Ana sayfa/Platform

Mikroservis omurgası, tek API kapısı.

Her modül bağımsız bir servis olarak çalışır. Kimlik doğrulama, yetkilendirme, hız sınırlama ve loglama tek bir API kapısında toplanır — böylece yeni modül eklemek, güvenlik kurallarını yeniden yazmak anlamına gelmez.

Sistem mimarisi

Katmanlar ve aralarındaki akış

Veri kaynaklarından gelen her şey aynı kapıdan girer, aynı veri katmanında toplanır ve aynı izleme altyapısından geçer.

VERİ KAYNAKLARISCADA / SayaçMQTT · CSVCoğrafi veriShapefile · WFSMali sistemREST · SOAPSaha mobilPWA · çevrimdışıAPI KAPISIAPI Gatewaykimlik doğrulama · yetki · hız sınırlama · logMİKROSERVİSLERKayıp analizianomaliİş emrisahaSayaçzaman serisiCBSmekânsalKarar desteköneriVERİ KATMANIPostgreSQL + PostGISilişkisel · mekânsalTimescaleDBölçüm zaman serisiNesne depolamabelge · fotoğrafMesaj kuyruğuolay akışıGÖZLEMLENEBİLİRLİKİzleme ve izlenebilirlikOpenTelemetry · Prometheus · Grafana · OpenSearch
Teknoloji yığını

Neyi neden kullanıyoruz?

Tercihlerimizin tamamı açık kaynak. Bu, kurum için iki anlama geliyor: kullanıcı başına lisans ödemezsiniz ve tedarikçiye kilitlenmezsiniz.

KatmanTeknolojiNeden
ArayüzNext.js · React · TypeScriptSunucu tarafı render ile hızlı ilk açılış; saha için çevrimdışı çalışan PWA.
API kapısıTraefik / Kong OSSKimlik doğrulama, yetki ve hız sınırlama tek noktada; her servis ayrı ayrı uğraşmaz.
Servisler.NET · NestJS · FastAPI.NET kamu bilgi işlem ekiplerinin en aşina olduğu yığın; analitik servisleri Python tarafında.
İlişkisel + mekânsal veriPostgreSQL + PostGISMekânsal sorgu doğrudan veri tabanında çalışır; ayrı CBS sunucusu lisansı gerekmez.
Zaman serisiTimescaleDBMilyonlarca sayaç okuması için bölümlenmiş, sıkıştırılmış saklama.
Kimlik ve yetkiKeycloakRol bazlı yetkilendirme, tekil oturum açma ve kurumun LDAP/Active Directory altyapısıyla entegrasyon.
MesajlaşmaRabbitMQServisler arası olay akışı; bir servis yavaşladığında diğerleri beklemez.
HaritaMapLibre GL · GeoServer · OpenStreetMapVektör karo ile binlerce nesne tarayıcıda akıcı; görüntüleme başına ücret yok.
Analitikscikit-learn · PyTorch · MLflowAnomali tespiti, kümeleme ve tahmin modelleri; model sürümleri izlenebilir.
İzlemePrometheus · Grafana · OpenSearch · OpenTelemetryCanlı operasyon paneli ve uçtan uca işlem izlenebilirliği.
PaketlemeDocker · Kubernetes (opsiyonel)Aynı paket hem bulutta hem kurum sunucusunda çalışır.
Dağıtım

Kurumun tercihine göre şekillenen kurulum

Aynı paket her iki modelde de çalışır. Veri egemenliği ve mevzuat gereklilikleriniz kararı belirler.

Bulut

Hızlı devreye alma, düşük bakım yükü, esnek kaynak kullanımı.

  • Otomatik yedekleme ve ölçekleme
  • Düşük başlangıç yatırımı
  • Coğrafi olarak dağıtık erişim
  • KVKK açısından Türkiye'de veri merkezi olan sağlayıcılar önerilir

Kurum sunucusu (on-premise)

Veri fiziksel olarak kurumda kalır, tam kontrol kurumdadır.

  • Veri egemenliği ve fiziksel kontrol
  • Kapalı devre kurum ağlarıyla uyum
  • Mevcut kimlik altyapısıyla (LDAP/AD) entegrasyon
  • Mevzuata bağlı kurumlar için uygun

Veri yeri konusunda net olalım

Verinin yurt dışındaki bir sunucuda tutulması, mevzuat açısından yurt dışına veri aktarımı sayılır ve ek yükümlülükler doğurur. Kamu verisiyle çalışan kurulumlarda Türkiye'de veri merkezi olan sağlayıcıları veya kurum sunucusunu öneriyoruz.

Yapay zekâ katmanı

Hangi problem için hangi model?

Model seçimi moda değil, problem tipi meselesidir. Her modülde çözülen problemin doğasına uygun yöntemi kullanıyoruz.

Anomali tespiti

Isolation Forest · Local Outlier Factor

Etiketlenmiş kaçak verisi olmadan da çalışır; 'normal' davranışı öğrenip dışına çıkanı işaretler. Su kayıp analizi ve anormal tüketim tespitinde kullanılır.

Kümeleme ve sınıflandırma

K-Means · DBSCAN · SVM

Benzer davranan bölgeleri ve abone gruplarını ayırır. DBSCAN, coğrafi olarak yoğunlaşan kaçak kümelerini bulmakta özellikle etkilidir.

Zaman serisi tahmini

LightGBM · LSTM

Tüketim, iş yükü ve personel ihtiyacı tahmini. Çoğu kurumsal veri setinde gradyan artırma yöntemleri derin ağlardan daha iyi sonuç verir; ikisini de değerlendiririz.

Model yönetimi

MLflow · ONNX Runtime

Hangi modelin hangi veriyle eğitildiği ve hangi sürümün canlıda olduğu kayıt altındadır. Bir tahminin nasıl üretildiği sonradan açıklanabilir.

Model doğruluğu hakkında dürüst not

Bir modelin doğruluk oranı, üzerinde çalıştığı veriye bağlıdır — algoritmaya değil. Bu yüzden kurumunuzun verisini görmeden size bir başarı yüzdesi söylemiyoruz. Pilot çalışmanın ilk aşaması, elinizdeki veriyle gerçekte ne kadar isabet sağlanabileceğini ölçmektir.

Teknik ekibinizle konuşmaya hazırız.

Bilgi işlem müdürlüğünüzün soruları için ayrı bir teknik görüşme planlayabiliriz. Mimari, entegrasyon ve veri güvenliği başlıklarını detaylandıralım.