Önsöz

Bu kitap kimin için

Bu kitap, ODTÜ’de verilen Uygulamalı NLP dersinden doğdu. Ders, başka disiplinlerden gelen mühendislere — kimya, endüstri, inşaat, elektrik — ve istatistik öğrencilerine veriliyor. Kitap, olasılıkla ve matematik hatırlatıcısındaki düzeyde doğrusal cebirle rahat olduğunuzu, temel Python bildiğinizi varsayar. Veri yapıları, algoritma dersleri ya da önceden makine öğrenmesi bilgisi varsaymaz.

Bu okur kitlesi, iki söz vermemizi gerektiriyor:

1. Önce istatistik. Her yeni fikir, derin öğrenmedeki adını almadan önce, zaten güvendiğiniz bir şeyin üzerinden anlatılıyor: kestiriciler, regresyon, ağırlıklı ortalamalar.
2. Uygulamalı, gerçekten uygulamalı. Her kısım, çalıştırabileceğiniz, değerlendirebileceğiniz ve kendi kurumunuzda savunabileceğiniz bir şeyle bitiyor.

Nasıl okunmalı

Kısım I ve II sıralıdır; geri kalan her şeyin dayandığı sözcük dağarcığını kurarlar. Kısım III’ten sonra bölümler büyük ölçüde bağımsızdır: ihtiyacınız olan görevi, LLM tekniğini ya da üretim sorununu seçin. Kısım V–VII, Kısım IV’ü varsayar. Etkileşimli şekiller tarayıcıda çalışır. Alıştırmalar az sayıdadır ve bilerek ucu açık bırakılmıştır — dersin ödevleri bunlardan türetilir.

Türkçe sürüm üzerine

Bu, İngilizce kitabın bir eki ya da ham çevirisi değil; ayrı bir baskıdır. Bunun iki pratik sonucu var.

Birincisi, örnekler mümkün olan her yerde Türkçedir. İngilizce baskının İngilizce küçük örnek derlemiyle yürüttüğü anlatımların çoğu burada Türkçe derlemlerle yürür ve bu anlatımlardaki sayılar Türkçe veri üzerinde yeniden hesaplanmıştır. Bazı klasik gösterimler ise İngilizce veriyle kaldı; örneğin BPE’nin küçük derlemi ve 20 Newsgroups üzerindeki ölçümler (Zipf eğrisi, sınıflandırma deneyi) İngilizce baskıdakilerle aynıdır. Türkçe yalnızca çevrilen dil değil, aynı zamanda araçların sınandığı dildir: bu kitabın tekrar eden bulgularından biri, standart araçların İngilizcenin dışında sessizce bozulmasıdır — hata vermeden, yalnızca daha kötü sonuç üreterek.

İkincisi, terminoloji için tek doğruluk kaynağı TR↔︎EN sözlüktür. Teknik terimler çoğunlukla İngilizce bırakılır ve her bölümde ilk geçtikleri yerde Türkçe karşılıklarıyla açıklanır: token, embedding (gömme), attention (dikkat), fine-tuning (ince ayar), baseline (karşılaştırma modeli), prompt gibi terimler metinde İngilizce kalır, Türkçe karşılık bir kez parantez içinde verilir. Sözlük, hangi terimde hangi yolun seçildiğini kayda geçirir; ◆ işareti, Türkçe teknik yazımda da genellikle İngilizce bırakılan terimleri gösterir.

Kod bloklarında izlenen kural şudur: kod yorumları Türkçeye çevrilir, çıktılar kodun gerçekten ürettiği metin olarak kalır. counts ya da cosine similarity: gibi etiketler betiklerin bastığı metindir; aynı kodu kendi makinenizde çalıştırdığınızda ekranda göreceğinizle birebir aynı kalsın diye hiçbir çıktı bloğu koddan bağımsız olarak düzeltilmedi. Kitabın kendi betiklerinin bastığı başlıklar bazı yerlerde Türkçeleştirildiyse print satırı da aynı biçimde değiştirildi; kütüphanelerin ürettiği ham çıktılar ise olduğu gibi, İngilizce kalır.

İki baskı yan yana ilerliyor; bir bölümün İngilizce kaynak metnine, o bölümün durum kutusundaki bağlantıdan ulaşabilirsiniz.

Güncellemeler üzerine

Bu yaşayan bir kitap. Önemli değişiklikler İngilizce sürümün güncelleme günlüğünde kaydediliyor ve Git geçmişi tam bir denetim izi tutuyor. Atıf verirken sürümü ve erişim tarihini yazın; nasıl yapılacağı Atıf, Lisans ve Künye sayfasında.

Teşekkür

Bu kitabın taslaklarını derste okuyup neyin anlaşılmadığını söyleyen ODTÜ öğrencilerine ve kitabın üzerine kurulduğu açık kaynak araçları yazan topluluklara — scikit-learn, gensim, Hugging Face, Quarto, Observable — teşekkür ederim.

Künye

Quarto ile yazıldı; etkileşimli şekiller Observable JS ile hazırlandı. Kaynak GitHub’da: metin CC BY 4.0, kod MIT lisanslı. Baskı kaydı, lisanslar ve atıf girdileri Atıf, Lisans ve Künye sayfasında.