// Dogal Dil Isleme ve Buyuk Dil Modelleri

Veriyle Konusan
Analitik Asistan

Ders 1 · Dilin Makineye Temsili: Token · Embedding · Attention

01 / Temsil 02 / Text-to-SQL 03 / Schema-RAG 04 / Agent 05 / Guvenlik 06 / Deploy

Sonunda Ne Kuruyoruz?

  "Gecen ay en cok satan 3 urun ne?" diye yazacaksin →
  asistan SQL uretir → calistirir → cevabi doner.

Dogal dil sorusu

→

LLM → SQL

→

DuckDB calistir

→

Cevap + veri

Neden bu problem?

Su an en hizli buyuyen gercek LLM uygulamasi
Her BI / analitik urun bunu ekliyor
Siradan "chatbot" degil — gercek sektor problemi

6 derste sifirdan production'a

Tek bir asistani katman katman kuracagiz
Her ders bir yetenek ekler
Son ders internete acar

6 Derslik Yolculuk

01 · Temsil — token, embedding, attention (bugun)

02 · Text-to-SQL — ilk SQL uretimi + halusinasyon

03 · Schema-RAG — dogru semayi getir (schema linking)

04 · Agent — calistir, hatayi kendi duzelt (self-correction)

05 · Guvenlik + Eval — read-only kalkan, coklu agent, olcum

06 · Deploy — API + Docker + AWS koprusu

Karma seviye: her derste cekirdek (herkes) + 📦 sektor notu (derinlesme).

NLP Neden Zor?

Bilgisayar SQL'i kusursuz calistirir.

Ama "en cok satan urun" cumlesini SQL'e ceviremez.

      Cunku kelimenin onun icin anlami yok — sadece bayt.
      NLP tam da bu boslugu doldurur.
    

insan
"en cok satan urun"
↓ anlam ?
SELECT ... ORDER BY SUM(qty)
makine

NLP'nin Evrimi

Her adim ayni hikaye: baglami daha iyi yakalamak.

Kural tabanli

→

Istatistik

→

RNN / LSTM

→

Transformer (2017)

→

LLM

Eskiden

Elle yazilmis kurallar
Kelime sayma
Baglam zayif

Donum noktasi

"Attention is All You Need"
Transformer mimarisi
Paralel + derin baglam

Bugun

GPT, Claude, DeepSeek
SQL/kod uretimi
Agent'lar

Token — Metin Parcalara Bolunur

Model metni once token'lara boler (kelime ya da kelime parcasi), sonra sayiya cevirir.

      Neden onemli? Maliyet ve limit token ile olculur.
      Uzun semayi prompt'a koymak = cok token = pahali
      → Ders 3'un RAG motivasyonu.
    

# pip install tiktoken (sadece fikri gostermek icin)
import tiktoken
enc = tiktoken.get_encoding("cl100k_base")
soru = "Gecen ay en cok satan 5 urun ne?"
tok = enc.encode(soru)
print(len(tok), [enc.decode([t]) for t in tok])
# -> 12 token: ['Ge','cen',' ay',' en',' cok',...]

  Bu OpenAI tokenizer'i — her modelin (DeepSeek dahil) kendi tokenizer'i vardir. Amac fikri gostermek.

Embedding — Anlami Sayiya Cevirmek

Kelime/cumle → anlam tasiyan vektor.

Benzer anlam → uzayda yakin. Ilgisiz anlam → uzak.

      Problemimize baglayacagiz: bir soruyu tablo aciklamalariyla karsilastirip
      hangi tabloya ait oldugunu benzerlikle bulabiliriz.
    

● "urun"  ● "satis"
— yakin —
● "musteri sehri"
— uzak —

2 boyutlu anlam uzayi (temsili)

Demo: Soru → Dogru Tablo

# sentence-transformers, local & ucretsiz (DeepSeek'in embedding API'si yok)
from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer("paraphrase-multilingual-MiniLM-L12-v2")
soru = "en cok satan urunler"
adaylar = ["products: urun adi, fiyat, kategori",
           "order_items: hangi urunden kac adet satildi",
           "customers: musteri adi, sehir, kayit tarihi"]  # ilgisiz
for k, s in zip(adaylar, util.cos_sim(model.encode(soru), model.encode(adaylar))[0]):
    print(f"{s.item():.2f}  {k}")

71  products: urun adi, fiyat, kategori

68  order_items: hangi urunden kac adet satildi
19  customers: musteri adi, sehir, kayit tarihi  ← ilgisiz, dusuk(onceden alinmis cikti — kavrami gosterir; canli vektor DB demosu Ders 3'te)

  Iste SQL'i dogru tabloyla eslestirmenin sirri. Ders 3'te schema retrieval'i tam kuracagiz.

Attention — Baglami Tartmak

Attention = "bir kelimeyi anlamak icin cumlenin neresine bakmali?"

      "satan urun"

      → SUM(quantity) buyuk olan

      "urun satin alan musteri"

      → customers JOIN orders

  Ayni "sat-" koku, baglama gore farkli anlam → farkli SQL. Attention baglami tartar.
  Transformer = attention'in paralel, derin hali; LLM'ler bunun ustune kurulu.

📦 Sektor Notu: Attention'in Bedeli

Attention O(n²) maliyetlidir — baglam uzadikca hesap karesel buyur.

Uzun baglam = pahali + yavas
500 tablonun tum semasini prompt'a koymak surdurulemez
Model uzun metinde kaybolur (yanlis tablo secer)

Cozum → Ders 3

Soruyla ilgili tablolari getir
Sadece onlari prompt'a koy
= Schema retrieval (RAG)

Ders 1 — Ozet

[ ]

Token

Metin parcalara bolunur. Maliyet/limit token ile olculur.

●

Embedding

Anlam = vektor. Soru → dogru tablo eslesmesi.

⇄

Attention

Baglami tartar. Transformer'in kalbi.

Sonraki ders: Modeli gercekten konusturuyoruz — ilk SQL'i yazdiriyoruz.

Veriyle KonusanAnalitik Asistan