Logaritim
Soru havuzu ve sınav hazırlama
FastAPI ve Pydantic; ders PDF’leri PyMuPDF ile ayrıştırılıyor, sorular Gemini ile üretilip denetleniyor, sınav kâğıtları sunucuda PDF olarak hazırlanıyor.
Ürünü inceleBu teknolojiyle geliştirdiklerimiz
Hepsi yayında; mağaza sayfalarına ve ayrıntılara Ürünler sayfasından ulaşabilirsiniz.
Python hangi işlerde doğru seçim
Python’un asıl gücü, çevresindeki kütüphanelerde. PDF okuma, görüntü işleme, tablo ve sayısal hesap, grafik çizimi ve yapay zekâ modellerinin resmî SDK’ları Python’da olgun ve iyi belgelenmiş durumda. Sunucunun işi yalnızca kayıt tutmak değil de belgeleri anlamak, veriyi dönüştürmek ya da bir modelle konuşmaksa Python’u seçiyoruz. FastAPI sayesinde aynı kod, başka sistemlerin bağlandığı düzenli bir API olarak da yayına çıkıyor.
Python’un iyi oturduğu durumlar
- PDF, görsel ya da tablo gibi belgelerden yapılandırılmış veri çıkarmanız gerekiyor
- Ürünün merkezinde bir yapay zekâ modeli var ve çıktılarının denetlenmesi gerekiyor
- Grafik, şekil ya da rapor gibi çıktıları koddan üretmek istiyorsunuz
- Veri temizleme, eşleştirme ve dönüştürme işi ağır basıyor
Başka bir dili önereceğimiz durumlar
- Uygulama çoğunlukla kayıt, form ve yetki yönetiminden oluşuyor; burada web ve mobille aynı dili konuşan Node.js daha pratik
- Anlık mesajlaşma ve canlı bağlantılar ürünün merkezinde
- Sunucu tarafı kodu mobil uygulamayla tipleri paylaşacak
Logaritim: PDF’ten onaylı soru havuzuna
Logaritim, ders kaynaklarından soru üreten, bunları denetleyip onaylı bir havuzda toplayan ve kurumların bu havuzdan sınav hazırlamasını sağlayan bir sistem. Hattın tamamı Python ile yazıldı:
01
Ders PDF’i
02
PyMuPDF ile ayrıştırma
03
Gemini ile soru üretimi
04
Kural kontrolleri ve bağımsız çözüm
05
Onaylı havuz
06
Sınav PDF’i ve API
- PDF’ler PyMuPDF ile sayfa düzeni gözetilerek soru soru kırpılıyor, ardından Gemini ile çözümlenip yapılandırılmış veriye dönüşüyor.
- Bir konu için soru üretilirken ilgili ders içeriği, PostgreSQL’de pgvector ile tutulan vektörler üzerinden anlamsal aramayla bulunuyor; vektör yoksa anahtar kelime sıralamasına düşüyor.
- Üretilen soru önce kural tabanlı kontrollerden geçiyor; bozuk biçimli sorular hiç model çağrısı harcanmadan eleniyor.
- Ardından ikinci bir model çağrısı soruyu cevap anahtarını görmeden çözüyor ve bir hakem adımı iki cevabı karşılaştırıyor.
- Görselli soruların çizimleri koddan üretiliyor: fonksiyon grafikleri ve analitik geometri şekilleri matplotlib ile, tarih haritaları Shapely ile.
- Sınav kâğıdı ve cevap anahtarı PyMuPDF ile sunucuda PDF olarak hazırlanıyor; Türkçe yazı tipi ve görseller dosyaya gömülüyor.
FastAPI ile başka sistemlere açılmak
Kurumlar Logaritim’in soru havuzuna API ile bağlanıyor. Uzun süren üretim işleri arka planda çalışıyor ve iş bitince sonuç, HMAC ile imzalanmış bir webhook ile karşı sisteme bildiriliyor. API anahtarları yalnızca oluşturuldukları anda görünüyor; veritabanında sadece özetleri saklanıyor.
| İş | Kütüphane | Logaritim’deki yeri |
|---|---|---|
| API ve girdi doğrulama | FastAPI, Pydantic | Kurumların bağlandığı uç noktalar ve yönetim paneli |
| Sunucuda çalıştırma | Gunicorn, Uvicorn, Docker | Birden fazla işçiyle çalışan API süreci |
| PDF okuma ve üretme | PyMuPDF | Ders kaynaklarını ayrıştırma, sınav kâğıdı ve cevap anahtarı |
| Yapay zekâ | google-genai (Gemini, Vertex AI) | Soru üretimi, bağımsız çözüm ve hakemlik |
| Anlamsal arama | PostgreSQL, pgvector | Konuyla ilgili ders içeriğini bulma |
| Çizim | matplotlib, Shapely | Grafikler, geometri şekilleri, haritalar |
| Hız sınırı | slowapi | API’ye gelen isteklerin sınırlanması |
Bir Python projesi nasıl ilerliyor
- 01
Ücretsiz keşif görüşmesi
30 dkHangi belgelerle ya da verilerle çalışılacağını, çıktının kimin işine yarayacağını ve aklınızdaki bütçeyi konuşuyoruz.
- 02
Yazılı kapsam ve teklif
Girdi biçimlerini, beklenen çıktıyı, kalite kontrol kurallarını ve kullanılacak yapay zekâ modelini yazıya döküyoruz.
- 03
Haftalık sürümler
Her hafta çalışan bir sürüm teslim ediyoruz; hattı kendi örnek belgelerinizle deneyip sonuçları görüyorsunuz.
- 04
Test ve yayın
Senior QA sürümü yayından önce test ediyor; servis ardından canlı ortama alınıyor.
- 05
Yayından sonraki 30 gün
30 günBu sürede çıkan hataları ücretsiz düzeltiyoruz; sonrası için aylık bakımla devam edebilirsiniz.
Süre ve bütçe aralıkları yapay zekâ otomasyonu ve fiyatlar sayfalarımızda yayında; bu sayfadaki her şey aynı rakamlara bağlı.
Python hakkında sık sorulanlar
Python sunucu için yavaş değil mi?
Bu tür sistemlerde zamanın çoğu model, veritabanı ve dosya işlemlerinde geçer; dilin kendisi darboğaz olmaz. FastAPI asenkron çalışır, Gunicorn birden fazla Uvicorn işçisi başlatır, sayısal işler de NumPy gibi C ile yazılmış kütüphanelerde döner.
Yapay zekânın ürettiği içerik nasıl kontrol ediliyor?
Logaritim’de üç katman var: önce kural tabanlı kontroller biçim hatalarını eliyor, sonra ikinci bir model soruyu cevabı görmeden çözüyor, son olarak bir hakem adımı iki sonucu karşılaştırıyor. Havuza yalnızca onaylanan sorular giriyor.
Hangi yapay zekâ modelleriyle çalışıyorsunuz?
Logaritim’de Google Gemini’yi hem Gemini API hem Vertex AI üzerinden kullanıyoruz ve her çağrı token kullanımıyla birlikte kayda geçiyor. Rigel ve LydiaVault’un sunucularında ise OpenAI kullanıyoruz. Modeli projenin ihtiyacına göre seçiyoruz.
Python servisi mevcut sistemimize nasıl bağlanır?
Belgelenmiş bir REST API, API anahtarı ve iş bitince gelen imzalı webhook ile. Kurumlar Logaritim’in soru havuzuna bu şekilde bağlanıyor.
Proje bitince elimde ne kalır?
Yazılımın süresiz kullanım lisansı ve dokümantasyonu. Kaynak kodun devrini isterseniz bu mümkün; ek ücreti teklifte ayrıca yazılır.
İlgili hizmetler
İletişim
Python projenizi konuşalım
30 dakikalık ücretsiz keşif görüşmesinde belgelerinizi, beklediğiniz çıktıyı ve yapay zekânın nerede işe yarayacağını birlikte netleştirelim.