Python'un temel sözdizimini—döngüleri, fonksiyonları, listeleri ve sözlükleri—öğrendikten sonra pek çok geliştirici "eğitim videosu kısır döngüsüne" (tutorial purgatory) takılır. Hesap makinesi, adam asmaca veya basit CRUD yapılacaklar listesi (To-Do app) gibi başlangıç projeleri artık sizi zorlamaz; ancak devasa bir dağıtık sistemi sıfırdan yazmak da göz korkutucu görünür.

Daha da önemlisi, teknik işe alım yöneticileri ve mülakatçılar özgeçmişteki basit To-Do veya hava durumu uygulamalarına artık ikinci kez bakmamaktadır. Bir geliştiriciyi orta seviyeye (intermediate level) taşıyan asıl fark; Python'un derin dil özelliklerini (asyncio, generator'lar, decorator'lar, context manager'lar, @dataclass, __slots__, tip ipuçları) doğru veri yapıları ve algoritmik ödünleşimlerle (trade-off) birleştirebilmesidir.

Bu rehberde, hem üretim (production) kalitesinde yazılım mimarisi öğretecek hem de teknik mülakatlarda doğrudan konuşabileceğiniz 8 orta seviye Python proje fikrini (Python intermediate level project ideas) başlangıç kod şablonları ve interaktif pratik bağlantılarıyla inceliyoruz.


Bir Python Projesini "Orta Seviye (Intermediate)" Yapan Nedir?

Kod yazmaya başlamadan önce seçtiğiniz projenin aşağıdaki dört mühendislik sütunundan en az üçünü içerdiğinden emin olun:

  1. Pythonic İç Mekanizmalar: Parametreli decorator'lar, kaynak yönetimi için context manager (__enter__ / __exit__), bellek dostu tembel (lazy) generator'lar (yield) ve @dataclass(slots=True) veri modelleri.
  2. Algoritmik Omurga: Kaba kuvvet list taramaları yerine O(1) veya O(log n) karmaşıklık sunan veri yapıları (collections.deque, heapq, bisect, Trie, çift yönlü bağlantılı liste).
  3. Eşzamanlılık ve I/O Verimliliği: Ağ veya disk darboğazlarını asyncio, Semaphore ya da concurrent.futures ile yönetmek.
  4. Üretim Araç Zinciri (Tooling): mypy ile doğrulanan tip ipuçları (type hints), pytest ile sınır durum testleri ve pyproject.toml ile temiz paketleme.

1. Token-Bucket ve Kayan Pencere API Hız Sınırlayıcı (Rate Limiter)

Stripe, GitHub ve Cloudflare gibi her üretim API geçidi, servisi aşırı yüklenmeden ve kötüye kullanımdan korumak için hız sınırlama (rate limiting) kullanır. Tak-çalıştır bir Python hız sınırlayıcı kütüphanesi ve FastAPI/ASGI ara katmanı (middleware) geliştirmek, portfolyonuzda sergileyebileceğiniz en güçlü orta seviye projelerden biridir.

Pratik Edilen Python Kavramları

  • @functools.wraps kullanan parametreli decorator tasarımı (@rate_limit(calls=100, period=60))
  • Saat kaymalarından etkilenmeyen time.monotonic() ve kayan pencere zaman damgaları için collections.deque
  • Eşzamanlı isteklerde yarış durumlarını (race condition) önlemek için asyncio.Lock

Başlangıç Mimari Kodu

from dataclasses import dataclass, field
import time
import functools
from typing import Callable, TypeVar, ParamSpec

P = ParamSpec("P")
R = TypeVar("R")

@dataclass(slots=True)
class TokenBucket:
    capacity: int
    refill_rate: float  # saniyede eklenen jeton sayısı
    tokens: float = field(init=False)
    last_refill: float = field(init=False)

    def __post_init__(self) -> None:
        self.tokens = float(self.capacity)
        self.last_refill = time.monotonic()

    def consume(self, requested: int = 1) -> bool:
        now = time.monotonic()
        elapsed = now - self.last_refill
        self.tokens = min(self.capacity, self.tokens + elapsed * self.refill_rate)
        self.last_refill = now

        if self.tokens >= requested:
            self.tokens -= requested
            return True
        return False

def rate_limit(capacity: int, refill_rate: float) -> Callable[[Callable[P, R]], Callable[P, R]]:
    bucket = TokenBucket(capacity=capacity, refill_rate=refill_rate)

    def decorator(func: Callable[P, R]) -> Callable[P, R]:
        @functools.wraps(func)
        def wrapper(*args: P.args, **kwargs: P.kwargs) -> R:
            if not bucket.consume(1):
                raise RuntimeError(f"{func.__name__} için istek limiti aşıldı")
            return func(*args, **kwargs)
        return wrapper
    return decorator

Portfolyo İçin Nasıl Geliştirilir?

  • collections.deque kullanarak Kayan Pencere Güncesi (Sliding Window Log) algoritmasını ikinci bir strateji olarak ekleyin ve Token Bucket ile bellek/doğruluk karşılaştırması yapın.
  • abc.ABC soyut sınıfı ile hem bellek içi (in-memory) hem de redis-py tabanlı dağıtık depolama desteği sunun.
🎯 Rate Limiter Mimarilerini PyMülakat Stüdyosunda Canlı Kodlayın

2. TTL Süre Sonu Destekli Bellek İçi LRU & LFU Önbellek Motoru

Python standart kütüphanesinde @functools.lru_cache bulunsa da gerçek sistemler genellikle anahtar bazlı yaşam süresi (TTL - Time-To-Live), LFU (En Az Sıklıkla Kullanılanı Tahliye Etme) politikası, bellek sınırı ve diske anlık görüntü (snapshot) kaydetme özelliklerine ihtiyaç duyar. Kendi önbellek motorunuzu sıfırdan yazmak, referans/pointer yönetimini ve O(1) hibrit veri yapılarını derinlemesine öğretir.

Pratik Edilen Python Kavramları

  • Kesin O(1) get ve put işlemleri için dict ile özel Çift Yönlü Bağlantılı Liste (Doubly Linked List) birleşimi
  • Milyonlarca önbellek düğümünde bellek tasarrufu için __slots__ kullanımı
  • Sözlük benzeri doğal kullanım (cache["user:42"] = data) için dunder metotlar (__getitem__, __setitem__, __contains__, __len__)

Başlangıç Mimari Kodu

import time
from typing import Any

class _Node:
    __slots__ = ("key", "value", "expires_at", "prev", "next")

    def __init__(self, key: str, value: Any, expires_at: float) -> None:
        self.key = key
        self.value = value
        self.expires_at = expires_at
        self.prev: _Node | None = None
        self.next: _Node | None = None

class TTLLRUCache:
    def __init__(self, capacity: int, default_ttl: float = 300.0) -> None:
        self.capacity = capacity
        self.default_ttl = default_ttl
        self.store: dict[str, _Node] = {}
        # Sınır durum (null) kontrollerini ortadan kaldıran kukla (sentinel) baş ve kuyruk düğümleri
        self.head = _Node("", None, 0.0)
        self.tail = _Node("", None, 0.0)
        self.head.next = self.tail
        self.tail.prev = self.head

    def _remove(self, node: _Node) -> None:
        prev_node, next_node = node.prev, node.next
        if prev_node and next_node:
            prev_node.next = next_node
            next_node.prev = prev_node

    def _insert_front(self, node: _Node) -> None:
        first = self.head.next
        node.next = first
        node.prev = self.head
        self.head.next = node
        if first:
            first.prev = node

    def get(self, key: str) -> Any | None:
        node = self.store.get(key)
        if not node:
            return None
        if time.monotonic() > node.expires_at:
            self._remove(node)
            del self.store[key]
            return None
        self._remove(node)
        self._insert_front(node)
        return node.value
🎯 Önbellek (Cache) Mimarilerini İnteraktif Olarak Çözün

3. Asenkron Web Tarayıcı (Crawler) ve Akış (Streaming) ETL Hattı

Başlangıç seviyesi veri kazıyıcılar requests kütüphanesiyle bloklayan bir for döngüsü içinde URL'leri tek tek çeker ve tüm veriyi RAM'de biriktirir. Orta seviye bir Python mühendisi ise asyncio.Semaphore ile eşzamanlı istek sayısını sınırlandıran, üstel geri çekilme (exponential backoff) ile hataları yeniden deneyen ve yield tabanlı asenkron generator'larla sabit bellekte çalışan bir Streaming ETL hattı kurar.

Pratik Edilen Python Kavramları

  • Yapılandırılmış eşzamanlılık için asyncio.Semaphore ve asyncio.TaskGroup (Python 3.11+)
  • Asenkron generator'lar (async def ... yield) ile veriyi belleği şişirmeden akış halinde işleme
  • Bağlantı havuzu (connection pool) ve veritabanı işlemleri için asenkron context manager (async with)

Başlangıç Mimari Kodu

import asyncio
from typing import AsyncIterator

async def fetch_with_semaphore(
    url: str, sem: asyncio.Semaphore, timeout: float = 5.0
) -> dict[str, str]:
    async with sem:  # Aynı anda açık olan istek sayısını sınırlar
        await asyncio.sleep(0.1)  # Gerçek projede httpx.AsyncClient.get(url, timeout=timeout)
        return {"url": url, "status": "200 OK"}

async def stream_results(urls: list[str], max_concurrency: int = 10) -> AsyncIterator[dict[str, str]]:
    sem = asyncio.Semaphore(max_concurrency)
    tasks = [asyncio.create_task(fetch_with_semaphore(u, sem)) for u in urls]
    for completed in asyncio.as_completed(tasks):
        yield await completed

4. Ters İndeks (Inverted Index) ve Trie Otomatik Tamamlamalı Arama Motoru

Elasticsearch veya Algolia'nın binlerce belge arasından milisaniyeler içinde nasıl sonuç ve arama önerisi döndürdüğünü merak ettiniz mi? Markdown veya JSON belgelerini indeksleyen, Boole sorgularını (python AND (async OR cache) NOT flask) destekleyen, sonuçları TF-IDF ile puanlayan ve Trie (Önek Ağacı) ile anlık otomatik tamamlama sunan bir bellek içi arama motoru, mülakatlarda büyük beğeni toplayan bir portfolyo projesidir.

Pratik Edilen Python Kavramları

  • O(L) sürede önek araması ve popülerlik sıralaması için Trie (Prefix Tree) veri yapısı
  • Kelimeleri belge kimlik kümelerine eşleyen Ters İndeks (Inverted Index) (defaultdict(set))
  • Küme cebiri (& kesişim ile AND, | birleşim ile OR, - fark ile NOT sorguları)

Başlangıç Mimari Kodu

from collections import defaultdict
import re

class InvertedIndex:
    def __init__(self) -> None:
        self.index: dict[str, set[int]] = defaultdict(set)
        self.documents: dict[int, str] = {}

    @staticmethod
    def tokenize(text: str) -> list[str]:
        return re.findall(r"[a-z0-9çğıöşü]+", text.lower())

    def add_document(self, doc_id: int, content: str) -> None:
        self.documents[doc_id] = content
        for token in self.tokenize(content):
            self.index[token].add(doc_id)

    def search_and(self, query_terms: list[str]) -> list[int]:
        if not query_terms:
            return []
        posting_sets = [self.index.get(term.lower(), set()) for term in query_terms]
        return sorted(set.intersection(*posting_sets))
🎯 Arama Motoru Bileşenlerini Tarayıcıda Kodlayın

5. CLI Görev Zamanlayıcı ve Bağımlılık Grafı (DAG) Çalıştırıcısı

Apache Airflow, Prefect ve make gibi araçlar görevleri bir Yönlü Çevrimsiz Graf (DAG) üzerindeki bağımlılık sırasına göre çalıştırır. Kullanıcıların görevleri decorator'larla tanımladığı (@task(depends_on=["veri_cek"])), motorun döngüsel bağımlılıkları tespit ettiği, topolojik çalışma sırasını hesapladığı ve birbirinden bağımsız görevleri paralel yürüttüğü bir CLI iş akışı motoru geliştirin.

Pratik Edilen Python Kavramları

  • collections.deque ve giriş derecesi (in-degree) takibiyle Kahn Algoritması (Topolojik Sıralama)
  • Yönlü graflarda döngü tespiti (döngü yolunu gösteren özel CyclicDependencyError istisnası)
  • Decorator tabanlı görev kaydı ve concurrent.futures.ThreadPoolExecutor ile paralel yürütme

💡 İnteraktif Çöz: Bu projenin kalbindeki bağımlılık çözümleme algoritmasını O07: Görev Sırası Planlama ve O45: Ders Programı (Döngü Tespiti) sorularında test edebilirsiniz.


6. Tutarlı Özetleme Halkası (Consistent Hashing) ve Yük Dengeleyici Simülatörü

Bir önbellek veya veritabanı kümesini 3 sunucudan 4 sunucuya çıkardığınızda, klasik modülo özetleme (hash(key) % N) neredeyse tüm anahtarların sunucusunu değiştirerek önbellek çökmesine (cache stampede) yol açar. Consistent Hashing, hem sunucuları hem de anahtarları sanal düğümlerle (virtual nodes) 32-bitlik bir halka üzerine yerleştirerek bu sorunu çözer.

Pratik Edilen Python Kavramları

  • hashlib.md5 / sha256 ile deterministik özetleme ve sıralı halkada bisect.bisect_left ile O(log N) ikili arama
  • Fiziksel sunucular arasındaki yük dağılımı sapmasını azaltmak için sanal düğüm (virtual node) replikasyonu
  • Sunucu ekleme/çıkarma senaryolarında taşınan anahtar yüzdesini ölçen simülasyon raporu

💡 İnteraktif Çöz: Tutarlı özetleme halkasını sınır testleriyle doğrulamak için Z60: Consistent Hashing Halka Simülasyonu sorusunu çözün.


7. Gerçek Zamanlı Log Sıkıştırıcı ve Akış Anomali Dedektörü

Arka uç servisleri saatte gigabaytlarca log üretir. Log dosyalarını Python generator'larıyla tembel (lazy) olarak okuyan, ardışık tekrar eden log patlamalarını Run-Length / Delta Kodlama ile sıkıştıran ve tüm akışı bellekte tutmadan yanıt sürelerinin kayan pencere medyanını ve hareketli ortalamasını izleyerek anlık anomali alarmı üreten bir CLI aracı geliştirin.

Pratik Edilen Python Kavramları

  • Akış verisinde O(log n) sürede medyan takibi için Çift Yığın (Min-Heap + Max-Heap) mimarisi (heapq)
  • O(1) kayan pencere istatistikleri için dairesel tampon ve collections.deque(maxlen=pencere)
  • Sıfır kopyalama (zero-copy) ile log satırlarını işleyen generator boru hatları (yield from)
🎯 Akış (Streaming) ve Log Algoritmalarını Canlı Test Edin

8. Versiyonlu Bellek İçi Dosya Sistemi ve Snapshot (Anlık Görüntü) Deposu

mkdir, ls, write_file, read_file komutlarını destekleyen hiyerarşik bir bellek içi dosya sistemini zamanda yolculuk (snapshot) özelliğiyle (take_snapshot(), read_file(path, snap_id)) birleştirin. Her snapshot alındığında tüm ağacı kopyalamak yerine yalnızca değişen dosyaların farklarını (snap_id, icerik) olarak saklayın ve ikili arama (bisect_right) kullanarak herhangi bir dosyanın geçmişteki durumunu O(log S) sürede getirin.

💡 İnteraktif Çöz: Bu mimarinin iki temel yapı taşını O86: Bellek İçi Dosya Sistemi ve O88: Snapshot Dizisi sorularında bizzat kodlayabilirsiniz.


Özet Karşılaştırma Tablosu: Hangi Projeden Başlamalısınız?

Proje Fikri Öne Çıkan Python Özellikleri Temel Veri Yapısı Tahmini Süre Hedef Pozisyon
1. API Rate Limiter time.monotonic, Decorator, asyncio Token Bucket / deque 1 Hafta Sonu Backend / API Mühendisi
2. TTL LRU/LFU Önbellek __slots__, Dunder Metotlar, weakref Hash Map + Çift Yönlü Liste 1–2 Hafta Sonu Backend / Sistem
3. Asenkron ETL Tarayıcı asyncio.Semaphore, Generator (yield) Asenkron Kuyruk / Batch 1 Hafta Sonu Veri / Platform Mühendisi
4. Tam Metin Arama Motoru re, collections.defaultdict, math Ters İndeks + Önek Trie 2 Hafta Sonu Arama / Backend Mühendisi
5. DAG Görev Zamanlayıcı Decorator, concurrent.futures Yönlü Graf + Kahn Kuyruğu 2 Hafta Sonu Veri / DevOps Mühendisi
6. Consistent Hash Halkası hashlib, bisect, @dataclass Sıralı Halka + İkili Arama 1 Hafta Sonu Dağıtık Sistemler
7. Akış Anomali Dedektörü Generator, heapq, deque İki Yığın (Min/Max Heap) 1 Hafta Sonu Veri / SRE / Gözlemlenebilirlik
8. Versiyonlu Dosya Sistemi OOP Hiyerarşisi, bisect_right N-ary Ağaç + Delta Geçmişi 2 Hafta Sonu Çekirdek Yazılım Mühendisi

Projenizi GitHub'da Öne Çıkaracak 4 Mühendislik Kuralı

Kodu yazmak işin yalnızca yarısıdır. Kıdemli bir mühendis mülakat öncesinde GitHub deponuzu incelediğinde şu dört mühendislik disiplini sinyalini arar:

  1. Modern Proje Yapısı (pyproject.toml): uv veya poetry ile yönetilen temiz bir src/ dizin yapısı kurun; ruff ile kod kalitesini ve mypy --strict ile tip güvenliğini otomatik doğrulayın.
  2. Sınır Durum Testleri (pytest): Boş girdiler, süresi dolmuş TTL anahtarları, eşzamanlılık yarışları ve yüksek hacimli stres testlerini içeren bir tests/ klasörü ekleyin.
  3. Mimari README: Belirli bir veri yapısını neden seçtiğinizi açıklayan bir mimari diyagram ve metotlarınızın Big-O zaman/alan karmaşıklık tablosunu ekleyin.
  4. Tek Komutla Çalıştırılabilirlik: İnceleyen kişinin projeyi 30 saniye içinde deneyebilmesi için pytest veya python -m demo gibi sıfır kurulumlu bir çalışma komutu sunun.

Bu 8 projenin arkasındaki temel veri yapılarını ve algoritmaları hemen tarayıcınızda test etmek ister misiniz? Modül 10: Sistem Tasarımı ve Simülasyon sayfasına göz atın veya 200 Soruluk İnteraktif Python Kataloğumuzda hemen kodlamaya başlayın!

İnteraktif Pratik İstasyonu

Teoriyi Gerçek Sınav Ortamında Test Etmeye Hazır mısın?

PyMülakat platformunda 10 uzmanlık modülü ve 200 özgün Python mülakat sorusu seni bekliyor. Tarayıcıda kodunu hemen yaz, çalıştır ve gizli sınır testleriyle kendini sına.

İlk Soruyu Çöz (K01) →Modülleri İncele