LLM Geliştirme
Türkçe dil modelleri için uçtan uca süreç: sentetik veri mühendisliği, LoRA/DPO fine-tuning, değerlendirme pipeline tasarımı ve on-prem dağıtım. Hugging Face, Unsloth, Qwen ve Gemma ailesiyle aktif deneyim.
Detaylar →👋 Merhaba, ben Tuba.
VERİDEN
ÖLÇÜLEBİLİR YAPAY ZEKÂYA.
Türkçe LLM'lerin neden başarısız olduğunu veri, model ve değerlendirme katmanlarında araştırıyorum. Bir modeli yalnızca eğitmekle yetinmiyor; verinin nerede kalite kaybettiğini, model davranışının hangi koşullarda değiştiğini ve kullanılan metriklerin gerçek performansı doğru yansıtıp yansıtmadığını sorguluyorum. Problemi teşhis ediyor, teknik seçenekleri karşılaştırıyor, seçtiğim yaklaşımın gerekçesini kuruyor ve sonucu ölçülebilir sistemlere dönüştürüyorum.
200.000+ satırlık eğitim verisi · 2B–27B model deneyleri · 200+ soruluk değerlendirme sistemleri
Merhaba! 👋
200K+
Satırlık eğitim verisi (MMX projesi)
%94
Format uyumu — otomatik doğrulama
200+
Soruluk değerlendirme benchmark'ı
2B–27B
Model karşılaştırma aralığı (Qwen)
UZMANLIK ALANLARI
AI Destekli
01
AI Destekli
Tasarım
Türkçe LLM geliştirme sürecini uçtan uca yürütüyorum: sentetik veri mühendisliği, LoRA/DPO fine-tuning, benchmark tasarımı ve on-prem dağıtım. Problemi teşhis eder, modelin neden başarısız olduğunu veri, mimari ve değerlendirme katmanlarında araştırırım.
NE YAPIYORUM
Veri ve Analitik
Ham veriyi anlamlı içgörüye dönüştürüyorum. Python ve Pandas ile veri temizleme ve kalite kontrolleri; GA4, Looker Studio ve Power BI ile karar verdiren dashboard'lar. Analitik geçmişimi LLM veri süreçlerine taşıyorum.
Projelerime bak →Web ve Otomasyon
Modern, kişiselleştirilmiş web siteleri ve n8n ile iş akışı otomasyonları. HTML/CSS/JavaScript ile fikirden canlı projeye. İkincil yetkinlik; ama her projede aktif olarak kullanıyorum.
Örneklere bak →
Portföy
SEÇİLMİŞ ÇALIŞMALAR
En öne çıkan üç projem. Tüm çalışmalar için Projeler sayfasına bak.
LLM Değerlendirme: Ölçüm Sistemi Modeli Küçük Gösteriyordu
- NEDEN
- Fine-tuning iterasyonları arasında model seçimi yapılırken kullandığımız değerlendirme sistemi güvenilir değildi; 12'den fazla metrik tutarsızlığı gerçek performansı yaklaşık 15 puan bastırıyordu.
- YAKLAŞIM
- Mevcut pipeline'daki her tutarsızlığı belgeledim; 200+ soruluk standart Türkçe benchmark tasarlayarak sistemi sıfırdan yeniden kurdum.
- ETKİ
- Sonraki tüm model karşılaştırmaları bu sisteme dayandı.
Yerel güvenli MVP · Sentetik veriler
Türkçe PII Korumalı Güvenli AI Chat
- PROBLEM
- AI chat sistemlerinde kullanıcıların yazdığı TCKN, IBAN, e-posta ve sipariş gibi kişisel verilerin model, log veya tarayıcı katmanlarına kontrolsüz biçimde taşınması güvenlik riski oluşturuyordu.
- YAKLAŞIM
- Türkçe PII'yı model çağrısından önce tespit eden; senaryoya göre placeholder veya şifreli token ile koruyan bir veri akışı geliştirdim. Token eşleşmelerini PostgreSQL üzerinde şifreli Vault'ta tuttum; yüksek riskli işlemleri ikinci kullanıcı onayına bağladım.
- ETKİ
- Tokenlaştırma, sipariş sorgulama, onaylı iptal ve e-posta simülasyonu uçtan uca çalıştı. Test edilen browser yüzeylerinde (DOM, API, console, storage, network) hassas veri sızıntısı görülmedi.
MMX: Türkçe Pazarlama LLM'i
- NEDEN
- Genel amaçlı LLM'ler Türkçe pazarlama metni üretirken tutarsız tonlama ve format hataları veriyordu; alana özgü bir model yoktu.
- YAKLAŞIM
- 12 farklı kategoride 200.000+ satırlık sentetik veri kurguladım; her kaydın format ve kalite kurallarına uygunluğunu otomatik doğrulayan bir JSONL pipeline tasarladım.
- ETKİ
- %94 format uyum oranı sağlandı.
Kısa Özet
HAKKIMDA
Benim için bir sistemin çalışması tek başına yeterli değil. Neden çalıştığını, nerede başarısız olduğunu ve ürettiği sonucun doğru ölçülüp ölçülmediğini anlamak istiyorum.
Mad Cat Labs'ta bu soruları Türkçe LLM geliştirme üzerinden yanıtlıyorum: veri kalitesi nerede bozuluyor, hangi metrikler gerçek performansı bastırıyor, model boyutunun etkisi tokenizer'daki boşluklardan mı geliyor? Bu teşhisler olmadan fine-tuning iterasyonları kör bir süreç.
Öğrendiklerimi Türkçe paylaşıyorum; yapay zekada Türkçe kaynak açığı büyük ve bu açığı kapatmaya katkıda bulunmak istiyorum.
Yayınlar
TEKNİK İÇERİKLER
Türkçe yapay zeka ve LLM geliştirme üzerine içerik üretiyorum. Karmaşık konuları sade, erişilebilir bir dile çeviriyorum.
@tubac3l1k
Yapay zeka ve teknoloji içerikleri. Türkçe gündelik paylaşımlar.
Medium Blog
LLM geliştirme, fine-tuning ve veri mühendisliği üzerine teknik yazılar.
Araç Kutusu
YETENEKLER
🤖 Yapay Zeka ve LLM
Hugging Face
Unsloth
LoRA / QLoRA
DPO
PEFT
Fine-tuning
Ollama
Open WebUI
F1 / BLEU / Perplexity
📊 Veri ve Analitik
Python
Pandas
JSONL
Sentetik Veri
SQL
GA4
Looker Studio
Power BI
🛠️ Altyapı ve Otomasyon
Docker
Linux
n8n
DGX Spark
Claude Code
Cursor
🎨 Web ve Tasarım
HTML / CSS / JS
Neobrutalism
Responsive
Figma
Kariyer
DENEYİM
Data & AI Associate
Mad Cat Labs
Şubat 2026 — Günümüz
5 kurumsal müşteri için AI ve analitik ürünleri 5 kişilik kadroyla uçtan uca teslim ettim: problem tanımı, kapsam, teslimat ve ölçüm. Ulusal perakende zinciri için 7 AI kullanım senaryosu tanımladım; tümü geliştirmeye alındı, 2 haftada çalışan demo müşterinin elindeydi. Lojistik operatörü için 3 günde demo, ardından 500 araç içi kamerayı sürekli izleyen görüntü analizi ürünü; tamamen manuel bir süreci otomasyona taşıdı. TÜBİTAK destekli pazarlama LLM'inde model seçim kararını yürüttüm: 4 Qwen 3.5 varyantını 500 soruluk benchmark ve LLM-as-judge yöntemiyle değerlendirdim; 27B model kazanamadı. Değerlendirme pipeline'ındaki 12 metrik tutarsızlığını tespit edip düzelttim. 200.000+ kayıt sentetik veri pipeline'ı tasarladım.
Senior Product Analytics & Marketing Specialist
Link Dijital
Şubat 2022 — Şubat 2026
10 marka için analitik ve performans ürünleri; 4 yılda kıdemli uzmana yükseldim, 5 kişilik ekipte yönetim sorumluluğu üstlendim. Ücretli edinim kampanyasında uygulama başı maliyeti 100 TL'den 7 TL'ye indirdim (%93 düşüş, 2 haftada): 4 kitle segmenti x 5 yaratıcı x 5 kopya kombinasyonu paralel test, Firebase ve AppsFlyer ile attribution doğrulaması. Müşteri yolculuğunu haritaladım, 6 davranışsal segment ve Mailchimp otomasyon akışı kurdum; tek B2B markada aylık 250 yeni müşteriye katkı sağladı. 10 markada otomatik Looker Studio raporu: 2 ayrı ekip raporlamayı bensiz kullandı.
Eğitim ve Sertifikalar
EĞİTİM & SERTİFİKALAR
İşletme Mühendisliği Yüksek Lisans (devam ediyor)
Yıldız Teknik Üniversitesi · Endüstri Mühendisliği
İşletme Lisans
Beykoz Üniversitesi · 2017 — 2022
Data Scientist Bootcamp (devam ediyor)
Data Science School
Advanced Fine-Tuning for LLMs
edX · IBM
Machine Learning A-Z: AI, Python and R
Udemy
Deep Learning and NLP A-Z
Udemy
Google Analytics 360
Google
İletişim
BİRLİKTE ÇALIŞALIM
Bir projen mi var, ya da sadece merhaba mı demek istiyorsun? Yazmaktan çekinme.
tubacelikk11@gmail.com