Bazı kurulumlar vardır; belgelerde birkaç adım gibi görünür, gerçekte ise insanı kablolara, sürücülere, BIOS ekranlarına ve "acaba nerede hata yaptım?" sorusuna kadar götürür. Jetson Orin Nano da benim için böyle bir başlangıç oldu. Yapay zekâ denemeleri için küçük ama güçlü bir cihaz kurmak isterken, ideal dokümantasyon ile gerçek dünyanın birbirine her zaman uymadığını bir kez daha gördüm. Bu yazı, sonunda çalışan bir sistem kadar, oraya varırken takıldığım taşların da hikâyesi.
İki yapay zekâ modelini karşı karşıya getirmek ilk bakışta sadece iyi yazılmış birkaç prompt meselesi gibi görünebilir. Ama işin içine roller, turlar, hafıza, jüri değerlendirmesi ve tarafsızlık girince basit bir deneme, küçük bir deney altyapısına dönüşüyor. Bu yazıda, önceki münazara deneyinin arkasında çalışan mekanizmaya bakıyoruz: modellerin birbirini nasıl "duyduğu", cevapların nasıl taşındığı, jürinin nasıl devreye girdiği ve bütün bu akışın neden düşündüğümden daha dikkatli tasarlanması gerektiği üzerine.
Bazen bir projenin ihtiyacı büyük bir veri ambarı değil, doğru yere akan küçük ve güvenilir bir veri hattıdır. AWS tarafında duran veriyi Google Sheets'e taşımak ilk bakışta basit görünebilir; ama işin içine kimlikler, izinler, anahtar güvenliği ve zamanlanmış işler girince tablo biraz değişir. Bu yazıda, kalıcı anahtar taşımadan, iki bulutu birbirine konuşturan sade ama dikkat isteyen bir kurulumun adımlarına yakından bakıyoruz.
Geliştirme ortamı kurmak bazen sadece birkaç araç yüklemekten ibaret değildir; nerede çalıştığınızı, neyi izole tuttuğunuzu ve hangi riski ana makinenize taşımak istemediğinizi de belirler. Ben hâlâ Windows üzerinde Linux sanal makinelerle çalışmayı tercih ediyorum; çünkü temiz başlayabilmek, gerektiğinde kolayca yedekleyebilmek ve denemeleri kontrollü bir alanda tutmak bana özgürlük sağlıyor. Bu yazıda, bu tercihin arkasındaki pratik sebeplerle birlikte Hyper-V üzerinde adım adım kurulmuş bir geliştirme ortamının izini süreceğiz.
