Yapay zekâ öğrenmek isteyen bir öğrencinin karşısına çıkan ilk şey, içerik bolluğu. Yüzlerce kurs, onlarca teorik yol haritası, birbirini yadsıyan kariyer tavsiyeleri. Asıl soru "nereden başlamalı" değil; "hangi sırayla, hangi derinlikte ve hangi kanıtla" sorusu. Bu yazı, dört ana öğrenme yolunu güçlü ve zayıf yönleriyle karşılaştırıyor.

Dört Yol, Dört Farklı Vaat

Her yol farklı bir öğrenci profiline hitap ediyor ve bunu erken bilmek zaman kazandırıyor:

• Üniversite dersi: teori temeli sağlam; matematik ve derivasyonlara yatırım. Yavaş ama dayanıklı bir temel atıyor. Zayıf yanı: güncel araçlara yetişme gecikmesi.
• Çevrim içi kurslar: hızlı başlangıç, uygulama ağırlıklı. Zayıf yanı: sertifika ile iş gücü piyasası arasında dolaylı ilişki; gerçek kanıt, yaptığınız proje.
• Açık kaynak: en hızlı gerçek dünya deneyimi. Bir kütüphaneye hata düzeltmesi göndermek, onlarca dersten daha iyi bir portfolyo ögesi. Zayıf yanı: rehberlik yok, başlangıç eşiği yüksek.
• Staj ve laboratuvar: gerçek veri, gerçek baskı, gerçek takvim. En değerli öğrenme alanı ama kapasitesi sınırlı; kontenjan kuyruğu uzun.

Sıralama Sorunu: Nereden Başlamalı?

Öğrencilere verdiğimiz tavsiye, "önce X sonra Y" formülünden çok bir döngü: temel matematik ve programlamayı üniversite dersiyle ya da iyi bir ders kitabıyla kur; aynı dönemde küçük bir proje yapın; projede tıkandığınız yerde kurs ya da doküman okuyun; ürettiğiniz kodu her yerde gösterin. Kritik nokta, öğrenmeyi üretimle eş zamanlı tutmak. Yalnızca kurs bitiren öğrenci ile kurs bitirip üç küçük aracı yayınlayan öğrencinin portfolyosu, aynı kapıya gitmiyor.

Bir de dil meselesi var: teknik okuma gücü için İngilizce şart; ama ürettiğin projenin arayüzü ve dokümantasyonu için Türkçe kaynağın önemi de artıyor. Yerel toplulukların çevirileri ve ders notları, başlangıç eşiğini ciddi düşürüyor.

Bir de akademik dürüstlük boyutu var: modeli ders çalışırken düşünme partneri olarak kullanmak öğrenmeyi hızlandırıyor; ama ödevi baştan sona modele yazdırmak, sınav günü ortaya çıkan boşluğu büyütüyor. Öğrenciye küçük bir kural: not alırken ve soru sorarken modeli kullan; üretirken kendi cümleni kur, sonra modele okutup eleştirisini al. Sınırın okulun akademik dürüstlük yönergesinde yazılı olması şart; belirsizlikte suç, teknolojiye değil öğrenciye yüklenebiliyor.

Kanıt Olarak Portfolyo

Yapay zekâ alanında işverenin en çok baktığı şey, diplomanızın yanındaki kanıt kümesi. Bunun için üç öneri: projenizi bir problem etrafında kurun, veri kaynağını açık belirtin, sonuçlarınızı test edilebilir biçimde yayınlayın. Kuantum makine öğrenmesinden dil modellerine kadar her alanda okuyucu, kodunuzu çalıştırabilme imkânı bulmalı. Aynı şekilde sınıf arkadaşınızla yaptığınız küçük bir veri analizi bile, teorik bilgiden daha fazla konuşuyor: veriyi nasıl topladınız, modeli nasıl değerlendirdiniz, hata nedir?

Yapay zekâyı öğrenmek bir yarış değil, bir kompozisyon: teori, uygulama, topluluk ve kanıtların birbirine eklenmesi. En iyi başlangıç noktası, elinizde olan en gerçek problem. Onu bulun; geri kalanı takvime bağlı.