KKB Hackathon: Agentic Data Analytics 2026 Başvuru ve Final Takvimi

Başvuru koşulları dönem içinde değişebileceğinden yaş, öğrencilik, mezuniyet yılı, takım sayısı ve final katılım şartları resmi KKB Hackathon sayfasından doğrulanmalıdır.

Takım Nasıl Kurulmalı?

Agentic data analytics projelerinde takımın yalnızca model geliştiren kişilerden oluşması yeterli olmayabilir. İdeal ekipte veri hazırlama ve analizden anlayan biri, backend/API akışını kurabilecek biri, ürün deneyimini tasarlayacak biri ve sunumu toparlayacak biri bulunmalıdır. Teknik derinlik kadar kullanıcı problemi de önemlidir; jüriye "bu sistem kimin hangi işini kolaylaştırıyor?" sorusunun cevabı net verilmelidir.

Proje Fikri Seçerken Nelere Bakılmalı?

Finansal veri ve kredi ekosistemiyle ilgili projelerde güvenlik, kişisel veri, açıklanabilirlik ve yanlış karar riski kritik başlıklardır. Bu yüzden adayların veri gizliliği, anonimleştirme, model yanlılığı, insan onayı ve kayıt altına alma gibi konulara sunumda yer vermesi beklenebilir. Özellikle agentic sistemlerde modelin hangi adımlarda otomatik karar verdiği, hangi adımlarda kullanıcı onayı beklediği açık belirtilmelidir.

Ödüller ve Motivasyon

KKB duyurusunda ödül dağılımı birinci, ikinci ve üçüncü ekipler için ayrı tutarlar halinde listelendi. Ancak bu yarışmanın değeri yalnızca para ödülü değildir. İyi belgelenmiş bir hackathon projesi; veri analisti, data scientist, yapay zeka mühendisi, backend geliştirici veya ürün yöneticisi rollerine başvururken güçlü bir portföy parçası olabilir.

Hazırlık Kontrol Listesi

• Takım rollerini başvuru öncesinde netleştirin.
• Proje fikrini tek cümlelik problem tanımıyla yazın.
• Kullanılacak veri kaynaklarını, sınırlılıkları ve gizlilik risklerini belirleyin.
• Agentic akışın adımlarını diyagram veya kısa madde listesiyle hazırlayın.
• Demo, slayt ve teknik açıklama için ayrı zaman ayırın.

KariyerLobisi'nde İlgili Kaynaklar

KariyerLobisi'ndeki genç yetenek programları, bilgisayar mühendisliği staj ilanları ve teknik mülakat hazırlık rehberi bu hackathon sonrası başvuru stratejinizi güçlendirebilir. Yarışmadan çıkacak projeyi CV'ye eklerken problem, rolünüz, kullanılan araçlar ve ölçülebilir sonucu kısa maddelerle anlatmanız daha etkili olur.

Agentic AI Projesinde Riskler

Agentic sistemler araç kullandığı ve adım adım işlem yaptığı için hata kontrolü klasik yapay zeka demolarından daha önemlidir. Yanlış veri okuma, hatalı çıkarım, gereksiz işlem tekrarı, yetkisiz aksiyon alma veya kullanıcının görmediği kararlar risk oluşturabilir. Bu nedenle projede loglama, kullanıcı onayı, sınırlandırılmış araç erişimi ve açıklanabilir çıktı gibi başlıklar jüriye güven verir.

Sunum Stratejisi

KKB gibi finansal veri ekosistemine yakın bir yarışmada sunumun güven dilini taşıması gerekir. Sadece "hız kazandırır" demek yerine hangi adımda kaç dakika tasarruf sağladığını, hangi kullanıcı grubunun faydalanacağını ve yanlış sonucun nasıl engelleneceğini anlatın. Demo kısa, akış net ve problem gerçekçi olmalıdır. Bir dakikalık çalışan demo, beş dakikalık karmaşık teknik anlatımdan daha ikna edici olabilir.

Mülakata Taşınabilecek Kazanımlar

Bu hackathon sonrasında adaylar teknik mülakatlarda agentic workflow tasarımı, veri temizleme, prompt güvenliği, API entegrasyonu, model değerlendirme ve ürünleştirme konularını somut örnekle anlatabilir. Böyle bir proje, özellikle data analyst, data scientist, AI engineer, backend developer ve product analyst başvurularında güçlü bir portföy çıktısıdır.

Kimler İçin Uygun Değil?

Sadece ödül motivasyonuyla katılan ama veri problemi, ürün akışı veya teknik rol konusunda hazırlık yapmayan ekipler yarışma gününde zorlanabilir. Agentic data analytics başlığı, hızlı demo kadar düzenli düşünce yapısı ister. Eğer takımınız henüz rol paylaşmadıysa, yarışma öncesinde en azından veri, model, backend, arayüz ve sunum sorumluluklarını yazılı hale getirmek iyi bir başlangıç olur.