README.md

EdgeAI Başlangıç Seviyesi

Bu kaynakları kullanmaya başlamak için aşağıdaki adımları takip edin:

1. Depoyu Çatallayın: bağlantısına tıklayın.
2. Depoyu Klonlayın: git clone https://github.com/microsoft/edgeai-for-beginners.git
3. Azure AI Foundry Discord'a katılın ve uzmanlarla, diğer geliştiricilerle tanışın

🌐 Çoklu Dil Desteği

GitHub Action ile Destekleniyor (Otomatik ve Her Zaman Güncel)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Korean | Malay | Marathi | Nepali | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Ek dil desteği talep etmek isterseniz, desteklenen diller burada listelenmiştir.

Giriş

EdgeAI Başlangıç Seviyesi'ne hoş geldiniz – Edge Yapay Zeka'nın dönüştürücü dünyasına kapsamlı bir yolculuk. Bu kurs, güçlü yapay zeka yeteneklerini gerçek dünya uygulamalarıyla birleştirerek, verilerin üretildiği ve kararların alınması gerektiği yerlerde yapay zekanın potansiyelini kullanmanızı sağlar.

Neler Öğreneceksiniz

Bu kurs, temel kavramlardan üretime hazır uygulamalara kadar şu konuları kapsar:

• Küçük Dil Modelleri (SLM): Edge cihazlar için optimize edilmiş modeller
• Donanım odaklı optimizasyon: Çeşitli platformlarda performans artırımı
• Gerçek zamanlı çıkarım: Gizlilik koruma özellikleriyle
• Üretim dağıtımı: Kurumsal uygulamalar için stratejiler

EdgeAI Neden Önemli?

Edge AI, modern dünyadaki kritik sorunlara çözüm sunan bir paradigma değişimini temsil eder:

• Gizlilik ve Güvenlik: Hassas verileri buluta göndermeden yerel olarak işleyin
• Gerçek Zamanlı Performans: Zaman kritik uygulamalar için ağ gecikmesini ortadan kaldırın
• Maliyet Verimliliği: Bant genişliği ve bulut bilişim maliyetlerini azaltın
• Dayanıklı Operasyonlar: Ağ kesintileri sırasında işlevselliği koruyun
• Yasal Uyumluluk: Veri egemenliği gereksinimlerini karşılayın

Edge AI

Edge AI, yapay zeka algoritmalarını ve dil modellerini, verilerin üretildiği yere yakın bir donanımda çalıştırmayı ifade eder. Bulut kaynaklarına bağımlı olmadan çıkarım yapar, gecikmeyi azaltır, gizliliği artırır ve gerçek zamanlı karar almayı mümkün kılar.

Temel İlkeler:

• Cihaz üzerinde çıkarım: Yapay zeka modelleri telefonlar, yönlendiriciler, mikrodenetleyiciler, endüstriyel PC'ler gibi edge cihazlarda çalışır
• Çevrimdışı yetenek: Sürekli internet bağlantısı olmadan işlev görür
• Düşük gecikme süresi: Gerçek zamanlı sistemlere uygun anında yanıtlar
• Veri egemenliği: Hassas verileri yerel tutarak güvenliği ve uyumluluğu artırır

Küçük Dil Modelleri (SLM)

Phi-4, Mistral-7B ve Gemma gibi SLM'ler, daha büyük LLM'lerin optimize edilmiş versiyonlarıdır ve şu amaçlarla eğitilmiş veya damıtılmıştır:

• Daha düşük bellek kullanımı: Edge cihazların sınırlı belleğini verimli kullanır
• Daha düşük işlem talebi: CPU ve edge GPU performansı için optimize edilmiştir
• Daha hızlı başlangıç süreleri: Hızlı başlatma ile duyarlı uygulamalar sağlar

Bu modeller, aşağıdaki kısıtlamalara uygun güçlü NLP yeteneklerini açığa çıkarır:

• Gömülü sistemler: IoT cihazları ve endüstriyel kontrolörler
• Mobil cihazlar: Çevrimdışı yeteneklere sahip akıllı telefonlar ve tabletler
• IoT cihazları: Sınırlı kaynaklara sahip sensörler ve akıllı cihazlar
• Edge sunucuları: Sınırlı GPU kaynaklarına sahip yerel işlem birimleri
• Kişisel Bilgisayarlar: Masaüstü ve dizüstü bilgisayar dağıtım senaryoları

Kurs Modülleri ve Navigasyon

Modül	Konu	Odak Alanı	Ana İçerik	Seviye	Süre
📖 00	EdgeAI'ye Giriş	Temel ve Bağlam	EdgeAI Genel Bakış • Endüstri Uygulamaları • SLM Tanıtımı • Öğrenme Hedefleri	Başlangıç	1-2 saat
📚 01	EdgeAI Temelleri	Bulut ve Edge AI karşılaştırması	EdgeAI Temelleri • Gerçek Dünya Örnekleri • Uygulama Rehberi • Edge Dağıtımı	Başlangıç	3-4 saat
🧠 02	SLM Model Temelleri	Model aileleri ve mimarisi	Phi Ailesi • Qwen Ailesi • Gemma Ailesi • BitNET • μModel • Phi-Silica	Başlangıç	4-5 saat
🚀 03	SLM Dağıtım Uygulamaları	Yerel ve bulut dağıtımı	İleri Düzey Öğrenme • Yerel Ortam • Bulut Dağıtımı	Orta	4-5 saat
⚙️ 04	Model Optimizasyon Araçları	Çapraz platform optimizasyonu	Tanıtım • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • İş Akışı Sentezi	Orta	5-6 saat
🔧 05	SLMOps Üretim	Üretim operasyonları	SLMOps Tanıtımı • Model Damıtma • İnce Ayar • Üretim Dağıtımı	İleri	5-6 saat
🤖 06	AI Ajanları ve Fonksiyon Çağrısı	Ajan çerçeveleri ve MCP	Ajan Tanıtımı • Fonksiyon Çağrısı • Model Bağlam Protokolü	İleri	4-5 saat
💻 07	Platform Uygulaması	Çapraz platform örnekleri	AI Araç Seti • Foundry Local • Windows Geliştirme	İleri	3-4 saat
🏭 08	Foundry Local Araç Seti	Üretime hazır örnekler	Örnek uygulamalar (detaylar aşağıda)	Uzman	8-10 saat

🏭 Modül 08: Örnek Uygulamalar

• 01: REST Chat Hızlı Başlangıç
• 02: OpenAI SDK Entegrasyonu
• 03: Model Keşfi ve Karşılaştırma
• 04: Chainlit RAG Uygulaması
• 05: Çoklu Ajan Orkestrasyonu
• 06: Modeller-Aracı Yönlendirici
• 07: Doğrudan API İstemcisi
• 08: Windows 11 Sohbet Uygulaması
• 09: Gelişmiş Çoklu Ajan Sistemi
• 10: Foundry Araçlar Çerçevesi

📊 Öğrenme Yolculuğu Özeti

• Toplam Süre: 36-45 saat
• Başlangıç Seviyesi: Modüller 01-02 (7-9 saat)
• Orta Seviye: Modüller 03-04 (9-11 saat)
• İleri Seviye: Modüller 05-07 (12-15 saat)
• Uzman Seviyesi: Modül 08 (8-10 saat)

Neler İnşa Edeceksiniz

🎯 Temel Yetkinlikler

• Edge AI Mimarisi: Yerel öncelikli AI sistemleri tasarlayın, bulut entegrasyonu ile
• Model Optimizasyonu: Modelleri edge dağıtımı için kuantize edin ve sıkıştırın (%85 hız artışı, %75 boyut azaltımı)
• Çoklu Platform Dağıtımı: Windows, mobil, gömülü ve bulut-edge hibrit sistemleri
• Üretim Operasyonları: Edge AI'yi üretimde izleme, ölçeklendirme ve sürdürme

🏗️ Pratik Projeler

• Foundry Yerel Sohbet Uygulamaları: Model değiştirme özellikli Windows 11 yerel uygulaması
• Çoklu Ajan Sistemleri: Karmaşık iş akışları için uzman ajanlarla koordinatör
• RAG Uygulamaları: Yerel belge işleme ve vektör arama
• Model Yönlendiriciler: Görev analizine dayalı modeller arasında akıllı seçim
• API Çerçeveleri: Akış ve sağlık izleme özellikli üretime hazır istemciler
• Çapraz Platform Araçları: LangChain/Semantic Kernel entegrasyon desenleri

🏢 Endüstri Uygulamaları

Üretim • Sağlık • Otonom Araçlar • Akıllı Şehirler • Mobil Uygulamalar

Hızlı Başlangıç

Önerilen Öğrenme Yolu (Toplam 20-30 saat):

0. 📖 Giriş (Introduction.md): EdgeAI temelleri + endüstri bağlamı + öğrenme çerçevesi
1. 📚 Temel Bilgiler (Modüller 01-02): EdgeAI kavramları + SLM model aileleri
2. ⚙️ Optimizasyon (Modüller 03-04): Dağıtım + kuantizasyon çerçeveleri
3. 🚀 Üretim (Modüller 05-06): SLMOps + AI ajanları + fonksiyon çağırma
4. 💻 Uygulama (Modüller 07-08): Platform örnekleri + Foundry Local araç seti

Her modül teori, uygulamalı alıştırmalar ve üretime hazır kod örneklerini içerir.

Kariyer Etkisi

Teknik Roller: EdgeAI Çözüm Mimarı • ML Mühendisi (Edge) • IoT AI Geliştirici • Mobil AI Geliştirici

Sektörler: Endüstri 4.0 • Sağlık Teknolojileri • Otonom Sistemler • FinTech • Tüketici Elektroniği

Portföy Projeleri: Çoklu ajan sistemleri • Üretim RAG uygulamaları • Çapraz platform dağıtımı • Performans optimizasyonu

Depo Yapısı

edgeai-for-beginners/
├── 📖 introduction.md  # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/     # Fundamentals → SLMs → Deployment → Optimization  
├── 🔧 Module05-06/     # SLMOps → AI Agents → Function Calling
├── 💻 Module07/        # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/        # Foundry Local Toolkit + 10 Comprehensive Samples
│   ├── samples/01-06/  # Foundation: REST, SDK, RAG, Agents, Routing
│   └── samples/07-10/  # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/    # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md   # Structured learning paths & time allocation

Kursun Öne Çıkanları

✅ Aşamalı Öğrenme: Teori → Uygulama → Üretim dağıtımı
✅ Gerçek Vaka Çalışmaları: Microsoft, Japan Airlines, kurumsal uygulamalar
✅ Uygulamalı Örnekler: 50+ örnek, 10 kapsamlı Foundry Local demosu
✅ Performans Odaklı: %85 hız iyileştirmeleri, %75 boyut küçültmeleri
✅ Çoklu Platform: Windows, mobil, gömülü, bulut-edge hibrit
✅ Üretime Hazır: İzleme, ölçeklendirme, güvenlik, uyumluluk çerçeveleri

📖 Çalışma Kılavuzu Mevcut: Zaman tahsisi rehberi ve öz değerlendirme araçlarıyla yapılandırılmış 20 saatlik öğrenme yolu.

---

EdgeAI, AI dağıtımının geleceğini temsil ediyor: yerel odaklı, gizliliği koruyan ve verimli. Bu becerileri öğrenerek bir sonraki nesil akıllı uygulamaları geliştirin.

Diğer Kurslar

Ekibimiz başka kurslar da sunuyor! Göz atın:

• MCP for Beginners
• AI Agents For Beginners
• Generative AI for Beginners using .NET
• Generative AI for Beginners using JavaScript
• Generative AI for Beginners
• ML for Beginners
• Data Science for Beginners
• AI for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for AI Paired Programming
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---