Yapay zeka (YZ) teknolojileri, g\u00fcn\u00fcm\u00fcz i\u015f d\u00fcnyas\u0131n\u0131 ve g\u00fcnl\u00fck ya\u015fant\u0131m\u0131z\u0131 k\u00f6kten de\u011fi\u015ftiren en g\u00fc\u00e7l\u00fc itici g\u00fc\u00e7lerden biri haline gelmi\u015ftir. Bu h\u0131zl\u0131 d\u00f6n\u00fc\u015f\u00fcmde, YZ projelerini ba\u015far\u0131yla uygulayabilecek yetkin profesyonellere olan ihtiya\u00e7 her ge\u00e7en g\u00fcn artmaktad\u0131r. AI Practitioner sertifikas\u0131, bireylerin YZ kavramlar\u0131n\u0131 anlad\u0131\u011f\u0131n\u0131, pratik uygulamalar\u0131 ger\u00e7ekle\u015ftirebildi\u011fini ve ger\u00e7ek d\u00fcnya problemlerine YZ \u00e7\u00f6z\u00fcmleri geli\u015ftirebildi\u011fini kan\u0131tlayan \u00f6nemli bir referanst\u0131r. Bu rehber, AI Practitioner s\u0131nav\u0131na haz\u0131rlanmak isteyen adaylara kapsaml\u0131 bir yol haritas\u0131 sunarak, ba\u015far\u0131l\u0131 olmalar\u0131 i\u00e7in gerekli bilgi ve stratejileri detayland\u0131rmaktad\u0131r.<\/p>\n
AI Practitioner s\u0131nav\u0131, yapay zeka alan\u0131nda pratik becerilere sahip, teorik bilgiyi uygulamaya d\u00f6kebilen profesyonelleri hedefleyen bir sertifikasyon program\u0131d\u0131r. Bu s\u0131nav, aday\u0131n makine \u00f6\u011frenimi algoritmalar\u0131n\u0131, derin \u00f6\u011frenme modellerini, veri i\u015fleme tekniklerini ve etik YZ prensiplerini anlama ve uygulama yetene\u011fini \u00f6l\u00e7er.<\/p>\n
Bu s\u0131nav, \u00f6zellikle YZ alan\u0131nda kariyer yapmak isteyen yaz\u0131l\u0131m geli\u015ftiriciler, veri bilimciler, veri analistleri, m\u00fchendisler ve proje y\u00f6neticileri i\u00e7in idealdir. Temel programlama bilgisine ve istatistiksel d\u00fc\u015f\u00fcnme yetene\u011fine sahip olan herkes bu s\u0131nava haz\u0131rlanabilir. YZ projelerinde aktif rol almak, mevcut becerilerini belgelemek veya yeni bir kariyere ad\u0131m atmak isteyen profesyoneller i\u00e7in b\u00fcy\u00fck bir f\u0131rsatt\u0131r.<\/p>\n
AI Practitioner sertifikas\u0131, sekt\u00f6rde rekabet avantaj\u0131 sa\u011flar. \u0130\u015fverenler, bu sertifikaya sahip adaylar\u0131n YZ projelerinde pratik deneyime sahip oldu\u011funu ve g\u00fcncel teknolojilere hakim oldu\u011funu bilirler. Sertifika, daha iyi i\u015f f\u0131rsatlar\u0131, y\u00fcksek maa\u015f potansiyeli ve kariyer ilerlemesi i\u00e7in kap\u0131lar a\u00e7ar. Ayr\u0131ca, YZ toplulu\u011funda tan\u0131nman\u0131z\u0131 ve a\u011f\u0131n\u0131z\u0131 geni\u015fletmenizi sa\u011flar.<\/p>\n
S\u0131nav genellikle \u00e7oktan se\u00e7meli sorulardan olu\u015fur ve belirli bir s\u00fcre i\u00e7inde tamamlanmas\u0131 gerekir. Sorular, teorik bilginin yan\u0131 s\u0131ra senaryo tabanl\u0131 pratik uygulama becerilerini de test eder. Baz\u0131 s\u0131navlar, kod par\u00e7ac\u0131klar\u0131n\u0131 anlama veya belirli bir problemi \u00e7\u00f6zmek i\u00e7in do\u011fru YZ yakla\u015f\u0131m\u0131n\u0131 se\u00e7me gibi uygulamal\u0131 sorular da i\u00e7erebilir. S\u0131nav\u0131 d\u00fczenleyen kurulu\u015fa g\u00f6re detaylar de\u011fi\u015fmekle birlikte, genellikle belirli bir ge\u00e7me notu bulunur ve adaylar\u0131n bu notu a\u015fmas\u0131 beklenir.<\/p>\n
AI Practitioner s\u0131nav\u0131, yapay zekan\u0131n geni\u015f bir yelpazesini kapsar. Adaylar\u0131n a\u015fa\u011f\u0131daki temel alanlarda sa\u011flam bir bilgi birikimine ve uygulama yetene\u011fine sahip olmas\u0131 beklenir.<\/p>\n
Bu b\u00f6l\u00fcm, denetimli \u00f6\u011frenme (regresyon, s\u0131n\u0131fland\u0131rma), denetimsiz \u00f6\u011frenme (k\u00fcmeleme, boyut azaltma) ve takviyeli \u00f6\u011frenme gibi temel makine \u00f6\u011frenimi paradigmalar\u0131n\u0131 i\u00e7erir. Do\u011frusal regresyon, lojistik regresyon, karar a\u011fa\u00e7lar\u0131, rastgele ormanlar, destek vekt\u00f6r makineleri (SVM), k-NN, k-Means gibi yayg\u0131n algoritmalar\u0131n \u00e7al\u0131\u015fma prensipleri, avantajlar\u0131 ve dezavantajlar\u0131 bilinmelidir. Ayr\u0131ca, model de\u011ferlendirme metrikleri (do\u011fruluk, kesinlik, geri \u00e7a\u011f\u0131rma, F1 skoru, ROC e\u011frisi, MSE, RMSE) ve model a\u015f\u0131r\u0131 uyum (overfitting) ile eksik uyum (underfitting) sorunlar\u0131na kar\u015f\u0131 \u00e7\u00f6z\u00fcmler de \u00f6nemlidir.<\/p>\n
Derin \u00f6\u011frenme, YZ’nin en h\u0131zl\u0131 geli\u015fen alanlar\u0131ndan biridir. Bu k\u0131s\u0131mda, yapay sinir a\u011flar\u0131n\u0131n temel bile\u015fenleri (n\u00f6ronlar, katmanlar, aktivasyon fonksiyonlar\u0131), ileri beslemeli a\u011flar (feedforward networks), evri\u015fimli sinir a\u011flar\u0131 (CNN) ve tekrarlayan sinir a\u011flar\u0131 (RNN) gibi mimariler ele al\u0131n\u0131r. CNN’lerin g\u00f6r\u00fcnt\u00fc i\u015fleme, RNN’lerin ise s\u0131ral\u0131 veri (metin, ses) i\u015fleme yetenekleri ve uygulama alanlar\u0131 \u00fczerinde durulur. Optimizasyon algoritmalar\u0131 (SGD, Adam, RMSprop) ve d\u00fczenlile\u015ftirme teknikleri (dropout, L1\/L2 reg\u00fclarizasyonu) de bu b\u00f6l\u00fcm\u00fcn \u00f6nemli konular\u0131d\u0131r.<\/p>\n
NLP, makinelerin insan dilini anlamas\u0131n\u0131 ve \u00fcretmesini sa\u011flar. Metin \u00f6n i\u015fleme (tokenizasyon, stemming, lemmatizasyon), kelime g\u00f6mme (Word2Vec, GloVe), duygu analizi, metin s\u0131n\u0131fland\u0131rma ve makine \u00e7evirisi gibi konular incelenir. Bilgisayar G\u00f6r\u00fcs\u00fc ise makinelerin g\u00f6r\u00fcnt\u00fc ve videolar\u0131 “g\u00f6rmesini” ve yorumlamas\u0131n\u0131 hedefler. G\u00f6r\u00fcnt\u00fc s\u0131n\u0131fland\u0131rma, nesne tespiti (YOLO, R-CNN), segmentasyon ve y\u00fcz tan\u0131ma gibi uygulamalar bu kapsamdad\u0131r. Her iki alandaki temel algoritmalar ve pop\u00fcler k\u00fct\u00fcphaneler (NLTK, spaCy, OpenCV) hakk\u0131nda bilgi sahibi olmak faydal\u0131d\u0131r.<\/p>\n
Yapay zeka sistemlerinin geli\u015ftirilmesi ve da\u011f\u0131t\u0131lmas\u0131nda etik konular b\u00fcy\u00fck \u00f6nem ta\u015f\u0131r. Bu b\u00f6l\u00fcmde, YZ’nin tarafl\u0131l\u0131\u011f\u0131 (bias), \u015feffafl\u0131k, a\u00e7\u0131klanabilirlik (explainability), gizlilik ve veri g\u00fcvenli\u011fi gibi etik boyutlar\u0131 ele al\u0131n\u0131r. YZ sistemlerinin toplumsal etkileri, sorumlu YZ geli\u015ftirme ilkeleri ve ilgili d\u00fczenlemeler hakk\u0131nda fark\u0131ndal\u0131k sahibi olmak, bir AI Practitioner i\u00e7in vazge\u00e7ilmezdir.<\/p>\n
Ba\u015far\u0131l\u0131 bir s\u0131nav deneyimi i\u00e7in sistemli bir haz\u0131rl\u0131k s\u00fcreci \u015fartt\u0131r. Do\u011fru stratejiler ve kaynaklarla hedefinize ula\u015fabilirsiniz.<\/p>\n
\u0130lk ad\u0131m, s\u0131nav kapsam\u0131n\u0131 detayl\u0131ca incelemek ve kendi bilgi d\u00fczeyinize g\u00f6re bir \u00e7al\u0131\u015fma plan\u0131 olu\u015fturmakt\u0131r. Zay\u0131f oldu\u011funuz alanlar\u0131 belirleyip bunlara daha fazla zaman ay\u0131r\u0131n. Haftal\u0131k veya g\u00fcnl\u00fck hedefler belirleyin ve bu hedeflere ula\u015fmak i\u00e7in d\u00fczenli bir \u00e7al\u0131\u015fma takvimi olu\u015fturun. Esnek olun ancak disiplini elden b\u0131rakmay\u0131n.<\/p>\n
Coursera, edX, Udacity gibi platformlardaki YZ ve makine \u00f6\u011frenimi kurslar\u0131, kapsaml\u0131 teorik ve pratik bilgi sunar. Google AI, IBM AI gibi \u015firketlerin kendi sertifika programlar\u0131 da de\u011ferli olabilir. Andrew Ng’nin “Machine Learning” kursu veya DeepLearning.AI serisi gibi pop\u00fcler kaynaklar ba\u015flang\u0131\u00e7 i\u00e7in m\u00fckemmeldir. Ayr\u0131ca, “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow” gibi kitaplar, teoriyi prati\u011fe d\u00f6kmenize yard\u0131mc\u0131 olacakt\u0131r.<\/p>\n
Teorik bilginin peki\u015fmesi i\u00e7in pratik uygulamalar hayati \u00f6neme sahiptir. Kaggle gibi platformlarda veri setleri \u00fczerinde \u00e7al\u0131\u015farak veya kendi k\u00fc\u00e7\u00fck YZ projelerinizi geli\u015ftirerek algoritmalar\u0131 deneyimleyin. Python ve pop\u00fcler k\u00fct\u00fcphaneler (NumPy, Pandas, Scikit-learn, TensorFlow, Keras, PyTorch) ile kod yazma becerilerinizi geli\u015ftirin. Ger\u00e7ek d\u00fcnya problemlerini \u00e7\u00f6zmeye y\u00f6nelik projeler, s\u0131navdaki senaryo tabanl\u0131 sorulara haz\u0131rlanman\u0131za yard\u0131mc\u0131 olur.<\/p>\n
S\u0131nav format\u0131na al\u0131\u015fmak ve zaman y\u00f6netimi becerilerinizi geli\u015ftirmek i\u00e7in deneme s\u0131navlar\u0131 \u00e7\u00f6zmek \u00e7ok \u00f6nemlidir. \u00c7\u00f6zd\u00fc\u011f\u00fcn\u00fcz deneme s\u0131navlar\u0131n\u0131n sonu\u00e7lar\u0131n\u0131 analiz edin, yanl\u0131\u015f cevaplar\u0131n\u0131z\u0131 ve eksik bilgilerinizi belirleyin. Bu geri bildirimleri kullanarak \u00e7al\u0131\u015fma plan\u0131n\u0131z\u0131 g\u00fcncelleyin ve zay\u0131f alanlar\u0131n\u0131za odaklan\u0131n.<\/p>\n
AI Practitioner s\u0131nav\u0131, sadece teorik bilgiyi de\u011fil, ayn\u0131 zamanda bu bilgiyi ger\u00e7ek d\u00fcnya problemlerine uygulama yetene\u011fini de \u00f6l\u00e7er.<\/p>\n
Ger\u00e7ek d\u00fcnya verileri genellikle kirli, eksik veya g\u00fcr\u00fclt\u00fcl\u00fcd\u00fcr. Bu nedenle, veri temizleme, eksik de\u011ferleri doldurma, ayk\u0131r\u0131 de\u011ferleri i\u015fleme ve veri normalizasyonu\/standardizasyonu gibi \u00f6n i\u015fleme teknikleri kritik \u00f6neme sahiptir. \u00d6zellik m\u00fchendisli\u011fi (feature engineering) ise ham veriden model performans\u0131n\u0131 art\u0131racak yeni \u00f6zellikler olu\u015fturma sanat\u0131d\u0131r. Bu ad\u0131mlar, modelin do\u011frulu\u011funu ve genellenebilirli\u011fini do\u011frudan etkiler.<\/p>\n
Bir problem i\u00e7in do\u011fru YZ modelini se\u00e7mek, ba\u015far\u0131n\u0131n anahtar\u0131d\u0131r. Problem t\u00fcr\u00fcne (s\u0131n\u0131fland\u0131rma, regresyon vb.), veri setinin b\u00fcy\u00fckl\u00fc\u011f\u00fcne ve \u00f6zelliklerine g\u00f6re en uygun algoritmay\u0131 belirlemek gerekir. Model se\u00e7ildikten sonra, veri \u00fczerinde e\u011fitilir ve hiperparametre ayar\u0131 (hyperparameter tuning) ile performans\u0131 optimize edilir. Grid Search, Random Search veya Bayesian Optimization gibi teknikler, en iyi hiperparametre kombinasyonunu bulmaya yard\u0131mc\u0131 olur.<\/p>\n
E\u011fitilen modelin ne kadar iyi performans g\u00f6sterdi\u011fini anlamak i\u00e7in do\u011fru de\u011ferlendirme metrikleri kullan\u0131lmal\u0131d\u0131r. S\u0131n\u0131fland\u0131rma i\u00e7in do\u011fruluk, kesinlik, geri \u00e7a\u011f\u0131rma, F1 skoru, ROC-AUC; regresyon i\u00e7in MSE, RMSE, MAE gibi metrikler \u00f6nemlidir. Ayr\u0131ca, \u00e7apraz do\u011frulama (cross-validation) gibi tekniklerle modelin genellenebilirli\u011fi test edilmelidir.<\/p>\n
Bir YZ modelinin ger\u00e7ek d\u00fcnyada de\u011fer yaratabilmesi i\u00e7in da\u011f\u0131t\u0131lmas\u0131 (deployment) gerekir. Modelin bir API arac\u0131l\u0131\u011f\u0131yla eri\u015filebilir hale getirilmesi, bulut platformlar\u0131nda (AWS SageMaker, Google AI Platform, Azure ML) bar\u0131nd\u0131r\u0131lmas\u0131 gibi konulara a\u015fina olmak \u00f6nemlidir. Da\u011f\u0131t\u0131ld\u0131ktan sonra modelin performans\u0131n\u0131 s\u00fcrekli izlemek ve veri kaymas\u0131 (data drift) veya model eskimesi gibi sorunlar\u0131 tespit etmek i\u00e7in izleme mekanizmalar\u0131 kurulmal\u0131d\u0131r.<\/p>\n
S\u0131nav g\u00fcn\u00fc performans\u0131, haz\u0131rl\u0131k s\u00fcreci kadar \u00f6nemlidir. Do\u011fru stratejilerle s\u0131nav stresini y\u00f6netebilir ve potansiyelinizi tam olarak kullanabilirsiniz.<\/p>\n
S\u0131nav s\u00fcresini verimli kullanmak i\u00e7in her soruya ayr\u0131lacak ortalama s\u00fcreyi \u00f6nceden belirleyin. Zorland\u0131\u011f\u0131n\u0131z sorular\u0131 i\u015faretleyip daha sonra d\u00f6nmek, zaman kaybetmenizi \u00f6nler. Sorular\u0131 dikkatlice okuyun ve anahtar kelimeleri belirleyin. \u00d6zellikle senaryo tabanl\u0131 sorularda, problemi ve verilen k\u0131s\u0131tlamalar\u0131 tam olarak anlad\u0131\u011f\u0131n\u0131zdan emin olun.<\/p>\n
S\u0131nav stresi do\u011fal bir durumdur ancak kontrol alt\u0131na al\u0131nabilir. S\u0131navdan \u00f6nceki gece iyi uyuyun ve s\u0131nav g\u00fcn\u00fc hafif bir kahvalt\u0131 yap\u0131n. S\u0131nav s\u0131ras\u0131nda derin nefes alma egzersizleri yaparak sakin kalmaya \u00e7al\u0131\u015f\u0131n. Pozitif d\u00fc\u015f\u00fcnmek ve kendinize g\u00fcvenmek, odaklanman\u0131z\u0131 art\u0131racakt\u0131r.<\/p>\n
S\u0131navdan bir g\u00fcn \u00f6nce, s\u0131nav\u0131n yap\u0131laca\u011f\u0131 yerin adresini, gerekli belgeleri (kimlik, s\u0131nav giri\u015f belgesi) ve s\u0131nav kurallar\u0131n\u0131 tekrar g\u00f6zden ge\u00e7irin. Son dakikada yeni konular \u00f6\u011frenmeye \u00e7al\u0131\u015fmak yerine, bildi\u011finiz konular\u0131 peki\u015ftirin. S\u0131nav ekipmanlar\u0131n\u0131z\u0131 (kalem, not defteri vb. e\u011fer izin veriliyorsa) haz\u0131r bulundurun.<\/p>\n
AI Practitioner sertifikas\u0131, sadece bir s\u0131nav\u0131 ge\u00e7mekten \u00f6te, yapay zeka alan\u0131nda s\u00fcrekli b\u00fcy\u00fcyen bir kariyerin ba\u015flang\u0131c\u0131 veya \u00f6nemli bir basama\u011f\u0131d\u0131r.<\/p>\n
Bu sertifika, sizi veri bilimci, makine \u00f6\u011frenimi m\u00fchendisi, YZ geli\u015ftiricisi, YZ proje y\u00f6neticisi veya YZ dan\u0131\u015fman\u0131 gibi \u00e7e\u015fitli roller i\u00e7in nitelikli hale getirir. Her bir rol, farkl\u0131 beceri setleri ve sorumluluklar gerektirse de, AI Practitioner sertifikas\u0131 bu rollerin temelini olu\u015fturan pratik YZ bilgisine sahip oldu\u011funuzu g\u00f6sterir.<\/p>\n
Yapay zeka, sa\u011fl\u0131k, finans, perakende, otomotiv ve teknoloji gibi bir\u00e7ok sekt\u00f6rde devrim yaratmaya devam ediyor. Bu da YZ yeteneklerine sahip profesyonellere olan talebi s\u00fcrekli art\u0131r\u0131yor. AI Practitioner sertifikas\u0131, bu dinamik ve b\u00fcy\u00fcyen alanda kendinize sa\u011flam bir yer edinmenizi sa\u011flar. Gelecekte, YZ’nin daha da yayg\u0131nla\u015fmas\u0131yla bu sertifikan\u0131n de\u011feri artmaya devam edecektir.<\/p>\n
Yapay zeka alan\u0131 h\u0131zla geli\u015fti\u011fi i\u00e7in, sertifikay\u0131 ald\u0131ktan sonra bile s\u00fcrekli \u00f6\u011frenmeye devam etmek esast\u0131r. Yeni algoritmalar\u0131, ara\u00e7lar\u0131 ve teknikleri takip edin. Belirli bir alanda (\u00f6rne\u011fin, do\u011fal dil i\u015fleme veya bilgisayar g\u00f6r\u00fcs\u00fc) uzmanla\u015farak kariyerinizde daha da ilerleyebilirsiniz. Konferanslara kat\u0131lmak, makaleler okumak ve YZ topluluklar\u0131nda aktif olmak, bilginizi g\u00fcncel tutman\u0131za yard\u0131mc\u0131 olacakt\u0131r.<\/p>\n
AI Practitioner s\u0131nav\u0131, yapay zeka alan\u0131ndaki pratik yetkinli\u011finizi kan\u0131tlamak i\u00e7in g\u00fc\u00e7l\u00fc bir ara\u00e7t\u0131r. Bu rehberde belirtilen stratejileri ve kaynaklar\u0131 kullanarak, s\u0131navda ba\u015far\u0131l\u0131 olabilir ve YZ kariyerinizde \u00f6nemli bir ad\u0131m atabilirsiniz. Unutmay\u0131n, ba\u015far\u0131 sadece s\u0131nav\u0131 ge\u00e7mekle kalmaz, ayn\u0131 zamanda s\u00fcrekli \u00f6\u011frenme ve kendinizi geli\u015ftirme taahh\u00fcd\u00fcn\u00fczle de \u015fekillenir. Yapay zekan\u0131n sundu\u011fu s\u0131n\u0131rs\u0131z potansiyeli ke\u015ffetmeye ve bu alanda fark yaratmaya haz\u0131r olun.<\/p>\n
Sertifikan\u0131n ge\u00e7erlilik s\u00fcresi, s\u0131nav\u0131 d\u00fczenleyen kurulu\u015fa g\u00f6re de\u011fi\u015fiklik g\u00f6sterebilir. Genellikle 2-3 y\u0131l ge\u00e7erli olup, bu s\u00fcrenin sonunda yenileme s\u0131nav\u0131 veya s\u00fcrekli e\u011fitim gereksinimleri olabilir. Detayl\u0131 bilgi i\u00e7in ilgili sertifikasyon sa\u011flay\u0131c\u0131s\u0131n\u0131n resmi web sitesini kontrol etmeniz \u00f6nerilir.<\/p>\n<\/li>\n
\u00c7o\u011fu AI Practitioner s\u0131nav\u0131 i\u00e7in resmi bir \u00f6n ko\u015ful bulunmamakla birlikte, temel programlama bilgisi (tercihen Python), temel istatistik ve matematik bilgisi ile makine \u00f6\u011frenimi kavramlar\u0131na a\u015final\u0131k \u015fiddetle tavsiye edilir. Baz\u0131 ileri d\u00fczey sertifikalar i\u00e7in belirli bir deneyim s\u00fcresi veya ba\u015fka bir sertifikaya sahip olma \u015fart\u0131 aranabilir.<\/p>\n<\/li>\n
Yapay zeka ve makine \u00f6\u011frenimi projelerinde en yayg\u0131n kullan\u0131lan dil Python’d\u0131r. Bu nedenle, Python’a hakim olmak s\u0131nav ve kariyeriniz i\u00e7in kritik \u00f6neme sahiptir. NumPy, Pandas, Scikit-learn, TensorFlow ve Keras\/PyTorch gibi k\u00fct\u00fcphaneleri kullanabilme becerisi de \u00f6nemlidir.<\/p>\n<\/li>\n
S\u0131nav \u00fccretleri, sertifikasyon sa\u011flay\u0131c\u0131s\u0131na ve \u00fclkeye g\u00f6re b\u00fcy\u00fck farkl\u0131l\u0131klar g\u00f6sterebilir. Genellikle birka\u00e7 y\u00fcz dolardan ba\u015flay\u0131p daha y\u00fcksek mebla\u011flara \u00e7\u0131kabilir. G\u00fcncel \u00fccret bilgisi i\u00e7in ilgili s\u0131nav\u0131n resmi web sitesini ziyaret etmelisiniz.<\/p>\n<\/li>\n
S\u0131nav\u0131 ge\u00e7ememeniz durumunda moralinizi bozmay\u0131n. S\u0131nav sonu\u00e7 raporunuzu detayl\u0131ca inceleyerek hangi konularda eksikleriniz oldu\u011funu belirleyin. Bu alanlara odaklanarak ek \u00e7al\u0131\u015fma yap\u0131n ve belirli bir bekleme s\u00fcresinin ard\u0131ndan s\u0131nava tekrar girin. Her ba\u015far\u0131s\u0131z deneme, \u00f6\u011frenme s\u00fcrecinizin bir par\u00e7as\u0131d\u0131r.<\/p>\n<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"Sertifikan\u0131n ge\u00e7erlilik s\u00fcresi, s\u0131nav\u0131 d\u00fczenleyen kurulu\u015fa g\u00f6re de\u011fi\u015fiklik g\u00f6sterebilir. Genellikle 2-3 y\u0131l ge\u00e7erli olup, bu s\u00fcrenin sonunda ye…","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":[1342],"tags":[],"class_list":{"0":"post-37597","1":"post","2":"type-post","3":"status-publish","4":"format-standard","6":"category-ai","7":"cs-entry","8":"cs-video-wrap"},"yoast_head":"\n