<?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[Programming / Algorithms &amp; Data Structures - Medium]]></title>
        <description><![CDATA[Programlama/Algoritmalar ve Veri Yapıları - Medium]]></description>
        <link>https://medium.com/algorithms-data-structures?source=rss----56354f21952c---4</link>
        <image>
            <url>https://cdn-images-1.medium.com/proxy/1*TGH72Nnw24QL3iV9IOm4VA.png</url>
            <title>Programming / Algorithms &amp;amp; Data Structures - Medium</title>
            <link>https://medium.com/algorithms-data-structures?source=rss----56354f21952c---4</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 02:37:23 GMT</lastBuildDate>
        <atom:link href="https://medium.com/feed/algorithms-data-structures" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[AI ile Spec Driven Development ve Markdown Dönemi]]></title>
            <description><![CDATA[<div class="medium-feed-item"><p class="medium-feed-image"><a href="https://medium.com/algorithms-data-structures/ai-ile-spec-driven-development-ve-markdown-%C3%B6nemi-1effae92a1e3?source=rss----56354f21952c---4"><img src="https://cdn-images-1.medium.com/max/2048/1*qxbH1MIChyKSZ-jeV2ueIQ.png" width="2048"></a></p><p class="medium-feed-snippet">Vibe Coding yakla&#x15F;&#x131;m&#x131;ndan yani AI ile prompt &#xFC;zerinden do&#x11F;al dil ile konu&#x15F;arak tekrar tekrar kodu d&#xFC;zeltmek yerini Markdown ve Spec Driven&#x2026;</p><p class="medium-feed-link"><a href="https://medium.com/algorithms-data-structures/ai-ile-spec-driven-development-ve-markdown-%C3%B6nemi-1effae92a1e3?source=rss----56354f21952c---4">Continue reading on Programming / Algorithms &amp; Data Structures »</a></p></div>]]></description>
            <link>https://medium.com/algorithms-data-structures/ai-ile-spec-driven-development-ve-markdown-%C3%B6nemi-1effae92a1e3?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/1effae92a1e3</guid>
            <category><![CDATA[markdown]]></category>
            <category><![CDATA[spec-driven-development]]></category>
            <category><![CDATA[vibe-coding]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Sun, 03 May 2026 12:51:00 GMT</pubDate>
            <atom:updated>2026-05-03T12:51:25.456Z</atom:updated>
        </item>
        <item>
            <title><![CDATA[LLM sonrası Yapay Zeka (World Model Nedir ?)]]></title>
            <link>https://medium.com/algorithms-data-structures/llm-sonras%C4%B1-yapay-zeka-world-model-nedir-37d9b59b4b00?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/37d9b59b4b00</guid>
            <category><![CDATA[llm]]></category>
            <category><![CDATA[world-models]]></category>
            <category><![CDATA[robotics]]></category>
            <category><![CDATA[autonomous-cars]]></category>
            <category><![CDATA[ai]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Fri, 01 May 2026 17:17:59 GMT</pubDate>
            <atom:updated>2026-05-01T17:17:58.175Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*T1KflByEwn36xt29ncPHVQ.png" /></figure><h4>Günümüzde herkes Cursor, Claude, Codex vb.. yapay zeka araçları ile çevrelenmiş arkaplanda büyük dil modellerinden LLM lerden ChatGPT, Gemini, Anthropic, vb.. birisini kullanarak işlerini yapmaya çalışıyor. Peki bir kırılma olacak mı World Model nedir ?</h4><p>Mevcut durumu kısaca özet geçelim günümüz AI araçları daha çok <strong><em>kod yazma </em></strong>alanında kullanılıyor Cursor , GitHub Copilot, Claude Code, Codex vb bir çok aracın ve büyük bir pazarın oluşmasına sebep oldu. Aynı şekilde blog/metin yazma, resim , video, tasarım üretme gibi <strong>Generative AI</strong> bir çok üretim alanında yer buluyor.</p><p><strong>LLM</strong> daha çok bir sonraki kelimeyi tahmin etme üzerine kurgulanmış ve optimize edilmiş araçlardır. ChatGPT , Anthropic, Gemini üzerinden <strong><em>New Chat </em></strong>yani karşılıklı soru cevap ile konuşmaya başladığımızda vektörel olarak arkasında hangi kelimelerin ve cümlelerin gelmesi gerektiğini karar vererek cevaplar verir.</p><p>Bir sonraki aşamada <strong>Agent/Tool </strong>dönemine geçiyoruz Kod yazarken Cursor/Copilot tool ile yardımcı olmasıda buna benzer sadece Agent ayarları sayesinde yeni kod dosyası oluşturması , önceki kod ile karşılaştırma, Accept/Reject mekanizmaları bunun bir yardımcı araç olarak kullanılabilmesinin önünü açtı.</p><ol><li>ChatGPT dönemi → Karşılıklı konuşma, Sohbet, Üretme</li><li>Agent/tool dönemi → Modellerin kullanabileceği Araçlar üretelim</li><li>Skills/workflows dönemi → Araçlar yetmez, görev bilgisi ve uzmanlaşmış akış da olsun.</li></ol><p><strong>Workflows </strong>yaklaşımında asıl değer doğru aracı, doğru bilgi ve doğru uzmanlaşmış akışı kullanarak çalıştırıp işletebilmesinden geliyor. <strong>Skills</strong>, belirli görevler için paketlenmiş uzman davranışlar sunuyor.</p><p>Workflows bu davranışları(<strong>skills</strong>) iş süreçlerine, onay adımlarına, veri kaynaklarına ve otomasyon sistemlerine bağlıyor. Böylece AI, sadece cevap veren bir sohbet aracı olmaktan çıkıp; CRM güncelleyen, rapor üreten, dosya işleyen, araştırma yapan ve çok adımlı operasyonları yöneten bir çalışma katmanına dönüşüyor.</p><p><strong>Workflows/Skills</strong> için kullanılan araç ve framework türevleri;</p><ul><li>n8n, Zapier, Make, Pipedream daha çok otomasyon tarafında</li><li>LangChain, LangGraph, CrewAI, OpenAI Agents daha çok agent mantığı / reasoning / orchestration tarafında</li><li>skills, commands, hooks ise bunların üstünde çalışan uzmanlaşmış davranış katmanı</li></ul><p>Kısacası bugünün AI değeri, ham zekadan çok orkestrasyon, araç kullanımı ve tekrarlanabilir iş akışları üzerine odaklanmış durumda.</p><h3>AGI(Artificial General Intelligence) Nedir ?</h3><p>Bugünkü AI(Yapay Zeka) sistemleri genelde belli işlerde iyidir. Yazı yazar, görsel üretir, çeviri yapar, kod yazar.</p><p>AGI ise tek bir alana sıkışmadan, insan gibi birçok farklı konuda öğrenebilen, akıl yürütebilen, uyum sağlayabilen ve yeni problemleri çözebilen genel amaçlı zeka fikridir.</p><p>En kısa fark:</p><ul><li>Bugünkü AI = çoğunlukla dar ve görev odaklı</li><li>AGI = genel, esnek ve insan benzeri problem çözme kapasitesi</li></ul><p>Yani AGI, sadece iyi cevap veren değil; farklı alanlarda anlayan, planlayan ve yeni durumlara uyum sağlayan bir yapay zeka seviyesi anlamına gelir.</p><h3>World Model Nedir ?</h3><p>World Model, bir yapay zeka sisteminin dünyayı sadece veriden ezberlemek yerine, nasıl çalıştığını içsel olarak modellemesi demektir.</p><p>Model mevcut LLM sonraki kelime ne diye bakmaz; ortamda ne var, nesneler nasıl davranır, bir eylem yapılırsa sonra ne olur gibi şeyleri tahmin etmeye çalışır.</p><p>Bu yüzden world model:</p><ul><li>fiziksel çevreyi anlamaya çalışır</li><li>neden-sonuç ilişkisi kurar</li><li>geleceği tahmin eder</li><li>planlama ve karar vermeyi destekler</li></ul><p><strong>LLM</strong> = dili çok iyi tahmin eder, <strong>World Model </strong>= dünyanın dinamiklerini tahmin etmeye çalışır. Özellikle robotik, otonom araçlar ve fiziksel dünyayla etkileşen AI sistemlerinde önemli görülür.</p><p>World Model ve AGI üzerinde yoğun bir şekilde duran Ex-Meta Chief AI Scientist Yann LeCun unda desteklediği <a href="https://amilabs.xyz/"><strong>AMI (Advanced Machine Intelligence)</strong></a> gibi girişimlerin, yapay zeka sektöründe LLM sonrası büyük şey ne olacak şeklinde başlatılmış bir startup. (Mart 2026’da şirketin 1<a href="https://www.fortuneturkey.com/advanced-machine-intelligence-103-milyar-dolar-yatirim-aldi">.03 milyar dolar</a> yatırım aldığı ve 3.5 milyar dolar pre-money değerlemeye ulaştığı bildirildi.)</p><h3>JEPA Nedir ? (Joint Embedding Predictive Architectures)</h3><p>Normal üretken modeller genelde bir sonraki kelimeyi veya eksik pikselleri tamamlar. Metin ve görüntü üretir.</p><p><strong>JEPA</strong> ise farklı düşünür:</p><ul><li>Eksik parçanın kendisini üretmeyeyim</li><li>Onun temsil ettiği anlamlı embedding’i tahmin edeyim</li></ul><p>Yani model, örneğin bir görüntünün eksik bölgesindeki pikselleri tek tek üretmek yerine, o bölgenin içsel temsilini tahmin eder. Bu da modele ham detaylardan çok yapı, ilişki, anlam ve geleceğe dair tahmin öğrenme şansı verir.</p><p><strong>Örneğin:</strong><br>Bir fotoğrafta masanın üstünde yarısı görünen bir bardak olsun.</p><ul><li>Klasik generative model: eksik kısmın piksellerini tahmin etmeye çalışır</li><li>JEPA: orada nasıl bir nesne yapısı olduğunu, bağlamla nasıl ilişkili olduğunu, yani o kısmın <strong>embedding </strong>tahmin etmeye çalışır.</li></ul><h3>Otonom Araçlar ve İnsansı Robotlar</h3><p>İnsansı robotlar LLM göre world model tarafına daha yakın duruyor. Çünkü bu tarz robot ve otonom araçların işi sadece konuşmak değil; algılamak, hareket etmek, denge kurmak, nesneleri anlamak, ortamı tahmin etmek ve eylem sonuçlarını yönetmek üzerine kuruludur.</p><p>Bir LLM sana “bardak düşerse kırılabilir” diyebilir. Ama bir insansı robotun bunu gerçekten faydalı biçimde kullanabilmesi için şunları yapması gerekir:</p><ul><li>Bardağın nerede olduğunu görmesi</li><li>Masanın kenarını algılaması</li><li>Kendi kolunun konumunu bilmesi</li><li>İterse ne olacağını tahmin etmesi</li><li>En güvenli hareketi seçmesi</li></ul><p>Bu yüzden robotik sistemlerde asıl kritik katmanlar şunlar:</p><ul><li>Perception: kamera, sensör, çevre algısı</li><li>World model: ortamın içsel temsili ve geleceği tahmin etme</li><li>Planning: hangi hareketin yapılacağına karar verme</li><li>Control: motorlara gerçek komut gönderme</li></ul><p>LLM burada daha çok üst katmanda yer alır:</p><ul><li>İnsan komutlarını anlamak</li><li>Doğal dil arayüzü olmak</li><li>Görevleri açıklamak</li><li>Operatörle iletişim kurmak</li></ul><p>Yani basitçe:</p><ul><li>LLM = robotun konuşan ve talimat anlayan kısmı</li><li>World model = robotun dünyayı anlayan ve hareketi planlayan kısmıdır.</li></ul><p><strong>Gelecekte </strong>LLM tarzı bu modeller ile birlikte World Model içinde yoğun bir şekilde yatırım yapılan bir dönem olacaktır. Robotlar ve Otonom araçların önünde çok büyük bir pazar ve geliştirme alanı bulunuyor.</p><h3>Referanslar</h3><ul><li><a href="https://arxiv.org/pdf/1803.10122">https://arxiv.org/pdf/1803.10122</a></li><li><a href="https://medium.com/@vikrampande783/world-models-david-ha-j%C3%BCrgen-schmidhuber-660bb7d202f2">World Models: David Ha, Jürgen Schmidhuber</a></li><li><a href="https://medium.com/@vickythevgn/welcome-to-the-world-model-series-867731750c66">Welcome to the World Model Series</a></li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=37d9b59b4b00" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/llm-sonras%C4%B1-yapay-zeka-world-model-nedir-37d9b59b4b00">LLM sonrası Yapay Zeka (World Model Nedir ?)</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[GitHub Copilot’ mu Cursor’ mu]]></title>
            <link>https://medium.com/algorithms-data-structures/github-copilot-mu-cursor-mu-313497b381bf?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/313497b381bf</guid>
            <category><![CDATA[llm]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[cursor]]></category>
            <category><![CDATA[ai-code-assistant]]></category>
            <category><![CDATA[co-pilot]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Sun, 07 Dec 2025 16:59:49 GMT</pubDate>
            <atom:updated>2025-12-07T17:02:47.105Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*Ia-IuEZlNGi0XJms" /><figcaption>Photo by <a href="https://unsplash.com/@vladimir_d?utm_source=medium&amp;utm_medium=referral">Volodymyr Dobrovolskyy</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><h4>Code Assistant</h4><h4>GitHub Copilot uzun zamandır kod asistanı olarak kullanıp deniyorum. Cursor ise ara ara ve bazı kısımlarda deneyip hep Copilot’a geri döndüm. Ama bazı yerlerde Cursor gerçekten çok çok daha iyi sonuçlar üretebiliyor.</h4><p>Bir tanesi VSCode plugini, bir tanesi VSCode üzerine oluşturulmuş kod asistanları. İkisi’de neredeyse aynı arayüzlerle karşımıza çıkıyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*tbsadSC31RRB3YZi-A8iZw.png" /></figure><p>Copilot aylık 10$, Cursor aylık 20$ versiyonla geliyor. Frontend, Web Development, UI Development kullandığım bu kod asistanlarında şu ana kadar hep Copilot tarafında kaldım. Ne zaman Cursor ile işlere girişsem kodu karman çorman hale getirdi. Bundan dolayı Copilot benim gözbebeğim diyebilirim. Özellikle Claude Agentları ile birçok işimi hallettim.</p><p>Fakat UI da için işleri daha kompleks hale getirdiğimde Copilot ve LLM ile belli bir noktaya kadar gelebildim sonrasında her ne şekilde yapay zekaya konuyu anlatsam, geriye dönüp tekrardan başlasamda hep sonuçlar problemli mevcut yapıyı bozar şekildeydi.</p><p>Bu aşamada Cursor geçtim ve burada karşılaştığım kompleks problemli alanı çözebildiğini farkettim. Bu aşamda Cursor’da kendi içerisinde modellerden faydalandım. <strong><em>Composer 1 </em></strong>oldukça başarılı sonuç verdi.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*ZB5584q4vHoaB0AKlEH76g.png" /></figure><p>Durum ve kullanım senaryosuna göre farklı modeller daha doğru ve istenilen sonucu verebiliyor. Biraz deneme, yanılma ve test etme süreci ile ilerliyorum duruma göre Copilot duruma göre Cursor ile ilerliyorum. Bu sayede aralarındaki farkları, avantajları ve hızlarıda karşılaştırabiliyorum.</p><p>Bence maliyet açısından Copilot oldukça kaliteli çözüm sunuyor, Çok çok fazla kompleks işe girişiyorsanız Cursor’da parasının hakkını veriyor. Her ikisi ile denemeler yapıp bir süre sonra hangisinde ilerlemek istediğinize kendiniz karar verin ikiside çok iyi araçlar.</p><p>Gördüğüm her geçen günde LLM’ler daha karmaşık problemleri çözebilen yapıya dönüşecekler, burada biz geliştiricilerin Prompt uyumlu çalışıp AI kod asistanları konusunda kendimizi geliştirmemiz oldukça önemli gelecek birlikte çalışmayı zorunlu kılacak gibi gözüküyor.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=313497b381bf" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/github-copilot-mu-cursor-mu-313497b381bf">GitHub Copilot’ mu Cursor’ mu</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Clean Code mu, LLM Friendly Code mu yoksa Hibrit Code mı Gidiyoruz ?]]></title>
            <link>https://medium.com/algorithms-data-structures/clean-code-mu-llm-friendly-code-mu-yoksa-hibrit-code-m%C4%B1-gidiyoruz-99b62032e1ca?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/99b62032e1ca</guid>
            <category><![CDATA[clean-code]]></category>
            <category><![CDATA[llm-friendly-code]]></category>
            <category><![CDATA[vibe-coding]]></category>
            <category><![CDATA[hybrid-work]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Sat, 23 Aug 2025 11:26:17 GMT</pubDate>
            <atom:updated>2025-08-24T18:10:47.162Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*SjOPhGlxkqEoraCP" /><figcaption>Photo by <a href="https://unsplash.com/@vladimir_d?utm_source=medium&amp;utm_medium=referral">Volodymyr Dobrovolskyy</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><h4>AI</h4><h3>Clean Code mu, LLM Friendly Code mu yoksa Hibrit mi? Gelecekte Nasıl Bir Kod Yapısı ?</h3><h4>Artık kodlama işinde sadece yazılımcılar değil AI/LLM lerde dahil. Tabi bu hem üretilen kodların, hem bir geliştiricilerin hemde LLM lerin anlayabileceği ortak yapılara gidiliyor.</h4><p>Son dönemde AI ile kod geliştirme ve bunun için geliştirilmiş IDE ve Editörleri kullanma çok fazla arttı. Bu da doğal olarak kod geliştirme ve onu bakımını yapma metodolojiminiz değişmesi anlamına geliyor.</p><p>Bu konuda daha önce yazmış olduğum aşağıdaki blog yazılarını okuyabilirsiniz.</p><ul><li><a href="https://medium.com/algorithms-data-structures/vibe-coding-nedir-d8d733d10652">Vibe Coding Nedir ?</a></li><li><a href="https://medium.com/algorithms-data-structures/vibe-coding-ne-kadar-ger%C3%A7ek-uygulanabilir-mi-ace18a3c7db8">Vibe Coding Ne Kadar Gerçek ? Uygulanabilir mi ?</a></li><li><a href="https://medium.com/architectural-patterns/andrej-karpathy-g%C3%B6re-yaz%C4%B1l%C4%B1m-software-3-0-4a55aeab9041">Software 3.0</a></li></ul><p><strong>Özetle</strong> yukarıdaki blog yazılarından Vibe Coding konusunda çok çalışma var fakat şu anki problem solving, complexity, team process (review, qa) vb.. kapsamda olmadığı için daha çok <strong>Yardımcı Asistan</strong> olarak düşünmekte fayda var. Birde Andrej Karpathy Software 3.0 da belirttiği kod ve kütüphane alt yapılarının LLM için tekrar <strong>baştan tasarlanması ve yazılması</strong> gerektiği durumu var.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*9DfOhORv8xqDyHn1.png" /><figcaption><a href="https://www.youtube.com/watch?v=LCEmiRjPEtQ">https://www.youtube.com/watch?v=LCEmiRjPEtQ</a></figcaption></figure><p>Bu duruma bir örnek vermek istiyorum React Router ekibinin <a href="https://remix.run/blog/wake-up-remix">Wake up Remix</a> blog yazısında prensipleri arasında kaynak kodun, dokümantasyonun, araçların ve soyutların LLM için optimize olarak üretilmesinden bahsediyor.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*kHbBoMC93PvXi8ZzoJw-lg.png" /><figcaption><a href="https://remix.run/blog/wake-up-remix">https://remix.run/blog/wake-up-remix</a></figcaption></figure><p>Şu anda LLM daha ilkel seviyede ama giderek de geliştirme çalışmalarımızın içerisine dahil ediyoruz.</p><p>Önceden bir kodu yazarken başka çalışma arkadaşlarımızın kodu anlamasına önem verirken. Artık LLM’in anlamasına, LLM ile pair kod geliştirme çalışmaları gerçekleştiriyoruz.</p><p>Burada yıllardır temellerini oluşturduğumuz Clean Code çelişen durumlar olur mu ?</p><p><strong>Clean code</strong> → İnsan için optimize edilmiş. Daha az satır, iyi bir soyutlama, okunabilirlik üzerine konumlanır.</p><p><strong>LLM code</strong> → AI için optimize edilmiş. Açık, tekrar eden, yorumlarla yönlendirilmiş, daha mekanik</p><p>Gelecekte ikisinin <strong>hibrit</strong> bir noktada buluşması muhtemel bir yapıda olacak <br> → İnsan + LLM birlikte çalışabilir şekilde, yani hem okunabilir hem de kolay dönüştürülebilir kodlar.</p><p><strong>Clean Code, </strong>geliştirici okuyabilirliği ve sürdürülebilirliği</p><ul><li>Anlamlı fonksiyon/ değişken isimleri</li><li>Küçük, tek iş yapan fonksiyonlar</li><li>Abstraction, encapsulation</li><li>Tekrar eden kod yok (DRY)</li><li>Katı kurallar (SOLID, KISS, YAGNI vb.)</li></ul><pre>function calculateInvoiceTotal(invoice: Invoice): number {<br>  return invoice.items<br>    .map(item =&gt; item.price * item.quantity)<br>    .reduce((sum, current) =&gt; sum + current, 0);<br>}</pre><p><strong>LLM Friendly </strong>kodda ise LLM’in kolayca parse etmesi, değiştirmesi, dönüştürmesi</p><ul><li>Daha düz, açık, tekrar eden kodlar</li><li>Soyut yerine her şey açık yazılmış</li><li>Fonksiyon isimlerinden çok açıklayıcı yorumlar → prompt benzeri ipuçları</li><li>Modülerlikten çok bağlamsal açıklık (Kodun daha bütünleşik olması</li></ul><pre>// Function to calculate the total amount of an invoice<br>// It multiplies price * quantity for each item and sums them<br>function invoice_total(invoice) {<br>  let total = 0;<br>  for (let i = 0; i &lt; invoice.items.length; i++) {<br>    let item = invoice.items[i];<br>    total = total + (item.price * item.quantity);<br>  }<br>  return total;<br>}</pre><p>Bu farklar şu anda LLM’lerin seviyesinden de kaynaklanıyor olabilir. Şu an için Agentler neden-sonuç problem çözme ve anlamlandırma işlemlerinden çok Generative Solutions yani promptlardan verdiğiniz girdilere cevap üreten yapılar. Oldukça mantıklı sonuçlarda çıkarıyor ama bunu neden yaptıklarını anlamlandırmıyorlar.</p><p>Bu yüzden üreticilerin bir şekilde LLM yönetmesi, yanlışı varsa geri bildirimde bulunarak kodu refactor ettirmesi düzelttirmesi gerekiyor. Bu girdi, çıktı, üretim döngüsü arttıkça iki farklı yaklaşım birbirine daha fazla yaklaşım Clean Code → LLM Friendly yaklaşımlara geçiş anlamına geliyor.</p><h3>LLM’in Bağlam(Context) İle Çalışması</h3><p>Bu konuda bir Cursor Rules &amp; ContextKurallar ve @ işaretleriyle AI’a net bağlam sağlama veya debugging ile kodun içerisine LLM anlayacağı şekilde belirteçler <a href="https://docs.cursor.com/en/guides/working-with-context">https://docs.cursor.com/en/guides/working-with-context</a> geliştirici ve LLM arasındaki bağlantıyı arttıyor.</p><p>→ <a href="https://www.reddit.com/r/cursor/comments/1i6p7bh/got_tired_of_explaining_my_codebase_to_cursor/?">got tired of explaining my codebase to Cursor multiple times a day, so I built something that gave it memory</a></p><p>→ Agent.md. <strong>AGENTS.md</strong> dosyasını, LLM/agentlar için hazırlanmış bir <strong>README</strong> gibi düşünebiliriz. Projede çalışan yapay zekâ agentlarının yardımcı olacak bağlamı(context) ve talimatları sunulduğu dosyadır.</p><p><a href="https://agents.md/">https://agents.md/</a></p><pre># AGENTS.md<br><br>## Setup commands<br>- Install deps: `pnpm install`<br>- Start dev server: `pnpm dev`<br>- Run tests: `pnpm test`<br><br>## Code style<br>- TypeScript strict mode<br>- Single quotes, no semicolons<br>- Use functional patterns where possible</pre><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=99b62032e1ca" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/clean-code-mu-llm-friendly-code-mu-yoksa-hibrit-code-m%C4%B1-gidiyoruz-99b62032e1ca">Clean Code mu, LLM Friendly Code mu yoksa Hibrit Code mı Gidiyoruz ?</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Vibe Coding Ne Kadar Gerçek ? Uygulanabilir mi ?]]></title>
            <link>https://medium.com/algorithms-data-structures/vibe-coding-ne-kadar-ger%C3%A7ek-uygulanabilir-mi-ace18a3c7db8?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/ace18a3c7db8</guid>
            <category><![CDATA[vibe-coding]]></category>
            <category><![CDATA[hype]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[real]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Sat, 16 Aug 2025 19:24:58 GMT</pubDate>
            <atom:updated>2025-08-16T19:31:51.461Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*e_o3FGuV9wINGEaF" /><figcaption>Photo by <a href="https://unsplash.com/@visuallert?utm_source=medium&amp;utm_medium=referral">Jonas Allert</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><h4>AI</h4><h3>Vibe Coding Ne Kadar Gerçek ? Uygulanabilir mi ?</h3><h4>Vibe Coding ne kadar gerçekçi. Büyük yatırımlar alarak sürekli gelişlen yazılım araçlarına entegre Copilot, Cursor, Claude vb. araçları yazılımcılar ne kadar, ne amaçla kullanıyor</h4><p>Yazıya başlamadan önce <a href="https://medium.com/algorithms-data-structures/vibe-coding-nedir-d8d733d10652">Vibe Coding Nedir</a> blog yazımı okuyabilirsiniz.</p><p>Son dönemlerde Copilot, Cursor, Claude vb araçlar hayatlarımıza daha fazla girmeye başladı, nasıl kullanacağınızı bilirseniz iyi bir yardımcı fakat tüm uygulamarı baştan sona geliştirmekten çok uzaklar.</p><p>Bu konuda fikirlerim eskiden olduğu gibi Enterprise (Kurumsal) uygulamalarda</p><ul><li>Uygulama ortamlarının ilk kurulumlarında (boilerplate)</li><li>Hata çözümünde</li><li>Otomatik tamamlama</li><li>PoC çalışmalarında</li></ul><p>kullanılmaya daha uygun. Eğer ki uygulamada daha büyük ve karmaşı bir kod ise yapmanız gereken;</p><ul><li>kodu küçük parçalara bölüp bu parçalar üzerinde AI ile çalışmak</li></ul><p>bunun yanında uzun zamanlarınızı alan tekrarlı işlerinizide AI üzerinden kolayca otomatikleştirebilirsiniz.</p><ul><li>Dokümantasyon</li><li>Test</li></ul><h3>Problemler</h3><ul><li>AI Asistanı ile IDE üzerinden çalışırken Context attığınız dosya boyutları oldukça küçük, çok küçük bir alanda çalışıyorlar. Bu yüzden geliştiricinin bakış açısı ile bakması çok zor. <strong>Küçük bir alana</strong> odaklanarak AI ile çalışmayı öğrenmelisiniz</li><li>API ve Servisler sürekli değişiyor, AI kullandığı modellerin güncel tutulması oldukça zor. Bu durum ilk başta geliştiriciye yardımcı oluyor gibi gözüksede ileri aşamalarda debugging ile işin içerisinden çıkamayacağı bir duruma sokuyor.</li><li>AI halüsinasyonlar görebiliyor yani uydurabiliyor. Bilmediği bir konuda benzerlikten yola çıkarak uydurma kodları çıktı olarak verebiliyor.</li><li>Maliyetli, elde edilen değer ve maliyeti iyi dengelemek gerekiyor.</li><li>Geliştiriciyi tembelliğe itebiliyor.</li></ul><h3>İstatikler</h3><h4>Kullanım çok hızlı arttı</h4><ul><li>2025 Stack Overflow anketine göre %84 geliştirici AI araçlarını kullanıyor.</li><li>2 yıl içinde tüm şirketler ve geliştiriciler AI ciddiye alınması gerektiğni anladı artık günlük işin parçası oldu.</li><li>En çok kullanım: <strong>autocomplete, kod üretme, örnek veri, dokümantasyon.</strong></li></ul><h4>Güven Azaldı</h4><ul><li>2023’te %70 olumlu bakış varken 2025’te bu oran %60’a düştü.</li><li>%46 “<strong>AI çıktısına güvenmiyorum</strong>” diyor.</li><li>En büyük şikâyet: “<strong>neredeyse doğru ama hatalı</strong>” kodlar (66% bunu zaman kaybı görüyor).</li></ul><h4>10x Verimlilik İddiası Doğru Değil</h4><ul><li>Sosyal medyada <strong>“AI ile 10x mühendis oldum”</strong> söylemleri var ama çalışmalar bunu desteklemiyor.</li><li>Araştırmalar <strong>20–30% hız artışı</strong> gösteriyor</li><li>Çünkü yazılım geliştirme sadece kod yazmak değil: <strong>mimari, gereksinim netleştirme, test, code review gibi süreçler</strong> aynı hızda devam ediyor.</li></ul><h4>Çalışmalardan gelen bulgular</h4><ul><li><strong>Google RCT (2024):</strong> ~%21 daha hızlı.</li><li><strong>Microsoft/Accenture RCT (2024):</strong> ~%26 daha hızlı, özellikle juniorlar %35’e kadar fayda görüyor.</li><li><strong>Upwork deneyi:</strong> Küçük görevlerde %55 hız artışı.</li><li><strong>METR çalışması (2025):</strong> Deneyimli OSS geliştiricileri AI kullandığında <strong>%19 daha yavaş</strong> oldular! (çünkü debugging, AI çıktısını uyarlama, context-switching vakit aldı).</li></ul><h4>AI Productivity Paradox (Kod ≠ Ürün)</h4><p>DORA/Faros raporuna göre:</p><ul><li>AI kullanan ekipler <strong>daha fazla PR açıyor (%98 artış)</strong>, <strong>daha fazla task bitiriyor (%21 artış)</strong>.</li><li>Ama <strong>PR review süreleri %91 uzuyor</strong>, bug sayısı %9 artıyor, PR boyutları %154 büyüyor.</li><li>Yani bireysel üretkenlik artsa da <strong>organizasyon hız değişmiyor</strong>.</li></ul><p>Nedeni: darboğaz hâlâ insan <strong>review/QA</strong> süreçlerinde.</p><h3>Sonuç</h3><p>Blog yazımın başlığındaki soruya geri dönersem Vibe Coding yani ürünün baştan sona AI araçları ile geliştirilmesi şu an için gerçekçi değil. Bundaki en temel nedenleri</p><ul><li>güven sorunu</li><li>debugging yükü (problemli çıktılar)</li><li>süreç darboğazları (pr review ve testing)</li></ul><h3>Referanslar</h3><ul><li>The reality of AI-Assisted software engineering productivity (Addy Osmani)</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ace18a3c7db8" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/vibe-coding-ne-kadar-ger%C3%A7ek-uygulanabilir-mi-ace18a3c7db8">Vibe Coding Ne Kadar Gerçek ? Uygulanabilir mi ?</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[AI Multi Agent Sistemler ve Ekosistem]]></title>
            <link>https://medium.com/algorithms-data-structures/multi-agent-sistemler-ve-ekosistem-bae99fba999b?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/bae99fba999b</guid>
            <category><![CDATA[multi-agent-systems]]></category>
            <category><![CDATA[ai]]></category>
            <category><![CDATA[agents]]></category>
            <category><![CDATA[sdk]]></category>
            <category><![CDATA[ecosystem]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Sun, 27 Apr 2025 14:54:22 GMT</pubDate>
            <atom:updated>2025-05-28T16:44:37.595Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*jkXUemGX3YCjDDv9" /><figcaption>Photo by <a href="https://unsplash.com/@yomex4life?utm_source=medium&amp;utm_medium=referral">Yomex Owo</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><h4>AI</h4><h4>Uzun bir süredir ara ara AI üzerine AI hayatımıza getirdikleri üzerine blog yazıları yazıyorum. Bu yazıda bunların temelini oluşturan Agent, Multi Agent Sistemler ve Ekosistem üzerinde duracağım.</h4><p>Son zamanlarda hepimizin hayatında özellikle biz yazılım geliştiricilerin hayatında AI yeri oldukça büyük.</p><p>Artık yazılım yaptığımız IDE (Visual Studio, VS Code, IntelliJ vb..) AI ile entegre çalışıyor veya fork edilmiş IDE’ler mevcut. Bunun araçlar ile ilgili linklere aşağıdaki blog yazısından erişebilirsiniz.</p><ul><li><a href="https://medium.com/frontend-development-with-js/web-uygulamalar%C4%B1-geli%C5%9Ftiren-yapay-zeka-hizmetleri-cb9308391c9e">Uygulama/UI geliştirmenizi sağlayan Araçlar ile Code Editor Asistanları</a></li></ul><h3>Bazı Kavramlar</h3><p>Sonradan öğrendik ki uygulama geliştirme işlemini programlama dilleri kullanmadan kendi konuşma dilimizle yaptığımı geliştirmelere Vibe Coding diyoruz. Bu konunun detaylarını öğrenmek istiyorsanın aşağıdaki blog yazımı okuyabilirsiniz.</p><ul><li><a href="https://medium.com/algorithms-data-structures/vibe-coding-nedir-d8d733d10652">Vibe Coding Nedir</a></li></ul><p>Sonrasında ardı ardına çıkan ve duyurulan protokolleri duyduk. MCP ve A2A bunlar özellike Agent’ların dış servisler ile veya kendi aralarında iletişim ve senkronizasyon kurmalarını sağlayacak yöntemlerdi. Bu konularda daha detaylı bilgi için aşağıdaki blog yazılarını okuyabilirsiniz.</p><ul><li><a href="https://medium.com/frontend-development-with-js/mcp-model-context-protocol-nedir-1f12ec652d8c">MCP Nedir ?</a></li><li><a href="https://medium.com/frontend-development-with-js/a2a-agent2agent-protocol-nedir-c7c3695ff465">A2A Nedir</a></li></ul><p>Bu kadar Agent’lardan bahsetmişken bu kavramların ne olduğuna ve Multi Agent sistemlerin ne olduğuna bir bakalım. ChatGPT’ye soralım.</p><h4>AI Agent nedir?</h4><p>Bir <strong>agent</strong> (ajan), çevresini algılayıp ona göre hareket eden bir varlıktır.</p><ul><li>Çevreden veri toplar (algılar),</li><li>Bu verilere göre bir karar verir,</li><li>Sonra bir aksiyon alır.</li></ul><p>Gerçek hayatta örnek: Bir robot süpürge: Etrafı tarıyor (algılıyor), önünde duvar varsa yön değiştiriyor (karar veriyor) ve yeni bir yöne doğru hareket ediyor (aksiyon alıyor).</p><p>Yapay zekâda bir agent genellikle:</p><ul><li>Bir hedefi başarmaya çalışır.</li><li>Kendi başına çevresiyle etkileşim kurar.</li><li>Örneğin: Bir oyun karakteri, bir chatbot, bir otomatik hisse senedi alım-satım sistemi gibi.</li></ul><h4>AI Multi Agent Nedir ?</h4><p><strong>Multi-Agent System</strong> (Çoklu Ajan Sistemi) ise birden fazla agent’ın birlikte çalıştığı bir yapıdır.</p><ul><li>Her agent bağımsız çalışır ama diğerleriyle iletişim kurabilir veya koordine olabilir.</li><li>Ortak bir hedefleri olabilir ya da bazen rekabet edebilirler.</li></ul><p>Gerçek hayatta örnek:</p><ul><li>Birden fazla robotun birlikte bir depo düzenlemesi.</li><li>Bir video oyununda birçok yapay zekâ karakterinin hem kendi hedefleri hem de takım hedefleri için çalışması.</li><li>Trafikte sürücüsüz arabaların birbirinden haberdar olması ve ona göre davranması.</li></ul><h3>OpenAI ve Servisleri</h3><h4>1. ChatGPT ile Tanışma</h4><p>OpenAI ChatGPT’yi duyurması ile birlikte artık Google, Bing gibi arayüzler üzerinden arama yapıp konuşmak yerine Chat ekranından OpenAI ile konuşmaya başladık.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*wGyZeNsh8dwadvn5gt4ygA.png" /><figcaption>Chat Arayüzü üzerinden ChatGPT ile OpenAI ile konuştuk.</figcaption></figure><p>Bu sorulan sorulara ve yazılan konulara o kadar akıllıca cevaplar veriyor duki bir anda piyasada yaygınlaşma başladı. Sonradan öğrendik ki OpenAI bu akıllı sistemi aslında LLM denen bir modelin olduğunu öğrendik. ChatGPT’ye soralım LLM nedir ?</p><p><strong>LLM</strong> (Large Language Model) = <strong>Büyük Dil Modeli</strong> demektir.</p><p>Kısaca:</p><ul><li>Çok büyük miktarda metin verisi üzerinde eğitilmiş,</li><li>Dil anlama ve üretme yeteneği olan,</li><li>Soru-cevap, metin tamamlama, özet çıkarma, çeviri yapma gibi işlerde kullanılan,</li><li>Bir yapay zekâ modelidir.</li></ul><p>Örnek: ChatGPT, Claude, Gemini, Llama gibi sistemler aslında birer LLM’dir.</p><h4>2. ChatGPT ile API’sini Duyurdu</h4><p>ChatGPT API’si sayesinde biz geliştiriciler Prompt üzerinden OpenAI LLM (<strong>GPT-3</strong>, <strong>GPT-4 ..) </strong>modellerini kullanarak yazılımlar geliştirmeye başladık.</p><h4>3. ChatGPT Extension/Plugin</h4><p>ChatGPT API sinin çevre web servisler ile konuşabilmesini, veri çekebilmesini sağlatmak için <a href="https://openai.com/index/chatgpt-plugins/">Plugin</a> sistemini devreye aldı ama sonradan deprecate hale getirdi.</p><h4>4. Daha Fazla Media Desteği</h4><p>Bu modelleri daha fazla geliştirerek sadece Metin ve Kod yapıları değil aynı zamanda Resim, Video ve Ses destekleyecek <a href="https://openai.com/index/dall-e-2/">Dall-E</a>2, <a href="https://openai.com/index/dall-e-3/">Dall-E3</a> ve <a href="https://openai.com/sora/">Sora</a> servislerini açtı.</p><h3>LLM ve Üzerine İnşaa Edilen SDK’lar</h3><p>Diğer büyük şirketler AI alanında geride kalmamak için bu işim temelini oluştan LLM(Large Language Model) yani Büyük Dil Modellerini oluşturmaya ve bunları sunmaya başladılar.</p><ul><li><strong>Google</strong> → <strong>Gemini (eski adıyla Bard)</strong>: Kendi LLM modeli.</li><li><strong>Anthropic</strong> → <strong>Claude</strong>: OpenAI’den ayrılanlar tarafından geliştirildi.</li><li><strong>Meta</strong> → <strong>Llama 2</strong>: Facebook’un açık kaynak LLM’si.</li><li><strong>X → xAI Grok : </strong>X’in LLMi</li><li><strong>Mistral</strong>, <strong>Cohere</strong>, <strong>Perplexity, DeepSeek, Luma </strong>gibi yeni oyuncular da çıktı</li></ul><p>Tabi bu LLM dışarı açarak geliştiricilerin bunları kullanarak yazılım yapabilmeleri için API’ler ve SDKlar yani geliştirme araçlarını sunmaya başladılar. Tabi bunu sadece LLM geliştiricileri değil LLM API’lerinin üzerinde kendi soyutlama katmanını yazan şirketlerde eklendi.</p><p>Bu sayede kendi LLM ve Servisleri kendi servisleri ile daha iyi çalışır. Veya burada Agent veya Multi-Agent geliştiriminde oluşabilecek zorlu ve problemli katmanları biz yazılımcılardan soyutlamaya çalışarak daha kaliteli ve sürdürebilir AI uygulamalarının geliştirilmesini hedefliyorlar.</p><ul><li><a href="https://openai.github.io/openai-agents-python/">Open AI Agent SDK</a></li><li><a href="https://google.github.io/adk-docs/#what-is-agent-development-kit">Google Agent Development Kit</a></li><li>Azure AI SDK (Azure Bulut Servisleri ile daha entegre çalışabilen..)</li><li>Bedrock, SageMaker (AWS Servisleri ile daha entegre çalışabilen..)</li><li>Vercel AI SDK (React ve Next API’leri ile daha entegre çalışan…)</li><li>Ve diğerleri Hugging Face Transformers, LangChain, Cohere SDK</li></ul><h3>Framework Ekosistemi</h3><p>Aynı</p><ul><li>Backend alanındaki → Express, Sympony, Laravel, Spring</li><li>Frontend alanında React, Vue, Svelte, Solid ,Angular (Next, Remix, Nuxt, Sveltekit, Expo , Astro)</li></ul><p>framework var ise.. AI alanında bu Agentları ve bunlar arasındaki iletişimi MCP, A2A , routing, agentların çalıştırma düzenleri, context, belleği yönetmek vb.. işlemler için biz geliştiricilerden soyutlayacak Frameworkler çıkmaya başladı..</p><ul><li><a href="https://www.crewai.com/">crewAI</a></li><li><a href="https://mastra.ai/">Mastra.ai</a></li><li><a href="https://voltagent.dev/">Voltagent.dev</a></li><li>Autogen</li><li>Phidata</li><li>Openai swarm</li><li>Pydanticai</li><li>LangGraph</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=bae99fba999b" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/multi-agent-sistemler-ve-ekosistem-bae99fba999b">AI Multi Agent Sistemler ve Ekosistem</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Vibe Coding Nedir ?]]></title>
            <link>https://medium.com/algorithms-data-structures/vibe-coding-nedir-d8d733d10652?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/d8d733d10652</guid>
            <category><![CDATA[cursor]]></category>
            <category><![CDATA[vibe-coding]]></category>
            <category><![CDATA[ai-tools]]></category>
            <category><![CDATA[windsurf]]></category>
            <category><![CDATA[cline]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Sat, 05 Apr 2025 18:00:43 GMT</pubDate>
            <atom:updated>2025-04-05T18:00:43.200Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*eIJiRZwra0x_UHOQ" /><figcaption>Photo by <a href="https://unsplash.com/@bensow?utm_source=medium&amp;utm_medium=referral">Benjamin Sow</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><h4>NoCode</h4><h3>Vibe Coding Nedir ?</h3><h4>Son dönemde sıkça bahsi geçen başka bir terim Vibe Coding, programlama dili kullanmadan , AI aracılığı ile doğal dil kullanarak uygulama geliştirmenizi sağlayan kodlama tekniğidir.</h4><p>Bir dönem öncesine kadar kod yazmadan <strong>NoCode</strong> araçlar üzerinden uygulama geliştirme popülerleşti. Fakat istenen büyümeyi sağlayamadığı için sektörü çok fazla etkileyemedi veya dönüştürmedi diyebiliriz.</p><p>Sonrasında <strong>AI/LLM</strong> biz geliştiricilere kod geliştirmede ve hataları çözmede yardımcı olmaya bir asistan gibi davranmaya başladı. ChatGPT ile başlayan süreç kod editörleri ve türevleri olarak kullandığımız araçların içerisine dahil olmaya başladı. Cursor, Git Copilot, Amazon Q Developer, Windsurf, Cline, Replit, V0, Bolt.new. bu araçlardan bazıları.</p><p>Burada Prompt ve LLM ile birlikte → Code çıktısı oluşturmaya çalışıyoruz. Bu kavram <a href="https://en.wikipedia.org/wiki/Andrej_Karpathy"><strong>Andrej Karpathy</strong></a><strong> </strong>tarafından ortaya atıldı. Giderek programlamayı doğal bir dille tanımlama, çalıştırma ve test etme çabası bulunuyor.</p><p>Buradaki yaklaşım bana göre</p><ul><li>basit örnek uygulamalar geliştirmek ve öğrenme eğrimizi arttırmak için kullanılabilir</li><li>işin tanımını, test adımlarını ve test çıktılarını tanımlayabiliyorsak bunu LLM’den oluşturmasını isteyebiliriz.</li><li>büyük uygulamaların parça parça bağlamları geliştirilmesini sağlayıp sonrasında birleştirmede kullanabiliriz.</li><li>Çok fazla logic içermeyen ama çok fazla tanımla yapılması gereken angarya ve tekrar eden işlerin Örneğin veritabanı, servisler, apiler ve ui bileşenlerinin otomatik üretilmesinde kullanabiliriz.</li></ul><p>Vibe Coding popülerliği her geçen gün daha fazla artıyor ve bundan daha fazla yazılımcı faydalanıyor. Tabi bu tür avatajları yanında dezavantajları da bulunuyor.</p><ul><li>Soyutlama katmanı arttıkça konuları öğrenmeden amaca yönelik geliştirme yazılım bilgisini kaybetmemize neden oluyor.</li><li>Biz geliştiricileri daha tembelliğe alıştırıp artık tek başımıza asistan yardımı olmadan kod yazamaz hale getiriyor.</li><li>Ortalıkta kalitesiz birbirine benzer birçok uygulama bulunacaktır, Bu bizleri bir uygulama çöplüğüne götürebilir.</li></ul><p>Sonuç olarak <strong>Vibe Coding</strong> günümüzde çok popüler ve bu alanda biz yazılımcılardan beklenen AI araçları ile geliştirme hızımızı 2x, 5x seviyelerine çıkarmamız veya işimizin %40-%80 kısımlarını AI araçlarına yaptırmamız. İstesekte istemesekte gelecek bu yönde hızla değişmeye devam ediyor.</p><p>Belkide gelecekte yazılımcılara olabildiğince az ihtiyaç olacak. Sanayi devriminde olduğu gibi iş makinelerin öne çıkması gibi AI Agentler işin büyük bir bölümünü otomatik olarak gerçekleştirecekler.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d8d733d10652" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/vibe-coding-nedir-d8d733d10652">Vibe Coding Nedir ?</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[İstatistik İle İlgili Bazı Temel Kavramlar]]></title>
            <link>https://medium.com/algorithms-data-structures/i%CC%87statistik-i%CC%87le-i%CC%87lgili-baz%C4%B1-temel-kavramlar-5a51f5228286?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/5a51f5228286</guid>
            <category><![CDATA[programming]]></category>
            <category><![CDATA[algorithms]]></category>
            <category><![CDATA[statistics]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Fri, 08 Dec 2023 04:46:36 GMT</pubDate>
            <atom:updated>2023-12-08T04:46:36.879Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*q2DbhhK4Nr-ZmhA3" /><figcaption>Photo by <a href="https://unsplash.com/@edge2edgemedia?utm_source=medium&amp;utm_medium=referral">Edge2Edge Media</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><h4>Algoritma</h4><h4>Bu yazıda AI(Yapa-Zeka) kullanarak açıklamalarını oluşturmaya çalıştığım bazı kavramlardan bahsedeceğim.</h4><p>İster doğal dil işleme, ister finans, ister network analizi olsun, hangi alana girerseniz girin elinizde bir veri seti var ise bu veri setini anlamlandırılması için istatistik’ den faydalanırız.</p><ul><li>Örneğin seçim anketleri ve sonuçlarının analizi</li><li><a href="https://medium.com/cloud-and-servers/jmeter-ile-rest-api-load-testi-nas%C4%B1l-yap%C4%B1l%C4%B1r-4fbea9444449">JMeter ile Yük Testi</a></li><li><a href="https://onurdayibasi.com/dogal-dil-isleme/">Makine Öğrenmesi ve Yapay Zeka.</a>.</li></ul><p>Sonuçta hepsinin temelinde bir takım istatistik kavramlar yatıyor;</p><ul><li><strong>Min (Minimum Değer):</strong> Veri setindeki en küçük değeri temsil eder. Bu değer, veri setinde bulunan en küçük ölçümü ifade eder.</li><li><strong>Max (Maksimum Değer):</strong> Veri setindeki en büyük değeri temsil eder. Bu değer, veri setinde bulunan en büyük ölçümü ifade eder.</li><li><strong>Medyan:</strong> Değerler sıralandığında ortada kalan değerdir. Bir veri setini iki eşit parçaya böler. Tek sayıda değer için ortadaki sayıyı, çift sayıda değer için ise iki ortadaki sayının ortalamasını verir.</li><li><strong>Mod:</strong> Bir veri setinde en sık tekrar eden değerdir. Bir veri seti bir mod (tek tepe noktası), birden fazla mod (çift tepe, üç tepe, vb.) veya hiç mod içermeyebilir.</li><li><strong>Varyans:</strong> Değerlerin ortalamadan farklarının karelerinin ortalamasıdır. Değerlerin ortalamaya göre ne kadar yayıldığını ölçer.</li><li><strong>Standart Sapma:</strong> Varyansın kareköküdür. Bir veri setindeki değerlerin ortalamadan ne kadar uzakta olduğunu ölçer. Daha büyük bir standart sapma, daha fazla değişkenliği gösterir.</li><li><strong>Ortalama (Aritmetik Ortalama veya Ortalama):</strong> Bir veri setindeki tüm değerlerin toplamının değer sayısına bölünmesiyle elde edilir. Bir sayı kümesinin tipik değerini temsil eder.</li><li><strong>Ağırlıklı Ortalama:</strong> Farklı değerlere farklı ağırlıklar verilerek hesaplanan bir ortalama türüdür. Her bir değer, karşılık gelen ağırlık ile çarpılır ve bu ürünlerin toplamı, ağırlıkların toplamına bölünür.</li><li><strong>Yüzdelikler:</strong> Veri setini yüz eşit parçaya bölen değerlerdir. P50 (medyan), P25 (Q1) ve P75 (Q3) gibi değerler yüzdeliklerin özel türleridir.</li><li><strong>P25, </strong>istatistiksel olarak 25. yüzdeliği ifade eder. Yani, veri setindeki değerlerin %25&#39;ini ifade eden bir değerdir. P25, veri setini dört eşit parçaya böler ve alt çeyrek olarak da adlandırılır.</li><li><strong>P50 (50. Yüzdelik — Medyan):</strong> Veri setini yarısına bölen değerdir. Yani, bu değer, veri setinin ortasındaki değeri ifade eder. Yüzde 50&#39;i bu değerden küçük, yüzde 50&#39;si ise bu değerden büyüktür.</li><li><strong>P75 (75. Yüzdelik):</strong> Veri setindeki değerlerin %75&#39;inin altında kalan değeri ifade eder. Bu değerin altında veri setinin %75&#39;i bulunmaktadır.</li><li><strong>P95 (95. Yüzdelik):</strong> Veri setindeki değerlerin %95&#39;inin altında kalan değeri ifade eder. Bu değerin altında veri setinin %95&#39;i bulunmaktadır.</li><li><strong>P99 (99. Yüzdelik):</strong> Veri setindeki değerlerin %99&#39;unun altında kalan değeri ifade eder. Yani, bu değerin altında veri setinin %99&#39;u bulunmaktadır.</li><li><strong>Çeyrekler (Q1, Q2, Q3):</strong> Medyanın öncesinde ve sonrasında kalan veri setini dört eşit parçaya bölen değerlerdir. Q1 (alt çeyrek), verilerin alt %25&#39;ini, Q2 (medyan) orta %50&#39;sini ve Q3 (üst çeyrek) ise üst %25&#39;ini temsil eder.</li><li><strong>Çeyrekler Arası Aralık (IQR):</strong> Q3 ile Q1 arasındaki farktır. Veri setinin ortasındaki yarısının dağılımını ölçer.</li><li><strong>Kuartiller:</strong> Veri setini dört eşit parçaya bölen değerlerdir. Medyanı ve çeyrekleri içeren dört kısım oluştururlar.</li><li><strong>Frekans:</strong> Belirli bir değerin veri setinde kaç kez tekrarlandığını gösterir.</li><li><strong>Çeşitlilik Endeksleri (Diversification Indexes):</strong> Veri setindeki çeşitliliği veya farklılık derecesini ölçer. Örneğin, Simpson’ın çeşitlilik indeksi gibi.</li><li><strong>Korelasyon:</strong> İki değişken arasındaki ilişkiyi ve ilişkinin gücünü ölçer. Pearson korelasyon katsayısı ve Spearman’s rho gibi farklı korelasyon türleri bulunmaktadır.</li><li><strong>Regresyon Analizi:</strong> Bağımlı ve bağımsız değişkenler arasındaki ilişkiyi modellemek için kullanılan bir tekniktir.</li><li><strong>Olabilirlik (Likelihood):</strong> Belirli bir durumun gözlemlenebilirliği veya gerçekleşme olasılığını ifade eder.</li><li><strong>Hipotez Testleri:</strong> İstatistiksel verilerle ilgili yapılan varsayımların doğrulanması veya reddedilmesi için kullanılan testlerdir. T-testi, ANOVA, Chi-kare testi gibi.</li></ul><h3>Okumaya Devam Et 😃</h3><p>Bu yazının devamı veya yazı grubundaki diğer yazılara erişmek için <a href="https://onurdayibasi.com/algoritma-veriyapisi/?5a51f5228286"><strong>bu linke</strong></a><strong> </strong>tıklayabilirsiniz.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=5a51f5228286" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/i%CC%87statistik-i%CC%87le-i%CC%87lgili-baz%C4%B1-temel-kavramlar-5a51f5228286">İstatistik İle İlgili Bazı Temel Kavramlar</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Bioinformatics Algorithms]]></title>
            <link>https://medium.com/algorithms-data-structures/bioinformatics-algorithms-d925ba311857?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/d925ba311857</guid>
            <category><![CDATA[hidden-markov-models]]></category>
            <category><![CDATA[graph-algorithms]]></category>
            <category><![CDATA[algorithms]]></category>
            <category><![CDATA[bioinformatics]]></category>
            <category><![CDATA[randomized-algorithm]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Fri, 21 Jan 2022 03:29:45 GMT</pubDate>
            <atom:updated>2022-01-21T03:29:45.574Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*-fFup2iDJQDl3YzIeVO1Aw.jpeg" /><figcaption>Photo by <a href="https://unsplash.com/@3dparadise?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Braňo</a> on <a href="https://unsplash.com/s/photos/dna?utm_source=unsplash&amp;utm_medium=referral&amp;utm_content=creditCopyText">Unsplash</a></figcaption></figure><h4>Algoritma Türleri</h4><h4>Bu yazımda Bioinformatics alanında kullanılan bazı algoritmaların ve yaklaşımarı konusuna değinmek istiyorum. Bu algoritmalardan kabaca bahsediyor olacağım.</h4><p>Bioinformatics, biolojik verinin DNA, Genetik Dizilimler vb bilgilerin üzerinde bazı problemlerin anlaşılması ve analiz edilebilmesi için bioloji, kimya, fizik, matematik, istatistik ve bilgisayar bilimini birleştirerek çözüm arayışında bulunan disiplinler arası bir bilim dalı.</p><p>Bioinformatics algoritmalarda DNA oluşumunda temel teşkil eden Gen Dizilimlerindeki büyük veri üzeride analizler yapmamızı sağlayan algoritmalardır.</p><h4>1. Brute Force Algorithms (Exhaustive Search)</h4><p>Bu algoritmanın amacı verilecek sonucu hesaplarken tüm olası kombinasyonları üzerinde çalıştırdığınız makinelerin kaynaklarını hiç bir optimizasyon ve verimlilik arttırıcı özellik olmadan hesaplatmaktır.</p><p>Örneğin;</p><ul><li>Satranç taşlarının 3 hamle sonrasını hesaplamak.</li><li>8 şehir arasında gidilecek yol hesaplamasında en kısa yolu bulabilmek için tüm mesafeler üzerinden olası uzaklıkları tek tek hesaplama</li></ul><h4>2. Greedy Algorithms</h4><p>Bu algoritmanın amacı <strong>heuristic</strong> yöntemler ile sonucu ulaşmaktır. Yani sonucun kesin doğru olması ile değil işlemlerin yaklaşık sonuçla daha hızlı ve optimize bir şekilde çözülmesini sağlayan algoritma yöntemidir.</p><ul><li>Şehirler arasında gezerken (TSP <strong>travelling salesperson problem</strong>) için çok komplike kombinasyon hesaplarını optimize oluşturmak..</li></ul><h4>3. Dynamic Programming Algorithms</h4><p>Bir dizi üzerindeki hesaplamaların yapılması sırasında n eleman için gerekli olan hesaplama n-1 ihtiyaç duyuyor ise alt elemanların bu hesaplamalarda depolanarak sonraki hesaplamaların performansını arttırmak için kullanılan yöntemdir</p><p><strong>Örneğin;</strong></p><ul><li>Fibonnacci sayılarının hesaplanması</li><li>Asal sayıların hesaplanması</li></ul><h4>4. Divide And Conquer Algorithm</h4><p>Üzerinde çalıştığınız yapıları bir bütün olarak alıp işlemek bazen mümkün olmaz, bazende işlerin daha yavaş işlemesine neden olur. Bu yüzden büyük problemi, küçük parçalara bölüp, tüm bu parçalar üzerinde algoritmayı işleyip, bir parça birleştirme yapıp, tekrar algoritmayı işletip tekrar birleştirme şeklinde sonuca ulaşılan algoritma yöntemidir.</p><p><strong>Örneğin:</strong></p><ul><li>Sıralama yaparken kullanılabilir</li></ul><h4>5. Graph Algorithm</h4><p>Objelerin birbirleri ile oluşturdukları 2li bağlantıları inceleyen ve bunlar üzerinde işlem yapmanızı sağlayan algoritmalardır. Bu yapı temelde<strong><em> Node dediğiniz 2 düğüm</em></strong> ve bunları birbirine bağlayan <strong><em>bir Edge</em></strong> üzerinden gerçekleştirilir. Bu bağlantıların sayısı arttıkça graf yapınız komplike hale gelmeye başlar.</p><p>Günümüzde Graph Algoritmaları bir çok alanda kullanılmaktadır.</p><ul><li>Yapay Sinir Ağları</li><li>Ağaç Yapıları</li><li>Harita Sistemleri</li><li>Network Sistemleri</li><li>Mimari Yapılar</li></ul><h4>6. Combinatorial Pattern Matching</h4><p>Stringler üzerinde Regex ile pattern matching olayına benziyor aslında ama burada DNA dizileri üzerinde temsil edilen A,T,C,G dizilimlerindeki tekrar eden örüntüleri arama ve bulma üzerine algoritmalar.</p><h4>7. Clustering And Trees</h4><p>Gen dizileri üzerinde çalışırken veri üzerinde birbirine çok benzeyen noktaların farklı gruplara ayrılarak bu gruplar üzerinden hiyerarşik (tree) yapıları ile erişim algoritmaların bunlar üzerinde çalışması için güzel bir veri yapısı oluşturur. Örneğin;</p><ul><li>Hierarchical Clustering</li><li>k-Means Clustering</li></ul><h4>8. Hidden Markov Models</h4><p>Özellikle Makine Öğrenmesi algoritmalarında sıkça adını duyduğumuz bu yöntem, biyolojik dizileri modellemek için kullanılan istatiksel bir yöntemdir. Bunu uygularken, bir dizi, gözlemciden ‘gizli’ bir dizi durum boyunca ilerleyen ayrı bir stokastik sürecin çıktısı olarak modellenir. Örneğin;</p><ul><li>The Fair Bet Casino</li></ul><h4>9. Randomized Algorithms</h4><p>Randomized Algorithms rastgele operasyonları çalıştırıp bunlar üzerinden rastgele kararlar alarak yoluna devam eden algoritmalardır. İlk bakışta anlamsız ve büyük bir hataya neden olabilecek gibi gözüksede bunun böyle olmadığı Comte de Buffon tarafından ispatlanmıştır. Özellikle kesin çözümün bulunmasının çok zor olan polynomial-time problemlerinde kullanılır.</p><p>Örneğin ;</p><ul><li>Motif Finding Algorithm</li></ul><h3>Referanslar</h3><ul><li><a href="https://www.amazon.com/Introduction-Bioinformatics-Algorithms-Computational-Molecular/dp/0262101068">Introduction to BioInformatic Algorithms </a>(Neil C. Jones)</li></ul><h3>Okumaya Devam Et 😃</h3><p>Bu yazının devamı veya yazı grubundaki diğer yazılara erişmek için <a href="https://onurdayibasi.com/algoritma-veriyapisi/?d925ba311857"><strong>bu linke</strong></a><strong> </strong>tıklayabilirsiniz.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=d925ba311857" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/bioinformatics-algorithms-d925ba311857">Bioinformatics Algorithms</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Hanoi Kuleleri]]></title>
            <link>https://medium.com/algorithms-data-structures/hanoi-kuleleri-1-a74bf4e7a48f?source=rss----56354f21952c---4</link>
            <guid isPermaLink="false">https://medium.com/p/a74bf4e7a48f</guid>
            <category><![CDATA[stack]]></category>
            <category><![CDATA[visualization]]></category>
            <category><![CDATA[algorithms]]></category>
            <category><![CDATA[javascript]]></category>
            <category><![CDATA[hanoi-tower]]></category>
            <dc:creator><![CDATA[Onur Dayıbaşı]]></dc:creator>
            <pubDate>Sun, 12 Dec 2021 05:33:39 GMT</pubDate>
            <atom:updated>2021-12-12T14:21:39.273Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*poEaYoO9k1GSsE8C" /><figcaption>Hanoi Kuleleri</figcaption></figure><h4>JS Algorithms</h4><p>Geçen çocukların odasını toplarken oğlumun ahşap dersinde yapmış olduğu bir oyuncağını (Hanoi Kulesi) buldum. Büyük bir ihtimal ile bu oyuncak ahşap disk, çubuklar ve ana tahtanın kesimse, boyanması ve sonra çubukların tutkal ile ana tahtaya yapıştırılması ile tamamlandı. Belki birkaç kere diskler bir çubuktan, diğer bir çubuğa aktarıldı sonrasında her oyuncak gibi bir kenara atıldı.</p><p>Ama aslında Hanoi Kulesi bundan fazlasını içeriyor. Bir satranç, dama ve go gibi bir oyun aslında.</p><p>Hanoi’nin <strong>kuralları</strong> çok basit.</p><ul><li>Her seferinde bir disk taşıyabilirsiniz.</li><li>Bir diskin üzerine kendisinden büyük bir disk koyamazsınız.</li><li>Hadi bütün diskleri diğer çubuğa taşıyalım..</li></ul><p>Hadi gelin şimdi bu oyunu gözümüzde bir canlandıralım. Aşağıda disklerin nasıl taşındığı ile ilgili ufak bir görselleştirme yaptım.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*nKL-sZVIkIwHE9bGrLuiig.png" /></figure><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*t2mA-T6m8wadqZqvf94HdA.png" /></figure><p>Bunu adımları analiz edersek, toplamda 4 disk için 15 adımda bu işlemleri gerçekleştirmişiz. (2 üzeri 4) → 16 -1 =15 adım. Bu durumda</p><pre>1 disk -&gt; 1 adım<br>2 disk -&gt; 3 adım<br>3 disk -&gt; 7 adım<br>4 disk -&gt; 15 adım</pre><p>görüleceği üzeri disk sayısı artığında adım sayımız <a href="https://en.wikipedia.org/wiki/Exponential_function">2nin exponential</a> olarak artıyor.</p><p>Bu yazıyı ileride tamamlamak üzere burada bırakalım.</p><h3>İleride Geliştirmeyi Düşündüğüm Alanlar</h3><ul><li>Bu uygulamanın oynanabilir görsel bir versiyonun <a href="https://onurdayibasi.dev/">digital garden</a> içerisinde yapılması</li><li>Oynanırken yapılan hareketlerin görsel olarak gösterilmesinin yapılması</li><li>Bilgisayarın kendi başına oynayabileceği versiyonu için çözüm algoritması yazılması</li><li>Bilgisayarın normal bir kullanıcı gibi oyunu oynayabilmesi.</li></ul><h3>Okumaya Devam Et 😃</h3><p>Bu yazının devamı veya yazı grubundaki diğer yazılara erişmek için <a href="https://onurdayibasi.com/algoritma-veriyapisi/?a74bf4e7a48f"><strong>bu linke</strong></a><strong> </strong>tıklayabilirsiniz.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a74bf4e7a48f" width="1" height="1" alt=""><hr><p><a href="https://medium.com/algorithms-data-structures/hanoi-kuleleri-1-a74bf4e7a48f">Hanoi Kuleleri</a> was originally published in <a href="https://medium.com/algorithms-data-structures">Programming / Algorithms &amp; Data Structures</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>