Yapay zekâ teknolojilerinin stratejik bir güç çarpanına dönüştüğü günümüzde, model geliştirme süreçlerinin yanı sıra bu süreçlerde kullanılan verilerin ve hesaplama altyapılarının güvenliği hayati bir önem taşımaktadır. Özellikle kamu, savunma sanayii, akademi ve teknoloji girişimleri açısından hassas verilerin yurt dışı menşeili ticari bulut sağlayıcılarına (OpenAI, AWS, Google Cloud vb.) aktarılması, ulusal veri egemenliği açısından ciddi riskler barındırmaktadır. Bu kritik ihtiyaca yanıt vermek üzere T.C. Cumhurbaşkanlığı Savunma Sanayii Başkanlığı (SSB) bünyesinde ve Savunma Sanayii Yapay Zekâ Platformu (SSYZ) / SAYZEK (Savunma Sanayii Yapay Zeka Yetenek Kümelenmesi) koordinasyonunda geliştirilen milli yapay zekâ geliştirme platformu EVREN (evren.ssyz.org.tr) resmen kullanıma açıldı.
Kısa sürede binlerce aktif kullanıcıya ulaşan EVREN, yalnızca bir sohbet arayüzü ya da hazır model havuzu değil; veri hazırlama ve etiketlemeden model eğitimine, büyük dil modelleri (LLM) çıkarım servisinden API entegrasyonuna kadar uçtan uca tüm yaşam döngüsünü kapsayan entegre bir MLOps (Machine Learning Operations) ekosistemidir. Bu rehberde, EVREN platformunun mimarisini, “katkı yap, kredi kazan” modelini ve bir yapay zekâ projesinin EVREN altyapısında adım adım nasıl geliştirilebileceğini inceliyoruz.
Milli Yapay Zekâ Platformu EVREN Nedir
EVREN, Türkiye’nin yapay zekâ alanındaki teknolojik bağımsızlığını ve veri güvenliğini tahkim etmek amacıyla geliştirilmiş yerli ve milli bir geliştirme ortamıdır. Platform; savunma sanayii yüklenicilerinden üniversite araştırmacılarına, bağımsız geliştiricilerden yapay zekâ odaklı start-up’lara kadar geniş bir hedef kitleye yüksek başarımlı hesaplama (HPC) kaynakları sunmaktadır.
Platformun en temel ayırt edici özelliği, tüm veri işleme, model eğitimi ve çıkarım (inference) süreçlerinin Türkiye sınırları içerisinde konumlandırılmış yüksek performanslı GPU kümeleri üzerinde yürütülmesidir. Kullanıcıların platforma gönderdiği istemler (prompt), üretilen yanıtlar ve yüklenen eğitim verileri hiçbir aşamada yurt dışı sunuculara iletilmemektedir. Nasıl ki yerel otomasyon projelerinde dışa bağımlılığı azaltmak için Home Assistant Nedir? rehberimizde vurguladığımız yerel denetim prensibi kritikse, büyük ölçekli kurumsal yapay zekâ çalışmalarında da verinin kendi donanım sınırlarımız içinde kalması stratejik bir gerekliliktir.
EVREN MLOps Ekosisteminin Temel Bileşenleri
Geleneksel yapay zekâ iş akışlarında veri depolama, etiketleme, model eğitimi ve sunum (deployment) aşamaları genellikle birbirinden kopuk araçlar üzerinden yürütülür. EVREN, bu dağınık yapıyı tek bir çatı altında birleştiren modüler bir MLOps mimarisi sunar:
| Modül | İşlev ve Kabiliyetler | Teknik Fayda |
|---|---|---|
| Veri Hazırlama ve Yönetimi | Yapılandırılmış/yapılandırılmamış veri setlerinin yüklenmesi, versiyonlanması ve filtrelenmesi. | Eğitim verisi tutarlılığı ve tekrarlanabilirlik. |
| Entegre Veri Etiketleme | Görüntü (nesne tespiti, poligon/semantik segmentasyon, sınıflandırma), metin ve ses verileri için etiketleme arayüzü. | Harici etiketleme araçlarına ihtiyaç duymadan doğrudan sistem içi hazırlık. |
| Yüksek Başarımlı GPU Havuzu | Dağıtık GPU kümeleri üzerinde derin öğrenme modellerinin eğitimi ve ince ayarı (fine-tuning). | Yüksek maliyetli donanım yatırımı yapmadan kurumsal GPU erişimi. |
| LLM Çıkarım Servisi (Inference API) | 11 açık ağırlıklı büyük dil modeline anlık API erişimi ve 1 milyon token bağlam penceresi. | Mevcut uygulamalara güvenli, yurt içi sunuculardan çalışan yapay zekâ entegrasyonu. |
| Açık Depo (GitLab Entegrasyonu) | Savunma sanayii ve topluluk projeleri için kod, ağırlık ve veri havuzu paylaşımı (acikdepo.ssyz.org.tr). | Açık kaynak iş birliği ve kurumsal kod yönetimi. |
Katkı Yap, Kredi Kazan Modeli Nasıl Çalışır
Modern yapay zekâ modellerinin en büyük darboğazı, yüksek maliyetli GPU sunucularına erişimdir. Çoğu araştırmacı ve bağımsız geliştirici için NVIDIA A100 veya H100 sınıfı GPU kümeleri kiralama maliyetleri ciddi bir bütçe yükü oluşturur. EVREN, bu engeli aşmak için geleneksel ücretli abonelik modeli yerine katkı esaslı kredi ekosistemi uygulamaktadır.
- Veri Seti Katkısı: Platform topluluğunun faydalanabileceği kaliteli, temizlenmiş ve onaylanmış veri setleri yükleyen geliştiriciler işlem kredisi kazanır.
- Veri Etiketleme Görevleri: Sistemde açık bulunan görüntü, metin veya ses etiketleme çalışmalarına katılarak modele girdi sağlayan kullanıcılar düzenli kredi elde eder.
- Model Paylaşımı: Kendi eğittiği açık ağırlıklı modelleri ekosistemle paylaşan araştırmacılara ek hesaplama kotaları tahsis edilir.
- Kredi Kullanım Alanları: Kazanılan bu krediler; özel derin öğrenme modellerinin eğitilmesi, fine-tuning süreçleri ve büyük dil modellerinin çıkarım çağrılarında harcanabilir.
Önemli Teşvik Notu: Altyapının test edilmesi ve kullanımın yaygınlaştırılması amacıyla, 1 Kasım 2026 tarihine kadar EVREN LLM Çıkarım Servisi üzerinden gerçekleştirilen tüm API çağrıları kullanıcıların kredi bakiyelerinden düşülmeden sınırsız olarak sunulmaktadır.
EVREN Platformuna Kayıt ve Giriş Adımları
Platforma erişim, güvenilir kimlik doğrulamasını teminat altına almak amacıyla e-Devlet Kapısı üzerinden sağlanmaktadır. Sisteme dahil olmak için izlenmesi gereken adımlar şunlardır:
- İnternet tarayıcınızdan https://evren.ssyz.org.tr adresine gidin.
- Ana sayfada yer alan “e-Devlet ile Giriş Yap” butonuna tıklayarak T.C. Kimlik Numaranız ve e-Devlet şifreniz ile oturum açın.
- İlk girişinizde profil bilgilerinizi (öğrenci, akademisyen, sektör araştırmacısı veya bağımsız geliştirici) eksiksiz tamamlayın.
- Hesabınız doğrulandıktan sonra EVREN Kontrol Paneline (Dashboard) yönlendirileceksiniz. Üniversiteler veya kurumsal etkinlikler kapsamında dağıtılan promosyon QR kodunuz varsa, ilgili alandan taratarak başlangıç kredilerinizi hesabınıza tanımlayabilirsiniz.
Veri Etiketleme ve Model Eğitimi Süreci
Özellikle insansız hava araçları (İHA), radar sistemleri ve otonom kara araçlarında kullanılan bilgisayarlı görü (Computer Vision) algoritmaları için veri kalitesi modelin sahadaki başarısını doğrudan belirler. EVREN, bu süreci basitleştiren entegre etiketleme araçlarına sahiptir:
- Proje Oluşturma: Kontrol panelinden “Yeni Proje” seçeneğini belirleyin ve görev tipini seçin (örneğin Nesne Tespiti – Bounding Box, Segmentasyon veya Görüntü Sınıflandırma).
- Veri Kümesi Yükleme: Ham görüntülerinizi sisteme yükleyin. Dosyalar yerli nesne depolama havuzunda güvenli bir şekilde saklanır.
- Etiketleme Arayüzü: Tarayıcı üzerinden çalışan etiketleme aracıyla hedefleri sınıflandırın ve poligon/kutu koordinatlarını oluşturun.
- Eğitim Görevi Başlatma: Etiketlenen veri setini seçerek platformdaki GPU kaynaklarından (istenen çekirdek ve VRAM kapasitesine göre) bir pod tahsis edin. YOLO, ResNet, Transformer tabanlı mimarileri platform üzerinde tanımlayarak eğitimi başlatın.
- Metrik Takibi: Loss eğrileri, mAP (mean Average Precision) ve doğruluk oranlarını gerçek zamanlı grafiklerle panodan izleyin.
EVREN LLM Çıkarım API Entegrasyonu ve Python Örneği
EVREN Platformu, açık kaynak dünyasının en güçlü 11 açık ağırlıklı büyük dil modelini optimize edilmiş çıkarım altyapısında sunmaktadır. 1 milyon token’a varan geniş bağlam penceresi sayesinde, mevzuat metinleri, teknik şartnameler veya yüzlerce sayfalık savunma dokümanları tek seferde modele aktarılabilmektedir.
Daha önce T.C. Merkez Bankası EVDS Kayıt Olma ve API Kullanma rehberimizde incelediğimiz gibi, kurumsal sistemlerde veri güvenliği ve doğru API kimlik doğrulaması en kritik adımdır. EVREN LLM servisi, OpenAI uyumlu standart REST mimarisini destekler. Bu sayede mevcut projelerinizde yalnızca sunucu adresini (Base URL) ve API anahtarınızı değiştirerek saniyeler içinde geçiş yapabilirsiniz.
Aşağıdaki Python örneğinde, EVREN LLM Çıkarım API’sine bağlanarak teknik bir dokümanı özetleyen örnek bir istem gönderme betiği yer almaktadır:
import requests
import json
# EVREN Platformu API Konfigürasyonu
EVREN_API_URL = "https://evren.ssyz.org.tr/api/v1/chat/completions"
EVREN_API_KEY = "BURAYA_EVREN_API_ANAHTARINIZI_YAZIN"
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {EVREN_API_KEY}"
}
payload = {
"model": "evren-llm-instruct", # Platformda aktif açık ağırlıklı model kodu
"messages": [
{
"role": "system",
"content": "Sen Türkiye savunma sanayii ve ileri teknoloji projelerinde uzmanlaşmış bir teknik asistansın."
},
{
"role": "user",
"content": "İnsansız hava araçlarında kenar yapay zeka (Edge AI) çıkarımı için dikkat edilmesi gereken termal ve güç kısıtlarını maddeler halinde açıkla."
}
],
"temperature": 0.2,
"max_tokens": 1024
}
response = requests.post(EVREN_API_URL, headers=headers, json=payload)
if response.status_code == 200:
result = response.json()
yanit = result["choices"][0]["message"]["content"]
print("EVREN Yanıtı:
")
print(yanit)
else:
print(f"Hata Oluştu! HTTP Kodu: {response.status_code}")
print(response.text)
Hazırladığınız bu tür Python betiklerini saha ekiplerinin ya da son kullanıcıların kolayca çalıştırabileceği bağımsız bir masaüstü uygulamasına dönüştürmek isterseniz, Windows Ortamında auto-py-to-exe ile Python Dosyalarını EXE’ye Dönüştürme Rehberi içeriğimizdeki adımları uygulayabilirsiniz.
Platform Tanıtım ve Demo İncelemesi
EVREN platformunun arayüzü, veri setlerinin sisteme nasıl aktarıldığı ve canlı model eğitim adımları hakkında görsel bir fikir edinmek için Savunma Sanayii Başkanlığı koordinasyonunda gerçekleştirilen detaylı inceleme videosunu aşağıdan izleyebilirsiniz:
Geliştiriciler ve Araştırmacılar İçin Stratejik Öneriler
- Akademik Tez ve Bitirme Projeleri: YÖK ve üniversiteler tarafından duyurulan protokoller kapsamında, lisans ve lisansüstü öğrencileri EVREN’in GPU havuzundan ücretsiz başlangıç kredileriyle faydalanabilir. Donanım yetersizliği nedeniyle rafa kalkan derin öğrenme projeleri için ideal bir çalışma sahasıdır.
- Kurumsal Veri Gizliliği: Ticari sır, patent başvurusu veya savunma teknolojisi içeren metinleri özetlemek, bilgi çıkarmak (RAG) veya sınıflandırmak isteyen şirketler için EVREN, veriyi yurt dışına çıkarmayan yegane kamu destekli alternatiftir.
- SAYZEK-ATP Fırsatları: SAYZEK bünyesinde düzenlenen Araştırmacı Yetiştirme Programı (ATP) ve benzeri savunma sanayii yarışmalarında EVREN ortamı üzerinden model geliştirmek projelerin puanlanmasında ve ekosistemle entegrasyonunda büyük avantaj sağlar.
Kaynaklar ve Referanslar
Bu makale hazırlanırken aşağıdaki kaynaklardan ve resmi duyurulardan faydalanılmıştır:
