Model Online/Fiziksel
Süre
Modüller 5 modül

Eğitimin Amacı ve Kapsamı

Doğal dille tarif ederek hızlıca çalışan yazılım üretme yaklaşımı (vibe coding), fikir doğrulama ve dahili araç geliştirmede muazzam bir hız sağlar; ancak yapılandırılmadığında birkaç saat içinde kırılgan, düzeltilemeyen ve güvenlik açığı barındıran bir koda dönüşür. Bu eğitim, hız avantajını kaybetmeden kontrolü elde tutan disiplinli vibe coding pratiğini öğretir.

Uygulama kapsamını net bir mini-spec ile başlatma, Cursor, Claude Code, Lovable ve Bolt ile iteratif üretim, her çalışan adımda Git checkpoint alma, otomatik doğrulama komutları ve prototipten gerçek mühendislik ekibine devir kriterleri uygulamalı olarak işlenir. Katılımcılar sıfırdan çalışan bir tam yığın (full-stack) mikro uygulama geliştirir.

Kimler Katılmalı?

  • Hızlı MVP ve dahili araç geliştirmek isteyen yazılım geliştiriciler
  • Teknik ürün yöneticileri, tasarım teknologları ve veri analistleri
  • Girişimciler ve inovasyon/AR-GE ekipleri
  • Ön koşul: Temel web/yazılım kavramlarına aşinalık; ileri kodlama deneyimi gerekmez

Kazanımlar

  • Üretime başlamadan önce veri modeli, ekranlar ve kısıtları içeren net bir başlangıç spesifikasyonu yazar
  • Özellikleri küçük dilimler halinde isteyerek modelin mevcut çalışan kodu bozmasını engeller
  • Git dalları ve sık commit alışkanlığıyla bozulan denemelerden saniyeler içinde geri döner
  • Kimlik doğrulama, API anahtarı güvenliği ve girdi doğrulama gibi temel güvenlik kontrollerini uygular
  • Ne zaman vibe coding ile devam edileceğini, ne zaman geleneksel mühendislik incelemesine geçileceğini ayırt eder

Konular

Vibe Coding Felsefesi, Güçlü Yönleri ve Tuzakları
  • Prototip, dahili araç ve tek kullanımlık script'ler ile kritik üretim sistemlerinin farkı
  • Tipik çöküş noktaları: şişen dosyalar, döngüsel hatalar ve bağlam kaybı
Mini-Spec ve Teknoloji Yığını (Stack) Seçimi
  • LLM'lerin en iyi bildiği yalın ve tip güvenli teknoloji yığınlarını seçme
  • Tek sayfalık SPEC.md, veri şeması ve kurallar dosyasıyla projeyi başlatma
Dikey Dilimleme (Vertical Slicing) ve Git Checkpoint Disiplini
  • Her prompt'ta tek bir dikey özellik dilimi geliştirip tarayıcı/terminalde doğrulama
  • Çalışan durumu git commit ile kilitleme ve çıkmaza giren denemeleri git reset ile temizleme
Hata Döngülerinden Çıkış ve Modülerlik Koruma
  • Aynı hatayı üç kez çözemeyen modeli durdurup konsol/ağ loglarıyla kök nedeni bulma
  • Büyüyen dosyaları bileşen ve servislere böldürme (refactoring molaları)
Güvenlik Kontrol Listesi ve Üretime Devir
  • İstemci tarafında unutulan API anahtarları, yetkilendirme (RLS/Auth) ve SQL/XSS kontrolleri
  • Canlıya alım veya yazılım ekibine devir öncesi temizlik ve dokümantasyon

Bu Kategorideki Diğer Eğitimler

  • Agentic Coding

    Claude Code, Cursor Agent ve OpenAI Codex CLI gibi otonom kodlama agent'larıyla çok dosyalı görev yürütme, Plan-Act-Verify döngüsü, MCP araç entegrasyonu ve Git worktree ile paralel geliştirme eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
  • Gereksinimden Koda İş Akışları

    İş gereksinimi, PRD, kullanıcı hikayesi ve Figma tasarımlarını teknik spesifikasyona, görev dilimlerine, kabul kriterlerine ve doğrulanmış koda dönüştüren uçtan uca ürün-mühendislik iş akışı eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    4 modül
  • Harness Engineering

    Kodlama agent'larının kurumsal repolarda yüksek başarıyla çalışması için hızlı geri bildirim kabukları (test/typecheck/lint harness), özel araç sarmalayıcıları, AST/LSP doğrulayıcıları ve iç benchmark (eval) altyapısı kurma eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
  • Loop Engineering

    Otonom yazılım geliştirme döngülerini (üret → derle → test et → log/iz gözlemle → onar) yakınsama kriterleri, bütçe sınırları, ödül hilesi (reward hacking) önlemleri ve çoklu döngü mimarisiyle tasarlama eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
  • Yapay Zeka ile Kod Analizi ve İyileştirme

    Statik analiz metrikleri ve LLM'leri birleştirerek karmaşık kod tabanlarını anlama, teknik borç ve code smell tespiti, karakterizasyon testleriyle güvenli refactoring ve performans iyileştirme eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül
  • Yapay Zeka Destekli Test Üretimi

    Yazılım geliştiriciler için birim, entegrasyon, sözleşme (contract) ve özellik tabanlı (property-based) test üretimi; mutasyon testi (mutation testing) ile yapay zekanın ürettiği testlerin gerçek hata yakalama gücünü doğrulama eğitimi.

    Yapay Zeka Destekli Yazılım Geliştirme Kurumsal
    Canlı Kurs
    5 modül

Bizimle iletişime geçin