9.7 README + Demo + Portföy Paketleme¶
Yabancı kelime mi gördün?
README = README.md dosyası; GitHub repo'su açıldığında ilk görünen belge, proje kartviziti. Pinned repo = GitHub profil sayfanda en üste sabitlediğin 6'ya kadar proje. Demo GIF = 10-30 sn'lik hareketli ekran kaydı; izleyeni 3 saniyede ikna eder. One-liner = projeyi tek cümleyle anlatan açıklama. ATS (Applicant Tracking System) = iş başvuru taramasında CV'yi okuyan yazılım; anahtar kelime eşleşmesine bakar.
Neden bu sayfa?¶
9.4 ve 9.5'te iki canlı proje kurdun. Ama kimse görmüyor. İş görüşmesinde "RAG chatbot yaptım" desen LinkedIn/GitHub üzerinden 3 saniyede doğrulayamayan mülakatçı geri dönmeyebilir. Kod kalitesinden önce görünürlük engeli var. Bu sayfa o engeli kaldırır.
İkincisi: Portföy ürün gibi pazarlanır, kod gibi yazılmaz. "3 saniyede ikna" kuralı — insan dikkatinin kısalığı bugün milisaniyelerle ölçülür, CV ekrana bakan İK 6-10 saniye içinde "ilginç" / "pas" kararı verir. README'nin üst 2 paragrafı + demo GIF bu kararı belirler. Geri kalan 500 satır kod ondan sonra okunur.
Üçüncüsü: Platform bu sayfayla pratik amacını tamamlıyor — öğrenme tamamlandı, inşa tamamlandı, şimdi göster. Bölüm 10 kariyer bölümü buradan bırakılacak: portföyün görünür oldu, şimdi kariyer kararları ve iş başvurusu. Bu sayfanın sonunda bir LinkedIn paylaşımı atmaya hazırsın.
"3 saniye ikna" kuralı — ne gösterir¶
GitHub repo açıldığında ilk ekranda şunlar yukarıdan aşağı görünmeli:
flowchart TB
A["📛 Proje adı + badges\n(build, test, license, Python)"]
B["🎯 One-liner tag\n'X yapan Y'"]
C["🎬 Demo GIF\nveya ekran görüntüsü"]
D["⚡ Quick start\n3-4 komutla çalıştır"]
E["🏗️ Stack\nteknoloji listesi"]
F["📊 Metrikler\ntest sayısı, uptime, maliyet"]
A --> B --> C --> D --> E --> F
classDef top fill:#dbeafe,stroke:#2563eb,color:#111
classDef mid fill:#fef3c7,stroke:#ca8a04,color:#111
classDef bot fill:#fef3c7,stroke:#ca8a04,color:#111
class A,B top
class C,D mid
class E,F bot3 saniye kuralı: Mülakatçı sadece A + B + C'yi görecek. D-E-F ilgili olanlar okur. Dolayısıyla ilk 3 öğe kritik — zamanın %80'ini oraya ayır.
README iskeleti — 9.4 RAG Chatbot örneği¶
# RAG Chatbot — Türkçe PDF Asistanı
[](https://github.com/USER/rag-chatbot/actions)
[](https://www.python.org)
[](LICENSE)
**PDF yükle, Türkçe soru sor, kaynak alıntısıyla cevap al.**
FastAPI + Qdrant + Voyage AI + Claude Sonnet 4.6 — 45+ gün canlıda.
## Hemen dene (2 dakika)
\`\`\`bash
git clone https://github.com/USER/rag-chatbot.git
cd rag-chatbot
cp .env.example .env # ANTHROPIC_API_KEY + VOYAGE_API_KEY doldur
docker compose up
open http://localhost:8000
\`\`\`
## Stack
- **Claude Sonnet 4.6** — cevap üretimi, 1M bağlam
- **Qdrant 1.17** — vektör DB, self-host Docker
- **Voyage AI voyage-4** — embedding, Türkçe üstün
- **FastAPI 0.136 + HTMX** — async backend, progressive UI
- **Tailwind CSS** — UI styling (CDN)
## Metrikler
| Kalem | Değer |
|---|---|
| Test sayısı | **19/19 PASSED** (1.44s) |
| Aylık maliyet | ~$6-8 (Claude + Voyage + VPS) |
| Uptime | 45+ gün kesintisiz (Hetzner CX22) |
| P95 latency | ~1.2 saniye (ilk token'a kadar) |
| Repo boyutu | 18 dosya, ~250 satır kod |
## Mimari
... [bir flowchart görseli]
## Kod yapısı
\`\`\`
rag-chatbot/
├── app/ # FastAPI endpoints + RAG logic
├── tests/ # 19 test (pytest + mock)
├── ui/ # HTMX + Tailwind
├── Dockerfile # Multi-stage, non-root
├── compose.yml # app + qdrant, localhost bind
└── pyproject.toml # Pinned dependencies
\`\`\`
## Ne öğrendim (honest post-mortem)
1. `document` / `query` embedding asimetrisi %20 retrieval kalite farkı yaratıyor — önceden bilinmese proje işlemez.
2. Qdrant `payload` içinde orijinal metni tutmak zorunlu; sonradan model değiştirmek istersen elinde kalmıyor.
3. Streaming UX performansı psikolojik olarak 2× hızlı hissettiriyor — ilk token 400ms'te gelince kullanıcı beklemiyor.
## Lisans
MIT © [İsim] 2026
Niye bu format güçlü?
- Badges — build/test/license 2 saniyede "profesyonel" sinyali.
- One-liner — "PDF yükle, Türkçe soru sor, kaynak alıntısıyla cevap al" → 15 kelimede ne yaptığın net.
- Demo GIF — mülakatçı tıklamadan ne yaptığını görür.
- Hemen dene — README'den 2 dakikada çalıştırma = "kodu kanıtlanmış".
- Stack + Metrikler — teknik derinlik somut sayılarla.
- "Ne öğrendim" — kod değil düşünme seviyesi. Junior/mid ayrımı burada.
Demo GIF/video — 20 saniye izlemelik¶
Araçlar (ücretsiz):
| Araç | OS | Not |
|---|---|---|
| LICEcap | macOS / Windows | Küçük, GIF kaydı, ~2 MB dosya |
| Peek | Linux | Ubuntu'da apt install peek, GIF output |
| asciinema | Tümü | Terminal kayıt, GitHub'da playback |
| OBS Studio | Tümü | MP4 kayıt, sonra GIF'e çevir |
| Kap | macOS | Hızlı, modern, MP4/GIF |
Süre formülü: 20-30 saniye arası ideal. 10 saniye = bilgi eksik; 60+ saniye = kimse izlemez.
Senaryo — 9.4 RAG Chatbot için:
00-03 sn: Boş arayüz. Nacı butonu göster.
03-08 sn: PDF yükle (örn. "50 sayfa Türkçe sözleşme").
08-12 sn: Yükleme bar'ı → "Hazır" mesajı.
12-16 sn: Soru yaz: "Cayma hakkı kaç gün?"
16-22 sn: Streaming cevap akar (token token).
22-28 sn: Cevabın altında "Kaynak: sayfa 12" alıntısı görünür.
28-30 sn: Fade out.
Kaydetme pratiği:
- Ekranı 720p'de kaydet (1280×720) — 1080p GIF 8 MB olur, GitHub 10 MB limit.
- Fare hareketlerini yavaş yap — hızlı hareket izleyenin gözünü yorar.
- Dosyalar önceden hazır — kaydı temiz al, edit etme.
- GIF'i sıkıştır — ezgif.com ile 30-50% küçültme.
- README'ye ekle —
docs/demo.gifyolu.
Alternatif — YouTube embed:
Uzun demo (2-3 dk) yapacaksan YouTube'a yükle, unlisted yap, README'nin başına thumbnail koy:
GitHub profil — açılış sayfası¶
Profil sayfası github.com/username — CV'den önce görülür. Kritik alanlar:
1. Profil README (özel repo trick)¶
GitHub'da adınla aynı isimde public repo aç (github.com/USER/USER) — içindeki README.md profil sayfanda görünür.
Şablon:
# Merhaba, ben [İsim] 👋
AI Engineer | Türkiye
## Şu an
- 🔭 **[RAG Chatbot](https://github.com/USER/rag-chatbot)** — Türkçe PDF asistanı, 45+ gün canlıda
- 🤖 **[Agent Otomasyon](https://github.com/USER/icerik-ozet-agent)** — saatlik multi-agent pipeline
- 📚 **Şu an öğreniyorum:** Multimodal (görsel + ses), production fine-tuning
## Stack
**AI:** Claude API · Anthropic MCP · Voyage AI · RAG · Agents
**Backend:** Python · FastAPI · Qdrant · PostgreSQL · Docker
**Deploy:** Hetzner VPS · GitHub Actions · Caddy · systemd
## İletişim
[LinkedIn](https://linkedin.com/in/USER) · [Email](mailto:senin@mail.com) · [Blog](https://blog.domain.com)
3 saniye sinyali: Adın + rolün (AI Engineer) + 2 canlı proje linki + stack. Mülakatçı bunu gördüğünde zaten "ilginç" sepetinde.
2. Pinned repolar (6 tane, en fazla)¶
GitHub profil sayfa → "Customize your pins" → en çok 2-3 proje sabitle. Daha fazla değil. 6 proje = "hiçbirinde derinleşmemiş" sinyali. 2-3 = "bunlarda ciddi çalıştım" sinyali.
Sıralama: 1. En güçlü proje (9.4 RAG Chatbot veya senin eşdeğerin) 2. İkinci güçlü (9.5 Agent) 3. Niş / özel (kendi ilgi alanından, spor analitik + agent gibi)
3. Contribution graph¶
Yeşil kareler = aktif kodlama sinyali. Son 3 ayın yeşil olması yeterli — 5 yıldan beri yeşil kimse beklemiyor. Eğer açıksan: platformda öğrendiklerini GitHub'a commit'leye commit'leye öğren, contrib grafiği doğal birikir.
LinkedIn profil — AI Engineer pozisyonuna hizalı¶
Üst panel (ilk ekran, 5 saniye kuralı)¶
| Bölüm | Ne yazılmalı |
|---|---|
| Profil fotoğrafı | Profesyonel, yüz net, gülümsüyor, düz arkaplan |
| Banner | Stack/teknoloji isimli (Anthropic + FastAPI + Qdrant logoları) veya soyut tech |
| Ad | Gerçek ismin |
| Headline | "AI Engineer | Python + Claude + RAG | [Şehir]" |
| About | 3-4 cümle. Ne yaparsın + iki somut proje linki + LinkedIn URL |
Headline kritik: LinkedIn aramasında "AI Engineer Turkey" yazıldığında Headline'ında "AI Engineer" geçenler üstte çıkar. "Software Developer @ Şirket" yerine "AI Engineer | ..." — ATS + LinkedIn search iki cephede kazanırsın.
About örnek (Türkçe)¶
AI sistemleri kuruyorum — FastAPI + Qdrant + Claude çifti ile Türkçe RAG
chatbot ve multi-agent pipeline'lar deploy ediyorum. 45+ gün canlıda çalışan
iki portföy projem:
• RAG Chatbot: github.com/USER/rag-chatbot — PDF → soru → kaynaklı cevap
• Agent Otomasyon: github.com/USER/icerik-ozet-agent — saatlik haber özeti
Anthropic-first stack, production refleksi, gözlemlenebilirlik, maliyet
optimizasyonu (heterojen model tercihiyle %38 tasarruf) odaklı çalışıyorum.
AI Engineer pozisyonları için açığım.
📧 senin@mail.com
About örnek (İngilizce)¶
Building production AI systems — FastAPI + Qdrant + Claude stack for
Turkish-language RAG and multi-agent pipelines. Two live portfolio projects
with 45+ days uptime:
• RAG Chatbot: github.com/USER/rag-chatbot — PDF → Q → cited answer
• Agent Automation: github.com/USER/icerik-ozet-agent — hourly news digest
Anthropic-first stack, production mindset, observability-focused, cost-aware
(38% savings via heterogeneous model selection). Open to AI Engineer roles.
📧 you@mail.com
Skills bölümü — AI Engineer anahtar kelimeleri¶
LinkedIn'in Skills kısmı ATS'nin taradığı yerlerden biri. Tam 10 skill seç (az = zayıf sinyal, fazla = dağınık):
1. Claude API (Anthropic)
2. Python
3. RAG (Retrieval-Augmented Generation)
4. Agent Systems
5. FastAPI
6. Qdrant / Vector Databases
7. Docker
8. LLM Integration
9. MCP (Model Context Protocol)
10. Prompt Engineering
CV — AI Engineer formatı¶
AI Engineer pozisyonunun CV'si klasik yazılım geliştirici CV'sinden 3 noktada farklı:
1. Projeler üstte, iş tecrübesi altta¶
Junior/mid AI Engineer profilinde portföy işverenin gözünde daha değerli. 2-3 canlı proje kısa açıklama + link + metrikler ile üstte, iş tecrübesi 2. sayfada.
Proje kartı şablonu:
RAG Chatbot — Türkçe PDF Asistanı [Canlı] [GitHub]
─────────────────────────────────────────────────────────────────────
Stack: Python · FastAPI · Claude Sonnet 4.6 · Qdrant · Voyage AI · Docker
• 45+ gün uptime, 18 dosya, pytest 19/19 geçiyor
• Akış UX, Türkçe voyage-4 embedding (OpenAI'dan %30 ucuz)
• Docker compose deploy, GitHub Actions CI/CD, Caddy HTTPS
• Aylık maliyet: ~$7 (Claude + Voyage + Hetzner CX22)
2. Anahtar kelime yoğunluğu (ATS için)¶
ATS "AI Engineer" ilanında taradığı kelimeler: LLM, RAG, agent, prompt, embedding, vector database, Claude, OpenAI, fine-tuning, MCP, tool calling.
Bu kelimelerin her biri CV'de en az 1 kez geçmeli. "Ben LLM sistemi kurdum" + "RAG pipeline tasarladım" + "Claude API ile agent geliştirdim" → ATS eşleşmesi yüksek.
Uyarı: Keyword stuffing (aynı kelimeyi 15 kez) tersine etki — İK kişisi okurken "yapay" sinyali alır.
3. Teknik metrikler (rakam gücü)¶
"İyi Python biliyorum" → zayıf. "Pytest 19/19, ruff temiz, 45 gün uptime, aylık $7 maliyet" → güçlü.
AI Engineer CV'sinde rakamsal metrikler:
| Metrik | Örnek |
|---|---|
| Uptime | "45+ gün kesintisiz production" |
| Test coverage | "pytest 19/19 PASSED" |
| Maliyet optimizasyonu | "heterojen model ile %38 tasarruf" |
| Performans | "p95 latency 1.2s" |
| Ölçek | "6000 çağrı/ay, aylık ~$7" |
Başvuru mesajı — 3 cümlelik şablon¶
LinkedIn mesajı, email, Form başvurularında. 3 cümle kuralı — daha uzun okunmaz.
Türkçe — pozitif referanslı¶
Merhaba [İsim],
[Şirket]'in [pozisyon] ilanını gördüm ve ilgimi çeken birkaç nokta
[ŞİRKETE ÖZEL 1 CÜMLE — ne ilginç?].
2026 başından beri iki canlı AI sistemi geliştiriyorum: Türkçe RAG
chatbot (github.com/USER/rag-chatbot) ve multi-agent otomasyon pipeline
(github.com/USER/icerik-ozet-agent). Ikisi de Claude + Qdrant stack'iyle
production'da, 45+ gün kesintisiz çalışıyor. 15-20 dakikalık bir görüşme
için 2 önümüzdeki hafta müsaitim.
Teşekkürler,
[Ad Soyad]
İngilizce — aynı yapı¶
Hi [Name],
I came across [Company]'s [position] opening and was drawn to [COMPANY-
SPECIFIC 1 SENTENCE].
Since early 2026 I've been building two production AI systems: a Turkish-
language RAG chatbot (github.com/USER/rag-chatbot) and a multi-agent
automation pipeline (github.com/USER/icerik-ozet-agent). Both use the
Claude + Qdrant stack and have 45+ days of uninterrupted uptime. Would
welcome a 15-20 min call in the next two weeks.
Thanks,
[Full Name]
Üç cümle neden güçlü: 1. Empati/araştırma sinyali (şirkete özel yorum) 2. Kanıt + link (portföy görülür, kanıtlanır) 3. Net aksiyon (görüşme süresi + müsait olduğun zaman)
LinkedIn haftalık paylaşım — 6 post serisi¶
Portföyü paylaşım bir kez yapıp bırakma. Haftalık kısa post = görünürlük. 6 haftada seri:
| Hafta | Konu | Örnek başlık |
|---|---|---|
| 1 | Proje tanıtımı | "2 aylık çalışma sonucu: Türkçe RAG Chatbot canlıda" |
| 2 | Teknik detay | "Embedding'de document / query asimetrisi %20 kalite farkı" |
| 3 | Maliyet optimizasyonu | "Heterojen model ile agent maliyeti %38 düştü" |
| 4 | Production dersi | "Claude API rate limit: retry + backoff refleksi" |
| 5 | Karşılaştırma | "Qdrant vs Pinecone: self-host vs managed, aylık $5 vs $70" |
| 6 | Kariyer hedef | "AI Engineer pozisyonu için açığım — 2 canlı portföy projem" |
Her post formatı: - Hook (1 cümle merak uyandırır) - Bağlam (2-3 cümle ne yaptın) - Rakam/öğrenim (somut veri) - Link (GitHub veya blog) - Soru (etkileşim için) — "Siz hangi modeli kullanıyorsunuz?"
Uzunluk: 150-300 kelime. LinkedIn algoritması "orta uzunluk" paylaşıma lehtar.
Blog yazısı — opsiyonel ama güçlü¶
Kendi domain + blog (Vercel/Netlify üzerinde Astro/Hugo 30 dk kurulum) birkaç açıdan değerli:
- SEO: "RAG Türkçe tutorial" yazsan Google'da 5-10. sırada çıkabilir; iş ilan tarama sırasında seni bulan iş verenler olur.
- Derin anlatım: LinkedIn'de 300 kelime, blog'da 2000 kelime. Detayı isteyen okur.
- İngilizce yazım: Teknik İngilizcen gelişir — iş görüşmesinde bu fark hissedilir.
İlk 3 blog yazısı önerisi:
- "Türkçe RAG Chatbot Kurarken Öğrendiğim 5 Şey" — 9.4 projenin post-mortem'i
- "Claude Agent Pipeline: Maliyeti %38 Düşüren 4 Karar" — 9.5 projenin derinleşmesi
- "Anthropic-first Stack: Neden Claude Seçtim" — kariyer/teknoloji gerekçelendirmen
Görev — 4 saatte portföy paketleme¶
Saat 1 — GitHub¶
github.com/USER/USERözel repo aç, profil README yaz.- 9.4 ve 9.5 repolarının README'lerini yukarıdaki şablona göre güncelle.
- 2-3 projeyi profile pinle.
- Her repoda LICENSE (MIT), badges (CI + Python + license), .env.example kontrol.
Saat 2 — Demo GIF¶
- LICEcap / Peek / Kap indir.
- 9.4 RAG Chatbot demo'yu kaydet (20-30 sn).
- ezgif ile sıkıştır (<2 MB).
docs/demo.gifolarak repoya commit et, README'ye ekle.- 9.5 Agent için terminal demosu (journalctl + rapor dosyası gösterimi).
Saat 3 — LinkedIn¶
- Profil foto + banner güncelle.
- Headline → "AI Engineer | Python + Claude + RAG | [Şehir]".
- About bölümünü yukarıdaki şablona göre yaz.
- Skills → 10 anahtar kelime.
- Proje kartları için Featured bölümüne 9.4 + 9.5 GitHub linkleri.
Saat 4 — CV + başvuru hazırlığı¶
- CV'yi AI Engineer formatına çevir (projeler üstte, rakamlar).
- ATS anahtar kelimeleri kontrol — LLM, RAG, agent, prompt, Claude, embedding.
- Başvuru mesajı şablonu (TR + EN) bir not dosyasına kaydet.
- Hafta 1 LinkedIn post taslağını yaz (proje tanıtımı).
Başarı kriteri: 4 saat sonunda bir arkadaşa profilini + repoları gönderebilirsin, onların "3 saniyede" ne yaptığını anlaması gerek.
Demo check — 3 saniye testi¶
Profilin hazır olduğunda bir arkadaş (mümkünse teknik biri) üzerinde test et:
- GitHub profil sayfana bak. 3 saniye içinde: adın, rolün, en iyi projen net mi?
- 9.4 RAG Chatbot repo'ya tıkla. 3 saniye içinde: ne yaptığı, nasıl çalıştırılacağı net mi?
- LinkedIn profiline bak. 5 saniye içinde: AI Engineer profilinde olduğun net mi?
Herhangi biri "emin değilim" çıkarsa — o alana geri dön, kısalt, somutlaştır.
CTO tuzakları — 8 yaygın hata¶
| # | Tuzak | Sonuç | Doğru |
|---|---|---|---|
| 1 | 10+ proje pinleme | "Hiçbirinde derinleşmemiş" sinyali | 2-3 proje, her birinde 18+ dosya |
| 2 | README'de demo GIF yok | 3 saniye ikna başarısız | 20-30 sn GIF, ilk ekranda |
| 3 | "Kullandığım teknolojiler" liste | ATS için yetersiz | Skills + About + CV her yerde keyword |
| 4 | LinkedIn Headline = şirket unvanı | "Software Dev @ X" — AI aramasında çıkmaz | "AI Engineer | stack | şehir" |
| 5 | Başvuru mesajı 1+ sayfa | Okunmaz | 3 cümle, özel + link + aksiyon |
| 6 | Blog hiç yazmama | Derinleşme yok, İngilizce gelişmez | Ayda 1 yazı minimum |
| 7 | Demo GIF 2+ dakika | İzlenmez | 20-30 sn ideal, YouTube link 2-3 dk |
| 8 | GitHub contribution boş | "Atlatılmış" sinyali | Son 3 ay yeşil yeter |
Anthropic ekosistemi — platform kapanışına bir adım¶
🤖 Anthropic-öz: platform yol haritası sonuna yaklaşıyor
Platform boyunca öğrendiğinin özeti:
- Bölüm 0-1: AI Engineer kim, ne yapar, nasıl yetişir (oryantasyon).
- Bölüm 2: Claude API + prompt engineering — LLM ile ilk iletişim.
- Bölüm 3: Embedding + vector DB — metin + sayı + retrieval.
- Bölüm 4: RAG pipeline — ilk yarım + ikinci yarım birleşti.
- Bölüm 6: Agent + MCP — LLM kendi kendine araç kullanan sistem.
- Bölüm 9 (burada): Production deploy + portföy paketleme.
Bölüm 10 PLATFORM KAPANIS: 9.7'den sonra "şimdi ne yapıyorum?" sorusunu cevaplayacak. Kariyer yolu, sektör durumu, iş başvurusu, 1. ay sonrası ne?
Paralel Anthropic kaynakları (platform dışında kendin takip etmen gerek):
- Anthropic Academy — sürekli güncellenen kurslar
- Anthropic Cookbook — üretim örnekleri
- Anthropic Research blog — ayda 1-2 yeni makale
- Claude in Chrome, Claude Code, Claude in Excel — yeni ürün serisi
Kariyer sonrası pekiştirme: İşe başladıktan sonra hala haftada 2 saat ayır — yeni makalelere + release notlarına. AI alanı 6 ayda büyük değişir; sürekli öğrenme refleksi burada kritik.
Çıktı kanıtları — 3 kanıt¶
1. GitHub profil 3 saniye testini geçti:
- Profil README canlı:
github.com/USER - 2-3 repo pinned
- En az 1 demo GIF ekli
- Arkadaşın "ne yaptığın 3 saniyede anlaşılıyor" onayı
2. LinkedIn profil AI Engineer hizalı:
- Headline "AI Engineer" geçiyor
- About'ta 2 proje linkli
- 10 skill eklendi
- Featured bölümünde GitHub projeleri
3. Başvuru paket hazır:
- CV AI Engineer formatında (projeler üstte, rakamlar)
- TR + EN başvuru mesajı şablonu yazılı
- Hafta 1 LinkedIn post taslağı yazılı
- Haftalık 6 post plan dosyada
Kanıt klasörü: muhendisal-notlarim/bolum-9/07-portfoy/
- **A → B:** 2 canlı proje vardı ama görünür değildi; 'pasif varlık'tan 'aktif görünürlük'e geçiş zamanı. Bu yüzden **görünürlük engeli kodtan önce çözülmeli.**
- **B → C:** 3 saniye ikna kuralı: README'nin üst 3 öğesi (başlık + one-liner + demo GIF) kritik. Bu yüzden **ilk 3 saniye her şeyi belirler.**
- **C → D:** Demo GIF 20-30 sn; LICEcap / Peek / Kap ücretsiz araçlarla kaydet, ezgif ile sıkıştır. Bu yüzden **demo GIF yazıdan güçlü.**
- **D → E:** GitHub profil README (özel repo trick) + 2-3 pinned repo + contribution grafiği. Bu yüzden **profil sayfası özgeçmişin dijitali.**
- **E → F:** LinkedIn Headline, About, Skills AI Engineer anahtar kelimelerine hizalı. Bu yüzden **anahtar kelime uyumu recruiter'ı getirir.**
- **F → G:** CV formatı AI Engineer için farklı: projeler üstte, ATS keyword yoğun, rakamsal metrikler. Bu yüzden **standart CV AI Engineer'a uymaz.**
- **G → H:** 3-cümlelik başvuru mesajı (TR + EN) + haftalık 6 post LinkedIn serisi. Bu yüzden **sürekli görünürlük fırsat yaratır.**
- **H → I:** Blog opsiyonel ama güçlü — SEO + derinlik + İngilizce pratiği. Bu yüzden **blog uzun vadede ağırlık kazandırır.**
Sonuç: Portföyün artık görünür. 9.4 + 9.5 + bu sayfada paketlenmiş 3 kart birlikte AI Engineer pozisyon başvurusu için yeterli evrak. Bölüm 9 tamamen kapandı (9.6 Multimodal Bölüm 7 bekliyor, platform sonunda). Platform'un pratik amacı (inşa + paketle) tamamlandı. Sonraki aşama: kariyer ve iş başvurusu (Bölüm 10).
Bölüm 10 — AI Engineer Kariyeri → — Platform kapanışı. İş ilanlarını nasıl okumak, görüşme formatları, 1. ay sonrası ne, sürekli öğrenme refleksi.
← 9.5 Portföy Projesi 2 — Agent Otomasyon | Bölüm 9 girişi | Ana sayfa
Pekiştirme: Bu hafta sonu 4 saat ayır, görevdeki 4 adımı uygula. GitHub + LinkedIn + CV + başvuru şablonu hazır olduğunda bir arkadaşa göster, "3 saniyede ne yaptığımı anla" testi yap. Eksikleri düzelt. Bölüm 10'a hazır olarak gir.