AI Serisi Mülakat 10: Embedding Tam Olarak Ne Yapar?

Embedding Tam Olarak Ne Yapar? — Teknik Özden Mülakat Cevabına

Bir: Teknik Öz — Bir Cümlede Çekirdek

Embedding'in temel işi, ayrık yapılandırılmamış verileri (metin, görüntü vb.) sürekli, düşük boyutlu bir vektör uzayına haritalamaktır, böylece anlamsal olarak benzer nesneler bu uzayda birbirine yakın olur.
Açıkçası, bilgisayar için bir "anlam koordinat sistemi" kurar, insanların "belirsiz anlamlarını" bilgisayarın hesaplayabileceği "konum koordinatlarına" çevirir.

İki: Sezgisel Anlayış — Anlam Haritası

İki boyutlu bir harita hayal edin (gerçek embedding genellikle yüzlerce boyuttur, ancak prensip aynı):

kedi → [0.92, 0.31, -0.45, …]
köpek → [0.88, 0.29, -0.42, …]
araba → [0.15, -0.87, 0.53, …]

Kedi ve köpeğin vektörleri çok yakın, araba ise çok uzak.
Embedding, bilgisayarın kelimeleri artık izole semboller olarak görmemesini, "anlam yakınlığına" göre metinleri karşılaştırabilmesini sağlar.

Üç: Teknik Prensip (Basitleştirilmiş) — Nasıl Öğrenilir?

Dilbilim varsayımına dayanır: "Bir kelimenin anlamı, bağlamı tarafından belirlenir."

Büyük miktarda metin üzerinde eğitim yaparak (Word2Vec, BERT gömme katmanı gibi), model her kelimenin vektörünü sürekli ayarlar.
Sonuçta, benzer bağlamlarda sıkça görülen kelimeler (kedi ve köpek "evcil hayvan", "sevme", "besleme" bağlamlarında) birbirine yakın konumlara çekilir.
Bu süreç tamamen otomatiktir, elle etiketleme gerektirmez ve dil kullanımından otomatik olarak ortaya çıkan bir geometrik yapıdır.

Önemli özellik: Vektör uzayı, kral - erkek + kadın ≈ kraliçe gibi analojik ilişkileri bile yakalayabilir.

Dört: RAG Sisteminde Embedding'in Yaptığı Adımlar

İndeksleme sırasında: Her belge parçasını (chunk) vektöre dönüştür → vektör veritabanına kaydet → "anlam adresi" oluştur.
Sorgulama sırasında: Kullanıcı sorusunu aynı uzaydaki bir vektöre dönüştür → veritabanında en yakın belge vektörlerini bul → anlamsal olarak ilgili bilgi parçalarını getir.

Etki örneği:
Kullanıcı "Evcil köpeğimi nasıl mutlu tutarım?" diye sorar, bilgi tabanında sadece "Köpeklerin günlük yürüyüşe ihtiyacı vardır, bu zihinsel sağlıklarına yardımcı olur" yazsa bile, embedding "mutlu/sağlıklı/köpek" anlamsal yakınlığı nedeniyle başarıyla getirebilir. "Anlamca eşleşme" sağlar, "biçimce eşleşme" değil.

Beş: Mülakat Cevap Stratejisi (2-3 Dakikalık Tam Konuşma)

Aşağıda, hem teorik derinliği hem de proje deneyimini gösterecek şekilde tasarlanmış bir cevap çerçevesi bulunmaktadır.

[Açılış Tonu]

"Embedding'in temel işi, ayrık yapılandırılmamış verileri sürekli, düşük boyutlu bir vektör uzayına haritalamaktır, böylece anlamsal olarak benzer nesneler bu uzayda birbirine yakın olur. Açıkçası, bilgisayar için bir 'anlam koordinat sistemi' kurar."

[Prensibi Açıklarken, Klasik Özellikleri Belirtin]

"Geleneksel one-hot kodlamada kelimeler arasında mesafe kavramı yoktur, oysa embedding sinir ağları aracılığıyla büyük miktarda derlemden öğrenir — 'bir kelimenin anlamı bağlamı tarafından belirlenir'. Sonuçta her kelime/cümle yoğun bir vektör olarak temsil edilir ve vektörlerin kosinüs benzerliği doğrudan anlamsal benzerliği ölçebilir. Hatta kral - erkek + kadın ≈ kraliçe gibi analojik ilişkileri yakalayabilir."

[Proje Deneyimini Birleştirin — Önemli]

"Daha önce yaptığım bir RAG bilgi soru-cevap sisteminde embedding'i doğrudan kullandım. O zaman text-embedding-3-small seçtim, şirket içi belgeleri 500 karakterlik parçalara böldüm, her parçayı vektöre dönüştürüp Qdrant'a kaydettim.
Bir keresinde kullanıcı 'Yıllık izin nasıl alınır?' diye sordu, anahtar kelime araması bulamadı çünkü belgede 'İzin başvuru süreci' yazıyordu. Ancak embedding 'yıllık izin' ve 'izin' kelimelerini yakın konumlara haritalayabildi ve doğru paragrafı başarıyla getirdi.
Ayrıca bir hata da yaptım: başlangıçta genel amaçlı embedding kullandım, yasal maddelerde çok kötüydü, daha sonra alan ince ayarlı BGE-large ile değiştirdim ve getirme isabet oranı %72'den %89'a çıktı. Bu nedenle embedding modeli seçimi, alt görevler üzerinde büyük etkiye sahiptir."

[Derin Düşünce Ekleyerek Senior Potansiyel Gösterin]

"Ayrıca şunu eklemek isterim: embedding aslında kayıplı anlamsal sıkıştırmadır — kelime sırası, sözdizimi gibi yüzeysel bilgileri atar, yalnızca 'ana fikri' korur. Bu nedenle, tam eşleşme gerektiren senaryolarda (örneğin 'iPhone12' vs 'iPhone13' ürün modelleri) saf vektör araması anahtar kelime kadar iyi olmayabilir. Gerçek mühendislikte sık sık hibrit arama (vektör + BM25) kullanarak tamamlayıcı oluruz."

[Kapanış]

"Genel olarak, embedding, 'bilgisayarın anlamsal benzerliği nasıl hesaplamasını sağlarız' temel sorununu çözer. Modern NLP ve RAG'ın temel taşlarından biridir."

Altı: Mülakatçının Sorabileceği Ek Sorular ve Yanıtlarınız

Soru	Yanıt Noktaları
"Embedding nasıl eğitilir?"	Word2Vec'in CBOW/Skip-gram'ını (bağlamı kullanarak merkez kelimeyi tahmin etme veya tersi) veya modern kontrastif öğrenmeyi (SimCSE, Sentence-BERT) kısaca açıklayın. Eğitimin özünün birlikte oluşum istatistiklerini kullanmak olduğunu vurgulayın.
"Embedding kalitesi nasıl değerlendirilir?"	Belirli görevlerde isabet oranı, MRR; açık kıyaslamalar MTEB gibi. Pratikte A/B testi ile getirme performansı karşılaştırılabilir.
"Hangi embedding modellerini kullandınız? Artıları/eksileri?"	OpenAI kullanışlı ama pahalı, BGE Çince'de iyi, M3E hafif, E5 çok dilli. Senaryoya göre seçim yapılabilir.
"Vektör boyutu nasıl seçilir?"	Yüksek boyut ifade gücünü artırır ancak hesaplama/depolama maliyeti yüksektir; düşük boyut yetersiz uyum sağlayabilir. Yaygın olarak 384/768/1536 kullanılır, deneyle optimize edilir.

Yedi: Dikkat Edilmesi Gereken Tuzaklar (Mülakat İçin)

❌ Sadece "embedding metni vektöre dönüştürmektir" ezberlemeyin — çok yüzeysel, mülakatçı "peki sonra?" diye sorar.
❌ Çok matematiksel olmayın (doğrudan Hilbert uzayından bahsetmek) — ezber gibi görünür, pratik değil.
✅ Kendi elinizle hangi sorunu çözdüğünüzü mutlaka anlatın, bir kurs projesi bile olsa. Somut bir sayı (%17 isabet artışı gibi) on teorik cümleden daha etkilidir.

AI Serisi Mülakat 10: Embedding Tam Olarak Ne Yapar? — Teknik Özden Mülakat Cevabına