Devlet kurumlarında YZ uygulamaları genellikle doğal dil işleme (NLP), görüntü işleme, öngörücü analiz, model eğitimi, sınıflandırma gibi alanlara yönelir. Bunların tamamı yüksek işlem gücü, paralel hesaplama ve büyük veri işleme kapasitesi gerektirir.

🔧 1. İŞLEMCİ (CPU – Central Processing Unit)

📌 Teknik Temel:

YZ yazılımlarında CPU, veri ön işleme, eğitim verilerinin hazırlanması, mantıksal karar ağaçları gibi işlemleri gerçekleştirir. Özellikle Python, R, Scikit-Learn, Pandas gibi araçlarla çalışan CPU, işlem gücünü çoklu çekirdeklerle ve yüksek saat frekanslarıyla gösterir.

✅ Önerilen Özellikler:

  • Çekirdek Sayısı: En az 8 çekirdek / 16 thread – tercihen 16+ çekirdekli CPU’lar (Intel Xeon W serisi, AMD Ryzen 9, Threadripper Pro)
  • Saat Hızı: Boost frekansının 4.0 GHz üzeri olması önerilir. Çünkü bazı YZ algoritmaları CPU’da tek çekirdekte çalışabilir (örneğin, karar ağaçları).
  • Cache Bellek: L2 ve L3 önbellek büyüklüğü önemlidir. Büyük önbellek, model parametrelerinin daha hızlı erişilmesini sağlar.

🎮 2. GRAFİK İŞLEMCİ BİRİMİ (GPU – Graphics Processing Unit)

📌 Teknik Temel:

GPU’lar, paralel işlem mimarisiyle özellikle derin öğrenme (deep learning) işlemlerinde çok etkilidir. Yapay sinir ağlarının eğitilmesi gibi işlemlerde, yüz binlerce matris işlemini paralel olarak yapabilir. CUDA, Tensor Cores, cuDNN gibi teknolojiler NVIDIA GPU’ları ile bu işlemleri optimize eder.

✅ Önerilen Özellikler:

  • CUDA Cores: Yüksek sayıda çekirdeğe sahip (örneğin RTX 4090: 16.384 CUDA çekirdeği)
  • Tensor Cores: Derin öğrenme eğitimi için özel olarak optimize edilmiş çekirdekler (örneğin RTX 30/40 serilerinde var)
  • VRAM: En az 12 GB GDDR6 / GDDR6X – Büyük veri setlerinde modele giriş verilerinin sığabilmesi için önemlidir.
  • GPU Bellek Bant Genişliği: Daha yüksek bant genişliği (örneğin 500 GB/s üzeri) büyük tensörleri hızlı işler.
  • Destek: NVIDIA GPU’lar, PyTorch, TensorFlow, Keras gibi framework’lerde daha yaygın ve optimize destek sunar.

🎯 Alternatif GPU’lar:

  • NVIDIA RTX 4070 Ti / 4080 / 4090
  • NVIDIA Quadro RTX serisi (örnek: RTX A6000 – 48 GB VRAM)
  • NVIDIA H100, A100 (kurumsal sunucu düzeyinde)

🧠 3. BELLEK (RAM – Random Access Memory)

📌 Teknik Temel:

Yapay zeka projelerinde RAM, eğitim verilerinin ve geçici hesaplamaların bellekte tutulmasını sağlar. Büyük boyutlu veri kümeleri belleğe sığmazsa disk erişimi başlar ve sistem ciddi şekilde yavaşlar.

✅ Önerilen Özellikler:

  • Kapasite: En az 32 GB DDR4 – tercihen 64 GB veya 128 GB (özellikle NLP ve görüntü işleme için)
  • Kanal: Dual/Quad Channel konfigürasyon – Daha yüksek bant genişliği sunar.
  • Frekans: 3200 MHz ve üzeri
  • ECC RAM: Hata düzeltme (Error Correcting Code) RAM, özellikle devlet kurumlarında veri doğruluğu açısından kritik olabilir.

💾 4. DEPOLAMA (SSD ve HDD)

📌 Teknik Temel:

YZ modelleri ve veri kümeleri büyük boyutludur. Model dosyaları, log kayıtları, ham veriler (CSV, JSON, video) disk üzerinde yer kaplar. Ayrıca veri eğitimi sırasında I/O (Giriş/Çıkış) performansı kritik olur.

✅ Önerilen Özellikler:

  • NVMe SSD: PCIe 4.0 NVMe SSD (3500+ MB/s okuma hızı)
  • Kapasite: 1 TB NVMe SSD (işletim sistemi + yazılım + aktif projeler)
  • HDD: 2-4 TB 7200 RPM HDD (arşivleme, eski veri setleri)
  • Kurumsal Seviye SSD: Samsung 980 PRO, WD SN850 gibi modeller önerilir.

🌡️ 5. SOĞUTMA VE TERMAL YÖNETİM

📌 Teknik Temel:

YZ eğitimleri çok uzun sürebilir (saatler, günler). Bu süreçte işlemci ve GPU sürekli yük altında kalır. Isınma sistem performansını düşürür, donanım ömrünü kısaltır.

✅ Önerilen Özellikler:

  • Aktif Soğutma: Geniş fan yapısı + yüksek hava akışı
  • Sıvı Soğutma: Özellikle çok güçlü CPU/GPU kombinasyonları için AIO sıvı soğutma sistemleri (Corsair H150i gibi)
  • Isı sensörü yazılımı: Donanım sıcaklıklarını izlemek için (HWMonitor, AIDA64 vb.)

🔐 6. GÜVENLİK ve SİSTEM GÜVENİLİRLİĞİ

📌 Teknik Temel:

Kurum projelerinde veri sızıntısı, sistem çökmeleri gibi riskler minimize edilmelidir.

✅ Önerilen Özellikler:

  • TPM 2.0 Modülü: Güvenli önyükleme, şifreleme anahtarları
  • RAID Yapısı: RAID 1 veya 5 – veri yedekliliği için
  • Veri Şifreleme: BitLocker gibi donanım destekli çözümler
  • ECC RAM: Hatalı veri işlemesini önler.

🧩 7. ANAKART ve GENİŞLEME YAPISI

📌 Teknik Temel:

Gelecekte RAM, GPU ya da SSD eklemek gerekebilir. Bu yüzden anakartın genişlemeye açık olması gerekir.

✅ Önerilen Özellikler:

  • 4+ RAM Slotu
  • 2+ M.2 NVMe Yuvası
  • 3+ PCIe x16 Yuvası (çoklu GPU desteği için)
  • PCIe 4.0 veya PCIe 5.0 desteği
  • Sunucu sınıfı anakartlar: ASUS WS, SuperMicro, MSI Pro serileri

⚡ 8. GÜÇ KAYNAĞI (PSU)

📌 Teknik Temel:

RTX 4080 gibi GPU’lar 350W-400W’a kadar güç çekebilir. Sistem kararlılığı için yüksek kaliteli PSU gerekir.

✅ Önerilen Özellikler:

  • Güç: En az 850W – önerilen 1000W
  • Sertifika: 80 PLUS Gold veya Platinum
  • Modüler PSU: Kablo yönetimi ve hava akışı açısından daha iyidir.

📡 9. BAĞLANTI ve AĞ YAPISI

📌 Teknik Temel:

Veri kümeleri ağ üzerinden çekilebilir. Ayrıca ekip çalışması yapılıyorsa hızlı dosya transferi gerekir.

✅ Önerilen Özellikler:

  • Ethernet: 1 Gbps minimum, tercihen 10 Gbps destekli NIC
  • Kablosuz: Wi-Fi 6 veya Wi-Fi 6E
  • USB Portları: USB 3.2 Gen 2 (10 Gbps), Thunderbolt 3/4 destekli portlar

🖥️ 10. EKRAN VE GÖRÜNTÜLEME

📌 Teknik Temel:

Model çıktılarının görselleştirilmesi, kod yazımı ve grafik inceleme gibi işlemler için kaliteli ekranlar önemlidir.

✅ Önerilen Özellikler:

  • Çözünürlük: 2560×1440 (2K) veya 3840×2160 (4K)
  • Renk Gamı: %100 sRGB veya AdobeRGB (görüntü işleme için)
  • Çift Monitör: Kodlama ve analiz ekranlarını ayırmak için idealdir.

SONUÇ: YAPAY ZEKA ODAKLI MASAÜSTÜ ÖRNEK KONFİGÜRASYON

BileşenÖnerilen Donanım
CPUAMD Ryzen Threadripper PRO 5975WX (32 çekirdek)
GPUNVIDIA RTX 4090 (24 GB GDDR6X)
RAM128 GB DDR4 ECC, 3200 MHz
SSD2 TB PCIe 4.0 NVMe SSD
HDD4 TB 7200 RPM WD Red Pro
AnakartASUS WS WRX80 Pro (Workstation sınıfı)
PSU1000W 80 PLUS Platinum
SoğutmaCorsair H150i Sıvı Soğutma
Ağ KartıIntel X550 10GbE Ethernet NIC
Ekran2x 27” 4K IPS Monitör