AI portföyünde araç listesi yetmez: problemi, ölçümü ve sınırı gösterin

Özgeçmişte yapay zekâ becerilerini göstermek için araçları sıralamakla yetinmeyin. Seçtiğiniz projelerde hangi problemi ele aldığınızı, hangi kararları kendiniz verdiğinizi ve sonucu nasıl doğruladığınızı yazın. CV’de projeyi kısa bir ifadeyle özetleyin; veri, yöntem, ölçüm ve sınırlamayı bağlantı verdiğiniz portföyde açıklayın.

Bir kurs bitirme projesi de kullanılabilir; kursun adı ise tek başına projedeki katkınızı göstermez. Yeditepe Üniversitesi’nin CV rehberi, proje kapsamını, kullanılan teknolojileri, adayın rolünü ve somut sonucu durum, görev, eylem ve sonuç düzeninde anlatmayı öneriyor. Bu düzeni kullanırken ekipçe elde edilen sonuçla sizin yaptığınız işi ayrı belirtin.

Farklı becerileri gösteren üç proje seçin

Üç proje, her çalışmaya yeterli açıklama ayıran bir portföy için kullanışlı bir başlangıçtır. MIT’nin veri bilimi portföyü rehberi, en güçlü üç ila beş projeyi seçmeyi ve bunlarda farklı deneyimleri göstermeyi öneriyor. Bu sayı işe alım için bir eşik değil; çok sayıda yüzeysel örnek yerine, kararlarınızı anlatabildiğiniz bir seçki oluşturma önerisi.

Projeleri yalnızca kullandığınız araçlara göre ayırmayın. Biri veri hazırlarken verdiğiniz kararları, diğeri model çıktısını nasıl değerlendirdiğinizi, üçüncüsü bir yapay zekâ uygulamasının hangi koşullarda işe yaradığını gösterebilir. Bunlar zorunlu proje türleri değil, seçiminizi yaparken kullanabileceğiniz örneklerdir. Aynı beceriyi benzer veri ve sonuçlarla tekrar eden çalışmaların her birine portföyde yer vermek zorunda değilsiniz.

İlk sıraya otomatik olarak en yeni çalışmayı koymayın. Başvurduğunuz rolle en güçlü bağı kuran ve hakkında açık kanıt sunabildiğiniz projeyi öne alın. Bir çalışma teknik bakımdan karmaşık olsa bile problem, kişisel katkı veya değerlendirme belirsizse onu kısa bir CV iddiasına dönüştürmek güçleşir.

Her projeyi incelenebilir bir vakaya dönüştürün

Vaka anlatımı araç kurulumunun günlüğü olmamalı. Okuyan kişi çalışmanın amacını, sizin kararlarınızı ve sonuç iddiasının dayanağını bulabilmeli. Her proje için aşağıdaki alanları doldurun; gerçekten yapmadığınız bir aşamayı şablonu tamamlamak için eklemeyin.

1. Problem: Hangi kararı, tahmini veya iş akışını iyileştirmeye çalıştınız? Başarının ne anlama geleceğini yöntemi anlatmadan önce tanımlayın.
2. Veri: Veriyi nereden aldınız, neyi içeriyordu ve hangi kayıtları dışarıda bıraktınız? Eksik değerler, tekrarlar veya tutarsız biçimler için verdiğiniz kararları açıklayın.
3. Yöntem: Kullandığınız modelin, sorgunun veya üretken yapay zekâ akışının probleme neden uygun olduğunu yazın. Araç adını yaptığı işle birlikte verin.
4. Kişisel katkı: Veri temizleme, istem tasarımı, değerlendirme örnekleri hazırlama veya hata inceleme gibi hangi işi sizin yaptığınızı ayırın. Ekip sonucunun tamamını kendi başarınız gibi sunmayın.
5. Doğrulama ölçütü: Neyi saydınız veya gözlemlediniz, hangi örnekleri kullandınız ve sonucu neyle karşılaştırdınız? Değerlendirme yapılmadıysa bunu da belirtin.
6. Sınırlama: Sonucun hangi veri türü, dil veya kullanım koşulu için geçerli olduğunu söyleyin. İncelemediğiniz koşullarda başarı iddia etmeyin.
7. Bağlantı: Paylaşabiliyorsanız kodu, yöntemi veya çıktıyı incelemeye yarayan bir bağlantı ekleyin. Özel verileri yayımlayamıyorsanız bunu belirtip paylaşılabilir yöntemi ve örnekleri gösterin.

Bu alanlar aynı projede farklı soruları yanıtlar. Veri bölümünde bir kaydı neden çıkardığınızı açıklarken, katkı bölümünde bu kararı kimin verdiğini belirtirsiniz; doğrulama bölümünde ise kararın sonuç üzerindeki etkisini gerçekten ölçüp ölçmediğinizi gösterirsiniz. Böylece yöntem açıklaması, otomatik olarak başarı kanıtı sayılmaz.

Önce ve sonrayı aynı koşullarda ölçün

“Performansı artırdım” ifadesi, başlangıç durumunu ve ölçüm yöntemini vermediğiniz sürece belirsizdir. Önce karşılaştırılacak temel yöntemi tanımlayın: mevcut iş akışı, daha basit bir model veya yapay zekâ desteği olmadan yapılan işlem. Sonra iki yöntemin aynı görev tanımıyla ve karşılaştırılabilir örnekler üzerinde değerlendirildiğini gösterin.

Ölçütü adıyla bırakmayın; neyi saydığını açıklayın. Koşullu bir metin sınıflandırma projesinde “doğruluk yükseldi” demek yerine hangi etiketlerin doğru kabul edildiğini, değerlendirme örneklerinin geliştirme verisinden nasıl ayrıldığını ve hangi metinlerde hata görüldüğünü yazın. Aynı örnekleri yöntem seçmek ve son başarıyı göstermek için kullandıysanız bağımsız bir doğrulama yapmış gibi anlatmayın.

Üretken yapay zekâ ile yanıt taslağı hazırladığınız koşullu bir projede akıcı metin üretmek tek başına yeterli bir sonuç tanımı değildir. Yanıtın verilen bilgiye dayanıp dayanmadığını, insan düzeltmesi gerekip gerekmediğini ve incelemeyi kimin yaptığını belirtin. Süre karşılaştırması sunacaksanız başlangıç ve bitiş noktalarını, insan düzeltmesinin süreye dahil olup olmadığını ve her iki yöntemde görev kapsamının aynı kalıp kalmadığını açıklayın.

Güvenilir bir önce-sonra ölçümünüz yoksa yüzde üretmeyin. “Ayrı bir değerlendirme kümesi kurulmadı” veya “çıktılar elle incelendi, süre karşılaştırması yapılmadı” gibi ifadeler, gerçekten bildiğiniz şeyi sınırlar. Bu durumda tamamlanan iş akışını ve gözlenen hataları anlatabilirsiniz; ölçülmemiş bir verimlilik artışı ileri sürmeyin.

CV satırında kendi eyleminizi yazın

CV, vaka çalışmasının kopyası değildir. Proje adı ve kısa bağlamın ardından sizin yaptığınız işi, yöntemi ve doğrulanabilen sonucu bir veya iki maddede özetleyin. Araç adı cümlede yer alabilir; cümlenin asıl eylemi sizin katkınızı anlatmalıdır. Portföy bağlantısı, CV satırında açamadığınız veri seçimi ve değerlendirme ayrıntılarına götürmelidir.

Koşullu bir yazım örneği şöyle olabilir: “Müşteri talebi sınıflandırma çalışmasında etiketleme kurallarını hazırladım, model çıktısını ayrılmış örneklerde inceledim ve sık karışan talep türlerini raporladım.” Bu cümle ölçülmüş bir başarı oranı iddia etmez; adayın yaptığı işleri ve ortaya çıkan inceleme çıktısını ayırır. Gerçek projenizde karşılaştırma yaptıysanız ölçütü ve sonucu ekleyin. Yapmadıysanız “iyileştirdim” gibi ölçüm gerektiren bir yüklem kullanmayın.

Ekip projesinde “model geliştirdik” ifadesinin ardından kendi görevinizi belirsiz bırakmayın. Örneğin veri ayıklama kuralını siz belirlediyseniz bu kararı, modeli başka bir ekip üyesi eğittiyse onun işini ayrı anlatın. CV’deki rol, portföyde açıklanan işle aynı olmalı; kod veya veri paylaşılamasa bile kararın gerekçesi, kullanılan ölçüt ve bilinen sınır incelenebilir biçimde yazılabilir.

Ayrıca okuyun:

• Kripto borsası seçerken logo yetmez: SPK listesindeki kritik dipnot
• MHS, MCP’nin yerine geçmiyor: İki standardın sınırı burada
• Ücretsiz ürün de reklamdır: etiketi ilk bakışta gösterin