39;te yapılan yeni bir yapay zeka araştırması RAG sistemine eklenirse, bu bilgi, yalnızca mevcut veritabanında yer almadığı için model daha doğru ve özgün yanıtlar verebilir. Bu sayede, yapay zeka araştırmaları hakkında sorulan bir soruya en güncel ve doğru bilgilerle cevap verilebilir.</p><p>RAG’nin bir başka avantajı ise, üretken yapay zekanın yalnızca doğru bilgi sağlamakla kalmayıp, yanıtta yer verdiği belirli veri kaynağını da belirtebilmesidir. Oysa LLM’ler genellikle yalnızca metni üretir ve kullandığı kaynakları şeffaf bir şekilde gösteremez.</p><p>Kısacası, RAG, LLM’nin kendi başına sağlayabileceği şeylerin ötesine geçerek, üretken yapay zekaya kanıta dayalı güncellik, bağlam ve doğruluk sağlar.</p><h4><strong>RAG Kullanımının Nedenleri:</strong></h4><p>Bu tür müşteri hizmetleri uygulamalarında, sürekli güncellenen ve genişleyen bir bilgi havuzuna erişim sağlamak önemlidir. RAG, veritabanı her gün güncellense bile, mevcut sorulara en doğru ve güncel yanıtları sağlayarak, daha etkili bir müşteri hizmeti sunar. Ayrıca, RAG’ın bilgi kaynaklarını entegre etmesi, LLM’nin yeniden eğitim gerektirmeden daha zengin ve güncel verilerle yanıtlar oluşturmasını sağlar.</p><h4><strong>RAG ve LLM Arasındaki Fark:</strong></h4><p>RAG, yalnızca LLM’nin eğitim verileriyle sınırlı kalmaz; aynı zamanda dış bilgi kaynaklarını da kullanabilir. Bu özellik, RAG’ın daha doğru ve bağlamsal olarak zengin yanıtlar oluşturmasına olanak tanır. LLM’ler bazen sorulara doğru yanıtlar veremeyebilir ya da rastgele veriler tekrar edebilirken, RAG ek veri kaynaklarından gelen bilgilerle daha güvenilir ve doğru sonuçlar üretebilir.</p><h3>Retrieval-Augmented Generation’ın Avantajları</h3><p>RAG teknikleri, LLM’nin tek başına sunabileceği şeylerin ötesine geçerek, oluşturucu bir yapay zeka sisteminin komutlara verdiği yanıtların kalitesini artırmak için kullanılabilir. Aşağıdaki avantajları sağlar:</p><ol><li><strong>Taze Bilgilere Erişim</strong>: RAG, LLM’yi eğitmek için kullanılan verilerden daha güncel olabilecek bilgilere erişebilir.</li><li><strong>Sürekli Güncellenebilir Veri Havuzu</strong>: RAG’nin bilgi havuzundaki veriler, önemli maliyetler getirmeden sürekli güncellenebilir.</li><li><strong>Bağlama Dayalı Veri</strong>: RAG’nin bilgi veri havuzu, genelleştirilmiş bir LLM’deki verilerden daha bağlama dayalı veriler içerebilir.</li><li><strong>Kaynağı Tanımlanabilir Bilgi</strong>: RAG vektör veritabanındaki bilgilerin kaynağı tanımlanabilir. Veri kaynakları bilindiği için, RAG’deki yanlış bilgiler kolayca düzeltilebilir veya silinebilir.</li></ol><h3>Retrieval-Augmented Generation’ın Zorlukları</h3><p>RAG, 2020 yılında önerilen görece yeni bir teknoloji olduğundan, yapay zeka geliştiricileri, bu modelin bilgi alma mekanizmalarını üretken yapay zekada en verimli şekilde nasıl uygulayacaklarını öğrenmeye devam ediyor. RAG’ın karşılaştığı bazı önemli zorluklar şunlardır:</p><ol><li><strong>Yeni Teknoloji Olması</strong>: RAG, henüz yeni bir teknoloji olduğu için, kuruluşların RAG hakkındaki bilgi ve anlayışlarını geliştirmeleri gerekmektedir.</li><li><strong>Artan Maliyetler</strong>: RAG’li üretken yapay zekayı uygulamak, LLM’yi tek başına kullanmaktan daha pahalı olabilir. Ancak, bu yöntem, LLM’yi sıkça yeniden eğitmekten daha düşük maliyetlidir.</li><li><strong>Veri Modellenmesi</strong>: Bilgi kitaplığı ve vektör veritabanındaki yapılandırılmış ve yapılandırılmamış verilerin en iyi şekilde nasıl modellenmesi gerektiğini belirlemek zordur.</li><li><strong>Veri Kalitesi ve Uyumluluğu</strong>: RAG sisteminin veritabanı, farklı kaynaklardan gelen verileri içerdiğinden, bu verilerin kalitesi ve uyumluluğu kritik önem taşır. Yapılandırılmış ve yapılandırılmamış veriler, farklı formatlarda ve dillerde olabilir.</li><li><strong>Veri Akışının Yönetimi</strong>: Verileri RAG sistemine kademeli olarak beslemek için gereksinimlerin geliştirilmesi gereklidir.</li><li><strong>Yanlış Bilgilerin Düzeltilmesi</strong>: Yanlışlık raporlarını ele almak ve bilgi kaynaklarını RAG sisteminde düzeltmek veya silmek için etkili bir işlem akışının oluşturulması gerekmektedir.</li></ol><p>Şimdi konuyu daha iyi anlamak için birkaç örnek ile yazıyı sonlandıralım.</p><h4>Müşteri Hizmetleri Chatbot’u Örneği</h4><p><strong>Soru</strong>: &quot;Ürünümle ilgili teknik destek almak istiyorum. Ürünü nasıl kullanacağım?&quot;</p><p>RAG’ın İşleyişi:</p><ol><li><strong>Kullanıcı Soru Soruyor</strong>: Kullanıcı, chatbot’a “Ürünü nasıl kullanacağım?” gibi bir soru ile başvurur.</li><li><strong>Retrieval (Bilgi Getirme)</strong>: RAG, ürünle ilgili teknik destek dökümanlarını tarar. Bu dökümanlar, örneğin kullanım kılavuzları, sık sorulan sorular (SSS), kullanıcı yorumları gibi kaynaklardan alınan bilgilerdir.Bu dökümanlar vektör veritabanında depolanır, böylece dil modeli doğru ve bağlamsal bilgiye hızlı bir şekilde erişebilir.</li><li><strong>Generation (Metin Üretimi)</strong>: Elde edilen bilgiler, dil modeli tarafından işlenir ve kullanıcının sorusuna uygun bir çözüm önerisi haline getirilir. Örneğin, chatbot şu şekilde bir yanıt verebilir: “Ürünü kullanmaya başlamak için şu adımları takip etmelisiniz: 1. Cihazı açın… 2. Menüyü açmak için… vb.”</li></ol><ul><li>Bu örnek, RAG teknolojisinin, doğru ve güncel bilgiye dayalı olarak üretken yapay zekanın kullanıcılara değerli yanıtlar sunmasını nasıl sağladığını gösteriyor. Yani, doğru bilgiye dayalı ve bağlama uygun yanıtlar üretmek için hem geçmiş hem de güncel kaynakları kullanarak verimli bir süreç yönetimi gerçekleştirilir.</li></ul><h4>KAYNAKÇA:</h4><ul><li><a href="https://www.oracle.com/tr/artificial-intelligence/generative-ai/retrieval-augmented-generation-rag/">Retrieval-Augmented Generation (RAG) Nedir?</a></li><li><a href="https://aws.amazon.com/tr/what-is/retrieval-augmented-generation/">Almayla Artırılmış Üretim (RAG) Nedir? - Almayla Artırılmış Üretim Yapay Zekası&#39;na Ayrıntılı Bakış - AWS</a></li><li><a href="https://blog.openzeka.com/ai/rag-retrieval-augmented-generation-nedir/">RAG (Retrieval-Augmented Generation) Nedir?</a></li><li><a href="https://blogs.nvidia.com/blog/what-is-retrieval-augmented-generation/">What Is Retrieval-Augmented Generation aka RAG?</a></li><li><a href="https://turkiye.ai/almayla-artirilmis-uretim-rag-giris/">Almayla Artırılmış Üretim (RAG) - Giriş</a></li><li><a href="https://www-k2view-com.translate.goog/what-is-retrieval-augmented-generation?_x_tr_sl=en&amp;_x_tr_tl=tr&amp;_x_tr_hl=tr&amp;_x_tr_pto=tc">What is Retrieval-Augmented Generation (RAG)? A Practical Guide</a></li></ul><iframe src="https://cdn.embedly.com/widgets/media.html?src=https%3A%2F%2Fwww.youtube.com%2Fembed%2FT-D1OfcDW1M%3Ffeature%3Doembed&amp;display_name=YouTube&amp;url=https%3A%2F%2Fwww.youtube.com%2Fwatch%3Fv%3DT-D1OfcDW1M&amp;image=https%3A%2F%2Fi.ytimg.com%2Fvi%2FT-D1OfcDW1M%2Fhqdefault.jpg&amp;type=text%2Fhtml&amp;schema=youtube" width="854" height="480" frameborder="0" scrolling="no"><a href="https://medium.com/media/e30b1a0332f1f9ac41888d32bb915956/href">https://medium.com/media/e30b1a0332f1f9ac41888d32bb915956/href</a></iframe><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e65509f7148d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Javada Tic Tac Toe Oyunu]]></title>
            <link>https://medium.com/@tahabugracck/javada-tic-tac-toe-oyunu-b8f0e4908274?source=rss-852b30584db5------2</link>
            <guid isPermaLink="false">https://medium.com/p/b8f0e4908274</guid>
            <dc:creator><![CDATA[Taha Buğra Çiçek]]></dc:creator>
            <pubDate>Thu, 09 May 2024 17:02:56 GMT</pubDate>
            <atom:updated>2024-05-10T12:38:01.403Z</atom:updated>
            <content:encoded><![CDATA[<p>Öncelikle herkese merhaba. Bu halihazırdaki ilk Medium yazım olacak. Bunun için inanılmaz heyecanlıyım.</p><p>Bu proje nereden geldi? Bu soruyu cevaplayıp hemen konuya geçeceğim. ChatBox adını verdiğim bir sohbet uygulaması geliştiriyorum. (Umarım en kısa sürede bitecek. :/) Bu projeyi yaparken fark ettim ki arayüz tasarlama konusunda istediğim seviyede değilim. Bu projede (inanılmaz bir tasarım olmasa da :D) arayüz tasarlamayı ve tasarlarken kullandığım araçları kodlamayı bir nebze olsun öğrenmiş oldum.</p><p>Şimdi projeyi açıklama vakti. Yazı başlığından da anlaşılacağı gibi, Java dilinde geliştirdiğim basit bir proje hakkında konuşacağım.</p><p>Projem iki ana sınıftan oluşuyor: App ve TicTacToe.</p><p>App sınıfı, oyunun başlatılması için gerekli olan ana sınıftır. Aşağıda App sınıfının kodlarını bulabilirsiniz:</p><pre>package tictactoe;<br><br>public class App {<br>    public static void main(String[] args) {<br>        TicTacToe ticTacToe = new TicTacToe();<br>    }<br>}</pre><p>Burada baktığınızda çok da bir olay yok. Bu satırda, TicTacToe sınıfından bir nesne oluşturulur ve ticTacToe isimli değişkene atanır. new anahtar kelimesiyle bir sınıfın nesnesi oluşturulur ve bu nesne, TicTacToe sınıfının bir örneğini temsil eder.</p><p>Asıl olayın döndüğü sınıfa geçelim. TicTacToe ...</p><pre>public TicTacToe() {<br>        initComponents();<br>    }</pre><p>TicTacToe sınıfının yapıcı metodunu tanımladım. Bu metod, sınıfın başlatılması durumunda çağrılır ve initComponents() metodunu çağırarak sınıfın bileşenlerini başlatır.</p><pre>private int xCount = 0;<br>private int oCount = 0;</pre><p>Bu iki satır, sırasıyla “X” ve “O” oyuncularının kazanma sayılarını tutmak için özel (private) tam sayı (int) değişkenleri tanımladım. Başlangıçta her iki oyuncunun da kazanma sayısı 0 olarak atanır.</p><pre>boolean control;</pre><p>control adında bir boolean değişken tanımladım. Bu değişken, bir oyuncunun sırasının devam edip etmediğini kontrol etmek için kullanılır.</p><pre>private void gameScore() {<br>        playerXScore.setText(String.valueOf(xCount));<br>        playerOScore.setText(String.valueOf(oCount));<br>    }</pre><p>gameScore adında özel (private) bir metod tanımladım. Bu metod, oyuncuların kazanma sayılarını güncellemek ve skoru gösteren bileşenleri güncellemek için kullanılır.</p><pre>private void choose_a__Player() {<br>        if (startGame.equalsIgnoreCase(&quot;X&quot;)) {<br>            startGame = &quot;O&quot;;<br>        } else {<br>            startGame = &quot;X&quot;;<br>        }<br>    }</pre><p>choose_a__Player adında özel (private) bir metod tanımladım. Bu metod, oyunun sırasını değiştirerek &quot;X&quot; ve &quot;O&quot; oyuncuları arasında geçiş yapar.</p><pre>private void checkButtonStates() {<br>        boolean gameEnded = false;<br>        if (!jButton1.getText().isEmpty() &amp;&amp; !jButton2.getText().isEmpty() &amp;&amp; !jButton3.getText().isEmpty()<br>                  &amp;&amp; !jButton4.getText().isEmpty() &amp;&amp; !jButton5.getText().isEmpty() &amp;&amp; !jButton6.getText().isEmpty()<br>                  &amp;&amp; !jButton7.getText().isEmpty() &amp;&amp; !jButton8.getText().isEmpty() &amp;&amp; !jButton9.getText().isEmpty()) {<br>            gameEnded = true;<br>        }<br>        if (gameEnded) {<br>            disableButtons();<br>        }<br>    }</pre><p>Bu kısmı ilk kodladığımda yazmamıştım. Sonra bu oyunu oynarkenki halimi düşündüm ve oyunu her zaman bir taraf kazanmıyor. Durum bazen beraberli ile sonuçlanıyor dedim ve kolları sıvadım.</p><p>Oyun tahtasındaki tüm butonların durumunu kontrol eder. Eğer tüm butonlar doluysa ve oyun henüz bitmediyse, yani kazanan bir taraf yoksa, oyunun berabere sonuçlandığını belirler. Böylece kullanıcıya beraberlik durumunu bildiren bir ileti gösterilir ve butonlar devre dışı bırakılır.</p><pre>private void disableButtons() {<br>        jButton1.setEnabled(false);<br>        .<br>        .       <br>        .<br>    }</pre><p>Bu satırları yazmadan önce oyun şu şekilde çalışıyordu. Örneğin PlayerX oyunu basit bir şekilde kazanıyor. Eğer ekrandaki kareler boş ise ve bu karelere tıklarsak PlayerX&#39;e puan veriyor. :D Onun için burası belki oyunun en kritik yeri. Oyunun bitmesi durumunda butonların devre dışı bırakılmasını sağlar.</p><pre>private void win() {<br>.<br>.<br>.<br>}</pre><p>Ardından bir tane win adında bir class oluşturdum. Bu classın görevi ise oyunun kazanma durumunu kontrol eder ve kazanan oyuncuyu belirler. Kazanma durumunda skorları günceller. Tüm butonların dolu olduğu durumu kontrol eder ve bu durumda kullanıcıya “Beraberlik!” mesajı gösterir. Ayrıca, butonları devre dışı bırakarak oyuncuların oyunu sonlandırmasını sağlar.</p><p>Şimdi inanılmaz arayüzüm sizlerle..</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/323/1*P5Pvb2vAgFGPSxar4B1Fkg.png" /><figcaption>Oyunun giriş ekranı</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/323/1*frG-bsASTHAVd7b0zDk9WA.png" /><figcaption>PlayerX’in kazanma durumu</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/321/1*vdu7EL4zhFxf0RPemndQpQ.png" /><figcaption>Oyun bittikten sonra herhangi bir tuşa basamama durumu</figcaption></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/321/1*DXZPWcIM_LpMeVZKuikCiA.png" /><figcaption>Oyun çıkış ekranı</figcaption></figure><p>Görmüş olduğunuz gibi NEW GAME ve RESTART adında iki butonumuz daha var. NEW GAME skorları sıfırlayıp oyunu en baştan başlatırken RESTART butonu ise oyun bittikten sonra skorları koruyup oyunu tekrar başlatmayı sağlıyor.</p><p><a href="https://github.com/tahabugracck/tic_tac_toe">GitHub - tahabugracck/tic_tac_toe: a simple tic tac toe game.</a></p><p>Kodun tam haline buradan ulaşabilirsiniz.</p><p>Evet sanırım bu şekilde anlatabilirim yapmış olduğum projeyi. Umarım elimden geldiğince anlatabilmişimdir yapmış olduğum çalışmayı. Vaktinizi ayırdığınız için teşekkür ederim.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=b8f0e4908274" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>