Problemi görürüm
Gerçek darboğazı, kullanıcı ihtiyacını ve teknik riski ayırırım.
01. Ürün, veri ve yapay zekâ
Ürünü, veriyi ve yapay zekâyı birlikte düşünürüm.
Yaklaşık 20 yıldır .NET, veri ve mimari problemlerini üretilebilir sistemlere dönüştürüyorum. Burada denediklerimi yazıyor, karmaşık kararları açıkça anlatıyorum.
.NET·Mimari·Veri·AI
20+ yıl deneyim.NET & SQL ServerSistem mimarisiPerformansAI uygulamaları
Nasıl çalışırım
Bir sistemi adım adım daha anlaşılır hale getiririm.
Kararı netleştiririm
Mimariyi, veri akışını ve sınırları birlikte tasarlarım.
Üretime taşırım
Bakımı kolay, ölçülebilir ve güvenli uygulamalar geliştiririm.
Öğrenmeye devam ederim
Performansı, geri bildirimi ve yeni araçları sisteme geri bağlarım.
Notlar ve deneyler
Son yazılar
Rider Log Mesajlarının Sonundaki Noktaya Neden Takılıyor?
Rider'da log yazarken karşıma çıkan küçük bir uyarı, yıllardır pek sorgulamadan yaptığım bir şeyi yeniden düşündürdü. Bir kayıt mesajının sonunda nokta bulunması neden sorun olarak görülüyor ki? Okuyan için bu çok farkeden bir nokta değil sonuçta, değil mi? Bu yazıda uyarının arkasındaki yaklaşımı, yapılandırılmış loglamayla ilişkisini ve günlük geliştirme sürecinde işimize yarayabilecek bazı detayları kod örnekleriyle ele alıyorum.
MediatR’a Gerçekten İhtiyacımız Var mı? .NET’te Kendi Mini CQRS Pipeline’ımızı Yazmasak Mı?
CQRS kullanırken çoğu .NET projesinde ilk tercih MediatR oluyor. Fakat CQRS ile MediatR aynı şey değil ve özellikle küçük projelerde ihtiyaç duyduğumuz yapı düşündüğümüzden çok daha basit olabilir. Bu yazıda kendi mini command/query dispatcher yapımızı kurarak MediatR’ın hangi problemi çözdüğünü, pipeline yaklaşımının neden önemli olduğunu ve hazır bir kütüphane ile kendi abstraction’ımız arasında nasıl karar verebileceğimizi ele alıyorum.
Semantic Search Nedir? Kelimeyi Değil, Anlamı Aramak
Semantic Search, birebir kelime eşleşmesi yerine metnin taşıdığı anlamı dikkate alan bir arama yaklaşımıdır. Özellikle doğal dil ile yapılan sorgularda klasik yöntemlerin kaçırdığı sonuçları yakalayabilir. Bu yazıda semantic search mantığını, embedding yapısını ve Levenshtein gibi benzerlik yöntemlerinden farkını kısa örneklerle ele alıyorum. Son bölümde ise hangi durumlarda klasik aramanın hâlâ daha doğru tercih olduğunu değerlendiriyorum.
Şu anda araştırıyorum
AI çağında sağlam mühendislik nasıl görünür?
Yeni araçları yalnızca takip etmiyor; mimari, veri kalitesi ve ekip pratiğiyle birlikte sınamaya çalışıyorum.
Bir sistemi birlikte sadeleştirelim.
Yeni bir ürün, zorlayan bir entegrasyon veya daha hızlı çalışan bir veri katmanı için konuşabiliriz.
İletişime geç