Eğitimin Amacı ve Kapsamı
Teknik dokümantasyon ya hiç yazılmaz ya da yazıldıktan birkaç hafta sonra kod değiştiği için güncelliğini yitirip yanıltıcı hale gelir. Öte yandan LLM'lere sadece 'bu projeyi dokümante et' demek, kodu tekrar anlatan uzun ve faydasız metinler üretir. Bu eğitim, doğrudan kod tabanına bağlı, kısa ve yaşayan dokümantasyon (Docs-as-Code) üretmeyi öğretir.
Koddan C4 ve Mermaid mimari/akış diyagramları üretimi, Mimari Karar Kayıtları (ADR), OpenAPI/AsyncAPI sözleşmeleri ve gerçek çalışan kod örnekleri, yeni geliştirici onboarding rehberleri, operasyonel runbook'lar ve PR aşamasında doküman kaymasını (doc drift) yakalayan kontroller uygulamalı olarak işlenir.
Kimler Katılmalı?
- Yazılım geliştiriciler, teknik takım liderleri ve yazılım mimarları
- Teknik yazarlar (technical writers) ve geliştirici ilişkileri (DevRel) uzmanları
- Sistem/iş analistleri ve platform mühendisleri
- Ön koşul: Git, Markdown ve yazılım projesi yapısına temel aşinalık
Kazanımlar
- Kodun 'ne yaptığını' tekrar etmek yerine 'neden öyle tasarlandığını' anlatan ADR ve mimari dokümanlar yazar
- Kod tabanındaki servis, veri akışı ve durum makinelerini Mermaid/C4 diyagramlarına dönüştürür
- API uç noktalarından ve şemalardan doğrulanan OpenAPI dokümanı ve SDK kullanım kılavuzları üretir
- Yeni katılan mühendisler için adım adım doğrulanmış yerel kurulum ve onboarding rehberi hazırlar
- Kod değiştiğinde hangi dokümanın güncellenmesi gerektiğini PR içinde otomatik tespit eder
Konular
Docs-as-Code İlkeleri ve Gürültüsüz Dokümantasyon
- Faydasız AI yorumlarından kaçınma: Okuyucu kitlesine (geliştirici, entegratör, SRE) göre doküman türü
- Repo içi Markdown mimarisi, şablonlar ve kodla birlikte versiyonlama
Mimari Görselleştirme: Koddan Mermaid ve C4 Diyagramları
- Rotalar, olaylar ve servis bağımlılıklarından otomatik sequence, ER ve C4 diyagramı üretimi
- Mimari Karar Kayıtları (ADR) ile tasarım ödünleşimlerini (trade-offs) belgelendirme
API Dokümantasyonu, Şemalar ve Geliştirici Rehberleri
- Kod ve tip tanımlarından OpenAPI/Swagger, GraphQL ve webhook dokümantasyonu zenginleştirme
- Derlenen ve test edilen gerçek istek/yanıt örnekleri (doctest yaklaşımı)
Onboarding Kılavuzları ve Operasyonel Runbook'lar
- Kod tabanı haritası, yerel kurulum adımları ve sık karşılaşılan kurulum hataları rehberi
- Servis alarmları, yapılandırma değişkenleri ve arıza müdahale runbook'ları
Doküman Kayması (Doc Drift) Önleme ve CI Entegrasyonu
- PR diff'ini inceleyip etkilenen README/API dokümanlarını işaretleyen kontrol akışı
- Kırık link, bozuk Mermaid sözdizimi ve stil kurallarının otomatik denetimi
Bu Kategorideki Diğer Eğitimler
-
Kod Tabanlarında Context Mühendisliği
Büyük ve monorepo kod tabanlarında coding agent'ların doğru kod üretmesi için AST tabanlı indeksleme, semantik/leksikal arama, bağımlılık grafiği, AGENTS.md/CLAUDE.md hiyerarşisi ve context window bütçeleme eğitimi.
- Canlı Kurs
- 5 modül
-
Güvenli Kod İncelemesi
Yapay zeka ve insan tarafından yazılan kodlarda OWASP Top 10, yetkilendirme açıkları, uydurma paket (slopsquatting), gizli anahtar sızıntısı ve güvensiz varsayılanları SAST (Semgrep, CodeQL) ve LLM destekli incelemeyle yakalama eğitimi.
- Canlı Kurs
- 5 modül
-
Kurumsal Yapay Zeka Kodlama Politikaları
Yazılım organizasyonları için yapay zeka kodlama araçlarının veri gizliliği (ZDR), fikri mülkiyet, açık kaynak lisans uyumu, onaylı model/MCP listeleri, risk kademelendirmesi ve kabul standartlarını belirleyen yönetişim eğitimi.
- Canlı Kurs
- 5 modül
-
Yapay Zeka Destekli SDLC Tasarımı
Kod üretim hızı arttığında oluşan inceleme, test ve güvenlik darboğazlarını çözen; gereksinim, mimari, geliştirme, PR review, CI/CD, QA ve operasyon aşamalarını yeniden kurgulayan uçtan uca AI-native SDLC eğitimi.
- Canlı Kurs
- 5 modül
-
Yapay Zeka ile Legacy Kod Modernizasyonu (COBOL, PL/SQL, Monolit → Modern Mimari)
COBOL, PL/SQL saklı yordamları ve eski Java/.NET monolitlerinden iş kurallarını çıkarma, Strangler Fig deseniyle parçalama, golden-master/çift koşum (dual-run) denklik testleri ve hedef mimariye güvenli dönüşüm eğitimi.
- Canlı Kurs
- 5 modül
-
Test ve QA Mühendisleri için Yapay Zeka Sistemlerinin Testi
QA ve test mühendisleri için deterministik olmayan LLM, RAG ve agent uygulamalarını test etme: altın veri seti (golden dataset), RAG metrikleri, LLM-as-a-Judge, prompt injection güvenlik testleri ve CI regresyon kapıları.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin