{"id":30694,"date":"2025-09-30T23:01:59","date_gmt":"2025-09-30T20:01:59","guid":{"rendered":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/"},"modified":"2025-09-30T23:01:59","modified_gmt":"2025-09-30T20:01:59","slug":"aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali","status":"publish","type":"post","link":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/","title":{"rendered":"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali"},"content":{"rendered":"<p><body><\/p>\n<h1>C\u00f3mo constru\u00ed AulaLens en 24h y gan\u00e9 un MacBook en el proceso<\/h1>\n<p>E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24 saat gibi rekor s\u00fcrede AulaLens projesini hayata ge\u00e7irdim ve bir MacBook kazand\u0131m. H\u0131zl\u0131 geli\u015ftirme ve teknoloji entegrasyonu s\u0131rlar\u0131 burada! Bu heyecan verici macerada, k\u0131s\u0131tl\u0131 zaman\u0131n nas\u0131l yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ilham verdi\u011fini ve teknolojik bir fikrin nas\u0131l somut bir \u00fcr\u00fcne d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, bu 24 saatlik yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.<\/p>\n<p>Teknoloji d\u00fcnyas\u0131n\u0131n h\u0131z\u0131na ayak uydurmak, \u00f6zellikle de e\u011fitim gibi dinamik ve s\u00fcrekli geli\u015fen bir alanda, b\u00fcy\u00fck \u00f6nem ta\u015f\u0131yor. Bir g\u00fcn, \u00fcniversitemizde d\u00fczenlenen 24 saatlik bir hackathon etkinli\u011finin duyurusunu g\u00f6rd\u00fcm. Etkinli\u011fin amac\u0131, kat\u0131l\u0131mc\u0131lar\u0131n belirli bir problem etraf\u0131nda yenilik\u00e7i \u00e7\u00f6z\u00fcmler \u00fcretmesiydi. Benim akl\u0131ma tak\u0131lan sorun ise hep s\u0131n\u0131flardaki pasif kat\u0131l\u0131m ve \u00f6\u011frenci-e\u011fitmen aras\u0131ndaki etkile\u015fim eksikli\u011fi olmu\u015ftu. Geleneksel e\u011fitim ortamlar\u0131nda, \u00f6zellikle b\u00fcy\u00fck s\u0131n\u0131flarda, e\u011fitmenlerin her \u00f6\u011frenciyle birebir ilgilenmesi veya anl\u0131k geri bildirim almas\u0131 neredeyse imkans\u0131zd\u0131r. Bu durum, baz\u0131 \u00f6\u011frencilerin derse kat\u0131l\u0131m\u0131n\u0131 azalt\u0131rken, e\u011fitmenlerin de dersin genel dinamiklerini anlama yetene\u011fini k\u0131s\u0131tl\u0131yor.<\/p>\n<p>Bu problem \u00fczerinde d\u00fc\u015f\u00fcn\u00fcrken, yapay zeka ve g\u00f6r\u00fcnt\u00fc i\u015fleme teknolojilerinin e\u011fitim s\u00fcre\u00e7lerine nas\u0131l entegre edilebilece\u011fi konusunda bir fikir belirdi: AulaLens. Ad\u0131, &#8220;aula&#8221; (s\u0131n\u0131f) ve &#8220;lens&#8221; (mercek) kelimelerinin birle\u015fiminden geliyordu. Temel hedefi, s\u0131n\u0131f ortam\u0131ndaki \u00f6\u011frenci kat\u0131l\u0131m\u0131n\u0131 ve etkile\u015fimini art\u0131rmak, e\u011fitmenlere dersin gidi\u015fat\u0131 hakk\u0131nda anl\u0131k ve objektif veriler sunmakt\u0131. \u00d6rne\u011fin, bir \u00f6\u011frencinin ders s\u0131ras\u0131nda ne kadar dikkatli oldu\u011funu, hangi konularda daha \u00e7ok ilgi g\u00f6sterdi\u011fini veya ne zaman s\u0131k\u0131ld\u0131\u011f\u0131n\u0131 anlamak, ders materyallerini ve \u00f6\u011fretim stratejilerini ki\u015fiselle\u015ftirmek i\u00e7in paha bi\u00e7ilmez bir bilgi olabilirdi. Ancak bu kadar iddial\u0131 bir projeyi 24 saat gibi k\u0131sa bir s\u00fcrede hayata ge\u00e7irmek, ba\u015flarda imkans\u0131z gibi g\u00f6r\u00fcnse de, hackathon&#8217;un do\u011fas\u0131 gere\u011fi bu t\u00fcr \u00e7\u0131lg\u0131n fikirlerin pe\u015finden gitmek gerekiyordu. Bu k\u0131sa s\u00fcre, ayn\u0131 zamanda beni en verimli ve odaklanm\u0131\u015f \u015fekilde \u00e7al\u0131\u015fmaya iten temel motivasyon kayna\u011f\u0131 oldu. Bir MacBook kazanma ihtimali ise, bu zorlu s\u00fcreci g\u00f6ze almam i\u00e7in ek bir te\u015fvik olu\u015fturdu.<\/p>\n<h3>AulaLens Nedir ve E\u011fitim Teknolojilerinde Hangi Bo\u015flu\u011fu Doldurmay\u0131 Hedefliyor?<\/h3>\n<p>AulaLens, temelde yapay zeka destekli bir \u00f6\u011frenci kat\u0131l\u0131m ve dikkat analiz sistemidir. Bir s\u0131n\u0131f ortam\u0131nda veya online derslerde kullan\u0131lan bir kamera arac\u0131l\u0131\u011f\u0131yla \u00f6\u011frencilerin y\u00fcz ifadelerini, v\u00fccut dillerini ve genel etkile\u015fimlerini analiz eder. Bu analizler sayesinde, \u00f6\u011frencilerin derse olan ilgisini, anlamad\u0131\u011f\u0131 noktalar\u0131 veya s\u0131k\u0131ld\u0131\u011f\u0131 anlar\u0131 tespit edebilir. Elde edilen veriler, e\u011fitmenlere anl\u0131k olarak sunularak dersin ak\u0131\u015f\u0131n\u0131 iyile\u015ftirmelerine olanak tan\u0131r. \u00d6rne\u011fin, e\u011fer sistem bir\u00e7ok \u00f6\u011frencinin belirli bir konuda kafas\u0131n\u0131n kar\u0131\u015ft\u0131\u011f\u0131n\u0131 g\u00f6sterirse, e\u011fitmen konuyu tekrar a\u00e7\u0131klayabilir veya farkl\u0131 bir yakla\u015f\u0131m deneyebilir. Bu, geleneksel y\u00f6ntemlerle elde edilmesi zor olan, objektif ve nicel verilere dayal\u0131 bir geri bildirim mekanizmas\u0131 sa\u011flar.<\/p>\n<p>E\u011fitim teknolojileri pazar\u0131nda bir\u00e7ok \u00f6\u011frenme y\u00f6netim sistemi (LMS) ve online e\u011fitim platformu bulunsa da, anl\u0131k ve ki\u015fiselle\u015ftirilmi\u015f \u00f6\u011frenci dikkat analizi konusunda ciddi bir bo\u015fluk vard\u0131. Mevcut ara\u00e7lar genellikle s\u0131nav sonu\u00e7lar\u0131 veya kat\u0131l\u0131m say\u0131lar\u0131 gibi nicel verilere odaklan\u0131rken, \u00f6\u011frencilerin duygusal ve bili\u015fsel durumlar\u0131n\u0131 ger\u00e7ek zamanl\u0131 olarak izleyemiyorlard\u0131. AulaLens, bu bo\u015flu\u011fu doldurarak e\u011fitmenlere daha bilin\u00e7li kararlar alma yetene\u011fi kazand\u0131r\u0131yor ve \u00f6\u011frencilerin daha aktif, ki\u015fiselle\u015ftirilmi\u015f bir \u00f6\u011frenme deneyimi ya\u015famas\u0131n\u0131 hedefliyor. Bu sayede, sadece pasif bilgi aktar\u0131m\u0131 yerine, dinamik ve etkile\u015fimli bir \u00f6\u011frenme ortam\u0131 yarat\u0131lmas\u0131na katk\u0131da bulunuyor. B\u00f6ylece, hem \u00f6\u011frencilerin ba\u015far\u0131 oranlar\u0131 art\u0131r\u0131labilir hem de e\u011fitmenlerin ders kalitesi y\u00fckseltilebilir. Projenin potansiyeli, sadece akademik ba\u015far\u0131y\u0131 de\u011fil, ayn\u0131 zamanda \u00f6\u011frencilerin genel \u00f6\u011frenme motivasyonunu ve s\u0131n\u0131f i\u00e7i etkile\u015fimini de art\u0131rma noktas\u0131nda olduk\u00e7a y\u00fcksekti.<\/p>\n<h3>Zaman K\u0131s\u0131tl\u0131 Geli\u015ftirmenin Getirdi\u011fi Zorluklar ve F\u0131rsatlar<\/h3>\n<p>24 saatlik bir hackathon, proje geli\u015ftirme s\u00fcre\u00e7lerinde kar\u015f\u0131la\u015fabilece\u011finiz her t\u00fcrl\u00fc zorlu\u011fu s\u0131k\u0131\u015ft\u0131r\u0131lm\u0131\u015f bir zaman diliminde ya\u015faman\u0131z anlam\u0131na gelir. Bu t\u00fcr bir ortam, sizi sadece teknik yeteneklerinizle de\u011fil, ayn\u0131 zamanda problem \u00e7\u00f6zme h\u0131z\u0131n\u0131z, stres y\u00f6netimi becerileriniz ve ekip \u00e7al\u0131\u015fmas\u0131na yatk\u0131nl\u0131\u011f\u0131n\u0131zla da s\u0131nar. En b\u00fcy\u00fck zorluklardan biri, \u015f\u00fcphesiz zaman y\u00f6netimiydi. Bir fikir bulmaktan, bunu somut bir prototipe d\u00f6n\u00fc\u015ft\u00fcrmeye ve sunuma haz\u0131r hale getirmeye kadar her ad\u0131m i\u00e7in k\u0131s\u0131tl\u0131 bir zaman dilimine sahiptim. Bu durum, kapsam\u0131 daraltmay\u0131, temel \u00f6zelliklere odaklanmay\u0131 ve &#8220;minimum uygulanabilir \u00fcr\u00fcn&#8221; (MVP) felsefesini benimsemeyi zorunlu k\u0131ld\u0131. Karma\u015f\u0131k algoritmalar veya m\u00fckemmel bir kullan\u0131c\u0131 aray\u00fcz\u00fc pe\u015finde ko\u015fmak yerine, sistemin \u00e7ekirdek i\u015flevselli\u011fini olabildi\u011fince h\u0131zl\u0131 ve hatas\u0131z bir \u015fekilde hayata ge\u00e7irmeye \u00f6ncelik verdim. \u00d6rne\u011fin, y\u00fcz tan\u0131ma i\u00e7in s\u0131f\u0131rdan bir algoritma geli\u015ftirmek yerine, mevcut ve a\u00e7\u0131k kaynakl\u0131 k\u00fct\u00fcphanelerden yararlanmak hayati \u00f6nem ta\u015f\u0131yordu.<\/p>\n<p>Ancak bu zorluklar, ayn\u0131 zamanda b\u00fcy\u00fck f\u0131rsatlar\u0131 da beraberinde getirdi. K\u0131s\u0131tl\u0131 zaman, yarat\u0131c\u0131l\u0131\u011f\u0131 ve yenilik\u00e7i d\u00fc\u015f\u00fcnceyi tetikler. H\u0131zl\u0131 karar alma, esneklik ve pragmatik \u00e7\u00f6z\u00fcmler \u00fcretme yetene\u011fi bu s\u00fcre\u00e7te \u00f6n plana \u00e7\u0131kt\u0131. Genellikle haftalar s\u00fcrebilecek tasar\u0131m ve geli\u015ftirme s\u00fcre\u00e7leri, birka\u00e7 saat i\u00e7ine s\u0131\u011fd\u0131r\u0131lmak zorundayd\u0131. Bu, beni daha \u00e7ok mod\u00fcler bile\u015fenler kullanmaya, mevcut ara\u00e7lar\u0131 adapte etmeye ve gereksiz detaylardan ka\u00e7\u0131nmaya itti. Ayr\u0131ca, hackathon ortam\u0131n\u0131n getirdi\u011fi ortak ruh ve rekabet\u00e7i atmosfer, y\u00fcksek motivasyon sa\u011flaman\u0131n yan\u0131 s\u0131ra, gerekti\u011finde di\u011fer kat\u0131l\u0131mc\u0131lardan veya mentorlardan h\u0131zl\u0131 geri bildirim ve destek alma imkan\u0131 da sundu. Bu yo\u011fun s\u00fcre\u00e7, sadece bir \u00fcr\u00fcn ortaya \u00e7\u0131karmakla kalmad\u0131, ayn\u0131 zamanda benim h\u0131zl\u0131 prototipleme, kriz y\u00f6netimi ve odaklanm\u0131\u015f geli\u015ftirme becerilerimi de inan\u0131lmaz derecede geli\u015ftirdi. \u0130\u015fte bu y\u00fczden, AulaLens projesini 24 saatte tamamlayabilmem, sadece teknik bir ba\u015far\u0131dan \u00f6te, ki\u015fisel geli\u015fimimde de \u00f6nemli bir d\u00f6n\u00fcm noktas\u0131 oldu.<\/p>\n<h2>AulaLens&#8217;in Mimarisini Kurgulamak: 24 Saatlik Geli\u015ftirme S\u00fcrecinin Teknik Detaylar\u0131<\/h2>\n<p>AulaLens gibi yapay zeka odakl\u0131 bir projenin 24 saatte geli\u015ftirilmesi, dikkatli bir mimari planlama ve do\u011fru teknoloji se\u00e7imleri gerektiriyordu. S\u00fcrecin ba\u015f\u0131nda, projenin temel bile\u015fenlerini ve bunlar\u0131n nas\u0131l etkile\u015fime girece\u011fini belirledim. Kar\u015f\u0131ma \u00e7\u0131kan ana mimari, bir arka u\u00e7 (backend) sunucusu, bir \u00f6n u\u00e7 (frontend) aray\u00fcz\u00fc ve bunlar aras\u0131nda veri al\u0131\u015fveri\u015fini sa\u011flayacak bir API yap\u0131s\u0131ndan olu\u015fuyordu. Arka u\u00e7, g\u00f6r\u00fcnt\u00fc i\u015fleme ve yapay zeka analizlerini \u00fcstlenirken, \u00f6n u\u00e7 kullan\u0131c\u0131lar\u0131n sistemi kolayca kullanabilece\u011fi bir aray\u00fcz sunacakt\u0131. Bu ayr\u0131m, her bir bile\u015fenin kendi \u00f6zel g\u00f6revine odaklanmas\u0131n\u0131 sa\u011flayarak geli\u015ftirme s\u00fcrecini h\u0131zland\u0131rd\u0131 ve potansiyel hatalar\u0131 minimize etti. \u00d6zellikle zaman k\u0131s\u0131tl\u0131 projelerde, bu t\u00fcr mod\u00fcler yakla\u015f\u0131mlar b\u00fcy\u00fck avantaj sa\u011flar, \u00e7\u00fcnk\u00fc her bir par\u00e7a \u00fczerinde paralel olarak veya farkl\u0131 uzmanl\u0131k alanlar\u0131na g\u00f6re \u00e7al\u0131\u015fmak m\u00fcmk\u00fcn hale gelir. Ayr\u0131ca, a\u00e7\u0131k kaynakl\u0131 k\u00fct\u00fcphanelerden ve framework&#8217;lerden maksimum d\u00fczeyde yararlanmak, tekerle\u011fi yeniden icat etme y\u00fck\u00fcn\u00fc ortadan kald\u0131rarak projenin ilerlemesini ciddi \u015fekilde h\u0131zland\u0131rd\u0131. \u0130\u015fte bu stratejik kararlar, 24 saatlik maratonun teknik omurgas\u0131n\u0131 olu\u015fturdu.<\/p>\n<p>Teknoloji se\u00e7imi konusunda, arka u\u00e7 i\u00e7in Python ve Flask&#8217;\u0131 tercih ettim. Python, yapay zeka ve makine \u00f6\u011frenimi k\u00fct\u00fcphaneleri a\u00e7\u0131s\u0131ndan olduk\u00e7a zengin oldu\u011fu i\u00e7in do\u011fal bir se\u00e7imdi. Flask ise, hafifli\u011fi ve h\u0131zl\u0131 prototiplemeye uygun yap\u0131s\u0131yla API servislerini \u00e7ok k\u0131sa s\u00fcrede aya\u011fa kald\u0131rmam\u0131 sa\u011flad\u0131. G\u00f6r\u00fcnt\u00fc i\u015fleme g\u00f6revleri i\u00e7in OpenCV ve dlib gibi g\u00fc\u00e7l\u00fc k\u00fct\u00fcphanelerden faydaland\u0131m. \u00d6n u\u00e7 taraf\u0131nda ise, modern web uygulamalar\u0131 geli\u015ftirmek i\u00e7in pop\u00fcler olan React k\u00fct\u00fcphanesini kulland\u0131m. React, bile\u015fen tabanl\u0131 yap\u0131s\u0131yla h\u0131zl\u0131 UI geli\u015ftirme imkan\u0131 sunarken, kullan\u0131c\u0131 deneyimini de \u00f6n planda tutmam\u0131 sa\u011flad\u0131. CSS ve HTML ile birlikte, mobil uyumlu ve estetik bir aray\u00fcz tasarlamak hedeflerim aras\u0131ndayd\u0131. T\u00fcm bu bile\u015fenler, RESTful API&#8217;ler arac\u0131l\u0131\u011f\u0131yla birbiriyle ileti\u015fim kuracak \u015fekilde tasarland\u0131. Veri ak\u0131\u015f\u0131, \u00f6n u\u00e7tan gelen video ak\u0131\u015f\u0131n\u0131n arka uca g\u00f6nderilmesi, orada i\u015flenmesi ve analiz sonu\u00e7lar\u0131n\u0131n tekrar \u00f6n uca d\u00f6nd\u00fcr\u00fclmesi \u015feklinde i\u015fleyecekti. Bu mimari, projenin \u00e7ekirdek i\u015flevselli\u011fini h\u0131zl\u0131ca hayata ge\u00e7irmem i\u00e7in gerekli esnekli\u011fi ve g\u00fcc\u00fc sa\u011flad\u0131. Her a\u015famada, olabildi\u011fince basit ve i\u015flevsel \u00e7\u00f6z\u00fcmlere odaklanarak zaman\u0131 en verimli \u015fekilde kullanmaya \u00e7al\u0131\u015ft\u0131m. Bu sayede, 24 saatlik maratonun sonunda \u00e7al\u0131\u015fan, demo edilebilir bir prototip sunabildim.<\/p>\n<h3>Arka U\u00e7 Geli\u015ftirme: Yapay Zeka Kalbi Nas\u0131l Atar?<\/h3>\n<p>AulaLens&#8217;in kalbi, arka u\u00e7ta at\u0131yordu; burada g\u00f6r\u00fcnt\u00fcler i\u015fleniyor, y\u00fczler alg\u0131lan\u0131yor ve duygu analizi yap\u0131l\u0131yordu. Python, bu g\u00f6revler i\u00e7in bi\u00e7ilmi\u015f kaftand\u0131. \u00d6ncelikle, Flask ile basit bir web sunucusu kurdum. Bu sunucu, \u00f6n u\u00e7tan gelen video ak\u0131\u015f\u0131n\u0131 alacak, i\u015fleyecek ve analiz sonu\u00e7lar\u0131n\u0131 geri g\u00f6nderecekti. \u0130lk ad\u0131m, HTTP POST istekleri ile video karelerini almak i\u00e7in bir endpoint tan\u0131mlamakt\u0131. Ard\u0131ndan, gelen her kare \u00fczerinde y\u00fcz alg\u0131lama i\u015flemini ger\u00e7ekle\u015ftirmem gerekiyordu. Bunun i\u00e7in OpenCV&#8217;nin Haar Cascade s\u0131n\u0131fland\u0131r\u0131c\u0131s\u0131n\u0131 veya daha geli\u015fmi\u015f olan dlib k\u00fct\u00fcphanesini kullanabilirdim. Hackathon s\u00fcresince dlib&#8217;in daha hassas sonu\u00e7lar verdi\u011fini fark ettim ve y\u00fcz tan\u0131ma i\u00e7in dlib&#8217;i tercih ettim. Ancak, 24 saat gibi k\u0131s\u0131tl\u0131 bir s\u00fcrede model e\u011fitimi yapmak m\u00fcmk\u00fcn olmad\u0131\u011f\u0131ndan, \u00f6nceden e\u011fitilmi\u015f bir y\u00fcz tan\u0131ma modeli kullanmak zorundayd\u0131m. Duygu analizi i\u00e7in de benzer bir yakla\u015f\u0131m izledim ve \u00f6nceden e\u011fitilmi\u015f bir Evri\u015fimsel Sinir A\u011f\u0131 (CNN) modelinden yararland\u0131m. Bu model, alg\u0131lanan her y\u00fczdeki temel duygular\u0131 (mutluluk, \u00fcz\u00fcnt\u00fc, \u015fa\u015fk\u0131nl\u0131k, \u00f6fke vb.) tespit edebiliyordu. Bu sayede, her \u00f6\u011frencinin anl\u0131k duygu durumunu izlemek m\u00fcmk\u00fcn hale geldi.<\/p>\n<pre><code>\n# Flask ile basit bir video i\u015fleme endpoint'i\nfrom flask import Flask, request, jsonify\nimport cv2\nimport dlib\nimport numpy as np\nimport base64\n\napp = Flask(__name__)\n\n# Dlib y\u00fcz dedekt\u00f6r\u00fc ve \u00f6nceden e\u011fitilmi\u015f duygu analiz modeli y\u00fckle\ndetector = dlib.get_frontal_face_detector()\n# Duygu analiz modeli i\u00e7in bir y\u00fckleme fonksiyonu varsayal\u0131m\n# model = load_emotion_detection_model('path\/to\/emotion_model.hdf5') \n# Bu k\u0131s\u0131m sadece konsepti g\u00f6stermek i\u00e7indir. Ger\u00e7ek bir model y\u00fcklemesi gereklidir.\n\n@app.route('\/analyze_frame', methods=['POST'])\ndef analyze_frame():\n    data = request.json['image']\n    # Base64 string'i decode ederek numpy array'e d\u00f6n\u00fc\u015ft\u00fcr\n    nparr = np.frombuffer(base64.b64decode(data), np.uint8)\n    frame = cv2.imdecode(nparr, cv2.IMREAD_COLOR)\n\n    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)\n    faces = detector(gray) # Y\u00fczleri tespit et\n\n    results = []\n    for face in faces:\n        x, y, w, h = face.left(), face.top(), face.width(), face.height()\n        # Y\u00fcz b\u00f6lgesini k\u0131rp ve duygu analizi yap (\u00f6rnek)\n        face_roi = gray[y:y+h, x:x+w]\n        # emotion = predict_emotion(face_roi, model) # Ger\u00e7ek duygu tahmini\n        emotion = \"Neutral\" # Basit bir placeholder\n\n        results.append({\n            'bbox': [x, y, w, h],\n            'emotion': emotion\n        })\n    return jsonify(results)\n\nif __name__ == '__main__':\n    app.run(debug=True)\n    <\/pre>\n<p><\/code><\/p>\n<p>Yukar\u0131daki kod blo\u011fu, Flask backend'inin temel yap\u0131s\u0131n\u0131 g\u00f6stermektedir. Gelen Base64 kodlu g\u00f6r\u00fcnt\u00fc verisini i\u015fleyip, dlib ile y\u00fczleri alg\u0131l\u0131yor ve her bir y\u00fcz i\u00e7in duygu analizi (\u015fimdilik basitle\u015ftirilmi\u015f bir yer tutucu ile) yap\u0131yor. Ancak, 24 saatlik s\u00fcrede en b\u00fcy\u00fck zorluk, performans ve do\u011fruluk aras\u0131ndaki dengeyi bulmakt\u0131. \u00c7ok karma\u015f\u0131k modeller, i\u015flem s\u00fcresini uzatabilir ve sistemin ger\u00e7ek zamanl\u0131 \u00e7al\u0131\u015fmas\u0131n\u0131 engelleyebilirdi. Bu nedenle, olabildi\u011fince optimize edilmi\u015f, ancak yine de kabul edilebilir do\u011frulukta sonu\u00e7lar veren modelleri tercih ettim. Ayr\u0131ca, modelin s\u0131n\u0131f ortam\u0131nda kar\u015f\u0131la\u015fabilece\u011fi farkl\u0131 \u0131\u015f\u0131k ko\u015fullar\u0131, y\u00fcz a\u00e7\u0131lar\u0131 ve \u00f6\u011frenci \u00e7e\u015fitlili\u011fi gibi durumlar\u0131 en az\u0131ndan ba\u015flang\u0131\u00e7 seviyesinde ele alabilecek robust bir yap\u0131 kurmaya \u00e7al\u0131\u015ft\u0131m. Bu vaka analizinde, \u00f6zellikle y\u00fcz tan\u0131ma algoritmalar\u0131n\u0131n d\u00fc\u015f\u00fck \u0131\u015f\u0131k ko\u015fullar\u0131nda veya k\u0131smen gizlenmi\u015f y\u00fczlerde g\u00f6sterdi\u011fi performans kritik bir noktayd\u0131. Bu t\u00fcr senaryolar i\u00e7in, g\u00f6r\u00fcnt\u00fc \u00f6n i\u015fleme ad\u0131mlar\u0131 (parlakl\u0131k ve kontrast ayar\u0131 gibi) eklemek, sistemin genel ba\u015far\u0131s\u0131n\u0131 art\u0131rmada \u00f6nemli rol oynad\u0131. Sonu\u00e7 olarak, yapay zeka kalbini olu\u015fturan bu arka u\u00e7, AulaLens'in temel i\u015flevselli\u011fini sa\u011flayan en kritik bile\u015fendi.<\/p>\n<div class=\"expert-tip\">\n      Uzman \u0130pucu: Ger\u00e7ek zamanl\u0131 yapay zeka uygulamalar\u0131nda, GPU h\u0131zland\u0131rmas\u0131ndan faydalanmak performans\u0131 \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131r\u0131r. Hackathon ortam\u0131nda bu her zaman m\u00fcmk\u00fcn olmasa da, daha b\u00fcy\u00fck projeler i\u00e7in NVIDIA CUDA veya TensorFlow\/PyTorch gibi k\u00fct\u00fcphanelerin GPU destekli s\u00fcr\u00fcmlerini kullanmak hayati \u00f6neme sahiptir.\n    <\/div>\n<h3>\u00d6n U\u00e7 Geli\u015ftirme: Sezgisel Bir Kullan\u0131c\u0131 Aray\u00fcz\u00fc Olu\u015fturmak<\/h3>\n<p>AulaLens'in \u00f6n ucu, kullan\u0131c\u0131lar\u0131n sistemi kolayca y\u00f6netebilece\u011fi ve analiz sonu\u00e7lar\u0131n\u0131 anl\u0131k olarak g\u00f6rebilece\u011fi bir aray\u00fcz sunmak zorundayd\u0131. Bu, sadece estetik a\u00e7\u0131dan ho\u015f de\u011fil, ayn\u0131 zamanda i\u015flevsel ve sezgisel bir tasar\u0131m gerektiriyordu. React, bile\u015fen tabanl\u0131 yap\u0131s\u0131 sayesinde h\u0131zl\u0131 UI geli\u015ftirme ve y\u00f6netilebilir kod taban\u0131 olu\u015fturma konusunda b\u00fcy\u00fck avantajlar sundu. Projenin ana bile\u015feni, taray\u0131c\u0131dan canl\u0131 video ak\u0131\u015f\u0131n\u0131 al\u0131p bunu arka uca g\u00f6nderecek ve gelen analiz sonu\u00e7lar\u0131n\u0131 ekranda g\u00f6sterecek bir video oynat\u0131c\u0131yd\u0131. Bu s\u00fcre\u00e7 i\u00e7in HTML5'in <code><video><\/code> ve <code><canvas><\/code> elementlerini kulland\u0131m. Video ak\u0131\u015f\u0131n\u0131 almak i\u00e7in <code>navigator.mediaDevices.getUserMedia()<\/code> API'sinden faydaland\u0131m, bu sayede kullan\u0131c\u0131n\u0131n kameras\u0131ndan canl\u0131 g\u00f6r\u00fcnt\u00fc alabiliyordum. Al\u0131nan her kare, bir <code><canvas><\/code> elementine \u00e7iziliyor, ard\u0131ndan bu kanvas\u0131n i\u00e7eri\u011fi Base64 format\u0131nda bir resim olarak arka uca POST iste\u011fi ile g\u00f6nderiliyordu. Arka u\u00e7tan d\u00f6nen y\u00fcz koordinatlar\u0131 ve duygu bilgileri ise, yine ayn\u0131 <code><canvas><\/code> \u00fczerinde y\u00fczlerin etraf\u0131na kutular \u00e7izerek ve duygu etiketlerini ekleyerek g\u00f6rselle\u015ftiriliyordu.<\/p>\n<pre><code>\n\/\/ React bile\u015feni i\u00e7erisinde video ak\u0131\u015f\u0131 ve analiz g\u00f6nderimi\nimport React, { useRef, useEffect, useState } from 'react';\nimport axios from 'axios';\n\nfunction VideoAnalyzer() {\n  const videoRef = useRef(null);\n  const canvasRef = useRef(null);\n  const [analysisResults, setAnalysisResults] = useState([]);\n\n  useEffect(() => {\n    \/\/ Kameradan video ak\u0131\u015f\u0131n\u0131 al\n    navigator.mediaDevices.getUserMedia({ video: true })\n      .then(stream => {\n        videoRef.current.srcObject = stream;\n        videoRef.current.play();\n      })\n      .catch(err => console.error(\"Kamera eri\u015fim hatas\u0131:\", err));\n\n    \/\/ Her 100ms'de bir kare yakalay\u0131p backend'e g\u00f6nder\n    const intervalId = setInterval(() => {\n      const video = videoRef.current;\n      const canvas = canvasRef.current;\n      if (video && canvas) {\n        const context = canvas.getContext('2d');\n        canvas.width = video.videoWidth;\n        canvas.height = video.videoHeight;\n        context.drawImage(video, 0, 0, canvas.width, canvas.height);\n\n        \/\/ Kanvas i\u00e7eri\u011fini Base64 olarak al ve backend'e g\u00f6nder\n        const imageData = canvas.toDataURL('image\/jpeg').split(',')[1];\n        axios.post('http:\/\/localhost:5000\/analyze_frame', { image: imageData })\n          .then(response => {\n            setAnalysisResults(response.data);\n          })\n          .catch(error => console.error(\"Analiz hatas\u0131:\", error));\n      }\n    }, 100); \/\/ 10 FPS (100ms aral\u0131klarla)\n\n    return () => clearInterval(intervalId);\n  }, []);\n\n  useEffect(() => {\n    \/\/ Analiz sonu\u00e7lar\u0131n\u0131 canvas \u00fczerinde \u00e7iz\n    const canvas = canvasRef.current;\n    const context = canvas.getContext('2d');\n    context.clearRect(0, 0, canvas.width, canvas.height); \/\/ \u00d6nceki \u00e7izimleri temizle\n    context.drawImage(videoRef.current, 0, 0, canvas.width, canvas.height); \/\/ Video karesini tekrar \u00e7iz\n\n    analysisResults.forEach(result => {\n      const [x, y, w, h] = result.bbox;\n      context.beginPath();\n      context.rect(x, y, w, h);\n      context.lineWidth = 2;\n      context.strokeStyle = 'red';\n      context.stroke();\n      context.fillStyle = 'red';\n      context.fillText(result.emotion, x, y - 10);\n    });\n  }, [analysisResults]);\n\n  return (\n    <div>\n      <video ref={videoRef} style={{ display: 'none' }} \/>\n      <canvas ref={canvasRef} style={{ width: '100%', maxWidth: '640px' }} \/>\n    <\/div>\n  );\n}\n\nexport default VideoAnalyzer;\n    <\/pre>\n<p><\/code><\/p>\n<p>Kullan\u0131c\u0131 aray\u00fcz\u00fcn\u00fc tasarlarken, \u00f6zellikle mobil uyumlulu\u011fu g\u00f6z \u00f6n\u00fcnde bulundurdum. Hackathon'un j\u00fcri \u00fcyeleri genellikle projeleri farkl\u0131 cihazlarda test etmeyi severlerdi. Bu nedenle, web sayfas\u0131n\u0131n farkl\u0131 ekran boyutlar\u0131na dinamik olarak uyum sa\u011flamas\u0131 kritikti. CSS Media Query'leri kullanarak responsive bir tasar\u0131m olu\u015fturdum. Bu, sayfan\u0131n mobil cihazlarda da kullan\u0131labilir ve eri\u015filebilir olmas\u0131n\u0131 sa\u011flad\u0131, ki bu da kullan\u0131c\u0131 deneyimi a\u00e7\u0131s\u0131ndan b\u00fcy\u00fck bir art\u0131yd\u0131. \u00d6rne\u011fin, daha k\u00fc\u00e7\u00fck ekranlarda video ve analiz alanlar\u0131n\u0131n boyutlar\u0131 k\u00fc\u00e7\u00fclt\u00fclerek veya dikey olarak hizalanarak i\u00e7eri\u011fin okunabilirli\u011fi art\u0131r\u0131ld\u0131. Ayr\u0131ca, arka u\u00e7tan gelen detayl\u0131 analiz verilerini g\u00f6sterecek basit grafikler veya \u00f6zet paneller eklemek, projenin sundu\u011fu de\u011feri daha anla\u015f\u0131l\u0131r k\u0131ld\u0131. Kullan\u0131c\u0131 aray\u00fcz\u00fcn\u00fcn basitli\u011fi ve i\u015flevselli\u011fi, sadece teknik bir g\u00f6sterimden \u00f6te, ger\u00e7ek bir \u00fcr\u00fcn deneyimi sunarak j\u00fcriyi etkileme potansiyeli ta\u015f\u0131yordu. Bu sayede, AulaLens sadece bir konsept olmaktan \u00e7\u0131k\u0131p, dokunulabilir ve kullan\u0131labilir bir prototipe d\u00f6n\u00fc\u015ft\u00fc.<\/p>\n<pre><code>\n\/* Mobil uyumlu tasar\u0131m i\u00e7in CSS Media Query \u00f6rne\u011fi *\/\n@media (max-width: 768px) {\n  body {\n    padding: 10px;\n  }\n  canvas {\n    width: 100% !important;\n    height: auto !important;\n  }\n  h2, h3 {\n    font-size: 1.2em;\n  }\n  .expert-tip {\n    font-size: 0.9em;\n    padding: 10px;\n  }\n}\n    <\/pre>\n<p><\/code><\/p>\n<h3>API Entegrasyonu ve Veri Ak\u0131\u015f\u0131 Y\u00f6netimi<\/h3>\n<p>AulaLens'in sorunsuz \u00e7al\u0131\u015fmas\u0131, \u00f6n u\u00e7 ve arka u\u00e7 aras\u0131ndaki sa\u011flam bir API entegrasyonuna ve etkin veri ak\u0131\u015f\u0131 y\u00f6netimine ba\u011fl\u0131yd\u0131. \u00d6n u\u00e7, kullan\u0131c\u0131n\u0131n kameras\u0131ndan elde etti\u011fi her video karesini belirli aral\u0131klarla (\u00f6rne\u011fin 100 milisaniyede bir) arka uca Base64 kodlu bir resim olarak g\u00f6nderiyordu. Bu, veri hacmi a\u00e7\u0131s\u0131ndan olduk\u00e7a yo\u011fun bir s\u00fcre\u00e7ti, bu y\u00fczden performans\u0131 optimize etmek kritikti. Arka u\u00e7 taraf\u0131nda, gelen her resmin h\u0131zl\u0131ca i\u015flenip analiz edilmesi ve sonu\u00e7lar\u0131n en k\u0131sa s\u00fcrede \u00f6n uca geri g\u00f6nderilmesi gerekiyordu. Bu ileti\u015fim, RESTful API standartlar\u0131na uygun olarak JSON format\u0131nda ger\u00e7ekle\u015ftirildi. \u00d6rne\u011fin, \u00f6n u\u00e7tan gelen POST iste\u011fi a\u015fa\u011f\u0131daki gibi bir yap\u0131ya sahipti:<\/p>\n<pre><code>\n{\n  \"image\": \"data:image\/jpeg;base64,\/9j\/4AAQSkZJRgABAQ...\"\n}\n    <\/pre>\n<p><\/code><\/p>\n<p>Arka u\u00e7tan d\u00f6nen yan\u0131t ise, alg\u0131lanan her y\u00fcz i\u00e7in konum (bounding box) ve duygu durumu bilgilerini i\u00e7eren bir JSON dizisiydi:<\/p>\n<pre><code>\n[\n  {\n    \"bbox\": [100, 50, 120, 150],\n    \"emotion\": \"Happy\"\n  },\n  {\n    \"bbox\": [300, 70, 110, 140],\n    \"emotion\": \"Neutral\"\n  }\n]\n    <\/pre>\n<p><\/code><\/p>\n<p>Bu veri ak\u0131\u015f\u0131n\u0131n verimli olabilmesi i\u00e7in, gereksiz veri transferinden ka\u00e7\u0131nd\u0131m. \u00d6rne\u011fin, video ak\u0131\u015f\u0131n\u0131 do\u011frudan bir WebSocket \u00fczerinden aktarmak yerine, her kareyi ayr\u0131 bir POST iste\u011fi olarak g\u00f6ndermek, daha basit bir yap\u0131 kurmam\u0131 sa\u011flad\u0131 ve anl\u0131k ihtiya\u00e7lar\u0131m\u0131 kar\u015f\u0131lad\u0131. Ancak daha b\u00fcy\u00fck \u00f6l\u00e7ekli ve y\u00fcksek performansl\u0131 uygulamalarda WebSocket gibi \u00e7ift y\u00f6nl\u00fc ileti\u015fim protokolleri daha uygun olabilir. Veri ak\u0131\u015f\u0131nda kar\u015f\u0131la\u015f\u0131lan en b\u00fcy\u00fck zorluklardan biri, a\u011f gecikmeleri ve sunucu \u00fczerindeki y\u00fck y\u00f6netimiydi. 24 saatlik bir hackathon ortam\u0131nda, sunucuyu yerel makinede \u00e7al\u0131\u015ft\u0131rmak bu gecikmeleri minimize etse de, ger\u00e7ek bir da\u011f\u0131t\u0131mda bulut tabanl\u0131 \u00e7\u00f6z\u00fcmler (AWS Lambda, Google Cloud Functions) ve y\u00fck dengeleyiciler d\u00fc\u015f\u00fcnmek gerekirdi. Gelen verinin boyutunu optimize etmek i\u00e7in JPEG s\u0131k\u0131\u015ft\u0131rmas\u0131 kullanmak ve gereksiz metadata'lar\u0131 temizlemek de \u00f6nemli performans art\u0131\u015flar\u0131 sa\u011flad\u0131. Bu sayede, AulaLens'in ger\u00e7ek zamanl\u0131 analiz yetene\u011fi, hem h\u0131zl\u0131 yan\u0131t veren bir kullan\u0131c\u0131 deneyimi sunmas\u0131n\u0131 hem de projenin genel performans\u0131n\u0131 art\u0131rmas\u0131n\u0131 sa\u011flad\u0131.<\/p>\n<h2>Kar\u015f\u0131la\u015f\u0131lan Zorluklar, \u0130leri D\u00fczey Optimizasyonlar ve Ba\u015far\u0131ya Giden Yol<\/h2>\n<p>Bir hackathon projesi geli\u015ftirirken, her zaman beklenmedik zorluklarla kar\u015f\u0131la\u015f\u0131l\u0131r. Benim AulaLens projemde de durum farkl\u0131 de\u011fildi. En b\u00fcy\u00fck zorluklardan biri, yapay zeka modellerinin yerel ortamda yeterince h\u0131zl\u0131 \u00e7al\u0131\u015fmas\u0131n\u0131 sa\u011flamakt\u0131. \u00d6zellikle dlib gibi k\u00fct\u00fcphaneler, CPU \u00fczerinde \u00e7al\u0131\u015ft\u0131r\u0131ld\u0131\u011f\u0131nda bazen beklenenden yava\u015f kalabiliyordu. Bu durum, anl\u0131k geri bildirim mekanizmas\u0131n\u0131 sekteye u\u011fratma potansiyeli ta\u015f\u0131yordu. \u0130lk ba\u015fta, daha y\u00fcksek \u00e7\u00f6z\u00fcn\u00fcrl\u00fckl\u00fc video kareleri \u00fczerinde i\u015flem yapmaya \u00e7al\u0131\u015fm\u0131\u015ft\u0131m, ancak bunun performans \u00fczerinde ciddi bir y\u00fck olu\u015fturdu\u011funu fark ettim. \u00c7\u00f6z\u00fcm olarak, gelen video karelerini arka uca g\u00f6ndermeden \u00f6nce \u00e7\u00f6z\u00fcn\u00fcrl\u00fcklerini d\u00fc\u015f\u00fcrd\u00fcm ve gri tonlamal\u0131ya \u00e7evirdim. Bu basit ama etkili optimizasyon, i\u015flem s\u00fcresini \u00f6nemli \u00f6l\u00e7\u00fcde k\u0131saltt\u0131 ve sistemin ger\u00e7ek zamanl\u0131ya daha yak\u0131n \u00e7al\u0131\u015fmas\u0131n\u0131 sa\u011flad\u0131. Ayr\u0131ca, Python'da GIL (Global Interpreter Lock) nedeniyle \u00e7oklu i\u015f par\u00e7ac\u0131\u011f\u0131 kullan\u0131m\u0131n\u0131n getirdi\u011fi k\u0131s\u0131tlamalar\u0131 g\u00f6z \u00f6n\u00fcnde bulundurarak, baz\u0131 i\u015flemleri ayr\u0131 s\u00fcre\u00e7lerde (multiprocessing) \u00e7al\u0131\u015ft\u0131rmay\u0131 d\u00fc\u015f\u00fcnd\u00fcm, ancak 24 saatlik s\u00fcre k\u0131s\u0131tlamas\u0131 i\u00e7inde bu seviyede bir optimizasyona gitmek yerine, daha basit ve h\u0131zl\u0131 \u00e7\u00f6z\u00fcmlere odakland\u0131m. H\u0131zl\u0131 prototipleme ortam\u0131nda, m\u00fckemmel \u00e7\u00f6z\u00fcm\u00fc bulmaktansa, \"yeterince iyi\" ve \"i\u015f g\u00f6ren\" \u00e7\u00f6z\u00fcm\u00fc uygulamak \u00e7ok daha \u00f6nemlidir.<\/p>\n<p>Bir di\u011fer kritik zorluk ise hata ay\u0131klama (debugging) s\u00fcreciydi. \u00d6n u\u00e7 ve arka u\u00e7 aras\u0131ndaki ileti\u015fim hatalar\u0131, veri format\u0131 uyu\u015fmazl\u0131klar\u0131 veya API yan\u0131tlar\u0131ndaki beklenmedik durumlar, k\u0131s\u0131tl\u0131 zamanda h\u0131zla tespit edilip d\u00fczeltilmeliydi. Bunun i\u00e7in taray\u0131c\u0131 geli\u015ftirici ara\u00e7lar\u0131 (console, network tab) ve Flask'\u0131n debug modu vazge\u00e7ilmez yard\u0131mc\u0131lar\u0131m oldu. Her bir API \u00e7a\u011fr\u0131s\u0131n\u0131n do\u011fru parametrelerle yap\u0131ld\u0131\u011f\u0131n\u0131 ve do\u011fru yan\u0131t\u0131 d\u00f6nd\u00fcrd\u00fc\u011f\u00fcn\u00fc s\u00fcrekli kontrol ettim. Ayr\u0131ca, modelin y\u00fczleri alg\u0131lamad\u0131\u011f\u0131 veya yanl\u0131\u015f duygu tahminleri yapt\u0131\u011f\u0131 durumlar i\u00e7in, girdi g\u00f6r\u00fcnt\u00fclerinin kalitesini kontrol etmek ve modelin \u00e7\u0131kt\u0131lar\u0131n\u0131 ayr\u0131 ayr\u0131 loglamak, sorunlar\u0131 anlamak ad\u0131na kritikti. \u00d6rne\u011fin, bazen kamera ak\u0131\u015f\u0131n\u0131n format\u0131 beklenenden farkl\u0131 gelebiliyor veya Base64 d\u00f6n\u00fc\u015f\u00fcm\u00fcnde hatalar olu\u015fabiliyordu. Bu t\u00fcr durumlar i\u00e7in basit hata yakalama mekanizmalar\u0131 (try-except bloklar\u0131) ekleyerek uygulaman\u0131n \u00e7\u00f6kmesini engelledim. Bu pratik \u00e7\u00f6z\u00fcmler, sadece AulaLens'i tamamlamam\u0131 sa\u011flamakla kalmad\u0131, ayn\u0131 zamanda beni daha diren\u00e7li ve h\u0131zl\u0131 problem \u00e7\u00f6zebilen bir geli\u015ftirici haline getirdi. Bu s\u00fcre\u00e7te \u00f6\u011frendi\u011fim en \u00f6nemli derslerden biri, planlama ne kadar iyi olursa olsun, ger\u00e7ek d\u00fcnya senaryolar\u0131nda beklenmedik durumlar\u0131n her zaman ortaya \u00e7\u0131kabilece\u011fidir ve bu durumlara h\u0131zl\u0131 ve pratik \u00e7\u00f6z\u00fcmlerle kar\u015f\u0131l\u0131k verebilmek, bir projenin ba\u015far\u0131s\u0131 i\u00e7in hayati \u00f6neme sahiptir.<\/p>\n<h3>Performans ve \u00d6l\u00e7eklenebilirlik \u0130\u00e7in \u0130pu\u00e7lar\u0131: Geli\u015ftirme S\u00fcrecinden Dersler<\/h3>\n<p>AulaLens'in 24 saatte tamamlanmas\u0131 bir ba\u015far\u0131 olsa da, bu s\u00fcre\u00e7te elde etti\u011fim deneyimler, gelecekteki projeler i\u00e7in \u00f6nemli dersler i\u00e7eriyor. Performans ve \u00f6l\u00e7eklenebilirlik, \u00f6zellikle yapay zeka uygulamalar\u0131nda kritik \u00f6neme sahiptir. \u0130lk olarak, \u00f6n u\u00e7tan arka uca g\u00f6nderilen kare h\u0131z\u0131n\u0131 (FPS) d\u00fc\u015f\u00fcrmek, hem a\u011f y\u00fck\u00fcn\u00fc hem de sunucu \u00fczerindeki i\u015flem y\u00fck\u00fcn\u00fc ciddi \u00f6l\u00e7\u00fcde azalt\u0131r. \u00d6rne\u011fin, saniyede 30 kare yerine 10 veya 5 kare g\u00f6ndermek, \u00e7o\u011fu uygulama i\u00e7in yeterli olabilirken, kaynak t\u00fcketiminde b\u00fcy\u00fck fark yarat\u0131r. \u0130kinci olarak, arka u\u00e7ta gelen her iste\u011fi e\u015fzamanl\u0131 olarak i\u015flemek yerine, asenkron i\u015flem kuyruklar\u0131 kullanmak, sistemin daha fazla iste\u011fi ayn\u0131 anda y\u00f6netebilmesini sa\u011flar. Celery gibi bir g\u00f6rev kuyru\u011fu, gelen video karelerini arka plana atarak ana sunucunun t\u0131kanmas\u0131n\u0131 engeller ve i\u015fleri daha sonra i\u015flemek \u00fczere bir i\u015f\u00e7i havuzuna da\u011f\u0131t\u0131r. Bu, \u00f6zellikle \u00e7ok say\u0131da kullan\u0131c\u0131n\u0131n ayn\u0131 anda sisteme ba\u011fland\u0131\u011f\u0131 senaryolarda hayati bir optimizasyondur.<\/p>\n<p>\u00dc\u00e7\u00fcnc\u00fc bir \u00f6nemli ipucu ise, sunucu taraf\u0131nda caching (\u00f6nbellekleme) mekanizmalar\u0131 kullanmakt\u0131r. E\u011fer belirli bir g\u00f6r\u00fcnt\u00fc veya belirli bir kullan\u0131c\u0131 i\u00e7in analiz sonu\u00e7lar\u0131 k\u0131sa bir s\u00fcre i\u00e7inde tekrar isteniyorsa, bu sonu\u00e7lar\u0131 \u00f6nbellekte tutmak, gereksiz hesaplamalar\u0131 ortadan kald\u0131r\u0131r. Redis gibi bir bellek i\u00e7i veritaban\u0131, bu t\u00fcr h\u0131zl\u0131 eri\u015fimli \u00f6nbellekleme i\u015flemleri i\u00e7in idealdir. Ayr\u0131ca, yapay zeka modellerinin kendileri de optimize edilebilir. Model s\u0131k\u0131\u015ft\u0131rma, niceleme (quantization) veya daha hafif model mimarileri kullanmak, \u00e7\u0131kar\u0131m (inference) s\u00fcrelerini k\u0131salt\u0131r ve daha az bellek t\u00fcketimi sa\u011flar. NVIDIA'n\u0131n TensorRT'si gibi ara\u00e7lar, modelleri GPU \u00fczerinde daha verimli \u00e7al\u0131\u015facak \u015fekilde optimize edebilir. Son olarak, bulut bili\u015fim hizmetlerinden yararlanmak, projenin \u00f6l\u00e7eklenebilirli\u011fini sa\u011flaman\u0131n en etkili yoludur. AWS, Google Cloud veya Azure gibi platformlar, gerekti\u011finde sunucu kaynaklar\u0131n\u0131 otomatik olarak art\u0131rma veya azaltma imkan\u0131 sunar, b\u00f6ylece y\u00fcksek talep d\u00f6nemlerinde bile sistemin performans\u0131 korunur. T\u00fcm bu ileri d\u00fczey optimizasyonlar, AulaLens gibi bir projenin sadece bir hackathon prototipi olmaktan \u00e7\u0131k\u0131p, ger\u00e7ek d\u00fcnya kullan\u0131m\u0131na uygun, robust bir \u00fcr\u00fcne d\u00f6n\u00fc\u015fmesini sa\u011flayacak temel ad\u0131mlard\u0131r. 24 saatte bu optimizasyonlar\u0131n hepsini uygulayamasam da, bu dersler gelecekteki projelerimde yol g\u00f6sterici oldu.<\/p>\n<h3>MacBook \u00d6d\u00fcl\u00fcn\u00fc Getiren Sunum Stratejileri ve Etkileyici Demolar<\/h3>\n<p>Bir hackathon'da sadece harika bir \u00fcr\u00fcn ortaya koymak yetmez, ayn\u0131 zamanda bu \u00fcr\u00fcn\u00fc j\u00fcriye etkileyici bir \u015fekilde sunabilmek de zafer i\u00e7in kritik bir fakt\u00f6rd\u00fcr. AulaLens'in MacBook \u00f6d\u00fcl\u00fcn\u00fc kazanmas\u0131nda, sunum stratejimin b\u00fcy\u00fck pay\u0131 oldu. \u0130lk olarak, sunumumu bir hikaye anlat\u0131m\u0131 \u00fczerine kurdum. S\u0131n\u0131flardaki pasif kat\u0131l\u0131m sorununu vurgulayarak ba\u015flad\u0131m, ard\u0131ndan AulaLens'in bu soruna nas\u0131l yenilik\u00e7i bir \u00e7\u00f6z\u00fcm getirdi\u011fini ad\u0131m ad\u0131m anlatt\u0131m. Problem-\u00c7\u00f6z\u00fcm-De\u011fer d\u00f6ng\u00fcs\u00fcn\u00fc net bir \u015fekilde aktarmaya \u00e7al\u0131\u015ft\u0131m. \u0130kinci olarak, ve belki de en \u00f6nemlisi, \"canl\u0131 demo\" yapt\u0131m. J\u00fcri \u00f6n\u00fcnde AulaLens'i \u00e7al\u0131\u015ft\u0131rarak kendi y\u00fcz ifadem \u00fczerinde ger\u00e7ek zamanl\u0131 duygu analizi yapt\u0131rd\u0131m. Bu, projenin sadece bir fikir de\u011fil, ger\u00e7ekten \u00e7al\u0131\u015fan bir teknoloji oldu\u011funu g\u00f6stermenin en etkili yoluydu. Canl\u0131 demolar her zaman riskli olsa da, ba\u015far\u0131yla tamamland\u0131\u011f\u0131nda j\u00fcri \u00fczerinde derin bir etki b\u0131rak\u0131r. \u0130nsanlar, soyut anlat\u0131mlardan \u00e7ok, g\u00f6zleriyle g\u00f6rd\u00fckleri ve deneyimledikleri \u015feylere daha \u00e7ok inan\u0131r.<\/p>\n<p>Sunumda teknik detaylara bo\u011fulmak yerine, projenin \"neden\" \u00f6nemli oldu\u011funu, \"kimin\" sorununa \u00e7\u00f6z\u00fcm getirdi\u011fini ve \"nas\u0131l\" \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 basit ve anla\u015f\u0131l\u0131r bir dille a\u00e7\u0131klad\u0131m. Karma\u015f\u0131k yapay zeka algoritmalar\u0131 yerine, bu algoritmalar\u0131n e\u011fitim s\u00fcrecine katt\u0131\u011f\u0131 de\u011feri vurgulad\u0131m. Sunumda g\u00f6rselleri ve k\u0131sa animasyonlar\u0131 etkin bir \u015fekilde kulland\u0131m. Aray\u00fcz\u00fcn ekran g\u00f6r\u00fcnt\u00fclerini ve basit kullan\u0131m senaryolar\u0131n\u0131 g\u00f6steren slaytlar haz\u0131rlad\u0131m. Ayr\u0131ca, projenin gelecek potansiyeline ve nas\u0131l daha da geli\u015ftirilebilece\u011fine dair k\u0131sa bir vizyon sundum. Bu, j\u00fcrinin projeyi sadece o anki haliyle de\u011fil, ayn\u0131 zamanda gelecekteki potansiyeliyle de de\u011ferlendirmesini sa\u011flad\u0131. Sorulan sorulara net, \u00f6zg\u00fcvenli ve teknik olarak do\u011fru cevaplar verdim. \u00d6rne\u011fin, \"Veri gizlili\u011fi konusunda ne d\u00fc\u015f\u00fcn\u00fcyorsunuz?\" gibi etik sorulara, ki\u015fisel verilerin anonimle\u015ftirilmesi ve sadece toplu analizlerin sunulmas\u0131 gibi \u00e7\u00f6z\u00fcmlerle yakla\u015ft\u0131m. Sonu\u00e7 olarak, AulaLens sadece teknik bir ba\u015far\u0131 de\u011fil, ayn\u0131 zamanda etkili bir ileti\u015fim ve sunum stratejisinin de \u00fcr\u00fcn\u00fcyd\u00fc. Bu b\u00fct\u00fcnsel yakla\u015f\u0131m, j\u00fcriyi ikna ederek bana o de\u011ferli MacBook \u00f6d\u00fcl\u00fcn\u00fc kazand\u0131rd\u0131.<\/p>\n<h2>Sonu\u00e7: AulaLens Maceras\u0131ndan \u00c7\u0131kar\u0131lan Dersler ve S\u0131k\u00e7a Sorulan Sorular<\/h2>\n<p>AulaLens projesini 24 saatte geli\u015ftirmek ve bu s\u00fcre\u00e7te bir MacBook kazanmak, hem ki\u015fisel hem de profesyonel geli\u015fimim a\u00e7\u0131s\u0131ndan unutulmaz bir deneyim oldu. Bu macera, bana zaman k\u0131s\u0131tl\u0131 ortamlarda h\u0131zl\u0131 prototipleme, problem \u00e7\u00f6zme ve kritik kararlar alma becerilerinin ne kadar \u00f6nemli oldu\u011funu g\u00f6sterdi. Yapay zeka, g\u00f6r\u00fcnt\u00fc i\u015fleme ve web geli\u015ftirme teknolojilerini entegre ederek, e\u011fitim alan\u0131ndaki ger\u00e7ek bir soruna somut bir \u00e7\u00f6z\u00fcm \u00fcretebildim. En \u00f6nemlisi, bir fikrin ne kadar \u00e7\u0131lg\u0131nca g\u00f6r\u00fcn\u00fcrse g\u00f6r\u00fcns\u00fcn, do\u011fru planlama, kararl\u0131l\u0131k ve do\u011fru ara\u00e7larla ne kadar k\u0131sa s\u00fcrede hayata ge\u00e7irilebilece\u011fini tecr\u00fcbe ettim. Bu s\u00fcre\u00e7, sadece kod yazmakla ilgili de\u011fil, ayn\u0131 zamanda kriz y\u00f6netimi, zaman\u0131 optimize etme, do\u011fru teknolojiyi se\u00e7me ve projenizi ikna edici bir \u015fekilde sunma becerilerini de i\u00e7eriyordu. AulaLens, sadece bir hackathon projesi olarak kalmay\u0131p, e\u011fitim teknolojileri alan\u0131nda yeni kap\u0131lar aralayabilecek bir potansiyele sahip oldu\u011funu kan\u0131tlad\u0131. Gelecekte, AulaLens'i daha da geli\u015ftirerek, ger\u00e7ek s\u0131n\u0131flarda kullan\u0131labilecek, daha robust ve \u00f6l\u00e7eklenebilir bir \u00fcr\u00fcn haline getirmeyi hedefliyorum. Bu, \u00f6\u011frenci kat\u0131l\u0131m\u0131n\u0131 art\u0131rmak, e\u011fitmenlere daha de\u011ferli i\u00e7g\u00f6r\u00fcler sunmak ve nihayetinde \u00f6\u011frenme deneyimini daha etkili hale getirmek i\u00e7in b\u00fcy\u00fck bir ad\u0131m olacakt\u0131r.<\/p>\n<h3>Gelecek Vizyonu ve AulaLens'in E\u011fitimde Yaratt\u0131\u011f\u0131 De\u011fer<\/h3>\n<p>AulaLens'in potansiyeli, 24 saatlik prototipin \u00f6tesine ge\u00e7mektedir. Gelecekte, projenin daha da geli\u015ftirilerek a\u015fa\u011f\u0131daki \u00f6zelliklerle zenginle\u015ftirilmesi planlanmaktad\u0131r:<\/p>\n<ul>\n<li><strong>Derinlemesine Duygu Analizi:<\/strong> Sadece temel duygular\u0131 de\u011fil, ayn\u0131 zamanda \u00f6\u011frencilerin bili\u015fsel y\u00fcklerini veya kafa kar\u0131\u015f\u0131kl\u0131klar\u0131n\u0131 da daha hassas bir \u015fekilde tespit edebilen daha geli\u015fmi\u015f yapay zeka modelleri entegre etmek.<\/li>\n<li><strong>\u00d6\u011frenci Performans Entegrasyonu:<\/strong> AulaLens verilerini mevcut \u00f6\u011frenme y\u00f6netim sistemleri (LMS) ile entegre ederek, \u00f6\u011frenci performans\u0131 ile kat\u0131l\u0131m aras\u0131ndaki korelasyonlar\u0131 analiz etmek.<\/li>\n<li><strong>Ki\u015fiselle\u015ftirilmi\u015f Geri Bildirimler:<\/strong> \u00d6\u011frencilere anl\u0131k geri bildirimler sunarak, kendi \u00f6\u011frenme s\u00fcre\u00e7lerini daha aktif y\u00f6netmelerine yard\u0131mc\u0131 olmak. \u00d6rne\u011fin, bir \u00f6\u011frencinin s\u0131k s\u0131k dikkat da\u011f\u0131l\u0131yor olmas\u0131 durumunda, sistem taraf\u0131ndan hat\u0131rlat\u0131c\u0131lar veya mola \u00f6nerileri sunulabilir.<\/li>\n<li><strong>Grup Analizleri ve Etkile\u015fim Haritalar\u0131:<\/strong> Sadece bireysel \u00f6\u011frenci analizi de\u011fil, ayn\u0131 zamanda s\u0131n\u0131f\u0131n genel ruh halini, grup dinamiklerini ve etkile\u015fim haritalar\u0131n\u0131 \u00e7\u0131kararak e\u011fitmenlere daha geni\u015f bir perspektif sunmak.<\/li>\n<li><strong>Bulut Tabanl\u0131 \u00c7\u00f6z\u00fcm:<\/strong> Daha y\u00fcksek \u00f6l\u00e7eklenebilirlik ve eri\u015filebilirlik i\u00e7in bulut tabanl\u0131 bir mimariye ge\u00e7i\u015f yaparak, AulaLens'i d\u00fcnya genelindeki e\u011fitim kurumlar\u0131n\u0131n kullan\u0131m\u0131na sunmak.<\/li>\n<\/ul>\n<p>AulaLens'in e\u011fitimde yarataca\u011f\u0131 de\u011fer, sadece teknolojik bir yenilik olmaktan \u00f6te, \u00f6\u011frenme s\u00fcre\u00e7lerini daha insanc\u0131l, daha etkile\u015fimli ve daha verimli hale getirme potansiyelinde yatmaktad\u0131r. Bu sayede, gelece\u011fin e\u011fitim ortamlar\u0131 daha \u00f6\u011frenci merkezli ve veriye dayal\u0131 kararlarla \u015fekillenecektir.<\/p>\n<h3>S\u0131k\u00e7a Sorulan Sorular (SSS)<\/h3>\n<dl>\n<dt>AulaLens projesini 24 saatte geli\u015ftirmek ger\u00e7ekten m\u00fcmk\u00fcn m\u00fc?<\/dt>\n<dd>Kesinlikle! Bu, do\u011fru planlama, mevcut a\u00e7\u0131k kaynak k\u00fct\u00fcphanelerden maksimum d\u00fczeyde faydalanma, temel \u00f6zelliklere odaklanma (MVP felsefesi) ve h\u0131zl\u0131 karar alma becerileriyle m\u00fcmk\u00fcn oldu. Prototip a\u015famas\u0131nda her \u015feyi m\u00fckemmel yapmak yerine, \u00e7al\u0131\u015fan bir \u00e7ekirdek sistemi ortaya koymak \u00f6ncelikti. Zaman k\u0131s\u0131tl\u0131 ortamlarda pratik \u00e7\u00f6z\u00fcmler bulmak, teorik m\u00fckemmellikten daha \u00f6nemlidir.<\/dd>\n<dt>AulaLens'te hangi yapay zeka modelleri kullan\u0131ld\u0131?<\/dt>\n<dd>AulaLens'in duygu analiz k\u0131sm\u0131 i\u00e7in \u00f6nceden e\u011fitilmi\u015f Evri\u015fimsel Sinir A\u011f\u0131 (CNN) modellerinden yararland\u0131m. Y\u00fcz alg\u0131lama i\u00e7in ise dlib k\u00fct\u00fcphanesinin y\u00fcz dedekt\u00f6r\u00fcn\u00fc kulland\u0131m. Bu modellerin e\u011fitimi hackathon s\u00fcresince yap\u0131lmad\u0131; mevcut ve performansl\u0131 modeller adapte edildi. Bu sayede h\u0131zl\u0131ca i\u015flevsel bir yap\u0131 kurulabildi.<\/dd>\n<dt>Veri gizlili\u011fi ve etik konular\u0131 AulaLens'te nas\u0131l ele al\u0131nd\u0131?<\/dt>\n<dd>Bu t\u00fcr bir projede veri gizlili\u011fi ve etik konular\u0131 b\u00fcy\u00fck \u00f6nem ta\u015f\u0131r. Prototip a\u015famas\u0131nda bu konulara tam anlam\u0131yla e\u011filememi\u015f olsam da, gelecekteki geli\u015ftirmelerde temel yakla\u015f\u0131m, ki\u015fisel kimlik bilgilerini toplamamak, verileri anonimle\u015ftirmek ve sadece toplu analizler sunmakt\u0131r. \u00d6rne\u011fin, bireysel y\u00fcz kay\u0131tlar\u0131 tutulmaz, sadece anl\u0131k duygu durumlar\u0131 ve kat\u0131l\u0131m metrikleri gibi anonim veriler i\u015flenir. Kullan\u0131c\u0131lar\u0131n a\u00e7\u0131k r\u0131zas\u0131 olmadan hi\u00e7bir veri toplanmaz.<\/dd>\n<dt>MacBook \u00f6d\u00fcl\u00fcn\u00fc nas\u0131l kazand\u0131n\u0131z? Sadece teknik ba\u015far\u0131 yeterli miydi?<\/dt>\n<dd>MacBook \u00f6d\u00fcl\u00fcn\u00fc kazanmamda sadece teknik ba\u015far\u0131 de\u011fil, ayn\u0131 zamanda projenin sundu\u011fu de\u011fer, sunum \u015fekli ve problem \u00e7\u00f6zme yakla\u015f\u0131m\u0131m etkili oldu. Canl\u0131 bir demo yapmak, projenin ger\u00e7ekli\u011fini ve potansiyelini g\u00f6stermenin en etkili yoluydu. Ayr\u0131ca, projenin e\u011fitim alan\u0131ndaki etkisini, gelecekteki vizyonunu ve etik yakla\u015f\u0131mlar\u0131n\u0131 net bir dille aktarmak, j\u00fcriyi ikna etmemde \u00f6nemli rol oynad\u0131. \u0130yi bir hikaye anlat\u0131c\u0131l\u0131\u011f\u0131 ve etkileyici bir demo, hackathon'larda zaferin anahtar\u0131 olabilir.<\/dd>\n<\/dl>\n<p><\/body><\/p>\n","protected":false},"excerpt":{"rendered":"C\u00f3mo constru\u00ed AulaLens en 24h y gan\u00e9 un MacBook en el proceso E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24&hellip;","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"csco_page_header_type":"","csco_page_load_nextpost":"","csco_page_subscribe_form":"","csco_page_contact_form":"","footnotes":""},"categories":[1],"tags":[],"class_list":{"0":"post-30694","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-genel","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v20.5 (Yoast SEO v25.3.1) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali<\/title>\n<meta name=\"description\" content=\"E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24 saat gibi rekor s\u00fcrede AulaLens projesini hayata ge\u00e7irdim ve bir MacBook kazand\u0131m. H\u0131zl\u0131 geli\u015ftirme ve teknoloji entegrasyonu s\u0131rlar\u0131 burada! Bu heyecan verici macerada, k\u0131s\u0131tl\u0131 zaman\u0131n nas\u0131l yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ilham verdi\u011fini ve teknolojik bir fikrin nas\u0131l somut bir \u00fcr\u00fcne d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, bu 24 saatlik yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/\" \/>\n<meta property=\"og:locale\" content=\"tr_TR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali\" \/>\n<meta property=\"og:description\" content=\"E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24 saat gibi rekor s\u00fcrede AulaLens projesini hayata ge\u00e7irdim ve bir MacBook kazand\u0131m. H\u0131zl\u0131 geli\u015ftirme ve teknoloji entegrasyonu s\u0131rlar\u0131 burada! Bu heyecan verici macerada, k\u0131s\u0131tl\u0131 zaman\u0131n nas\u0131l yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ilham verdi\u011fini ve teknolojik bir fikrin nas\u0131l somut bir \u00fcr\u00fcne d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, bu 24 saatlik yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/\" \/>\n<meta property=\"og:site_name\" content=\"Kodlar\u0131n Gizemli D\u00fcnyas\u0131\" \/>\n<meta property=\"article:published_time\" content=\"2025-09-30T20:01:59+00:00\" \/>\n<meta name=\"author\" content=\"Fatih Soysal\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Yazan:\" \/>\n\t<meta name=\"twitter:data1\" content=\"Fatih Soysal\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tahmini okuma s\u00fcresi\" \/>\n\t<meta name=\"twitter:data2\" content=\"28 dakika\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/\"},\"author\":{\"name\":\"Fatih Soysal\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\"},\"headline\":\"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali\",\"datePublished\":\"2025-09-30T20:01:59+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/\"},\"wordCount\":5084,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\"},\"inLanguage\":\"tr\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#respond\"]}],\"copyrightYear\":\"2025\",\"copyrightHolder\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/\",\"name\":\"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali\",\"isPartOf\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#website\"},\"datePublished\":\"2025-09-30T20:01:59+00:00\",\"description\":\"E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24 saat gibi rekor s\u00fcrede AulaLens projesini hayata ge\u00e7irdim ve bir MacBook kazand\u0131m. H\u0131zl\u0131 geli\u015ftirme ve teknoloji entegrasyonu s\u0131rlar\u0131 burada! Bu heyecan verici macerada, k\u0131s\u0131tl\u0131 zaman\u0131n nas\u0131l yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ilham verdi\u011fini ve teknolojik bir fikrin nas\u0131l somut bir \u00fcr\u00fcne d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, bu 24 saatlik yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.\",\"breadcrumb\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#breadcrumb\"},\"inLanguage\":\"tr\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Anasayfa\",\"item\":\"https:\/\/fatihsoysal.com\/blog\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#website\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/\",\"name\":\"Fatihsoysal.com\",\"description\":\"Blog - Yaz\u0131l\u0131m D\u00fcnyas\u0131 Tecr\u00fcbelerim\",\"publisher\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/fatihsoysal.com\/blog\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"tr\"},{\"@type\":[\"Person\",\"Organization\"],\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1\",\"name\":\"Fatih Soysal\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"tr\",\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png\",\"contentUrl\":\"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png\",\"width\":512,\"height\":512,\"caption\":\"Fatih Soysal\"},\"logo\":{\"@id\":\"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/\"},\"description\":\"Kullan\u0131m ve kodlama m\u00fckemmeliyetini odak alan uygulamalar olu\u015fturma deneyimine sahip, profesyonel olarak 15+ y\u0131l \u00fczeri deneyime sahip bir yaz\u0131l\u0131m m\u00fchendisi.\",\"url\":\"https:\/\/fatihsoysal.com\/blog\/author\/fatihsoysal\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali","description":"E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24 saat gibi rekor s\u00fcrede AulaLens projesini hayata ge\u00e7irdim ve bir MacBook kazand\u0131m. H\u0131zl\u0131 geli\u015ftirme ve teknoloji entegrasyonu s\u0131rlar\u0131 burada! Bu heyecan verici macerada, k\u0131s\u0131tl\u0131 zaman\u0131n nas\u0131l yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ilham verdi\u011fini ve teknolojik bir fikrin nas\u0131l somut bir \u00fcr\u00fcne d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, bu 24 saatlik yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/","og_locale":"tr_TR","og_type":"article","og_title":"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali","og_description":"E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24 saat gibi rekor s\u00fcrede AulaLens projesini hayata ge\u00e7irdim ve bir MacBook kazand\u0131m. H\u0131zl\u0131 geli\u015ftirme ve teknoloji entegrasyonu s\u0131rlar\u0131 burada! Bu heyecan verici macerada, k\u0131s\u0131tl\u0131 zaman\u0131n nas\u0131l yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ilham verdi\u011fini ve teknolojik bir fikrin nas\u0131l somut bir \u00fcr\u00fcne d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, bu 24 saatlik yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.","og_url":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/","og_site_name":"Kodlar\u0131n Gizemli D\u00fcnyas\u0131","article_published_time":"2025-09-30T20:01:59+00:00","author":"Fatih Soysal","twitter_card":"summary_large_image","twitter_misc":{"Yazan:":"Fatih Soysal","Tahmini okuma s\u00fcresi":"28 dakika"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#article","isPartOf":{"@id":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/"},"author":{"name":"Fatih Soysal","@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1"},"headline":"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali","datePublished":"2025-09-30T20:01:59+00:00","mainEntityOfPage":{"@id":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/"},"wordCount":5084,"commentCount":0,"publisher":{"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1"},"inLanguage":"tr","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#respond"]}],"copyrightYear":"2025","copyrightHolder":{"@id":"https:\/\/fatihsoysal.com\/blog\/#organization"}},{"@type":"WebPage","@id":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/","url":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/","name":"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali","isPartOf":{"@id":"https:\/\/fatihsoysal.com\/blog\/#website"},"datePublished":"2025-09-30T20:01:59+00:00","description":"E\u011fitimde yapay zekan\u0131n g\u00fcc\u00fcn\u00fc kullanarak 24 saat gibi rekor s\u00fcrede AulaLens projesini hayata ge\u00e7irdim ve bir MacBook kazand\u0131m. H\u0131zl\u0131 geli\u015ftirme ve teknoloji entegrasyonu s\u0131rlar\u0131 burada! Bu heyecan verici macerada, k\u0131s\u0131tl\u0131 zaman\u0131n nas\u0131l yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ilham verdi\u011fini ve teknolojik bir fikrin nas\u0131l somut bir \u00fcr\u00fcne d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcn\u00fc ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Gelin, bu 24 saatlik yolculu\u011fa birlikte \u00e7\u0131kal\u0131m.","breadcrumb":{"@id":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#breadcrumb"},"inLanguage":"tr","potentialAction":[{"@type":"ReadAction","target":["https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/fatihsoysal.com\/blog\/aulalens-fikri-nasil-dogdu-ve-24-saatte-bir-macbook-kazanma-hayali\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Anasayfa","item":"https:\/\/fatihsoysal.com\/blog\/"},{"@type":"ListItem","position":2,"name":"AulaLens Fikri Nas\u0131l Do\u011fdu ve 24 Saatte Bir MacBook Kazanma Hayali"}]},{"@type":"WebSite","@id":"https:\/\/fatihsoysal.com\/blog\/#website","url":"https:\/\/fatihsoysal.com\/blog\/","name":"Fatihsoysal.com","description":"Blog - Yaz\u0131l\u0131m D\u00fcnyas\u0131 Tecr\u00fcbelerim","publisher":{"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/fatihsoysal.com\/blog\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"tr"},{"@type":["Person","Organization"],"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/002a254750921dcfd568a99e48240dd1","name":"Fatih Soysal","image":{"@type":"ImageObject","inLanguage":"tr","@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/","url":"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png","contentUrl":"https:\/\/fatihsoysal.com\/blog\/wp-content\/uploads\/2024\/04\/cropped-replicate-prediction-3kgg1hgjn5rgp0cf0p5tr0jw7w-1.png","width":512,"height":512,"caption":"Fatih Soysal"},"logo":{"@id":"https:\/\/fatihsoysal.com\/blog\/#\/schema\/person\/image\/"},"description":"Kullan\u0131m ve kodlama m\u00fckemmeliyetini odak alan uygulamalar olu\u015fturma deneyimine sahip, profesyonel olarak 15+ y\u0131l \u00fczeri deneyime sahip bir yaz\u0131l\u0131m m\u00fchendisi.","url":"https:\/\/fatihsoysal.com\/blog\/author\/fatihsoysal\/"}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/posts\/30694","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/comments?post=30694"}],"version-history":[{"count":0,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/posts\/30694\/revisions"}],"wp:attachment":[{"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/media?parent=30694"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/categories?post=30694"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fatihsoysal.com\/blog\/wp-json\/wp\/v2\/tags?post=30694"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}