Codecast#52 - Türkiye'nin Online İlan ve Alışveriş Sitesi sahibinden.com’da Yapay Zeka Uygulamaları

Ahmet Hoşgör:
— Herkese selamlar, Coderspace’ten Ahmet ben. Codecast’in yepyeni bir bölümüyle karşınızdayız. Aslında biraz daha Codecast’te AI-Data Science-Yapay Zekâ buralara da yönelmek istediğimiz günlerdeydik. Tam da bu konuda bir konuğumuz var: Sahibinden.com’dan Yapay Zekâ Teknolojileri Araştırma Takım Lideri İrem İşlek bizlerle. Hoş geldin İrem.
İrem İşlek:
— Hoş buldum Ahmet. 
Ahmet Hoşgör:
— Nasılsın, iyi misin? 
İrem İşlek:
— İyiyim, çok iyiyim. Sen nasılsın? 
Ahmet Hoşgör:
— Ben de iyiyim. Güzel bir yayın olacağını hissediyorum, düşünüyorum. Aslında Sahibinden.com’la ilgili bir bölüm daha yapmıştık ve muhtemelen herkes Türkiye’de biliyor ama hem böyle senin kısa yaşam öykün, kariyer gelişimin, nasıl bu alana yöneldiğinden hem de Sahibinden’de neler yaptığınızdan başlayabiliriz.
İrem İşlek:
— Tabii. Ben İrem İşlek. Sahibinden.com’da senin de söylediğin gibi yapay zekâ teknolojileri araştırmaları yapan ekibin takım lideriyim. Altı buçuk yıldır Sahibinden.com’da çalışıyorum. Keyif alarak, zamanın nasıl geçtiğini de aslında anlamadığım bir süreç oldu. 2013’te lisanstan mezun oldum ve o dönemden beri aslında sektörde yapay zekâ üzerine çalışıyorum.
Lisansımı 2013 yılında İstanbul Teknik Üniversitesi Bilgisayar Mühendisliği bölümünde tamamladım. Ardından yine aynı bölümde yüksek lisans yaptım ve geçen yıl da doktoradan mezun oldum yine İstanbul Teknik Üniversitesi Bilgisayar Mühendisliği’nden. Doktora sürecinde özellikle e-ticarette tavsiye sistemleri üzerine, özellikle transformerları kullanan modellerle bu işi yapmak üzerine çalışmıştım. Ama tabii Sahibinden.com’da veri de çok çeşitli. Farklı tiplerde NLP projeleri de yapıyoruz, computer vision projeleri de… Farklı farklı projelerde yer alma fırsatım oldu. Genel olarak aslında benim kariyer yolculuğum bu şekilde diyebilirim.
Sahibinden.com ile yollarım birleştiğinde de aynı şeyi hissettim ama genel olarak benim ‘Ya bu işi endüstride yapmak istiyorum’ dememe sebep olan şey zaten geliştirdiğimiz o modelleri insanların kullanması, onlara ulaşmasıydı. Bu beni çok etkilemişti ve bu yüzden ‘Akademide kalmak istemiyorum; tamam, bu işin akademik kısmına da zaman ayıracağım ama gerçekten endüstride nasıl çalıştığını görmek istiyorum’ dedim. Verinin tabii ki daha gerçekçi ve daha zorlu olması, geliştirdiğimiz modellerin dediğin gibi insanlarla buluşması beni çok etkilemişti.
Sahibinden.com’da böyle, o anlamda çok doğru eşleştiğimi düşünüyorum. Yani burası tam ona uygun bir yer, o benim istediğim şeye uygun bir yer olduğu için de oldukça keyifli geçti şu zamana kadar. 
Ahmet Hoşgör:
— Süper… Aslında Sahibinden.com’da elbette yazılım ekipleri var; yapay zekâ ve veri ekiplerini de tahmin edebiliyorum. Ama hem benim hem de dışarıdan dinleyenlerin aklında bir şeyler canlansa da tam olarak nasıl bir yapı olduğunu bilmiyoruz. Sahibinden.com’da yapay zekâ veya AI ile ilgilenmek isteyenler ne yapar? Nasıl ekipler var? Data ile ilgili nasıl bir yapı var, onu merak ediyorum.
İrem İşlek:
— Aslında şöyle… Bizim ekibin bir günü nasıl geçiyor, belki oradan başlayabilirim. Gün içinde neler yapıyoruz? Sonrasında biraz projelerden de bahsedebilirim.
Genel olarak aslında Sahibinden.com’da agile çalışan çok ekip var ama bizim ekibimiz agile çalışmıyor. Quarter’larda çeşitli projeleri alıyoruz ve onları tamamlamak üzerine çalışıyoruz. Çünkü genelde o fikirlerin hangi modelleri denememiz lazım onu biliyoruz ama nasıl yapılacağıyla ilgili çok net bir durum olmuyor önümüzde. Zaten araştırmanın keyifli kısmı da bu. Yani nasıl çözüleceği çok bariz şeylerle uğraşmıyoruz biz genelde. O yüzden çok net süreler vermek veya agile yönetmek de kolay olmayabiliyor.  O yüzden bizim ekip özelinde quarter sonuna bir hedef ve bir aslında model geliştirme işi olarak aldığımız projemizi diyeyim, yetiştirmeye başlıyoruz ama her şeyiyle ilgileniyoruz biz onun. Yani genel olarak onun biraz detaylandırmasını, analizini de yapmaya çalışıyoruz tabii ki business ekipleriyle birlikte ama teknik anlamda analizini de… Nasıl modellerin var olduğu, literatürde nelerin denendiği, nereden başlasak güzel olacak? Önce basit bir şey deneyelim oradan gitgide karmaşıklaştıralım, en baştan en karmaşık modeli denemek yerine şeklinde bir süreçle biraz analizini yapıp gerekli tabii ki data kaynakları ve veri ekipleri var ama her projenin ihtiyacı olan o veriyi kendi işine yarayacak şekilde birleştirmeyi de yine bizim ekip yapıyor. Veri ekiplerinin yönettiği kaynaklardan diyebilirim.
Ahmet Hoşgör:
— Evet aslında biraz stratejik, biraz daha vizyoner de bir ekip gibi. Yani literatüre de bakıyorsunuz, araştırıyorsunuz. 
İrem İşlek:
— Tabii… Kesinlikle. Zaten bu bahsettiğin şey bizim işimizin çok büyük bir kısmı. Çünkü gerçekten literatüre de katkı sağlayan çalışmalar yapıyoruz. Bu yüzden tekrarlayan ya da herkesin yaptığı bariz şeyleri uygulayan bir ekip değiliz; tam tersine, ‘Bu nasıl yapılır?’ diye kafa patlatıp literatürde benzer işleri yapanların yaklaşımlarına bakıyoruz. Çoğu zaman da onları kendi problemimize göre özelleştirme ihtiyacı doğuyor. Bizim süreçlerimiz de tam olarak böyle bir serüven aslında.
Süreçten devam edeyim:
Veriyi hazırladıktan sonra model geliştirmeye başlıyoruz. Az önce bahsettim biraz daha basitten başlayıp, gitgide zorunu da deneyip en iyi modelin hangisi olduğunu bulmaya çalışıyoruz. Böyle bir deney ve model geliştirme aşaması oluyor. Yani bizim hiçbir projemizde ilk denediğim model, en güzeli gibi bir şey olmaz. Farklı şeyler illaki denenir. Daha sonra en iyisi hangisiyse içinden metriklere göre o seçilir. 
Offline testlerde belirli bir başarı eşiğine ulaştığımızda “Tamam, bu modeli canlı sistemlere entegre edebiliriz.” dediğimiz noktada business ekipleriyle birlikte karar veriyoruz. Ardından bizim ekip modelin backend ile konuşacak o modelin servis haline getirilmesi işini de yapıyor. Yani biz bir prototip geliştirip başka bir ekibe devretmiyoruz. Bizdeki işleyiş böyle değil…
Ahmet Hoşgör:
—Canlıya da çıkarıyorsunuz aslında… 
İrem İşlek:
—Aynen öyle canlıya çıkıyor. Hatta canlıya çıktıktan sonra modelin işi bitmiyor; çünkü çalışmaya devam ediyor. Bu modellerin performansı her zaman sabit kalmaz. Data değiştikçe, drift oldukça düşebilir. Bu tip konularda kontrol edebilmek için “Ben bunu canlıda neyle takip etmeliyim, hangi metrikleri tanımlamalıyım?” gibi soruların tanımını da yapan bayağı uçtan uca sahibi olan kişi o projedeki araştırma mühendisi oluyor geliştirilen modelle ilgili projedeki diyeyim.
Ahmet Hoşgör:
—Evet, aslında data science dünyasıyla ilgili en büyük eleştirilerden ya da kritiklerden, özeleştirilerden biri; bu modellerin canlıya çıkarılması, canlıya çıkma süreci oluyor Hani bunu da sizin yapmanız sahipliği artırması anlamında muhtemelen çok daha iyi oluyordur.
İrem İşlek:
—Kesinlikle. 
Ahmet Hoşgör:
—Burada tabii güzel olan bir şey de şu: Silikon Vadisi’nde gördüğümüz gibi siz işin akademik–bilimsel tarafında da aktifsiniz; biraz araştırma ekibi gibi çalıştığınızı anladım. Peki hangi teknolojilerle, hangi tech stack’lerle ilerliyorsunuz? Sonrasında da bu feature’lardan (özelliklerden) biraz bahsedebilir misin? Bazı şeyler kafamızda canlanıyor ama dinleyenlerin de senden duyması daha iyi olur.
İrem İşlek:
—Tabii ki…Çözümlerimizi Python ile geliştiriyoruz. Hem TensorFlow hem PyTorch iki framework‘te kullanıyoruz. Başlarda daha çok TensorFlow odaklı başlamıştık ama PyTorch’un kullanmanın daha makul olacağı birçok proje de çıktı sonra önümüze. 
Senin dediğin çok doğru aslında, farklı hem de akademiyle bağı süren kişiler var ekipte. Uzmanlık tarafında da sadece NLP yapan ya da sadece computer vision yapan bir ekip değiliz. Farklı alanlardan uzmanlıklar var; anomali tespiti için de bir model geliştirebiliriz, iç süreçlerde kullanılabilecek. NLP’den computer vision’a kadar her tür projeyi geliştirebiliyoruz.
Örneklendirmem gerekirse:
Oldukça üzerine çalıştığımız bir computer vision projemiz vardı. “Sanal Tur” adını verdiğimiz bu projede, normalde 360 derece panoramik görüntü oluşturmak için özel bir kamera almanız gerekir ya kendiniz satın alırsınız ya da bu hizmeti veren bir firmadan satın alırsınız.
Bizim oluşturduğumuz çözüm, bunu cep telefonuyla çekilen fotoğraflardan yapmanızı sağlıyor. Kullanıcıya oda ortasında farklı noktalardan tekil fotoğraflar çektiriyoruz; ışık değişimleri, açısal kaymalar gibi sorunlara rağmen bu fotoğrafları doğru şekilde birleştiren bir sistem geliştiriyoruz.
Burada hem yapay zekâ modelleri hem de geleneksel computer vision yöntemleri içeren hibrit bir yaklaşım var.
Bunun devamında yaptığımız ikinci bir proje ise LiDAR teknolojisiyle ilgiliydi. Apple, 12 serisinden itibaren Pro ve Pro Max modellerine LiDAR sensörü koydu. Bazı Samsung modellerinde de bu sensör var sanırım. Bu sensörler derinlik bilgisi veriyor. Yine bir projemizde de biz hazır bu sanal turu çekiyoruz, -yani fotoğrafları çekiyoruz- eğer derinlik sensörü de varsa telefonda arkada o derinlik datasını da toplayıp bu sefer odanın o üç boyutlu yapısını oluşturup oradan oda planını, odanın krokisini çıkaralım ve derinlik verisinden metrekaresini de hesaplayalım gibi bir iş yapan, yine içinde computer vision teknolojilerinin olduğu bir projemiz de var.
Ahmet Hoşgör:
—Evet, mesela computer vision tamamen ayrı bir dünya. Muhtemelen başka konular da var; bu anlamda çeşitlilik var. Diğerlerinden de bahsedebilirsen tabii süper olur.
İrem İşlek:
—Tabii. Örneğin kategori tahmini projemiz var. Kullanıcı Sahibinden.com’da ilan verirken, özellikle geniş kategori ağacında doğru yeri bulmak zaman alabiliyor. Bu süreci hızlandırmak için, kullanıcı fotoğrafı yüklediğinde ve başlık yazdığında, ilanı hangi kategoriye yerleştirmesi gerektiğini otomatik olarak tahmin edip öneriyoruz. Bu özellik ilan verme sürecini oldukça hızlandırıyor.
Bunun dışında farklı computer vision modellerimiz de var. Detection tarafında geliştirdiğimiz bir model, araç fotoğraflarından marka, model, kasa tipi ve yıl tahmini yapıyor. “Fotobot” adını verdiğimiz bir aracımız ise emlak ilanlarındaki fotoğrafları otomatik olarak iyileştiriyor. Her fotoğrafın ihtiyacı farklı olduğu için, hatta bir fotoğrafın içinde bile bölgeler farklı düzenleme gerektirdiğinden, model her görüntüye özel bir filtre üretiyor.
Ayrıca iç süreçler için geliştirdiğimiz çeşitli anomali tespiti projelerimiz bulunuyor. Bunlar daha çok kurum içi ekiplerin kullandığı servisler. Özetle NLP’den computer vision’a, anomali tespitinden kategori tahminine kadar oldukça çeşitli türde projeler yürütüyoruz.
Ahmet Hoşgör:
— Evet, aslında çok büyük bir data var sizde ve devamlı da büyüyor. Ve tabii bankalarla konuşurken de benzer datalar olduğunu görüyoruz. Sizde birazcık daha “eğlenceli” data da var. Peki, şeyi nasıl görüyorsun? Biraz tabii bebek adımları ama LLM de dünyamıza giriyor. Yani data science modellerinin bile daha belli bir kısmındayız bence; orada da çok yol var ama LLM dünyamıza daha hızlı bir giriş yaptı. Özellikle ChatGPT ile birlikte magazinsel bir boyut da kazandı. Bunların iş dünyasındaki kullanımını şu anda ve gelecekte nasıl görüyorsun?
İrem İşlek:
— Tabii ki birçok işi kolaylaştıran, gerçekten etkileyici sonuçları olan modeller bunlar. Ama kullanıcıyla buluştururken çözülmesi gereken, onu ürüne dönüştürürken farklı problemler de var. Bunlara dikkat edip çözmek gerekiyor. Mesela evaluation çok özellikle dikkat edilmesi gereken bir nokta. Artık bunu yapmak için özel şirketler bile kurulmaya başlandı.
Çünkü bir modeli kendi domain’inizde bir görev için kullanmak istiyorsunuz; soruyu soruyorsunuz, güzel bir cevap veriyor, “Hadi bunu ürüne dönüştürelim.” diyorsunuz ama durup şunu düşünmeniz gerekiyor: “Bu cevabın iyi olup olmadığını nasıl ölçeceğim?” gibi… Evaluation büyük bir problem.
Tabii ki bunun performansla ilgili konuları da var. Bu modeller çok etkileyiciler ama en hızlısı bile aslında çok yüksek trafikli bir yerde ne kadar hızlı cevap verebilir? Cache mi lazım bu sonuçlara benim? Bunlar tekrar eden sorular mı benim sorduklarım? gibi. Yani bunu gerçekten bir ürüne dönüştürmek istediğinizde çözmeniz gereken, çok da kolay olmayan ve sektördeki kişilerin de “Bunun cevabı şudur.” diyemediği, henüz “best practice”lerin tam anlamıyla oluşmadığı bir nokta var.
Bunlar tabii ki çözmek için herkesin çalıştığı, herkesin kendi çözümlerini üretmeye çalıştığı ve insanlara faydalanabilecekleri hâle getirmeye uğraştığı konular. Bu problemler çözüldükten sonra sürecin daha rahat olacağını düşünüyorum.
Ahmet Hoşgör:
— Yani tabii hâlihazırda zaten çalışan iyi modeller olduğu için, verilen efor LLM’leri bunların üzerine ne kadar taşıyacak, gerçekten daha iyi sonuç verecek mi, nasıl ölçülecek… Benim de ilk aklıma gelenler bunlar olmuştu açıkçası. Bakalım, göreceğiz.
İrem İşlek:
— Hep birlikte göreceğiz.
Ahmet Hoşgör:
— Evet. Burada çalışanların bir günü nasıl geçiyor, onu konuştuk ama başka bir şeyi de merak ediyorum: Bir yandan business tarafında ciddi bir araştırma yürütüyorsunuz; ama yine de direkt dış ekiplerden “Şöyle bir sorunumuz var, bunu iyileştirebilir miyiz?” gibi talepler geliyor mu? Yani işin business’tan o kodun yazılmasına ve canlıya çıkmasına kadar olan sürecini düşünürsek, orada teknik bir kısım var, bir problem var; problemin bir çözümü var. Buralarda diğer ekiplerle ilişkileriniz nasıl?
İrem İşlek:
— Dediğin çok doğru. Fikirler her zaman bizden çıkmıyor. Business tarafında da çok fazla fikir geliyor. “Şöyle bir problemimiz var, bunu çözsek mi?” gibi talepler oldukça fazla. O fikirler bazen bizim literatürde gördüğümüz şeyler oluyor. “Çok güzel bir model çıkmış, bunu bir ürüne dönüştürebilir miyiz?” diye düşündüğümüz oluyor.
Yine farklı ekiplerden aldığımız fikirlerle birlikte, yapılabilecek şeyler havuzundan en çok yapmak istediğimizi seçiyoruz diyebilirim. Her yerden besleniyoruz orada. O yüzden business’ta, projenin geliştirilme süreci boyunca zaten sürekli yakın ilişki hâlindeyiz.
Bir ürünü biz geliştirdik, modelin iyi olduğunu düşünüyoruz, dataya göre çeşitli metrikler hesaplıyoruz ama bunun ürüne dönüştürüldüğünde nasıl etki yarattığını da sürekli onların görüşüyle değerlendiriyoruz. Bence doğrusu da bu.
Bunun dışında tabii ki birçok ekiple iletişim hâlindeyiz. Veriyi toplarken veri ekipleriyle yakın çalışıyoruz, veriyi yöneten ekiplerle yakın çalışıyoruz. Bir iş servisi geliştireceksek mimari ekiplerden de görüş alıyoruz: “Nasıl olmalı? Doğru bir kurgu mu yaptık?” diye.
Backend ile konuşacak bizim geliştirdiğimiz servis, bu sefer tabii ki backend ekipleriyle sürekli dirsek teması hâlinde oluyoruz. Birçok ekiple birlikte çalışıyoruz.
Ahmet Hoşgör:
— Ve burada birçok feature ve birçok model olduğu için, her modelin aslında bir sahibi oluyor değil mi? İlk söylediğin gibi; örneğin sanal turla ilgilenen biri onu uçtan uca sahipleniyor gibi…
İrem İşlek:
— Evet, biraz öyle oluyor. Doğası gereği öyle. Bizden o projeyi geliştirmeye başlayan kişi sürecin sahipliğini alıyor; hangi ekiplerle görüşülmesi gerekiyorsa görüşüyor ve modelin canlıya çıkması için gereken süreci yönetiyor.
Ahmet Hoşgör:
— Product owner aslında bir nevi, bu data dünyasında. Değil mi?
İrem İşlek:
— Öyle de denilebilir ama bizim geliştirdiğimiz modelle ilgili kısım için… Yani model sonuçta bir feature’a dönüyor ya; onun product owner’ı tabii ki gerçekten product ekibi. Ama bizim tarafta, model özelinde bir sahiplik söz konusu diyebilirim.
Ahmet Hoşgör:
— Genel olarak baktığımızda, son yıllarda akademinin bazı alanlarda özel sektörün gerisinde kaldığını görüyoruz. Yazılım ya da iş dünyasının birçok alanı akademiden daha hızlı ilerliyor. MBA’ler eskisi kadar kritik değil gibi görünüyor. Ama bunun bir istisnası olduğunu düşünüyorum, o da yapay zekâ–AI tarafı. Dünyada da bu alan, akademiyle data science’ın kol kola gittiği bir yer. Bu konudaki görüşünü merak ediyorum. Sence neden böyle? Böyle olması iyi mi? Bu alanda akademik ilerlemeyi öneriyor musun? Bu konudaki görüşlerini merak ediyorum açıkçası.
İrem İşlek:
—Biz ekipçe akademiyle eş zamanlı ilerlemeye önem veren bir yapıyız. Gündemimizin doğal olarak büyük kısmı ürün geliştirmek—yüksek trafikli bir platformda çalışıyoruz—ama araştırma tarafına da bilinçli olarak alan açıyoruz. Araştırmadan kastım, gerçekten literatüre bir şey eklemek. Çünkü modelleri geliştirirken yalnızca uygulama yapmıyoruz; veri yapımız, problem tanımımız ve geliştirdiğimiz yöntemler çoğu zaman literatürde birebir karşılığı olmayan noktalar barındırıyor. Bunları soyutlamayı ve akademik çıktıya dönüştürmeyi önemsiyoruz.
2024’ten beri bu yaklaşımın somut çıktıları da oldu: ekibimizin çalışmalarından üç makale kabul edildi. İkisi yurtdışında Bristol ve Polonya’daki konferanslarda sunuldu; biri de Türkiye’de sinyal işleme alanında bilinen SEO konferansında yer aldı.
Bu yüzden “özel sektör kendi yoluna, akademi kendi yoluna” yaklaşımını doğru bulmuyoruz. Hocalarla iş birlikleri yapıyoruz; bu çift yönlü ilişki hem bize hem akademiye değer katıyor. Akademiden aldığımız perspektif uygulamalarımızı güçlendiriyor, bizim gerçek dünya deneyimlerimiz de akademiye farklı bir bakış ve veri gerçekliği sağlıyor.
Yapay zekâ tarafında hesaplama gücü ve veri ölçeği açısından özel sektörün ciddi avantajları var. Bu nedenle üretilen bilgiyi paylaşmak ve iş birliklerini artırmak bana sektörün sorumluluğu gibi geliyor.
Ahmet Hoşgör:
—Ben de yıllar önce Silikon Vadisi’ndeyken Google’daki pek çok kişinin aynı anda Stanford’da AI projeleri yürüttüğünü gördüğümde şaşırmıştım. Bu yakın ilişki çok değerli. Bizim tarafta da Datathon’larda örneğin İTÜ’den Şule Hoca ile jüri olduğumuz oldu; konu veri ve yapay zekâ olunca yollar ister istemez kesişiyor.
İrem İşlek:
— Çok güzel, Şule Hoca doktora hocam benim bu arada. Çok memnun oldum.
 Ahmet Hoşgör:
— Öyle mi? Çok iyi… Şule Hoca sağ olsun çok destek oluyor. Özellikle şirketlerde bazen istiyor, bu Datathon yarışmasında bir akademik taraftan da bir jüri olsun gibi. Bizim de öyle ilk gittiğimiz kişilerden biri. İki kere jürimiz de olmuştu. Eğitim konusu açılmışken şunu da sorayım: Bu alan çok hızlı geliştiği için içeride sürekli bir öğrenme ve gelişim ihtiyacı olduğunu tahmin ediyorum. Çalışanlar eğitimlere katılıyor mu? Sahibinden.com bunun için imkân sağlıyor mu?
İrem İşlek:
— Tabii ki sağlanmak zorunda da aslında bir noktada zaten. Alanımız çok hızlı gelişiyor; her gün yeni bir model, yeni bir habere uyanıyoruz. Bu yüzden sürekli takip etmek şart. Top diyebileceğim Machine Learning ve Yapay Zekâ konferanslarını takip etmeye çalışıyoruz; online da katılabiliyoruz, çeşitli durumlarda yerinde de gidiyoruz.
Bizim ekip özelinde bu konferansları takip etmek oldukça değerli ve katkı sağlıyor bizim gelişimimize.
Onun dışında her yıl düzenlenen Bilim Akademisi Yapay Öğrenme Yaz Okulu’na neredeyse her yıl katılıyoruz; bu sene sponsoruyuz da — Temmuz’un ilk haftasında gerçekleşecek. Orada çok değerli hocaların dersleri oluyor.
Bunun dışında dikkat çeken etkinlikleri takip ediyor, uygun olanlara katılıyoruz. Kitaplar, eğitim kaynakları… Bunlar sürekli bizi besleyen şeyler konferansların dışında.
Ekip içinde de bilgi paylaşımı önemli. Yeni modeller çıktıkça, yeni makaleler yayınlandıkça “Ben bunu okudum, çok etkilendim, size anlatayım.” şeklinde toplantılar yapıyoruz. Şirket genelinde de Developer-to-Developer etkinlikleri var; orada da projelerden öğrendiklerimizi paylaşıyoruz Sahibinden.com’daki arkadaşlarımıza.
Şirket dışına yönelik olarak da Medium hesabımızı aktif kullanıyoruz. Takip etmesi faydalı olacaktır dinleyenlerin, tavsiye edebilirim. Orada hem teknik içeriklerimizi hem yaptığımız işleri paylaşıyoruz. Eğitim ve gelişim bizim için çok önemli, her kaynaktan yararlanmaya çalışıyoruz.
Ahmet Hoşgör:
— Aslında bir yandan tabii özel sektörün business tarafının ağırlığı var ama bunun içinde kendini geliştirmek isteyenler için eğitim, akademi, literatür tarafını da besleyen bir yapı olması bence çok değerli.
Sen de uzun süredir buradasın, görüştüğüm diğer insanlar da hep mutlu bir ortamdan bahsediyor. Dolayısıyla hem öğrenme anlamında tatmin eden hem bireysel olarak besleyen hem de şirketin işleyişini sürdüren bir denge var gibi görünüyor.
Şimdi… Bu podcast’i junior da dinliyor, mid-level da, senior da. Farklı seviyelerden çok kişi var aslında. Onlara böyle son bir çağrın olur mu? Kimler başvursa burada gerçekten mutlu olur, kimler ekibe uyum sağlar? Bir de başvurmak isteyenler nereye bakabilir? Böyle son bir çağrı bölümü açalım.
İrem İşlek:
— Tabii. Zorlu projelerden yılmayan, araştırmayı seven, çözüm üretmeyi seven, araştırma yönü güçlü, yapay zekâ konularına ilgi duyan herkesin başvurularını bekliyoruz. Herkese kapımız açık bu anlamda.
Çok farklı alanlarda projelerimiz olduğu için herhangi bir alana yönelik bir kısıtlama da yok. Çok da eğlenceli olduğunu söyleyebilirim uğraştığımız işlerin.
Başvuru için de genelde LinkedIn’de pozisyon açıyoruz. Sahibinden.com’un LinkedIn iş ilanlarını takip etmelerini öneririm.
Başvurulardan sonra önce tanışma, sonra bir coding case ve coding case üzerinden bir değerlendirme ve ardından teknik mülakat şeklinde ilerleyen bir süreç oluyor.
Ahmet Hoşgör:
— Harika. Bugün Codecast’in yeni bölümünde Sahibinden.com Yapay Zekâ Teknolojileri Araştırma Takım Lideri İrem İşlek’i ağırladık. Hem kendi hayat hikâyesini dinledik hem Sahibinden.com’u ve içerideki yapıyı dinledik. Bu bölümde farklı olarak bence akademi ve oradaki iş birliklerini de konuştuk ve aslında çok fazla bize de gelen bir konuydu.
Evet, yazılımla ilgili bölümler oluyor ama yapay zekâ, AI, data science, bunun geleceği, LLM vs bunların hepsini de bence konuşma fırsatımız oldu. Çok keyifli bir bölüm oldu. Çok teşekkürler konuk olduğun için İrem.
 İrem İşlek:
— Ben teşekkür ederim. Ben de çok keyif aldım.
Ahmet Hoşgör:
— Görüşmek üzere.
İrem İşlek:
— Görüşürüz.