[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"me":3,"catalog:tr:ai-engineer\u002Fllm-fundamentals":4,"config":193},null,{"field_key":5,"field_name":6,"seniority":7,"topic_key":8,"topic_name":9,"spec_key":7,"spec_name":7,"locale":10,"cell_total":11,"field_total":12,"seniorities":13,"topics":17,"specs":97,"samples":108},"ai-engineer","AI Engineer","","llm-fundamentals","Llm Fundamentals","tr",75,2025,[14,15,16],"junior","mid","senior",[18,21,24,27,30,33,36,39,42,45,48,51,54,57,60,63,66,69,70,73,76,79,82,85,88,91,94],{"key":19,"name":20,"count":11},"agents-tool-use","Agents Tool Use",{"key":22,"name":23,"count":11},"aimlops-deployment-strategies-ml","Aimlops Deployment Strategies Ml",{"key":25,"name":26,"count":11},"aimlops-experiment-tracking-reproducibility","Aimlops Experiment Tracking Reproducibility",{"key":28,"name":29,"count":11},"aimlops-feature-store-data-versioning","Aimlops Feature Store Data Versioning",{"key":31,"name":32,"count":11},"aimlops-ml-cicd-pipelines","Aimlops Ml Cicd Pipelines",{"key":34,"name":35,"count":11},"aimlops-model-monitoring-drift-detection","Aimlops Model Monitoring Drift Detection",{"key":37,"name":38,"count":11},"aimlops-model-versioning-registry","Aimlops Model Versioning Registry",{"key":40,"name":41,"count":11},"aipy-async-concurrency-ml-serving","Aipy Async Concurrency Ml Serving",{"key":43,"name":44,"count":11},"aipy-data-pipeline-dataloader","Aipy Data Pipeline Dataloader",{"key":46,"name":47,"count":11},"aipy-gpu-memory-management","Aipy Gpu Memory Management",{"key":49,"name":50,"count":11},"aipy-numpy-vectorization-broadcasting","Aipy Numpy Vectorization Broadcasting",{"key":52,"name":53,"count":11},"aipy-python-ml-packaging-environments","Aipy Python Ml Packaging Environments",{"key":55,"name":56,"count":11},"aipy-tensor-ops-autograd","Aipy Tensor Ops Autograd",{"key":58,"name":59,"count":11},"embeddings-vector-search","Embeddings Vector Search",{"key":61,"name":62,"count":11},"evaluation-testing","Evaluation Testing",{"key":64,"name":65,"count":11},"fine-tuning-adaptation","Fine Tuning Adaptation",{"key":67,"name":68,"count":11},"inference-serving","Inference Serving",{"key":8,"name":9,"count":11},{"key":71,"name":72,"count":11},"prompt-engineering","Prompt Engineering",{"key":74,"name":75,"count":11},"rag-chunking-indexing","Rag Chunking Indexing",{"key":77,"name":78,"count":11},"rag-embeddings-similarity","Rag Embeddings Similarity",{"key":80,"name":81,"count":11},"rag-evaluation","Rag Evaluation",{"key":83,"name":84,"count":11},"rag-generation-context","Rag Generation Context",{"key":86,"name":87,"count":11},"rag-reranking-fusion","Rag Reranking Fusion",{"key":89,"name":90,"count":11},"rag-retrieval","Rag Retrieval",{"key":92,"name":93,"count":11},"rag-retrieval-search","Rag Retrieval Search",{"key":95,"name":96,"count":11},"safety-guardrails","Safety Guardrails",[98,102,105],{"key":99,"name":100,"count":101},"llm-rag","LLM\u002FRAG",450,{"key":103,"name":104,"count":101},"mlops","MLOps",{"key":106,"name":107,"count":101},"python","Python",[109,127,141,154,167,180],{"id":110,"topic":9,"difficulty":111,"body":112,"options":113,"correct_key":121,"explanation":126},"019f5912-4626-76a7-97a3-91d1315a83e8",1,"Büyük dil modellerinde 'token' nedir?",[114,117,120,123],{"key":115,"text":116},"a","Modelin sinir ağı ağırlıkları içinde saklanan ve eğitim sırasında güncellenen bir parametre",{"key":118,"text":119},"b","Tek bir İngilizce kelime; her kelime her zaman tam olarak bir token'a karşılık gelir",{"key":121,"text":122},"c","Bir kelime, alt-kelime parçası ya da karakter dizisi gibi, tek bir birim olarak işlenen metin parçası",{"key":124,"text":125},"d","API'nin takip amacıyla her kullanıcı oturumuna atadığı benzersiz kimlik","Token, bir tokenizer'ın metni böldüğü temel birimdir; sözlüğe bağlı olarak tam kelime, kelimenin bir parçası, noktalama işareti hatta tek bir karakter olabilir. Token'lar her zaman tam kelimelerle örtüşmez ve oturum kimliği ya da model ağırlığıyla ilgisi yoktur.",{"id":128,"topic":9,"difficulty":129,"body":130,"options":131,"correct_key":118,"explanation":140},"019f5912-4629-765f-b4bf-fefbeb85c30f",2,"Bir geliştirici, aynı cümlenin İngilizce yazıldığında mı yoksa bileşik\u002Feklemeli kelimeleri çok olan bir dilde yazıldığında mı farklı sayıda token ürettiğini fark ediyor. Bunu en iyi ne açıklar?",[132,134,136,138],{"key":115,"text":133},"Tüm tokenizer'lar, dilden ya da sözlükten bağımsız olarak her kelimeye tam bir token garanti eder",{"key":118,"text":135},"Tokenizer'lar sözlüğünden öğrendiği örüntülere göre metni böler; bu yüzden token sayısı dile göre değişebilir",{"key":121,"text":137},"Token sayısı yalnızca toplam karakter sayısına bağlıdır, tokenizer sözlük tasarımıyla ilgisi yoktur",{"key":124,"text":139},"Bu tür bir davranış her zaman bir hatadır ve derhal model sağlayıcısına bildirilmelidir","Tokenizer sözlüğü eğitim verisi istatistiklerinden oluşturulur; bileşik kelimesi çok olan ya da sözlükte az geçen diller genellikle daha fazla ve daha küçük token'a bölünür. Bu beklenen bir tokenizer davranışıdır, hata ya da salt karakter-sayısı fonksiyonu değildir.",{"id":142,"topic":9,"difficulty":111,"body":143,"options":144,"correct_key":124,"explanation":153},"019f5912-462a-703d-a283-4ae164b46067","Bir modelin 'context window'u nedir?",[145,147,149,151],{"key":115,"text":146},"Tek bir kullanıcı hesabının günde yapabileceği konuşma turu sayısı",{"key":118,"text":148},"API altyapısının aynı anda karşılayabileceği paralel istek sayısı",{"key":121,"text":150},"Modelin özgün eğitim aşaması boyunca ayrılmış olan toplam GPU belleği miktarı",{"key":124,"text":152},"Modelin tek bir istekte, girdi artı çıktı olarak, dikkate alabildiği azami token sayısı","Context window, modelin tek bir çağrıda birlikte işleyebildiği token (prompt artı üretilen çıktı) sayısına konan katı bir sınırdır; bu sınırı aşan eski ya da fazla içerik düşürülmek zorundadır. Eşzamanlı istek sayısı, eğitim zamanı GPU belleği ya da günlük kullanım kotasıyla ilgisi yoktur.",{"id":155,"topic":9,"difficulty":129,"body":156,"options":157,"correct_key":124,"explanation":166},"019f5912-462a-7685-a15c-b2efaa67e89c","Bir uygulama uzun bir belge artı bir soruyu modele gönderiyor ve toplam token sayısı modelin context window'unu aşıyor. En olası sonuç nedir?",[158,160,162,164],{"key":115,"text":159},"Model, yanıtlamadan önce girdiyi arka planda otomatik olarak özetler",{"key":118,"text":161},"Model her şeyi sorunsuzca normal şekilde işler, yalnızca yanıt süresi biraz uzar",{"key":121,"text":163},"API, yalnızca o istek için context window sınırını sessizce yükseltir",{"key":124,"text":165},"İstek başarısız olur ya da girdi kırpılır ve anlamlı içerik kaybolabilir","Context window aşıldığında genellikle hata yanıtı döner ya da girdi kırpılmaya zorlanır; bu da belgenin veya sorunun önemli kısımlarının sessizce kaybolmasına neden olabilir. Context window istek başına sabit bir kısıttır; otomatik olarak özetlenmez ya da anlık genişletilmez.",{"id":168,"topic":9,"difficulty":129,"body":169,"options":170,"correct_key":121,"explanation":179},"019f5912-462a-7ef5-b496-6d279b85b449","Bir geliştirici, modelin büyük bir context window'a sahip olması nedeniyle, tamamen ayrı ve yeni bir oturumda başlayan bir konuşmadaki detayları 'hatırlayacağını' varsayıyor. Bu varsayım genellikle neden yanlıştır?",[171,173,175,177],{"key":115,"text":172},"Context window'lar aynı modeli kullanan tüm kullanıcılar ve tüm hesaplar arasında paylaşılır",{"key":118,"text":174},"Büyük context window'lar varsayılan olarak kapalıdır ve her yeni oturum için elle etkinleştirilmelidir",{"key":121,"text":176},"Context window yalnızca o anki isteğe dahil edilen token'ları kapsar ve ayrı oturumlar arasında kalıcı olmaz",{"key":124,"text":178},"Model, yanıt vermeden önce geçmiş oturumların tutulduğu dahili bir veritabanını otomatik olarak sorgular","Büyük bir context window sadece tek bir isteğe daha fazla token sığabileceği anlamına gelir; modele geçmiş oturumlara dair yerleşik bir hafıza kazandırmaz. Oturumlar arası süreklilik ancak uygulamanın önceki geçmişi veya retrieval ile getirilen bağlamı açıkça yeniden göndermesiyle sağlanabilir.",{"id":181,"topic":9,"difficulty":111,"body":182,"options":183,"correct_key":115,"explanation":192},"019f5912-462e-706f-b965-9f081bcd5cc7","Bir ekip, modelin aynı girdi için mümkün olduğunca hep aynı çıktıyı üretmesini istiyor; çeşitlilikten çok tekrarlanabilirliğe öncelik veriyor. Bu hedefe en uygun decoding yaklaşımı hangisidir?",[184,186,188,190],{"key":115,"text":185},"Her adımda en yüksek olasılıklı tek bir sonraki token'ı seçen greedy decoding",{"key":118,"text":187},"Geniş bir token aralığını keşfetmek için yüksek temperature ile sampling",{"key":121,"text":189},"Aday havuzunu genişletmek için top-p değerini üst sınırına yakın artırmak",{"key":124,"text":191},"Her üretim adımında oldukça geniş bir üst sıradaki token kümesinden rastgele örnekleme yapmak","Greedy decoding her zaman en olasılıklı sonraki token'ı seçtiği için tekrarlı çağrılarda tutarlılığı en üst düzeye çıkarır. Yüksek temperature, geniş top-p ya da geniş bir kümeden rastgele örnekleme ise bilerek çeşitlilik katar ve tekrarlanabilir çıktı hedefine ters düşer.",{"fields":194,"seniorities":372,"interview_shapes":373,"locales":378,"oauth":380,"question_count":383,"coach_enabled":384,"jd_match_enabled":384},[195,218,238,255,279,286,305,324,346,353,359,366],{"key":196,"name_tr":197,"name_en":197,"sort":111,"specializations":198},"backend","Backend",[199,202,205,206,209,212,215],{"key":200,"name":201,"field":196},"general","Genel",{"key":203,"name":204,"field":196},"go","Go",{"key":106,"name":107,"field":196},{"key":207,"name":208,"field":196},"java","Java",{"key":210,"name":211,"field":196},"csharp","C#\u002F.NET",{"key":213,"name":214,"field":196},"nodejs","Node.js",{"key":216,"name":217,"field":196},"php","PHP",{"key":219,"name_tr":220,"name_en":220,"sort":129,"specializations":221},"frontend","Frontend",[222,223,226,229,232,235],{"key":200,"name":201,"field":219},{"key":224,"name":225,"field":219},"javascript","JavaScript",{"key":227,"name":228,"field":219},"typescript","TypeScript",{"key":230,"name":231,"field":219},"react","React",{"key":233,"name":234,"field":219},"vue","Vue",{"key":236,"name":237,"field":219},"angular","Angular",{"key":239,"name_tr":240,"name_en":240,"sort":241,"specializations":242},"fullstack","Fullstack",3,[243,244,245,246,247,248,249,250,251,252,253,254],{"key":200,"name":201,"field":239},{"key":203,"name":204,"field":196},{"key":106,"name":107,"field":196},{"key":207,"name":208,"field":196},{"key":210,"name":211,"field":196},{"key":213,"name":214,"field":196},{"key":216,"name":217,"field":196},{"key":224,"name":225,"field":219},{"key":227,"name":228,"field":219},{"key":230,"name":231,"field":219},{"key":233,"name":234,"field":219},{"key":236,"name":237,"field":219},{"key":256,"name_tr":257,"name_en":257,"sort":258,"specializations":259},"devops-cloud","DevOps \u002F Cloud",4,[260,261,264,267,270,273,276],{"key":200,"name":201,"field":256},{"key":262,"name":263,"field":256},"aws","AWS",{"key":265,"name":266,"field":256},"gcp","GCP",{"key":268,"name":269,"field":256},"azure","Azure",{"key":271,"name":272,"field":256},"kubernetes","Kubernetes",{"key":274,"name":275,"field":256},"terraform","Terraform",{"key":277,"name":278,"field":256},"linux","Linux",{"key":5,"name_tr":6,"name_en":6,"sort":280,"specializations":281},5,[282,283,284,285],{"key":200,"name":201,"field":5},{"key":106,"name":107,"field":5},{"key":99,"name":100,"field":5},{"key":103,"name":104,"field":5},{"key":287,"name_tr":288,"name_en":289,"sort":290,"specializations":291},"database","Veritabanı","Database",6,[292,293,296,299,302],{"key":200,"name":201,"field":287},{"key":294,"name":295,"field":287},"postgresql","PostgreSQL",{"key":297,"name":298,"field":287},"mysql","MySQL",{"key":300,"name":301,"field":287},"mongodb","MongoDB",{"key":303,"name":304,"field":287},"redis","Redis",{"key":306,"name_tr":307,"name_en":308,"sort":309,"specializations":310},"mobile","Mobil","Mobile",7,[311,312,315,318,321],{"key":200,"name":201,"field":306},{"key":313,"name":314,"field":306},"ios-swift","iOS (Swift)",{"key":316,"name":317,"field":306},"android-kotlin","Android (Kotlin)",{"key":319,"name":320,"field":306},"flutter","Flutter",{"key":322,"name":323,"field":306},"react-native","React Native",{"key":325,"name_tr":326,"name_en":327,"sort":328,"specializations":329},"security","Güvenlik","Security",8,[330,331,334,337,340,343],{"key":200,"name":201,"field":325},{"key":332,"name":333,"field":325},"appsec","AppSec",{"key":335,"name":336,"field":325},"offensive-pentest","Offensive \u002F Pentest",{"key":338,"name":339,"field":325},"cloud-security","Cloud Security",{"key":341,"name":342,"field":325},"devsecops","DevSecOps",{"key":344,"name":345,"field":325},"blue-team-incident","Blue Team \u002F Incident",{"key":347,"name_tr":348,"name_en":349,"sort":350,"specializations":351},"qa-test-automation","QA \u002F Test Otomasyonu","QA \u002F Test Automation",9,[352],{"key":200,"name":201,"field":347},{"key":354,"name_tr":355,"name_en":355,"sort":356,"specializations":357},"data-engineer","Data Engineer",10,[358],{"key":200,"name":201,"field":354},{"key":360,"name_tr":361,"name_en":362,"sort":363,"specializations":364},"game-dev","Oyun Geliştirme","Game Development",11,[365],{"key":200,"name":201,"field":360},{"key":367,"name_tr":368,"name_en":368,"sort":369,"specializations":370},"ml-engineer","ML Engineer",12,[371],{"key":200,"name":201,"field":367},[14,15,16],{"junior":374,"mid":376,"senior":377},{"questions":375,"median_sec":3},20,{"questions":375,"median_sec":3},{"questions":375,"median_sec":3},[10,379],"en",[381,382],"google","github",21750,true]