SİSTEM MİMARİSİ
•
Eylül 2026
•
6 dk Okuma
Türk Devletleri Teşkilatı (TDT) Medya Portalı: Clean Architecture & O(1) Tekilleştirme
Büyük çaplı medya tarama motorlarında en kritik problem, haber kaynaklarının (RSS, API, Scraping) her birkaç dakikada bir aynı haberleri tekrar tekrar göndermesidir. Eski sistemlerde $O(N \times M)$ zaman karmaşıklığına sahip iç içe Jaccard benzerlik döngüleri CPU yükünü aşırı artırmakta ve gecikmelere sebep olmaktaydı.
Bu projede uyguladığım çözüm iki temel sacayağına dayanıyor:
- Kanonik URL & Normalize Başlık MD5 Hash (`title_hash`): Gelen haberler normalize edilip tek yönlü hash değerine dönüştürülür. Hem RAM bellekte Set kontrolü hem de veritabanında B-Tree indeksleri ile arama süresi O(1) seviyesine indirilmiştir.
- Strict Date Gate (Kesin Tarih/Saat İzolasyonu): Eski arşiv veya başka günlerin haberlerinin bugünün akışına sızması regex ve HTTP başlık kontrolleriyle engellenmiştir.
# O(1) Tekilleştirme Hash Algoritması Mantığı (Python)
import hashlib
import re
def compute_canonical_hash(title: str, url: str) -> str:
# Başlıktaki noktalama işaretlerini kaldır ve küçük harfe çevir
normalized_title = re.sub(r'[^\w\s]', '', title).lower().strip()
payload = f"{normalized_title}::{url.split('?')[0]}"
return hashlib.md5(payload.encode('utf-8')).hexdigest()
Clean Architecture ilkeleri gereği sistem; Adapters, Classifier (LLM), Persistence (SQLite WAL), Scheduler ve Presentation (Flask) olmak üzere 5 katmana ayrılmıştır. Bu sayede sisteme 25. bir gazete veya ajans eklemek var olan koda dokunmadan sadece yeni bir adaptör yazmaktan ibarettir.
Depo Kaynak Kodunu İncele
YAPAY ZEKA & RAG
•
Ağustos 2026
•
5 dk Okuma
Kurumsal Bayi Ağları İçin Vektör Veritabanı ve Halüsinasyonsuz RAG Mimarisi
Teknik bayi ağlarında binlerce sayfalık servis katalogları ve montaj bültenleri arasında aranan cevabı bulmak saatler alabilir. SmartDealer AI, LangChain ve ChromaDB kullanarak şirket dokümantasyonunu vektörel uzaya haritalandırır.
RAG sistemlerindeki en büyük risk olan halüsinasyon (modelin uydurması) sorununu çözmek için uyguladığım strateji:
- Akıllı Chunking: Dokümanları rastgele değil, başlık ve tablo hiyerarşisine sadık kalarak 500 token ve 50 token örtüşme (overlap) ile bölme.
- MMR (Maximum Marginal Relevance): Benzer sonuçlar yerine bilgi çeşitliliğini maksimize eden vektör sorgulaması.
- Strict Context Prompting: Modele sadece verilen bağlam dahilinde cevap verme yetkisi tanıma; bağlam yetersizse güvenli geri çekilme uyarısı verme.
Projeyi GitHub'da Gör
YAZILIM MÜHENDİSLİĞİ
•
Temmuz 2026
•
4 dk Okuma
SRS Standartlarına Dayalı Kurumsal İç İletişim Mimarisi (Intra Mail Hub)
Kurumsal organizasyonlarda departmanlar arası veri transferinin gizliliği ve izlenebilirliği hayati öneme sahiptir. Intra Mail Hub, System Requirements Specifications (SRS) gereksinimlerine sadık kalarak inşa edilmiş çok katmanlı bir haberleşme omurgasıdır.
Rol tabanlı yetkilendirme (RBAC) ile genel müdürlük, şube müdürlüğü ve saha çalışanları arasındaki hiyerarşik onay mekanizmaları katmanlı yazılım prensipleriyle güvence altına alınmıştır.
Projeler Sayfasına Dön