Yapay zekâ projelerinde iki engel öne çıkar: GPU’ya erişim ve verinin nereye gideceği. Birincisi bütçe ve tedarik meselesidir, ikincisi çoğu zaman projenin uygulanabilir olup olmadığını belirler.
portvMind ikisini birden çözer. NVIDIA H100 ve H200 kartlarına dakikalar içinde erişir, kullandığınız saat kadar ödersiniz. Eğitim verinizi ise ülke dışına çıkarmazsınız — veri seti de, model artefaktları da İstanbul ve Ankara veri merkezlerinde kalır.
GPU donanımı pahalıdır, tedariki uzun sürer ve proje kesin sonuç vermeden yatırım yapmak risklidir. Satın alınan kart, eğitim dönemleri dışında atıl kapasiteye dönüşür.
portvMind’da: Saatlik GPU kullanımıyla önce fikri doğrularsınız. Sürekli çalışacak çıkarım iş yükleri için rezerve seçeneğiyle birim maliyeti düşürürsünüz.
Model eğitiminde kullanılan veri çoğu zaman kurumun en kritik verisidir: müşteri kayıtları, işlem geçmişi, belge arşivi. Bu verinin yurt dışına çıkması birçok kurumda kabul edilmez.
portvMind’da: Eğitim veriniz Türkiye’deki Object Storage’da kalır, GPU düğümleriniz veriyi aynı bölgeden okur. Veri ülke dışına çıkmaz ve bölge içi transfer ücretlendirilmez.
Eğitim yoğun ve dönemseldir; çıkarım sürekli ve daha hafiftir. İkisini aynı kaynak modeliyle çalıştırmak ya pahalı ya yetersiz olur.
portvMind’da: Eğitim için saatlik GPU, çıkarım için rezerve kaynak kullanarak iki iş yükünü ayrı optimize edersiniz. Kubernetes üzerinde ikisini ayrı node havuzlarında çalıştırırsınız.
Ham veriden modele giden yol birden çok işleme adımı içerir ve her adım farklı kaynak profili ister.
portvMind’da: Object Storage veri gölü, Compute ön işleme, Kubernetes orkestrasyon ve GPU eğitim katmanını tek platformda, tek konsolda birleştirirsiniz.
Eğitilen modelin servis edilebilir hâle gelmesi ayrı bir mühendislik işidir; çoğu proje bu aşamada takılır.
portvMind’da: Model uç noktalarınızı Kubernetes üzerinde çalıştırır, Load Balancer ile yayınlar, yüke göre kopya sayısını ölçeklersiniz.
Her denemenin checkpoint dosyaları birikir; temizlenmezse depolama maliyeti sessizce büyür.
portvMind’da: Object Storage’da versiyonlama ve yaşam döngüsü kuralları kullanarak arşivi kendi kendine yöneten bir yapı kurarsınız.
| Servis | Rolü |
|---|---|
| GPU / AI Compute | Model eğitimi ve çıkarım için GPU kaynakları |
| Object Storage | Eğitim veri seti, checkpoint ve model artefaktları |
| Kubernetes | İş orkestrasyonu ve model servis katmanı |
| Compute | Veri ön işleme ve dönüştürme iş yükleri |
| Block Storage | Eğitim sırasında yüksek hızlı çalışma alanı |
| Load Balancer | Model uç noktalarının yayınlanması |
| Network Data Transfer | Bölge içi ücretsiz veri akışı |
Bu kombinasyon bir başlangıç noktasıdır; veri hattınıza göre birlikte uyarlarız.
Ham veriniz Object Storage’da bir veri gölü olarak durur. Ön işleme ve dönüştürme işlerini Compute üzerinde çalıştırır, işlenmiş veri setini yine Object Storage’a yazarsınız.
Eğitim işleri GPU / AI Compute üzerinde çalışır. Kubernetes kullanıyorsanız GPU’ları ayrı bir node havuzu olarak tanımlar, eğitim işlerini etiketlerle bu havuza yönlendirirsiniz. Eğitim başladığında yalnızca GPU düğümleri devreye girer, iş bittiğinde havuz küçülür — pahalı kaynağı yalnızca ihtiyaç duyulan sürede ayakta tutarsınız.
Eğitim sırasında veri setini defalarca okursunuz. Veri ve GPU aynı bölgede olduğu için bu okumalar veri transferi maliyeti üretmez.
Model üretime hazır olduğunda çıkarım servisini aynı küme içinde, Load Balancer arkasında yayınlarsınız. Sürekli çalışacağı için bu katmanda rezerve kaynak kullanmak birim maliyetinizi düşürür.
Çoğu ekip bir doğrulama denemesiyle başlar: veri setini Object Storage’a yükler, tek bir GPU kaynağı açar, modelin kendi verisiyle anlamlı sonuç verip vermediğini görür. Bu aşama genellikle birkaç saat sürer ve ilk 2.000 TL’lik ücretsiz kullanım hakkıyla karşılanabilir.
Sonuç umut verirse eğitimi ölçeklersiniz: çok kartlı bir yapılandırmaya geçer, veri hattınızı Kubernetes üzerinde otomatikleştirirsiniz. Model üretime alındığında çıkarım katmanı için rezerve kaynağa geçerek sürekli maliyeti sabitlersiniz.
Kurulumu kendiniz yapmak yerine uçtan uca bir ekiple çalışmak isterseniz vMind’ın yönetilen yapay zekâ hizmetlerini değerlendirebilirsiniz.
NVIDIA H100 ve H200. Güncel yapılandırma seçeneklerini hesaplayıcıda ve dokümantasyonda görebilirsiniz.
Object Storage veya Block Storage üzerinde, seçtiğiniz Türkiye bölgesinde. Veri yurt dışına çıkmaz ve bu durum denetim kayıtlarıyla belgelenebilir.
Hayır. GPU düğümleriniz aynı bölgedeki Object Storage’a doğrudan erişir ve bölge içi veri transferi ücretlendirilmez.
GPU kaynakları saatlik ölçülür; diğer servislerde ölçüm dakika bazındadır. Kart tahsis edildiği süre boyunca yalnızca size ayrıldığı için birim saattir.
Evet. Kaynağı açar, denemenizi yapar, kapatırsınız. İlk 2.000 TL’lik ücretsiz kullanım hakkınızı bu tür denemelerde kullanabilirsiniz.
Hesabınızı dakikalar içinde açın, ilk 2.000 TL’lik kullanımı ücretsiz deneyin. Veri hattınızı planlamak isterseniz ekibimize yazın.
Size bugün nasıl yardımcı olabiliriz?