[{"data":1,"prerenderedAt":646},["ShallowReactive",2],{"post-\u002Ftr\u002Fphp-ve-makine-ogrenimi-php-ml-kutuphanesi":3},{"page":4,"translation":496,"nav":498,"related":625,"random":635},{"id":5,"title":6,"body":7,"categories":478,"category":480,"date":481,"description":482,"draft":483,"extension":484,"image":485,"kind":480,"lang":289,"meta":486,"navigation":192,"path":487,"readingTime":196,"seo":488,"slug":489,"stem":490,"tags":491,"translationKey":494,"type":479,"updated":480,"__hash__":495},"postsTr\u002Ftr\u002Fphp-ve-makine-ogrenimi-php-ml-kutuphanesi.md","PHP ve Makine Öğrenimi: PHP-ML Kütüphanesi ile Pratik Çözümler",{"type":8,"value":9,"toc":463},"minimark",[10,14,52,55,60,63,82,84,88,93,100,105,131,133,137,140,166,169,269,276,278,282,373,375,379,383,386,390,397,401,412,416,419,421,425,446,449,454,459],[11,12,13],"p",{},"PHP, web geliştirme dünyasının en popüler dillerinden biridir. Geleneksel olarak yalnızca sunucu taraflı bir betik dili olarak görülse de, makine öğreniminin (ML) yükselişiyle birlikte geliştiriciler PHP'nin sadeliğini yapay zeka yetenekleriyle birleştirmeyi araştırmaya başlamışlardır. Makine öğrenimi; algoritmaların veriden örüntüler öğrenmesini, açıkça programlanmadan kararlar almasını veya tahminler yapmasını sağlayarak görsel sınıflandırma, duygu analizi ve tavsiye motorları gibi uygulamalara zemin hazırlar.",[15,16,17,24],"blockquote",{},[11,18,19,20],{},"💡 ",[21,22,23],"strong",{},"Özet (TL;DR):",[25,26,27,34,40,46],"ul",{},[28,29,30,33],"li",{},[21,31,32],{},"PHP-ML Nedir?"," Python çalışma ortamına veya harici C kütüphanelerine ihtiyaç duymadan, tamamen saf PHP (pure PHP) ile yazılmış açık kaynaklı bir makine öğrenimi kütüphanesidir.",[28,35,36,39],{},[21,37,38],{},"Temel Algoritmalar:"," Sınıflandırma (SVM, Naive Bayes, KNN), regresyon, kümeleme (K-Means) ve temel yapay sinir ağlarını (MLP) barındırır.",[28,41,42,45],{},[21,43,44],{},"Ne Zaman Kullanılmalı?"," Mevcut bir PHP projesine hafif sınıflandırma, spam filtresi veya kullanıcı tavsiye yapıları eklemek için idealdir.",[28,47,48,51],{},[21,49,50],{},"Limitleri:"," PHP'nin tek iş parçacıklı (single-threaded) yapısı ve GPU desteği olmaması nedeniyle, devasa veri kümelerinin eğitimi veya derin öğrenme (Deep Learning) modelleri için Python (scikit-learn, PyTorch) kadar uygun değildir.",[53,54],"hr",{},[56,57,59],"h2",{"id":58},"phpde-makine-öğrenimi-nasıl-entegre-edilir","PHP'de Makine Öğrenimi Nasıl Entegre Edilir?",[11,61,62],{},"Bir PHP uygulamasında makine öğrenimi iş akışlarını çalıştırmanın iki ana yolu vardır:",[64,65,66,72],"ol",{},[28,67,68,71],{},[21,69,70],{},"Bulut API'leri \u002F Önceden Eğitilmiş Modeller Kullanmak:"," Harici yapay zeka servislerini (OpenAI, AWS SageMaker, Google Cloud AI gibi) çağırabilir veya C++ motorlarını (TensorFlow, ONNX Runtime) PHP FFI ile yerel olarak bağlayabilirsiniz.",[28,73,74,77,78,81],{},[21,75,76],{},"Yerel PHP Kütüphaneleri:"," Hafif modelleri doğrudan PHP süreci içinde çalıştırmak ve eğitmek için ",[21,79,80],{},"PHP-ML"," gibi yerel kütüphaneler kullanabilirsiniz.",[53,83],{},[56,85,87],{"id":86},"php-ml-saf-php-ile-yazılmış-makine-öğrenimi","PHP-ML: Saf PHP ile Yazılmış Makine Öğrenimi",[11,89,90,92],{},[21,91,80],{}," (PHP Machine Learning), tamamen PHP ile uygulanan çeşitli makine öğrenimi algoritmaları için birleşik ve kullanımı kolay bir API sağlayan açık kaynaklı bir kütüphanedir.",[11,94,95,96,99],{},"Sıklıkla yanlış varsayılanın aksine, ",[21,97,98],{},"PHP-ML kütüphanesi Python'daki NumPy, SciPy veya scikit-learn gibi kütüphanelerin üzerinde çalışmaz."," Tamamen sıfır Python bağımlılığıyla yazılmıştır; bu sayede Composer aracılığıyla saniyeler içinde kurulabilir ve paylaşımlı standart PHP hosting sunucularında bile kolayca dağıtılabilir.",[101,102,104],"h3",{"id":103},"php-mlin-temel-yetenekleri","PHP-ML'in Temel Yetenekleri",[25,106,107,113,119,125],{},[28,108,109,112],{},[21,110,111],{},"Sınıflandırma (Classification):"," Support Vector Machines (SVM), Naive Bayes, K-Nearest Neighbors (KNN), Karar Ağaçları ve Çok Katmanlı Algılayıcı (MLP) Classifier.",[28,114,115,118],{},[21,116,117],{},"Regresyon (Regression):"," Least Squares, Support Vector Regression (SVR).",[28,120,121,124],{},[21,122,123],{},"Kümeleme (Clustering):"," K-Means, DBSCAN.",[28,126,127,130],{},[21,128,129],{},"İş Akışı Araçları:"," Boru hattı (Pipeline) yapıları, çapraz doğrulama (cross-validation) ve veri önişleme araçları (örn. metin sınıflandırma için TF-IDF dönüştürücüsü).",[53,132],{},[56,134,136],{"id":135},"kod-örneği-bir-svm-sınıflandırıcı-eğitmek","Kod Örneği: Bir SVM Sınıflandırıcı Eğitmek",[11,138,139],{},"Başlamak için kütüphaneyi Composer ile projenize dahil edin:",[141,142,147],"pre",{"className":143,"code":144,"language":145,"meta":146,"style":146},"language-bash shiki shiki-themes github-light github-dark","composer require php-ai\u002Fphp-ml\n","bash","",[148,149,150],"code",{"__ignoreMap":146},[151,152,155,159,163],"span",{"class":153,"line":154},"line",1,[151,156,158],{"class":157},"sScJk","composer",[151,160,162],{"class":161},"sZZnC"," require",[151,164,165],{"class":161}," php-ai\u002Fphp-ml\n",[11,167,168],{},"Aşağıda, veri noktalarını PHP-ML kullanarak iki sınıfa ('a' ve 'b') ayırmak için bir Destek Vektör Sınıflandırıcısının (SVC) nasıl eğitildiğini gösteren pratik bir örnek yer almaktadır:",[141,170,174],{"className":171,"code":172,"language":173,"meta":146,"style":146},"language-php shiki shiki-themes github-light github-dark","use Phpml\\Classification\\SVC;\nuse Phpml\\SupportVectorMachine\\Kernel;\n\n\u002F\u002F Örnek nitelikler (örn. [özellik1, özellik2])\n$samples = [[1, 3], [1, 4], [2, 4], [3, 1], [4, 1], [4, 2]];\n$labels = ['a', 'a', 'a', 'b', 'b', 'b'];\n\n\u002F\u002F Doğrusal çekirdeğe (linear kernel) sahip sınıflandırıcıyı başlat\n$classifier = new SVC(Kernel::LINEAR, $cost = 1000);\n\n\u002F\u002F Modeli eğit\n$classifier->train($samples, $labels);\n\n\u002F\u002F Yeni bir veri noktası için tahmin yap\n$prediction = $classifier->predict([3, 2]);\n\u002F\u002F Çıktı 'b' olacaktır\n","php",[148,175,176,181,187,194,200,206,212,217,223,229,234,240,246,251,257,263],{"__ignoreMap":146},[151,177,178],{"class":153,"line":154},[151,179,180],{},"use Phpml\\Classification\\SVC;\n",[151,182,184],{"class":153,"line":183},2,[151,185,186],{},"use Phpml\\SupportVectorMachine\\Kernel;\n",[151,188,190],{"class":153,"line":189},3,[151,191,193],{"emptyLinePlaceholder":192},true,"\n",[151,195,197],{"class":153,"line":196},4,[151,198,199],{},"\u002F\u002F Örnek nitelikler (örn. [özellik1, özellik2])\n",[151,201,203],{"class":153,"line":202},5,[151,204,205],{},"$samples = [[1, 3], [1, 4], [2, 4], [3, 1], [4, 1], [4, 2]];\n",[151,207,209],{"class":153,"line":208},6,[151,210,211],{},"$labels = ['a', 'a', 'a', 'b', 'b', 'b'];\n",[151,213,215],{"class":153,"line":214},7,[151,216,193],{"emptyLinePlaceholder":192},[151,218,220],{"class":153,"line":219},8,[151,221,222],{},"\u002F\u002F Doğrusal çekirdeğe (linear kernel) sahip sınıflandırıcıyı başlat\n",[151,224,226],{"class":153,"line":225},9,[151,227,228],{},"$classifier = new SVC(Kernel::LINEAR, $cost = 1000);\n",[151,230,232],{"class":153,"line":231},10,[151,233,193],{"emptyLinePlaceholder":192},[151,235,237],{"class":153,"line":236},11,[151,238,239],{},"\u002F\u002F Modeli eğit\n",[151,241,243],{"class":153,"line":242},12,[151,244,245],{},"$classifier->train($samples, $labels);\n",[151,247,249],{"class":153,"line":248},13,[151,250,193],{"emptyLinePlaceholder":192},[151,252,254],{"class":153,"line":253},14,[151,255,256],{},"\u002F\u002F Yeni bir veri noktası için tahmin yap\n",[151,258,260],{"class":153,"line":259},15,[151,261,262],{},"$prediction = $classifier->predict([3, 2]);\n",[151,264,266],{"class":153,"line":265},16,[151,267,268],{},"\u002F\u002F Çıktı 'b' olacaktır\n",[11,270,271,272,275],{},"Model eğitildikten sonra, her HTTP isteğinde modeli yeniden eğitmek zorunda kalmamak için ",[148,273,274],{},"Phpml\\ModelManager"," kullanarak eğitilmiş modeli diske kaydedebilir (serialize) ve doğrudan oradan yükleyebilirsiniz.",[53,277],{},[56,279,281],{"id":280},"performans-karşılaştırma-tablosu","Performans Karşılaştırma Tablosu",[283,284,285,305],"table",{},[286,287,288],"thead",{},[289,290,291,296,299,302],"tr",{},[292,293,295],"th",{"align":294},"left","Özellik",[292,297,298],{"align":294},"PHP-ML (Yerel PHP)",[292,300,301],{"align":294},"Python (scikit-learn \u002F PyTorch)",[292,303,304],{"align":294},"Bulut API'leri (OpenAI \u002F AWS)",[306,307,308,325,341,357],"tbody",{},[289,309,310,316,319,322],{},[311,312,313],"td",{"align":294},[21,314,315],{},"Kurulum Yükü",[311,317,318],{"align":294},"Yok (Sadece Composer)",[311,320,321],{"align":294},"Yüksek (Python ortamı ve paketleri gerekir)",[311,323,324],{"align":294},"Düşük (API Anahtarı ve HTTP İstemcisi)",[289,326,327,332,335,338],{},[311,328,329],{"align":294},[21,330,331],{},"Çalışma Hızı",[311,333,334],{"align":294},"Orta (Tek iş parçacıklı CPU)",[311,336,337],{"align":294},"Yüksek (Optimize edilmiş C\u002FC++ altyapıları, GPU)",[311,339,340],{"align":294},"Çok Yüksek (İşlem buluta devredilir)",[289,342,343,348,351,354],{},[311,344,345],{"align":294},[21,346,347],{},"Veri Ölçekleme",[311,349,350],{"align":294},"Küçük ve Orta Ölçekli",[311,352,353],{"align":294},"Devasa (Milyonlarca satır)",[311,355,356],{"align":294},"Geçerli Değil (İstek başına sınır)",[289,358,359,364,367,370],{},[311,360,361],{"align":294},[21,362,363],{},"Dağıtım Kolaylığı",[311,365,366],{"align":294},"Son Derece Kolay",[311,368,369],{"align":294},"Orta (Docker\u002FWSGI\u002FFastAPI gerekir)",[311,371,372],{"align":294},"Çok Kolay",[53,374],{},[56,376,378],{"id":377},"sıkça-sorulan-sorular-faq","Sıkça Sorulan Sorular (FAQ)",[101,380,382],{"id":381},"php-ml-derin-öğrenme-deep-learning-için-uygun-mudur","PHP-ML derin öğrenme (Deep Learning) için uygun mudur?",[11,384,385],{},"PHP-ML, basit yapay sinir ağları oluşturmak için kullanılabilecek temel bir Çok Katmanlı Algılayıcı (MLP) sınıflandırıcısı içerir. Ancak bilgisayarla görü (computer vision), büyük dil modelleri (LLM) veya ses tanıma gibi karmaşık derin öğrenme işleri için Python framework'lerini (TensorFlow, PyTorch) veya bulut API'lerini kullanmalısınız.",[101,387,389],{"id":388},"pythonda-eğittiğim-bir-modeli-phpde-nasıl-çalıştırırım","Python'da eğittiğim bir modeli PHP'de nasıl çalıştırırım?",[11,391,392,393,396],{},"Her şeyi PHP'de eğitmek yerine yaygın bir yöntem, modeli Python'da (scikit-learn veya PyTorch kullanarak) eğitip standart bir format olan ",[21,394,395],{},"ONNX"," biçiminde dışa aktarmaktır. Ardından, PHP'deki ONNX runtime eklentisiyle bu modeli doğrudan PHP içinde yükleyip hızlıca tahminler üretebilirsiniz.",[101,398,400],{"id":399},"php-ml-veri-önişlemeyi-nasıl-yapar","PHP-ML veri önişlemeyi nasıl yapar?",[11,402,403,404,407,408,411],{},"PHP-ML, yerleşik normalleştirme, ölçeklendirme, kelimelere ayırma (tokenization) ve vektörleştirme sınıfları sunar. Metin analizi için ",[148,405,406],{},"Tokenization"," and ",[148,409,410],{},"Pipeline"," sınıfları, sınıflandırma algoritmalarına geçilmeden önce ham verileri temizlemeyi kolaylaştırır.",[101,413,415],{"id":414},"php-ml-için-sunucuda-python-yüklü-olması-gerekir-mi","PHP-ML için sunucuda Python yüklü olması gerekir mi?",[11,417,418],{},"Hayır. PHP-ML tamamen saf PHP (pure PHP) ile yazılmıştır. Sunucuda NumPy, SciPy, scikit-learn veya herhangi bir Python çalışma ortamının bulunmasına gerek yoktur.",[53,420],{},[56,422,424],{"id":423},"resmi-kaynaklar-ve-dokümantasyonlar","Resmi Kaynaklar ve Dokümantasyonlar",[25,426,427,439],{},[28,428,429],{},[430,431,438],"a",{"href":432,"rel":433,"target":437},"https:\u002F\u002Fgithub.com\u002Fphp-ai\u002Fphp-ml",[434,435,436],"nofollow","noopener","noreferrer","_blank","PHP-ML GitHub Deposu",[28,440,441],{},[430,442,445],{"href":443,"rel":444,"target":437},"https:\u002F\u002Fphp-ml.readthedocs.io\u002F",[434,435,436],"PHP-ML Resmi Dokümantasyonu",[11,447,448],{},"Sonuç olarak PHP-ML, harici bir Python servisi kurup yönetmenin operasyonel karmaşıklığına girmeden mevcut PHP uygulamalarına hafif makine öğrenimi özellikleri eklemek isteyen web geliştiricileri için harika bir kütüphanedir. Kurulumu son derece basittir, hafif tahmin görevlerinde mükemmel çalışır ve mevcut kod tabanınızla tam uyum sağlar.",[450,451,453],"h5",{"id":452},"bu-yazıda-yapılan-değişiklikler","Bu Yazıda Yapılan Değişiklikler",[25,455,456],{},[28,457,458],{},"20.06.2026: Yazı ilk kez yayınlandı (karşılaştırmalı kod örnekleri, tablo, LLO geliştirmeleri ve İngilizce sürüm bağlantısı ile birlikte).",[460,461,462],"style",{},"html pre.shiki code .sScJk, html code.shiki .sScJk{--shiki-default:#6F42C1;--shiki-dark:#B392F0}html pre.shiki code .sZZnC, html code.shiki .sZZnC{--shiki-default:#032F62;--shiki-dark:#9ECBFF}html .default .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .shiki span {color: var(--shiki-default);background: var(--shiki-default-bg);font-style: var(--shiki-default-font-style);font-weight: var(--shiki-default-font-weight);text-decoration: var(--shiki-default-text-decoration);}html .dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}html.dark .shiki span {color: var(--shiki-dark);background: var(--shiki-dark-bg);font-style: var(--shiki-dark-font-style);font-weight: var(--shiki-dark-font-weight);text-decoration: var(--shiki-dark-text-decoration);}",{"title":146,"searchDepth":183,"depth":183,"links":464},[465,466,469,470,471,477],{"id":58,"depth":183,"text":59},{"id":86,"depth":183,"text":87,"children":467},[468],{"id":103,"depth":189,"text":104},{"id":135,"depth":183,"text":136},{"id":280,"depth":183,"text":281},{"id":377,"depth":183,"text":378,"children":472},[473,474,475,476],{"id":381,"depth":189,"text":382},{"id":388,"depth":189,"text":389},{"id":399,"depth":189,"text":400},{"id":414,"depth":189,"text":415},{"id":423,"depth":183,"text":424},[479],"technical",null,"2026-06-20","PHP ile makine öğrenimi uygulamaları geliştirmek mümkün mü? PHP-ML kütüphanesini, kullanım alanlarını, avantajlarını ve örnek kodları inceleyin.",false,"md","\u002Fimages\u002Fhero\u002Fphp-machine-learning.avif",{},"\u002Ftr\u002Fphp-ve-makine-ogrenimi-php-ml-kutuphanesi",{"title":6,"description":482},"php-ve-makine-ogrenimi-php-ml-kutuphanesi","tr\u002Fphp-ve-makine-ogrenimi-php-ml-kutuphanesi",[173,492,493],"machine-learning","yazilim","php-machine-learning","9YMLOkfJeSfTEtT2qHixHDNcuD3obHFWmC49KjI3uA4",{"path":497},"\u002Fphp-and-machine-learning-a-winning-combination-with-php-ml",{"prev":499,"next":502,"others":505,"lucky":622,"readingTime":196},{"path":500,"title":501},"\u002Ftr\u002Fphp-generator-ve-iterator-farki","PHP'de Generator ve Iterator Arasındaki Temel Farklar",{"path":503,"title":504},"\u002Ftr\u002Fubuntu-24-04-uzerinde-cyberpanel-kurulumu","Ubuntu 24.04 LTS ve 22.04 LTS Üzerinde CyberPanel Kurulumu",[506,509,512,515,518,521,522,525,528,531,534,537,540,543,546,549,552,555,558,561,564,567,570,571,574,577,580,583,586,589,592,595,598,601,604,607,610,613,616,619],{"path":507,"title":508},"\u002Ftr\u002Fjwt-guvenli-mi-guvenlik-acigi-olusturmayin","JWT Güvenli Derken Güvenlik Açığı Oluşturmayın",{"path":510,"title":511},"\u002Ftr\u002Fes5-nedir","ES5 Nedir? JavaScript Geliştiricileri İçin Kılavuz",{"path":513,"title":514},"\u002Ftr\u002Fcommand-tasarim-deseni-nedir","Command Tasarım Deseni Nedir?",{"path":516,"title":517},"\u002Ftr\u002Fes10-nedir-ecmascript-2019-nedir","ES10 Nedir? ECMAScript 2019 Nedir?",{"path":519,"title":520},"\u002Ftr\u002Fes14-nedir-ecmascript-2023-nedir","ES14 nedir? ECMAScript 2023 nedir?",{"path":500,"title":501},{"path":523,"title":524},"\u002Ftr\u002Fproxy-tasarim-deseni-nedir","Proxy Tasarım Deseni Nedir?",{"path":526,"title":527},"\u002Ftr\u002Fgo-ve-degiskenler","Go ve Değişkenler",{"path":529,"title":530},"\u002Ftr\u002Fvite-nedir","Vite Nedir? Modern Web Geliştirme ve Paketleme Aracı",{"path":532,"title":533},"\u002Ftr\u002Fmediator-tasarim-deseni-nedir","Mediator Tasarım Deseni Nedir?",{"path":535,"title":536},"\u002Ftr\u002Fbridge-tasarim-deseni-nedir","Bridge Tasarım Deseni Nedir?",{"path":538,"title":539},"\u002Ftr\u002Ffacade-tasarim-deseni-nedir","Facade Tasarım Deseni Nedir?",{"path":541,"title":542},"\u002Ftr\u002Fcomposite-tasarim-deseni-nedir","Composite Tasarım Deseni Nedir?",{"path":544,"title":545},"\u002Ftr\u002Fwsl-2-kurulumu-6-kolay-adim","WSL 2 Kurulumu - 6 kolay adım",{"path":547,"title":548},"\u002Ftr\u002Fes15-nedir-ecmascript-2024-nedir","ES15 nedir? ECMAScript 2024 nedir?",{"path":550,"title":551},"\u002Ftr\u002Fes13-nedir-ecmascript-2022-nedir","ES13 nedir? ECMAScript 2022 nedir?",{"path":553,"title":554},"\u002Ftr\u002Flinuxda-golang-kurulumu","Linux'ta Golang Kurulumu",{"path":556,"title":557},"\u002Ftr\u002Ftailwind-css-nerede-kullanilir-tailwind-css-nerede-kullanilmaz","Tailwind CSS Nerede Kullanılır? Tailwind CSS Nerede Kullanılmaz?",{"path":559,"title":560},"\u002Ftr\u002Fiterator-tasarim-deseni-nedir","Iterator Tasarım Deseni Nedir?",{"path":562,"title":563},"\u002Ftr\u002Fflyweight-tasarim-deseni-nedir","Flyweight Tasarım Deseni Nedir?",{"path":565,"title":566},"\u002Ftr\u002Ftemiz-moduler-ve-yeniden-kullanilabilir-php-kodu-yazma-rehberi","PHP'de Temiz, Modüler ve Yeniden Kullanılabilir Kod Yazma Rehberi",{"path":568,"title":569},"\u002Ftr\u002Fgo-programlama-dilinin-ozellikleri","Go Programlama Dilinin Özellikleri",{"path":503,"title":504},{"path":572,"title":573},"\u002Ftr\u002Fchain-of-responsibility-deseni-nedir","Chain of Responsibility Deseni Nedir?",{"path":575,"title":576},"\u002Ftr\u002Fheadless-wordpress-hakkinda-her-sey","Headless WordPress Hakkında Her Şey",{"path":578,"title":579},"\u002Ftr\u002Fes17-nedir-ecmascript-2026-nedir","ES17 nedir? ECMAScript 2026 nedir?",{"path":581,"title":582},"\u002Ftr\u002Fubuntu-guncellemesi-sonrasi-cyberpanele-ulasilamama-sorunlarini-giderme","Ubuntu Güncellemesi Sonrası CyberPanel'e Ulaşılamama Sorunlarını Giderme",{"path":584,"title":585},"\u002Ftr\u002Ftricolor-garbage-collection-algoritmasi-nedir","Tricolor Garbage Collection Algoritması Nedir?",{"path":587,"title":588},"\u002Ftr\u002Fnext-js-on-bellegi-nasil-yenilenir-on-demand-cache-regeneration","Next.js Önbelleği Nasıl Yenilenir? \"On-Demand Cache Regeneration\"",{"path":590,"title":591},"\u002Ftr\u002Fearly-return-erken-donus-nedir","Early Return \u002F Erken Dönüş nedir?",{"path":593,"title":594},"\u002Ftr\u002Fstrategy-tasarim-deseni-nedir","Strategy Tasarım Deseni Nedir?",{"path":596,"title":597},"\u002Ftr\u002Fes11-nedir-ecmascript-2020-nedir","ES11 Nedir? ECMAScript 2020 Nedir?",{"path":599,"title":600},"\u002Ftr\u002Fvisitor-tasarim-deseni-nedir","Visitor Tasarım Deseni Nedir?",{"path":602,"title":603},"\u002Ftr\u002Fmemento-tasarim-deseni-nedir","Memento Tasarım Deseni Nedir?",{"path":605,"title":606},"\u002Ftr\u002Fes7-nedir-ecmascript-2016-nedir","ES7 Nedir? ECMAScript 2016 Nedir?",{"path":608,"title":609},"\u002Ftr\u002Fes8-nedir-ecmascript-2017-nedir","ES8 Nedir? ECMAScript 2017 Nedir?",{"path":611,"title":612},"\u002Ftr\u002Fwindows-10-golang-kurulumu","Windows 10 ve 11'de Golang Kurulumu ve GOPATH Yapılandırması",{"path":614,"title":615},"\u002Ftr\u002Fes9-nedir-ecmascript-2018-nedir","ES9 Nedir? ECMAScript 2018 Nedir?",{"path":617,"title":618},"\u002Ftr\u002Fgo-veri-tipleri-struct","Go Veri Tipleri: Struct",{"path":620,"title":621},"\u002Ftr\u002Fdecorator-tasarim-deseni-nedir","Decorator Tasarım Deseni Nedir?",{"path":623,"title":624},"\u002Ftr\u002Fmerhabadunya","Merhaba Dünya",[626,627,629,631],{"path":500,"title":501,"date":481},{"path":565,"title":566,"date":628},"2023-01-17",{"path":590,"title":591,"date":630},"2021-09-11",{"path":632,"title":633,"date":634},"\u002Ftr\u002Fprogralama-ipucu-yoda-gosterimi","Yoda Koşulları (Yoda Conditions) Nedir? Programlama İpucu","2021-07-23",[636,640,642],{"path":637,"title":638,"date":639},"\u002Ftr\u002Fgo-veri-tipleri-map","Go Veri Tipleri - Map","2021-10-13",{"path":513,"title":514,"date":641},"2021-10-01",{"path":643,"title":644,"date":645},"\u002Ftr\u002Fdocker-ile-rabbitmq-kurulumu","Docker ile RabbitMQ Kurulumu","2021-03-11",1782141999761]