Kişisel Veri Bulucu Üretimde Nasıl Çalışır
Bu rehber ne yapar
Kişisel Veri Bulucu Üretimde işi üretimde log, metrik ve geri alma izi olmadan tamamlanmış sayılmaz. Buradaki hedef kullanıcı verisini çoğaltmadan işletim kanıtı üretmektir. Bu iş sonunda Llama 3.3 70B için tarihli bir karar kanıtı oluşur, RTX 4090 24GB sınıfı donanım not edilir ve ölçüm Türkçe halüsinasyon direnci ile ilişkilendirilir. Akış Python ile yürür; daha geniş bağlam Kurs O002: KVKK İçin Log Risk Kontrolü içinde işlenir.
Yasal uyarı: Bu içerik eğitim amaçlı teknik çalışma notudur; hukuki görüş, mevzuat yorumu, uyum belgesi veya profesyonel danışmanlık değildir. Kişisel veri, sağlık, finans, çocuk/öğrenci verisi, telif veya regüle sektörlerde gerçek uygulamadan önce yetkin hukuk/uyum uzmanıyla yazılı değerlendirme alın.
Operatör notu: Kişisel Veri Bulucu Üretimde Nasıl Çalışır: Üretim notunda istem içeriğini değil, olay zamanı, model etiketi, gecikme ve maskeleme sonucunu tutun. İleri seviyede her varsayımı tarihli yazın; sürüm, sürücü veya lisans değişince karar tekrar açılabilsin. Bu rehberde beklenen kanıt outputs/uretim-kisisel-veri-bulucu.json dosyasıdır.
Ön koşullar
- Ubuntu 24.04 LTS ya da eşdeğer geliştirme ortamı.
- Yerel çalışma zamanı kontrolü:
python -V. - Kişisel Veri Bulucu Üretimde: Üretim benzeri ama kişisel veri taşımayan küçük bir kontrol girdisi; gerçek log örneğini maskelemeden kopyalamayın.
- Terminal çıktısı UTF-8 olmalı; Windows tarafında şüphede kalırsanız
chcpçıktısını kaydedin.
Adımlar
- Kanıt klasörünü aç. Kişisel Veri Bulucu Üretimde için çıktıyı
uretim kisisel veri bulucuadıyla ayır; aynı klasöre log ve kısa rapor da girecek.
mkdir -p outputs logs reports
- Küçük kanıtı üret. Kişisel Veri Bulucu Üretimde için Üretim pratiğinde kanıt, gizli istemin kendisi değil; zaman, model etiketi ve maskelenmiş sonuçtur. Bu komut gerçek veriyi çağırmadan Llama 3.3 70B etiketini karar dosyasına işler.
mkdir -p outputs
python - <<'PY'
from pathlib import Path
Path("outputs/uretim-kisisel-veri-bulucu.json").write_text('{"model":"llama-3-3-70b","status":"kontrol-tamam"}\n', encoding="utf-8")
print("outputs/uretim-kisisel-veri-bulucu.json yazıldı")
PY
- Özeti kilitle. Kişisel Veri Bulucu Üretimde özetini daha sonra değişiklik yakalamak için kullanacaksınız; Türkçe halüsinasyon direnci notunu bu hash ile birlikte saklayın.
python - <<'PY'
from hashlib import sha256
from pathlib import Path
p = Path("outputs/uretim-kisisel-veri-bulucu.json")
print(sha256(p.read_bytes()).hexdigest(), p)
PY
- Türkçe kırılmayı ara. Kişisel Veri Bulucu Üretimde Nasıl Çalışır için log satırında Türkçe metin taşıyacaksanız önce maskeleme sonucunu okuyun; ham istemi kalıcı kayda yazmayın. Çıktı temizse Python tarafındaki sıradaki adıma geçebilirsiniz.
Doğrulama
Tek komutla son durumu doğrula:
python - <<'PY'
import json
from pathlib import Path
p = Path("outputs/uretim-kisisel-veri-bulucu.json")
data = json.loads(p.read_text(encoding="utf-8"))
print(p.exists(), data["status"])
print("kanıt:", p)
print("model:", data["model"])
PY
Beklenen çıktı:
True kontrol-tamam
kanıt: outputs/uretim-kisisel-veri-bulucu.json
model: llama-3-3-70b
Yaygın Hatalar
- `ModuleNotFoundError` — Python ortamı rehber için beklenen paketi görmüyor. Çözüm:
python -Vçıktısını kaydedin, sanal ortamı etkinleştirin ve komutu aynı kabukta tekrar çalıştırın. - `redaction missing` — Üretim benzeri log satırı maskelemeden rapora taşınmış. Çözüm: ham istem yerine olay kimliği, gecikme ve model etiketini yazın; örnek veriyi sentetik tutun.
- `Türkçe karakterler bozuk` — Kişisel Veri Bulucu Üretimde Nasıl Çalışır çıktısında Türkçe harfler okunmuyorsa kodlama katmanı karışmıştır. Çözüm:
localeçıktısını kontrol edin ve dosyayı UTF-8 olarak tekrar üretin. - `outputs/uretim-kisisel-veri-bulucu.json yok` — Rehberin sonunda beklenen kanıt dosyası oluşmamış. Çözüm: önce çalışma klasörünü oluşturun, sonra karar kanıtı adımını tek başına tekrar çalıştırın.
Veri koruma uyarısı: Bu rehber KVKK uyum kararı vermez. Kişisel veri içeren örnekleri üretimde kullanmadan önce amaç, saklama süresi, erişim yetkisi ve yurtdışı aktarım ihtimalini yetkin hukuk/uyum uzmanıyla doğrulayın. Başlangıç noktası: KVKK ve AI.
İlgili rehberler
- Model Önbellek Yedeği Nasıl Alınır — kardeş iş
- Model Önbellek Geri Yükleme Nasıl Yapılır — sıradaki kontrol
- Kurs O002: KVKK İçin Log Risk Kontrolü — kurs bağlamı
İlgili katalog girişleri
- Llama 3.3 70B — bu rehberde kullanılan model
- RTX 4090 24GB — test edilen donanım sınıfı
- Türkçe halüsinasyon direnci — karşılaştırma metriği
- Python — kullanılan çalışma aracı
- KVKK ve AI — veri işleme notu