# Bölüm 01: Kenar için Yapay Zeka Dağıtımını Dönüştürmek

EdgeAI, yapay zeka dağıtımında bir paradigma değişimini temsil eder ve yapay zeka yeteneklerini bulut tabanlı işlemden yerel kenar cihazlarına taşır. Bu bölüm, yapay zekanın bu dönüştürücü uygulama yaklaşımını tanımlayan temel kavramları, anahtar teknolojileri ve pratik uygulamaları inceler.

## Modül Yapısı

### [Bölüm 1: EdgeAI Temelleri](./01.EdgeAIFundamentals.md)
Bu bölüm, geleneksel bulut tabanlı yapay zeka ile kenar yapay zeka dağıtım modellerini karşılaştırarak temeli oluşturur. Model kuantizasyonu, sıkıştırma optimizasyonu ve kenar cihazlarının hesaplama kısıtlamalarını aşan Küçük Dil Modelleri (SLM'ler) gibi kritik teknolojileri ele alıyoruz. Tartışma, bu yeniliklerin gelişmiş gizlilik koruması, ultra düşük gecikme süresi ve sağlam çevrimdışı işlem yetenekleri sağladığını vurgular.

### [Bölüm 2: Gerçek Dünya Örnekleri](./02.RealWorldCaseStudies.md)
Microsoft'un Phi ve Mu model ekosistemleri ile Japan Airlines'ın yapay zeka raporlama sistemi gibi somut örnekler aracılığıyla, bu bölüm farklı endüstrilerde başarılı EdgeAI uygulamalarını gösterir. Bu vaka çalışmaları, SLM'lerin özel görevlerdeki olağanüstü performansını doğrular ve kenar dağıtım stratejilerinin pratik faydalarını ortaya koyar.

### [Bölüm 3: Pratik Uygulama Rehberi](./03.PracticalImplementationGuide.md)
Bu bölüm, uygulamalı öğrenme için kapsamlı ortam hazırlık yönergeleri sunar ve temel geliştirme araçlarını, donanım gereksinimlerini, çekirdek model kaynaklarını ve optimizasyon çerçevelerini kapsar. Öğrencilerin kendi EdgeAI çözümlerini oluşturup dağıtabilmeleri için gerekli teknik temeli sağlar.

### [Bölüm 4: Edge AI Dağıtım Donanım Platformları](./04.EdgeDeployment.md)
Bu bölüm, Intel, Qualcomm, NVIDIA ve Windows AI PC'lerden platformları kapsayan kenar yapay zeka dağıtımını mümkün kılan donanım ekosistemini inceler. Donanım yeteneklerinin ayrıntılı karşılaştırmalarını, platforma özgü optimizasyon tekniklerini ve çeşitli kenar bilişim senaryolarında pratik dağıtım hususlarını sunar.

## Temel Öğrenim Çıktıları

Bu bölümün sonunda okuyucular:
- Bulut ve kenar yapay zeka mimarileri arasındaki temel farkları
- Kenar dağıtım için temel optimizasyon tekniklerini
- Gerçek dünya uygulamaları ve başarı hikayelerini
- EdgeAI çözümleri uygulamak için pratik becerileri
- Donanım platformu seçimi ve platforma özgü optimizasyon yaklaşımlarını
- Performans kıyaslama ve dağıtım en iyi uygulamalarını anlayacaklar.

## Gelecek Etkileri

EdgeAI, yapay zeka dağıtımının geleceğini şekillendiren kritik bir trend olarak ortaya çıkıyor ve bulut bağlantısına bağımlı olmadan yüksek performans standartlarını korurken dağıtılmış, verimli ve gizlilik odaklı yapay zeka sistemlerinin yolunu açıyor.

---

**Feragatname**:  
Bu belge, AI çeviri hizmeti [Co-op Translator](https://github.com/Azure/co-op-translator) kullanılarak çevrilmiştir. Doğruluk için çaba göstersek de, otomatik çevirilerin hata veya yanlışlıklar içerebileceğini lütfen unutmayın. Belgenin orijinal dili, yetkili kaynak olarak kabul edilmelidir. Kritik bilgiler için profesyonel insan çevirisi önerilir. Bu çevirinin kullanımından kaynaklanan yanlış anlamalar veya yanlış yorumlamalar için sorumluluk kabul etmiyoruz.