Kitap Listesi
Temel Textbook’lar
Artificial Intelligence: A Modern Approach (4th US ed.) Textbook
AI’a nereden girileceği konusunda öğrenciler için en sağlam iskelet bu kitap. Konuları ders akışı gibi sıralıyor: arama, mantık, olasılık, planlama, öğrenme. Ben bunu büyük resmi kurmak için öneriyorum; bu temel oturduğunda diğer kitaplar çok daha hızlı anlaşılır.
Deep Learning Textbook
Derin öğrenmenin matematik omurgası. İlk okumada ağır gelebilir ama akademik temeli kurmak için en güvenilir kaynak. Makale okurken ve yazarken hâlâ dönüp baktığım kitap.
Deep Learning Foundations and Concepts Textbook
Bishop’un daha güncel ve temiz anlatımı. “Neden böyle çalışıyor?” sorusunu sade bir yapı içinde kuruyor; kavramlar arasındaki bağları iyi kurduruyor. Derin öğrenmeye orta seviyeden girmek isteyenler için çok iyi.
Pattern Recognition and Machine Learning Textbook
Olasılıksal modellemenin klasiği. Matematiği güçlendirmek ve modelleme tarafına ciddi girmek isteyen öğrenciler için vazgeçilmez. Sabır istiyor ama karşılığı yüksek.
Probabilistic Machine Learning: An Introduction Textbook
Murphy’nin modern textbook’u. Belirsizlik, çıkarım ve olasılıksal düşünmeye sistemli bir giriş veriyor. İstatistiksel temelini büyütmek isteyen öğrenciler için net bir yol haritası.
Bonus / Pratik + Perspektif
Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow
Sıfırdan uygulama yapmak isteyenler için en hızlı yol. Kod çalıştırarak öğrenme yaklaşımıyla kısa sürede momentum kazandırıyor; küçük projelerle özgüven kazanmak için ideal.
Deep Learning with Python (3rd Edition)
Keras’ın yaratıcısından, uygulama üzerinden sezgi kazandıran bir kitap. Bölüm bölüm ilerleyip kendi mini projelerini çıkarabileceğin, öğrenerek yapmayı sevenler için çok güçlü bir kaynak.
Designing Machine Learning Systems
Bir şirkette ML projesi nasıl tasarlanır sorusuna en net cevaplardan biri. Süreç, ekip rolleri, veri kalitesi, dağıtım ve bakım döngüsünü sade bir dille toparlıyor.
AI Engineering
Foundation modelleriyle ürün geliştirmek isteyenler için çok pratik bir rehber. Prompting’den değerlendirmeye, maliyet-kalite dengesinden ürünleştirmeye kadar güncel gerçekleri anlatıyor.
Machine Learning Engineering
Mühendislik disiplinini ML projelerine taşır. Deney yönetimi, metrikler, veri boru hatları gibi pratik konuları kısa ve net anlatıyor. Öğrenciler için “projeyi ciddileştirme” kitabı.
Interpretable Machine Learning
XAI yöntemlerini karşılaştırmalı anlatır: hangi yöntem neyi açıklar, nerede yanılır? Açıklanabilirlik çalışmak isteyen öğrenciler için müthiş bir başvuru.
The Book of Why
Nedensellik düşüncesini sade bir dille oturtuyor. XAI ve güvenilirlik tartışmalarına teorik derinlik kazandırmak için çok iyi bir tamamlayıcı; “korelasyon yetmez” dediğin yerde devreye girer.
Human Compatible
AI güvenliği ve hedef uyumu konularında büyük resmi görmeni sağlar. Teknik detaydan çok düşünsel çerçeve isteyen öğrenciler için iyi bir perspektif.
Prediction Machines
AI’ı ekonomik bir mercekten anlatır: tahmin ucuzladığında karar süreçleri nasıl değişir? Ürün ve iş tarafına bakan öğrenciler için çok değerli bir perspektif.
Competing in the Age of AI
Kurumsal dönüşüm ve veri stratejisini yönetim perspektifiyle ele alır. Teknik öğrencinin iş dünyasının diliyle konuşmasını sağlar; strateji tarafını güçlendirir.
Weapons of Math Destruction
Algoritmaların toplumsal etkisini gerçek örneklerle gösteriyor. Teknik çalışan herkesin, ürettiği modelin “yan etkilerini” görmesi için önemli.
The Society of Mind (Zihin Toplumu)
Zihin ve zekayı modüler parçalarla düşünmeyi öğretir. Açıklanabilirlik ve bilişsel mimari konularına ilham veren, ufuk açıcı bir metin.
Surely You're Joking, Mr. Feynman!
Bilimsel merak ve problem çözme kültürü için şahane bir motivasyon kitabı. Öğrenciye araştırmacı zihniyetini ve oyunla öğrenmeyi hatırlatıyor.