Türkiye iş gücü piyasasındaki 117 mesleğin yapay zeka ve otomasyona maruziyetini analiz eden interaktif bir görselleştirme.

Andrej Karpathy'nin AI Exposure of the US Job Market projesinin Türkiye uyarlamasıdır.

Canlı demo: alpozcan.github.io/jobs-turkey

• Hakkında
• Veri Kaynakları
• Puanlama
• Başlarken
• Dosya Yapısı
• Katkıda Bulunma
• Lisans

18 kategori altında 117 meslek analiz edilmiştir. Her mesleğe 0–10 arasında bir YZ maruziyet skoru atanmıştır.

İnteraktif treemap'te dikdörtgen alanı istihdam sayısını, rengi ise YZ maruziyet düzeyini temsil eder (yeşil = güvenli, kırmızı = yüksek risk). Renk paleti, tüm renk körlüğü tiplerinde okunabilecek şekilde tasarlanmıştır.

Herhangi bir mesleğe tıklayarak detay dialogunu açabilirsiniz:

• Maruziyet skoru ve seviye göstergesi
• Aylık ücret, istihdam, eğitim düzeyi ve kategori karşılaştırması
• Akademik referanslarla desteklenen YZ maruziyet gerekçesi
• Tahmini faktör dağılımı (dijitallik, rutinlik, fiziksellik, yaratıcılık, insan etkileşimi)
• Çoklu kaynaklı ücret karşılaştırması (Önceki Yazılımcı, Levels.fyi, yazilimcimaaslari.org)
• Benzer meslekler (tıklanarak geçiş yapılabilir)
• Akademik referanslı ekonomik etki hesaplaması

Tüm kaynakların detaylı listesi için DATASETS.md dosyasına, akademik referanslar için REFERENCES.md dosyasına bakabilirsiniz.

Her meslek, yapay zeka maruziyetini ölçen 0–10 arasında bir puan alır:

Puanlama üç aşamada gerçekleştirilir:

1. Sezgisel skorlama — Her meslek; dijitallik, rutinlik ve fiziksellik gibi özelliklerine göre bir başlangıç puanı alır (generate_preview_scores.py).
2. Kalibrasyon — Anthropic/EconomicIndex veri setinden gözlemlenen YZ kullanım oranları ve otomasyon olasılıkları çıkarılarak kalibrasyon bağlamı oluşturulur (calibrate.py).
3. LLM değerlendirmesi — Meslek açıklaması, kalibrasyon bağlamı ve Türkiye'ye özgü değerlendirme ölçütleri bir LLM'e gönderilir (score.py). Puanlama scripti OpenRouter aracılığıyla farklı modelleri destekler; varsayılan olarak Gemini Flash kullanılır. Mevcut skorlar Claude Opus 4.6 ile üretilmiştir.

Her gerekçe; Frey & Osborne (2017), Eloundou ve ark. (2024), Goldman Sachs (2023) gibi hakemli araştırmalara atıfla desteklenmektedir.

• Python 3.9+
• huggingface_hub (yalnızca kalibrasyon için)
• OpenRouter API anahtarı (yalnızca LLM puanlaması için)

# 1. Sezgisel skorlarla önizleme oluşturma
python generate_preview_scores.py
python build_site_data.py

# 2. Kalibrasyon bağlamını oluşturma
#    (HuggingFace verileri indirilir, işlenir ve ardından silinir)
pip install huggingface_hub
python calibrate.py

# 3. LLM ile puanlama
#    OPENROUTER_API_KEY ortam değişkenini .env dosyasına ekleyin
python score.py --model google/gemini-3-flash-preview

# 4. Site verisini oluşturma ve yerelde çalıştırma
python build_site_data.py
cd site && python -m http.server 8000

├── occupations.json             # 117 Türkiye mesleği (ISCO-08 kodlu)
├── occupations.csv              # İstihdam, ücret ve eğitim verileri
├── scores.json                  # YZ maruziyet skorları (0–10) ve gerekçeler
├── calibration_context.json     # Kalibrasyon verileri (HuggingFace kaynaklı)
├── score.py                     # LLM puanlama scripti (Türkiye'ye özgü prompt)
├── calibrate.py                 # Kalibrasyon bağlamı çıkarma scripti
├── generate_preview_scores.py   # Sezgisel skor üretici
├── build_site_data.py           # CSV + skorlar → site/data.json
├── DATASETS.md                  # 17 veri kaynağının detaylı listesi
├── REFERENCES.md                # 13 akademik referans (DOI bağlantılı)
├── sources/
│   └── onceki_yazilimci_2025.json   # 9.056 teknoloji sektörü maaş verisi
└── site/
    ├── index.html               # İnteraktif treemap (erişilebilir, renk körü dostu)
    ├── about.html               # Metodoloji ve proje hikayesi
    └── data.json                # Ön yüz verisi

Katkılarınızı bekliyoruz. Özellikle aşağıdaki alanlarda PR'lar memnuniyetle karşılanır:

• Yeni meslek eklemeleri
• Daha güncel veya kapsamlı maaş ve istihdam verileri
• TÜİK, İŞKUR ve SGK verilerinin doğrudan entegrasyonu
• Ek HuggingFace veri setleri ile kalibrasyon iyileştirmeleri

Bu proje, arosstale/jobs deposunun fork'udur. Söz konusu depo, Karpathy'nin jobs projesinin açık kaynak yeniden uygulamasıdır.