Eğitim Hakkında
Eğitimimiz, büyük dil modelleri (LLM), Retrieval Augmented Generation (RAG) ve yapay zeka agentlerinin (AI Agent) teorik temellerini, mimari yapılarını, eğitim süreçlerini, optimizasyon tekniklerini, entegrasyon yöntemlerini ve güvenlik–etik konularını kapsamlı ve teknik detaylarla ele alan ileri düzey bir programdır.
LLM, RAG ve AI Agent eğitiminde ele alınan temel konular şunlardır:
- Büyük Dil Modelleri (LLM):
Transformer mimarisi, self-attention mekanizması, ölçeklenebilirlik, ön eğitim (pretraining) ve ince ayar (fine-tuning) teknikleri; devasa veri setleri üzerinde öğrenme süreçleri, dil modelleme stratejileri ve optimizasyon teknikleri. - Retrieval Augmented Generation (RAG):
Bilgi çekme (retrieval) mekanizmaları, vektör arama, embedding yöntemleri, bellek yönetimi ve dış veri kaynaklarıyla entegrasyon; LLM’lerin güncel ve doğru bilgiye dayalı metin üretiminde nasıl desteklendiği. - AI Agent:
Otonom yapay zeka ajanlarının tasarımı, çok adımlı diyalog yönetimi, araç kullanım entegrasyonları, planlama ve eylem üretimi; çok ajanlı sistemlerde işbirliği ve etkileşim mekanizmaları, prompt mühendisliği ve zincir-of-thought stratejileri.
Kimler İçindir?
- Araştırmacılar, veri bilimcileri ve makine öğrenimi mühendisileri
- Yazılım geliştiriciler, sistem mimarları ve DevOps uzmanları
- Ürün yöneticileri ve strateji belirleyiciler
- Yapay zeka uygulamalarını üretime almak isteyen teknoloji liderleri
- Akademisyenler ve ileri düzey eğitim programlarına ilgi duyan profesyoneller
Sertifika
Eğitimlerimize %80 oranında katılım gösterilmesi ve eğitim müfredatına göre uygulanacak sınav/projelerin başarıyla tamamlanması durumunda, eğitimin sonunda dijital ve QR kod destekli “BT Akademi Başarı Sertifikası” verilmektedir.
Eğitim İçeriği
- Giriş ve Tanımlar
- LLM, RAG ve AI Agent kavramlarının tanıtımı
- Tarihsel gelişim ve evrimsel aşamalar
- Temel terminoloji: Transformer, self-attention, embedding, retrieval, agent mimarisi
- Kullanım Alanları ve Endüstri Örnekleri
- Doğal dil işleme, metin üretimi, sohbet sistemleri
- Bilgi çekme ve güncel veri entegrasyonu (RAG uygulamaları)
- Otonom karar verme, çok ajanlı sistemler, AI Agent’lerin uygulama alanları
- Mimari Genel Bakış
- LLM mimarisi: Transformer yapısı, katmanlar, encoder-decoder yapıları
- RAG yapısının bileşenleri: Retrieval modülü, LLM entegrasyonu, bellek yönetimi
- AI Agent mimarileri: Planlama, eylem üretimi, etkileşim mekanizmaları
- Transformer Mimarisi
- Self-Attention mekanizması: Matematiksel temeller, sorgu, anahtar ve değer vektörleri
- Çok başlı (multi-head) dikkat, pozisyonel kodlama ve katman normalizasyonu
- Model ölçekleme: Parametre sayısı, derinlik, genişlik ve hesaplama maliyetleri
- Eğitim ve İnce Ayar (Fine-Tuning)
- Ön eğitim (pretraining) stratejileri: Maskeli dil modeli, otoregresif modeller
- İnce ayar (fine-tuning) teknikleri, transfer öğrenmesi, görev spesifik uyarlamalar
- Optimizasyon algoritmaları: Adam, LAMB; loss fonksiyonları ve öğrenme oranı planlaması
- Performans Optimizasyonu
- Model sıkıştırma, kuantizasyon ve distilasyon yöntemleri
- Paralel eğitim, dağıtık hesaplama, GPU/TPU kullanımı
- Hiperparametre ayarlamaları, batch size, sequence length optimizasyonu
- Veri Toplama ve Hazırlama
- Büyük veri kaynakları, web kazıma, API entegrasyonu
- Veri temizleme, normalizasyon, veri ön işleme teknikleri
- Veri etiketleme ve örnek veri seti oluşturma
- İstatistiksel Analiz ve Görselleştirme
- Temel istatistik kavramları, dağılım, korelasyon, hipotez testleri
- Python ile veri analizi: Pandas, NumPy; grafik kütüphaneleri (matplotlib, seaborn)
- Veri görselleştirme ve raporlama: Dashboard oluşturma, interaktif raporlar
- Retrieval için Veri Hazırlığı
- Belge ön işleme, tokenizasyon, embedding oluşturma
- Vektör arama sistemleri: FAISS, Annoy gibi kütüphanelerle entegrasyon
- Retrieval veritabanı oluşturma, güncelleme ve sorgu optimizasyonu
- RAG Kavramı ve Temel Yapısı
- RAG nedir? Temel bileşenler: Retrieval modülü ve LLM entegrasyonu
- Retrieval ve generation arasındaki etkileşim
- Mimari şemalar ve iş akışları
- Retrieval Modülü ve Vektör Arama
- Embedding teknikleri: Word2Vec, GloVe, BERT tabanlı embedding
- Vektör arama motorları: FAISS, ElasticSearch, Annoy; benzerlik ölçümleri
- Indexleme stratejileri, sorgu optimizasyonu, bellek yönetimi
- Uygulamalı RAG Projeleri
- RAG tabanlı soru-cevap sistemleri, bilgi çekme örnekleri
- API entegrasyonu, retrieval pipeline tasarımı
- Gerçek zamanlı uygulama senaryoları, performans analizi
- AI Agent Kavramı
- AI Agent nedir? Temel tanımlar ve kullanım senaryoları
- Otonom karar verme, multi-turn diyalog yönetimi, etkileşimli planlama
- Agent mimarilerinde prompt mühendisliği, zincir-of-thought (chain-of-thought)
- Çok Ajanlı Sistemler ve İşbirliği
- Çok ajanlı sistemlerde işbirliği, koordinasyon, rol dağılımı
- Simülasyon ortamları, etkileşim senaryoları, araç kullanımı
- Gerçek dünya uygulama örnekleri: Sanal asistanlar, müşteri hizmetleri robotları
- Entegre AI Agent Uygulamaları
- LLM ve RAG entegrasyonu ile AI Agent geliştirme
- API, web servisleri ve mikroservis mimarileri ile entegrasyon
- Gerçek zamanlı eylem planlama, otomatik geri bildirim ve adaptif öğrenme
- Dağıtık Sistemler ve Ölçeklenebilirlik
- Dağıtık eğitim, model paralelleştirme, veri paralelleştirme
- Bulut platformları, Kubernetes, Docker ve sunucu yapılandırmaları
- Ölçeklenebilirlik, yüksek erişilebilirlik ve fault tolerance stratejileri
- Hiperparametre Ayarlamaları ve Model İnce Ayarı
- Hiperparametre optimizasyon teknikleri (grid search, Bayesian optimization)
- Model performans ölçütleri, latency, throughput analizi
- Gerçek zamanlı performans izleme, hata analizi ve iyileştirme yöntemleri
- Güvenlik, Gizlilik ve Etik Konular
- Model güvenliği: Verilerin korunması, adversarial saldırılar, güvenli prompt mühendisliği
- Etik ilkeler: Adalet, önyargı, şeffaflık, hesap verebilirlik
- Kullanım senaryolarında etik değerlendirmeler, regülasyonlar ve uyum stratejileri
- End-to-End Proje Geliştirme
- Proje fikirlerinin belirlenmesi, problem tanımı ve teknik planlama
- Prototip geliştirme: Kod yazma, model eğitimi, hata ayıklama ve optimizasyon
- Grup ve bireysel proje örnekleri: Soru-cevap botları, otomatik içerik üretimi, akıllı asistanlar
- Canlı Kodlama Seansları ve Demo Sunumları
- İnteraktif atölyeler, canlı demo uygulamaları, gerçek zamanlı kodlama ve hata çözümü
- Proje sunumları, mentor geri bildirimleri, performans değerlendirmeleri
- Vaka Çalışmaları ve İleri Uygulama Senaryoları
- Endüstride kullanılan LLM, RAG ve AI Agent projelerinin detaylı incelenmesi
- Gerçek dünya verileriyle uygulama, API entegrasyon örnekleri
- Başarı öyküleri, performans raporları ve optimizasyon stratejileri
- İleri Derin Öğrenme Teknikleri
- Derin öğrenmenin ileri konuları: Çok katmanlı mimariler, attention mekanizması derinleştirmeleri
- Transformer modellerinde yeni trendler: Sparse attention, model distilasyonu
- Uygulamalı örnekler ve deneysel sonuçların analizi
- Transfer Öğrenmesi ve Önceden Eğitilmiş Modeller
- Transfer öğrenmesinin prensipleri, mevcut büyük modellerin uyarlanması
- Önceden eğitilmiş modellerin (GPT, BERT, T5) ince ayarı ve adaptasyonu
- Uygulama atölyeleri: Model uyarlama, düşük kaynaklı dil ayarlamaları
- Yenilikçi Yaklaşımlar ve Geleceğe Yönelik Teknolojiler
- AI Agent’lerde özerklik ve etkileşimsel öğrenme: Multi-agent reinforcement learning
- Kombine sistemler: LLM + RAG + AI Agent entegrasyonunun geleceği
- Geleceğin teknolojik trendleri, yeni algoritmalar ve yenilikçi uygulama senaryoları
Neden Bu Eğitimi Almalısınız ?
Katılımcılar, modern yapay zeka uygulamalarında, özellikle doğal dil işleme, bilgi çekme ve otonom karar verme süreçlerinde kullanılan teknolojileri derinlemesine öğrenerek, üretim ortamlarına yönelik pratik çözümler geliştirme yetkinliği kazanacaktır.
Önemli Notlar
Program ücretlerine KDV dahil değildir.
Paylaş: