Yapay Zeka ile Programlamaya Giriş

1 Program Nedir? GUI vs CLI

"Program" denildiğinde çoğu insanın aklına renkli düğmeleri, menüleri ve pencereleri olan uygulamalar gelir: Firefox, Photoshop, Microsoft Office, Paint… Bunların hepsi GUI (Graphical User Interface — Grafik Kullanıcı Arayüzü) programlarıdır. Fare ile tıklarsınız, sürüklersiniz, menüden seçim yaparsınız.

Ancak yazılım dünyasının büyük bir bölümü bunlardan çok farklı görünür. CLI (Command Line Interface — Komut Satırı Arayüzü) programları yalnızca metin tabanlıdır: siz bir komut yazarsınız, program size metin ile cevap verir. Grafik arayüz yoktur; sadece yazı vardır.

CLI Neden Önemli?

• Hız: Deneyimli kullanıcılar için komut yazmak, menülerde gezinmekten çok daha hızlıdır.
• Otomasyon: CLI komutlarını bir dosyaya yazıp art arda otomatik çalıştırabilirsiniz (scripting).
• Geliştirme ortamlarında zorunluluk: Sunucularda, uzak bilgisayarlarda genellikle grafik arayüz yoktur; yalnızca komut satırı vardır.
• AI ile yazması daha kolay: AI araçları grafik arayüze sahip programlar yazmakta zorlanabilir; metin tabanlı programlar yazmak çok daha doğaldır.

⌨️ Terminalde Kullanılan CLI Programları

CLI programları sadece geliştiriciler için değil — günlük işlerde de son derece kullanışlıdır. İşte terminalde doğrudan çalıştırabileceğiniz bazı örnekler:

2 Programlama Dilleri Programming Languages

Dünyada farklı insanlar farklı doğal diller konuşur: Türkçe, İngilizce, Japonca, Arapça… Bu diller farklı görünse de hepsinin amacı aynıdır: iletişim kurmak.

Bilgisayar dünyasında da benzer bir durum vardır. Farklı programlama dilleri (programming languages) bulunur. Her birinin kendine has kuralları (syntax — söz dizimi) ve güçlü yanları vardır. Ancak hepsinin ortak amacı: bilgisayara ne yapması gerektiğini anlatmak.

Popüler Programlama Dilleri

Kod Nasıl Çalışır?

Bilgisayar işlemcisi (CPU) yalnızca makine dilini (machine code) anlar — 0'lar ve 1'lerden oluşan komutları. Biz ise Python veya JavaScript gibi insanın okuyabileceği dillerde yazarız. Yazdığımız kod, bilgisayardaki özel programlar tarafından makine diline çevrilir:

• Derleyici (Compiler): Tüm kodu baştan sona çevirip bir çalıştırılabilir dosya (executable) üretir. C, C++, Go, Rust gibi diller derlenir.
• Yorumlayıcı (Interpreter): Kodu satır satır okur ve anında çalıştırır. Python, JavaScript, Ruby gibi diller yorumlanır.

Hangi Dil Nerede Yazılır?

3 Kodun Yapı Taşları Functions, Classes & Modules

Kütüphane kavramına geçmeden önce, programlama dillerinde sıkça karşılaşacağınız birkaç temel yapı taşını tanıyalım. Bu terimleri bilmek, AI'a isteklerinizi daha net aktarmanızı sağlar.

🔧 Fonksiyon Function

Bir fonksiyon, belirli bir işi yapan ve isim verilmiş kod bloğudur. Bir kere yazarsınız, istediğiniz kadar tekrar kullanırsınız — tıpkı bir yemek tarifine isim verip her seferinde tarifi baştan yazmak yerine adıyla çağırmak gibi.

def selamla(isim):
    print(f"Merhaba, {isim}!")

selamla("Ali")    # Çıktı: Merhaba, Ali!
selamla("Ayşe")   # Çıktı: Merhaba, Ayşe!

Fonksiyonlara girdi verilir (parametre, parameter), iş yapılır ve çoğu zaman bir sonuç döndürülür (dönüş değeri, return value). AI'a "bu işlemi bir fonksiyon olarak yaz" dediğinizde tam olarak ne istediğinizi anlar.

📦 Sınıf Class

Bir sınıf, birbiriyle ilişkili verileri ve fonksiyonları bir arada tutan bir şablondur. Düşünün ki bir "Araba" sınıfı tanımlıyorsunuz: renk, hız gibi özellikleri (attributes) ve hızlan, dur gibi davranışları (methods — sınıfa ait fonksiyonlar) bir arada tutarsınız.

class Araba:
    def __init__(self, renk, marka):
        self.renk = renk
        self.marka = marka

    def tanitim(self):
        print(f"{self.renk} {self.marka}")

arac = Araba("Kırmızı", "Toyota")
arac.tanitim()  # Çıktı: Kırmızı Toyota

Sınıf bir kalıp, bu kalıptan üretilen her şey bir nesne (object) veya örnek (instance) olur. "Araba sınıfından bir nesne oluştur" dediğinizde, AI bu yapıyı doğru biçimde üretir.

📂 Modül Module

Bir modül, fonksiyonları ve sınıfları içeren bir Python dosyasıdır. Örneğin matematik.py adında bir dosya oluşturup içine hesaplama fonksiyonları yazarsanız, başka bir dosyadan import matematik diyerek bu fonksiyonlara erişebilirsiniz.

# matematik.py dosyası:
def topla(a, b):
    return a + b

# ana program:
import matematik
sonuc = matematik.topla(3, 5)  # sonuc = 8

🗃️ Paket Package

Birden fazla modül bir araya gelince bir paket (package) oluşur. Paketler, modüllerin klasörler halinde organize edilmiş halidir. Bir sonraki bölümde göreceğimiz kütüphaneler de genellikle bir veya birden fazla paketten oluşur.

4 Kütüphane Kavramı Libraries & Packages

Modern yazılım geliştirme, her şeyi sıfırdan yazmak değildir. Başkalarının yazdığı, test edilmiş ve optimize edilmiş hazır kod parçalarını (kütüphaneler, libraries veya packages) kullanırız.

Bunu anlamak için yolcu uçağı üretimini düşünelim:

Yukarıdaki infografik, Boeing 787 Dreamliner'ın gerçek tedarik zincirini gösteriyor. Bu uçak 8'den fazla ülkeden 40'tan fazla tedarikçinin katkısıyla üretilir:

• Kanatları Japonya'da Mitsubishi Heavy Industries ve Subaru üretir.
• Motorları İngiltere'de Rolls-Royce veya ABD'de GE Aviation yapar — aynı uçağa iki farklı marka motor takılabilir!
• Gövde bölümlerini ABD (Spirit AeroSystems), Japonya (Kawasaki), İtalya (Alenia) gibi firmalar parça parça üretir.
• Eğlence sistemlerini (koltuk arkası ekranlar) Japonya'da Panasonic veya Fransa'da Thales yapar.
• İniş takımlarını Fransa'da Safran veya ABD'de Collins Aerospace üretir.

Tüm bu parçalar özel kargo uçaklarıyla (747 Dreamlifter) Boeing'in Everett, Washington fabrikasına taşınır ve sadece 3 günde monte edilir. Boeing'in asıl işi bu parçaları tasarlayıp bir araya getirmektir (integration — entegrasyon). Aynı motor farklı marka uçaklarda da kullanılabilir — çünkü modüler bir yapı vardır.

Yazılımdaki Karşılığı

Yazılım geliştirmede de aynı mantık geçerlidir:

• Bir web sitesi yapıyorsanız, HTTP sunucusunu sıfırdan yazmazsınız — Flask veya Express gibi bir kütüphane kullanırsınız.
• Veri analizi yapıyorsanız, CSV dosya okuyucuyu kendiniz kodlamazsınız — pandas kütüphanesini kullanırsınız.
• Grafik çizmek için matplotlib, makine öğrenmesi için scikit-learn, web kazıma için BeautifulSoup kullanırsınız.

Bu kütüphaneleri projenize eklemek için paket yöneticileri (package managers) kullanılır:

5 IDE: Kod Yazma Ortamları Integrated Development Environment

Kod teorik olarak herhangi bir metin editöründe (hatta Notepad'de bile) yazılabilir. Ancak profesyonel yazılımcılar IDE (Integrated Development Environment — Tümleşik Geliştirme Ortamı) adı verilen özel programlar kullanır. Bu programlar kod yazmayı, çalıştırmayı ve hata ayıklamayı çok daha kolay hale getirir.

Bir IDE'de Neler Bulunur?

• Dosya Gezgini (File Explorer): Sol tarafta proje dosyalarınızı ağaç yapısında gösterir.
• Kod Editörü (Editor): Ortada, kodunuzu yazdığınız ana alan. Sekme (tab) yapısıyla birden fazla dosyayı aynı anda açabilirsiniz.
• Terminal: Alt panelde bir komut satırı bulunur. Programınızı buradan da çalıştırabilir, paket yükleyebilir ve diğer komutları çalıştırabilirsiniz.
• Çalıştır (Run): "▶ Run" düğmesine tıklayarak programınızı tek tuşla çalıştırabilirsiniz.
• Hata Ayıklayıcı (Debugger): Kodunuzu satır satır çalıştırarak hataları bulmanızı sağlar.
• Profiler: Programınızın hangi kısımlarının yavaş çalıştığını ölçmenizi sağlar.

🧩 VS Code ve Eklenti Sistemi Extensions

Visual Studio Code (VS Code), Microsoft'un geliştirdiği ücretsiz ve açık kaynak bir kod editörüdür. VS Code'un en güçlü yönlerinden biri eklenti (extension) sistemidir. Eklentiler, editöre yeni özellikler ekleyen küçük programlardır:

• Dil desteği: Python, Java, C++, Rust gibi dillerde kod yazmak için ilgili eklentiyi kurarsınız. Eklenti sayesinde söz dizimi renklendirme, otomatik tamamlama, hata kontrolü gibi özellikler gelir.
• Dil çalıştırma: Uygun eklentileri kurarak VS Code'dan farklı dillerde kod çalıştırabilirsiniz — Python, JavaScript, Java, C/C++ ve daha fazlası.
• Tema ve görünüm: Editörün renklerini, simgelerini, yazı tiplerini özelleştirebilirsiniz.
• Verimlilik araçları: Git yönetimi, Docker, veritabanı görüntüleme, uzak sunuculara bağlanma gibi yüzlerce eklenti bulunur.
• AI entegrasyonları: GitHub Copilot, Kilo Code, Claude Code gibi AI araçları VS Code'a eklenti olarak kurulabilir.

🤖 AI Araçlarının IDE'lere Entegrasyonu

AI kodlama araçları, IDE'lerle farklı biçimlerde entegre olur:

🚀 Antigravity Kurulumu Setup

Bu derslerde ana AI aracımız olarak Google Antigravity'yi kullanacağız. Antigravity, VS Code tabanlı bir AI-first IDE'dir ve AI ile kodlama deneyimini merkezine koyar. Derste zaman kaybetmemek için sıfırdan kurulum yapmayacağız — öğrencilerin önceden kurulu gelmesi beklenir.

Kurulum Adımları (Özet)

Antigravity kurulumu iki ana adımdan oluşur:

1. 1. Adım — Antigravity'yi İndirin ve Kurun: antigravity.ai adresinden işletim sisteminize uygun sürümü indirin ve kurulum sihirbazını takip edin. Kurulum tamamlandığında Antigravity editörü açılacaktır.
2. 2. Adım — Agent Manager ve AI Modelini Yapılandırın: İlk açılışta Agent Manager (Ajan Yöneticisi) ekranı karşınıza gelir. Burada hangi AI modelini (Gemini, Claude, GPT vs.) kullanacağınızı seçer, gerekli API anahtarınızı (API key) girersiniz. Agent Manager, farklı görevler için farklı modeller atayabilmenizi sağlar.

6 Söz Dizimi Renklendirme Syntax Highlighting

IDE'lerde ve kod editörlerinde kodunuz otomatik olarak renklendirilir. Bu, syntax highlighting (söz dizimi renklendirme) olarak adlandırılır. Ancak bu, Word'deki metin biçimlendirmeden çok farklıdır:

7 Proje Yapısı ve Örnek Projeler Project Structure

Basit programlar tek bir dosyadan oluşabilir. Ancak gerçek dünya projeleri genellikle çok daha karmaşıktır: onlarca, yüzlerce, hatta binlerce dosya içerebilirler.

Üstelik bir projede tüm dosyalar kaynak kodu olmak zorunda değildir. Bir projede şunlar bulunabilir:

• Kaynak kodu dosyaları (source code): .py, .js, .java gibi
• Yapılandırma dosyaları (configuration files): config.json, .env, settings.yaml
• Belgelendirme (documentation): README.md, CONTRIBUTING.md
• Bağımlılık tanımları (dependency definitions): requirements.txt, package.json
• Test dosyaları (tests): Kodun doğru çalıştığını doğrulayan dosyalar
• Veri dosyaları: Görseller, veritabanları, örnek veriler

Dosyaları işlevlerine göre klasörler halinde organize etmek (directory structure) büyük projelerin yönetilebilir kalması için çok önemlidir.

Derste İncelenecek Örnek Projeler

Aşağıdaki açık kaynak projeler, derste canlı olarak incelenecektir:

8 Yazılım Dünyası Nasıl Değişti? Impact on Software Engineering

AI kodlama araçları, yazılım geliştirme pratiklerini kısa sürede derinden etkiledi. İşte öne çıkan araştırma ve gözlemler:

Araştırmalar ve Veriler

• GitHub'ın araştırması (2022): Copilot kullanan geliştiriciler, kullanmayanlara kıyasla görevlerini %55 daha hızlı tamamladı.
  📄 Kaynak: GitHub Blog
• McKinsey Raporu (2023): Generative AI'ın yazılım geliştirme verimliliğini %20-45 artırabileceğini tahmin etti.
  📄 Kaynak: McKinsey Digital
• Stack Overflow Geliştirici Anketi (2024): Geliştiricilerin %76'sı AI araçlarını kullanıyor veya kullanmayı planlıyordu.
  📄 Kaynak: Stack Overflow Survey 2024
• Google Dahili Çalışma: Google mühendislerinin %25'inden fazlasının ürettiği kodun AI tarafından oluşturulduğu bildirildi.
  📄 Kaynak: Google Blog
• Cognition Labs — Devin (2024): İlk otonom AI yazılım mühendisi olarak tanıtılan Devin, bağımsız olarak hata ayıklama, kod yazma ve deploy işlemleri yapabildiğini gösterdi.
  📄 Kaynak: Cognition AI Blog
• Andrej Karpathy — "Vibe Coding" (2025): Tesla'nın eski AI direktörü ve OpenAI kurucularından Karpathy, "artık gerçekten kod yazmıyorum, sadece hissediyorum" diyerek yeni bir kodlama biçimini tarif etti.

Gözlemlenen Değişimler

• Erişilebilirlik arttı: Programlama bilgisi olmayan kişiler bile basit uygulamalar oluşturabilir hale geldi.
• Prototipleme hızlandı: Bir fikrin ilk çalışan versiyonunu (prototype) saatler yerine dakikalar içinde oluşturmak mümkün.
• Boilerplate kod azaldı: Tekrarlayan, şablon niteliğindeki kodlar (boilerplate) artık AI tarafından otomatik yazılıyor.
• Öğrenme şekli değişti: Yeni geliştiriciler artık önce doküman okumak yerine, AI ile etkileşerek öğreniyor.
• Rol tanımları bulanıklaştı: Tasarımcılar kod üretiyor, ürün yöneticileri prototip çıkarıyor; "sadece kodcu" tanımı genişliyor.

🎵 "Vibe Coding" — Hissederek Kodlama

2025'te yazılım dünyasında yeni bir kavram popülerleşti: Vibe Coding. Terim, Andrej Karpathy (Tesla'nın eski AI direktörü, OpenAI kurucularından) tarafından ortaya atıldı. Karpathy, "artık kod yazmıyorum, sadece hissediyorum (vibe), ne istediğimi AI'a anlatıyorum ve sonuçlara bakıyorum" dedi.

Bu, Rick Rubin'in müzik yapımcılığına çok benzer bir yaklaşım. Rubin hiç enstrüman çalmaz, nota bilmez — ama vizyonu ve beğenisiyle (taste) müzik tarihinin en ikonik albümlerini şekillendirmiştir. Aynı şekilde, vibe coding yaklaşımında da kişi teknik detayları AI'a bırakır; kendisi ne yapılacağını, nasıl görünmesi gerektiğini ve sonucun kalitesini yönetir. Bu konu LinkedIn, X (Twitter) gibi sosyal medya platformlarında büyük yankı uyandırdı ve binlerce paylaşım yapıldı.

⚠️ "Vibe Coding" Eleştirisi ve Sınırları

Vibe coding kavramı heyecan yarattığı kadar eleştiri de aldı. Pratikte vibe coding yapan kişi genellikle AI'ın her önerisini "next, next, accept" diyerek kabul eder: IDE'nin ürettiği koda dokunmaz, elle değişiklik yapmaz, hatta kodu okumadan geçer. Bu durum bazıları tarafından aşağılayıcı (derogatory) bir anlamda da kullanılır — "bu kişi gerçekten programlama yapmıyor, sadece düğmeye basıyor" gibi.

Gerçekten de, vibe coding ile üretilen kod genellikle şu sorunları taşır:

• Güvenlik açıkları: AI'ın ürettiği kod güvenlik kontrollerinden geçmemiş olabilir.
• Bakım zorluğu: Kodu anlamadan kabul ettiğinizde, hata çıktığında nereye bakacağınızı bilemezsiniz.
• Teknik borç: Bilinçsiz "next next" yaklaşımı, projeye uzun vadede zarar verir.
• Kalite kontrolü: AI bazen çalışan ama kötü yazılmış (code smell) kod üretir.

Bu yüzden bu derslerde hem AI'ı etkin kullanmayı hem de ne ürettiğini anlayacak kadar teknik bilgi edinmeyi hedefliyoruz. Amaç: bilinçli vibe coding — yani beğeniye sahip olurken, kalitenin de farkında olmak.

9 LLM ile Kod Yazma Coding with ChatGPT

LLM (Large Language Model — Büyük Dil Modeli) öncesi dönemde kod yazmak tamamen manuel bir işti. Programcı, dilin kurallarını bilmek, algoritmaları anlamak ve her satırı kendisi yazmak zorundaydı. Bir hata mı yaptınız? Saatlerce doküman okur, forumları tarardınız.

Bugün ise ChatGPT, Claude, Gemini gibi LLM'lere doğal dilde ne istediğinizi anlatabilir ve çalışan kod alabilirsiniz:

Prompt: "Python'da bir CSV dosyasını okuyan, her sütunun ortalamasını 
hesaplayan ve sonucu bir tabloda gösteren bir program yaz."

Birkaç saniye içinde çalışan bir Python programı alırsınız. Bu kodu PyCharm gibi bir IDE'ye yapıştırır, "▶ Run" düğmesine basarsınız — program çalışır.

Temel İş Akışı

1. ChatGPT (veya benzeri bir site) açın
2. Ne istediğinizi doğal dilde yazın
3. Oluşturulan kodu kopyalayın
4. PyCharm gibi bir IDE'ye yapıştırın
5. Çalıştırın ve sonuçları görün
6. Hata varsa, hatayı ChatGPT'ye gönderin ve düzeltilmesini isteyin

🌐 Popüler LLM'ler ve Özellikleri

Farklı şirketler farklı LLM modelleri sunar. Her birinin güçlü yanları, fiyatlandırması ve kullanım alanları farklıdır. Aşağıdaki tabloda popüler LLM'lerin güncel modellerini, kodlama yeteneklerini ve özelliklerini karşılaştırabilirsiniz:

* Kodlama skorları HumanEval, SWE-bench, LiveCodeBench gibi benchmark'lardan yaklaşık değerlerdir (Mart 2026 itibarıyla). Modeller ve skorlar sürekli güncellenir.

🔤 Token Kavramı ve Önemi Tokens & Context Window

LLM'ler metni doğrudan kelime kelime değil, token (token) adı verilen küçük parçalar halinde işler. Bir token yaklaşık olarak bir kelimenin ¾'üne veya 3–4 karaktere karşılık gelir. Örneğin "Merhaba dünya" ifadesi 2–3 tokena dönüşürken, bir satır Python kodu 10–20 token tutabilir. Bir metnin kaç token olduğunu görmek için OpenAI'ın ücretsiz aracını deneyebilirsiniz: platform.openai.com/tokenizer

Yukarıdaki tablodaki context window (context window — bağlam penceresi), modelin tek bir konuşmada işleyebildiği toplam girdi + çıktı token sayısıdır. Bu limit hem sizin yazdıklarınızı hem de modelin ürettiği yanıtları kapsar. Kabaca: 128K token ≈ 300 sayfa, 1M token ≈ 2 500 sayfa metin demektir.

İşte bu noktada Cursor, Windsurf gibi AI-destekli IDE'ler büyük avantaj sağlar: Tüm kod tabanınızı LLM'e göndermek yerine, yalnızca ilgili dosyaları ve kod parçalarını akıllıca seçerek modele iletirler. Böylece token limiti çok daha verimli kullanılır, halüsinasyon riski azalır ve modelden daha isabetli yanıtlar alırsınız. Bu araçları ilerleyen bölümlerde detaylı inceleyeceğiz.

10 Bu Yöntemin Sınırları Limitations

ChatGPT web sitesinden kod yazmak bir başlangıç olarak harikadır, ancak ciddi projeler için çeşitli sorunlar ortaya çıkar:

• Context Switch (Bağlam Değişimi): ChatGPT sitesinde kod yazarsınız, kopyalarsınız, IDE'ye yapıştırırsınız, çalıştırırsınız, hata alırsınız, hatayı kopyalayıp tekrar ChatGPT'ye dönersiniz… Bu sürekli gidip gelme zaman kaybettirir ve iş akışını böler.
• Farklı LLM'ler farklı alanlarda iyi: Her modelin güçlü ve zayıf yanları vardır. Claude matematik ve mantıkta güçlü olabilir; GPT-4 kodlamada iyi olabilir; Gemini arama bilgisinde öne çıkabilir. Farklı siteler arasında geçiş yapmak da ayrı bir zorluktur.
• Context Window Sınırı: Proje büyüdükçe tüm kodları LLM'e gönderemezsiniz. LLM'lerin belirli bir bağlam penceresi (context window) vardır ve bunu aşan kodları anlayamazlar.
• Otomasyon yok: ChatGPT sitesi sadece kodu yazar. Bağımlılıkları yüklemez, programı çalıştırmaz, hata ayıklamaz, ekran görüntüsü almaz. Bunların hepsini siz yapmanız gerekir.

11 AI Kodlama Araçlarının Tarihçesi History of AI Coding Tools

Son birkaç yılda, AI destekli kodlama araçları hızla gelişti. İşte önemli dönüm noktaları:

12 Fiyatlandırma Karşılaştırması Pricing

AI kodlama araçlarının çoğu ücretsiz katman (free tier) sunar, ancak gelişmiş özellikler için ücretli planlara geçmek gerekebilir. Aşağıdaki tablo yaklaşık güncel fiyatları göstermektedir (Şubat 2026):

13 Agent Yapısı ve Otomasyon Agent Architecture

Modern AI kodlama araçları basit kod tamamlamadan çok daha ileri gitti. Agent (AI Agent — Yapay Zeka Ajanı) yapısı ile bu araçlar artık kendi başlarına:

• Dosya oluşturabilir ve düzenleyebilir
• Terminal komutları çalıştırabilir
• Bağımlılıkları (dependencies) yükleyebilir
• Programı çalıştırıp hata olursa otomatik düzeltebilir
• Web'den bilgi arayabilir
• Çalışan uygulamadan ekran görüntüsü alıp değerlendirebilir

İzin Modelleri

Agent'lar farklı izin modelleriyle çalışır:

14 Teknik Bilgi Neden Hâlâ Önemli? Why Technical Knowledge Still Matters

Teknik Bilginin Somut Avantajları

• Daha iyi prompt yazma: Teknik terimlere hâkim biri, AI'a daha net talimatlar verebilir. "Sayfam telefonlarda da güzel görünsün" yerine "responsive design uygula, mobilde tek sütun, masaüstünde grid layout kullan" demek çok daha etkilidir.
• Doğru yönlendirme: "Bu verileri önbellekte tut" (cache), "binary search algoritması kullan", "async/await ile paralel çalıştır" gibi yönlendirmeler programı çok daha verimli hale getirir.
• Doğru kütüphane seçimi: AI, her zaman en uygun kütüphaneyi seçmeyebilir. Projenizin ihtiyaçlarını bilen bir geliştirici, AI'ı doğru yönlendirebilir.
• Hata anlama: Program hata verdiğinde, teknik bilen biri hatanın kaynağını anlayabilir ve AI'a doğru bilgiyi aktarabilir.
• Sistem tasarımı sözlüğü: HTTP, API, sunucu/istemci, veritabanı, DNS gibi terimleri bilen biri AI araçlarıyla çok daha etkili iletişim kurar. "Veriler yavaş geliyor" yerine "REST API endpoint'ine gelen GET request timeout oluyor, caching ekle veya pagination uygula" diyebilmek projeyi tamamen farklı bir seviyeye taşır.

Çeviri Analojisi

15 AI'ın Güncel Sınırları Current Limitations of AI

AI kodlama araçları inanılmaz güçlü olsa da, önemli sınırları vardır:

Karmaşık Projelerde Zorluk

AI, sıfırdan basit bir uygulama oluşturmakta (prototyping) son derece başarılıdır. Ancak proje büyüdükçe ve karmaşıklaştıkça zorluklar artar:

• Binlerce satır kodu olan projelerde mevcut yapıyı anlama ve tutarlı değişiklikler yapma zorlaşır.
• Context window sınırları nedeniyle AI tüm proje kodunu aynı anda değerlendiremez.
• Her iterasyonda (token) tüketimi artarak maliyet yükselir.
• Projeyi ilerletmek, güncellemek, mevcut tasarımla tutarlı yeni özellikler eklemek kısa bir prompt'la her zaman mümkün değildir.

Yenilikçilik Sınırı

• AI, eğitim verisindeki kalıpları (patterns) taklit eder. Gerçekten yeni ve özgün bir yaklaşım üretmek güçlü yanı değildir.
• Daha önce çok az yazılmış, niş alanlarda veya çok yeni teknolojilerde kalitesi düşer.

Optimallik

• AI her zaman en verimli (optimal) kodu yazmaz. Çalışan ama yavaş veya gereksiz karmaşık çözümler üretebilir.
• "Şu algoritmayı kullan" veya "bu veri yapısını tercih et" gibi yönlendirmelerle daha iyi sonuçlar elde edilebilir.

Güvenlik Endişeleri

• AI'ın ürettiği kodda güvenlik açıkları (vulnerabilities) bulunabilir.
• Hassas verilerin (API anahtarları, şifreler) yanlışlıkla koda eklenmesi riski vardır.
• Kodu incelemeden doğrudan üretime (production) almak tehlikeli olabilir.

16 Yazılım Mühendisliğinin Geleceği Future of Software Engineering

AI destekli kodlama araçları yazılım mühendisliğini dönüştürüyor. Geleceğe yönelik bazı öngörüler:

Öne Çıkacak Beceriler

1. Fikir ve Vizyon (Product Thinking): Neyin yapılması gerektiğini belirlemek, nasıl yapılacağından daha değerli hale gelecek. AI kodu yazabilir, ama ne yazılması gerektiğini belirleyemez.
2. Sistem Mimarisi (System Architecture): Büyük resimdeki tasarım kararları — hangi teknolojiler, nasıl bir yapı, hangi ödünleşmeler — AI'ın yetersiz kaldığı alan olmaya devam edecek.
3. Parçaları Birleştirme (Integration): Tıpkı Boeing'in uçak parçalarını bir araya getirmesi gibi, farklı modülleri, servisleri ve API'leri bir araya getirmek kritik bir beceri olacak.
4. Proje Yönetimi (Project Management): Geliştirme hızının artması, daha fazla projenin daha kısa sürede tamamlanması anlamına gelir. Bu projeleri yönetmek, önceliklendirmek ve zamanında teslim etmek önem kazanacak.
5. AI Araçlarını Etkili Kullanma: Hangi modeli ne zaman kullanacağını bilmek, doğru prompt'ları yazmak, AI'ın çıktısını değerlendirip yönlendirebilmek yeni bir beceri seti olarak öne çıkıyor.

17 Terimler Sözlüğü Glossary

Bu derslerde sıkça karşılaşacağınız teknik terimlerin Türkçe ve İngilizce karşılıkları:

🔤 Programlama Temelleri

🌐 Web ve Sistem Tasarımı

Bu terimleri bilmek, AI araçlarıyla çok daha etkili iletişim kurmanızı sağlar.

🤖 AI ve LLM Terimleri