Ön Koşul
Bu eğitimin herhangi bir ön koşulu bulunmamaktadır.
Eğitim Hakkında
Eğitimimiz, Büyük Dil Modellerini (LLM) kurumların kendi özel verileriyle güvenli, doğru ve ölçeklenebilir bir şekilde konuşturma sanatıdır. Katılımcılar; dokümanların akıllıca parçalanmasından (Semantic Chunking), vektör veritabanı optimizasyonuna, hibrit arama stratejilerinden kendi sorgu stratejisini belirleyen Agentic RAG sistemlerine kadar geniş bir teknik yelpazede uzmanlaşırlar. Eğitim, sadece bilgi getirmeyi değil, getirilen bilginin doğruluğunu test etmeyi (RAG Evaluation) ve sistemin güvenliğini (RBAC, PII Maskeleme) kurumsal standartlarda sağlamayı odağına alır.
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
- Kurumsal RAG Stratejisi ve Mimari Kararları
- RAG’in İş Değeri: Hangi Problemler İçin RAG, Hangileri İçin Fine-Tuning?
- Basit RAG vs. Advanced RAG vs. Modular RAG Mimarileri Karşılaştırması
- Bulut vs. On-Premise RAG Çözümleri: Gizlilik ve Maliyet Analizi
- Model Seçimi Stratejileri: Büyük Dil Modelleri vs. Küçük Özel Modeller (SLM)
- Vektör Veritabanı Seçim Kriterleri ve Mimari Entegrasyonu
- Kurumsal Doküman Temizleme: Gürültü Giderme ve Format Normalizasyonu
- Akıllı Parçalama (Chunking) Stratejileri:
- Sabit Boyutlu, Karakter Bazlı Bölüntüleme
- Semantik Bölüntüleme (Semantic Chunking)
- Yapısal Bölüntüleme (Markdown, Kod, Tablo Odaklı)
- Meta-Veri (Metadata) Tasarımı ve Filtreleme Kurguları
- Çok Modlu (Multi-modal) Veri İşleme: PDF içindeki Tablolar ve Görsellerin Metne Dönüşümü
- Veri Pipeline’larının Otomasyonu ve Artırımlı Güncelleme (Incremental Indexing)
- Embedding Model Seçimi: Genel Amaçlı vs. Domain-Specific Modeller
- Türkçe ve Kurumsal Terminoloji İçin Embedding Performans Analizi
- Vektör Boyutu, Dimensionality Reduction ve Depolama Maliyetleri
- Hibrit Arama Temelleri: Keyword (BM25) + Vektör Araması Sentezi
- ColBERT ve Late Interaction Modellerine Giriş
- En İyi K Sonuçları (Top-K) Seçimi ve Dinamik Threshold Ayarları
- Bağlam Penceresi (Context Window) Optimizasyonu
- İlgili Bilgi Sıkıştırma ve Gereksiz Token Elemesi
- Kaynak Referans Gösterme ve Alıntılama Mekanizmalarının İnşası
- Gelişmiş Retrieval Desenleri (Advanced Retrieval Patterns)
- Query Transformation Teknikleri:
- Query Rewriting (Yeniden Yazma)
- Query Expansion (Sorgu Genişletme)
- Step-back Prompting ile Üst Seviye Kavramlara Erişim
- Multi-Hop Retrieval: Zincirleme Sorgularla Karmaşık Soruları Yanıtlama
- HyDE (Hypothetical Document Embeddings) Tekniği ile Alaka Düzeyini Artırma
- Parent-Child Indexing: Büyük Belgelerde Hassas Nokta Atışı
- Cross-Encoder Modelleri ile Re-Ranking Mimarisi
- İlk Eleme (Retrieval) ve İkinci Eleme (Re-Ranking) Katmanlarının Kurgulanması
- Maliyet/Performans Dengesi: Hangi Senaryoda Re-Ranking Şart?
- Türkçe İçin Re-Ranker Model Önerileri ve Entegrasyonu
- Agentic RAG Nedir? Klasik RAG'den Farkları
- Aracıların (Agents) Kendi Sorgu Stratejisini Belirlemesi (Self-Planning)
- Tool Use ile RAG’i Dış API’ler, SQL Veritabanları ve İş Akışlarıyla Birleştirme
- GraphRAG: Bilgi Grafiği (Knowledge Graph) ile İlişkisel Sorgulama Senaryoları
- Self-Correcting RAG: Yanlış Cevap Döngülerinin Otomatik Tespiti ve Düzeltilmesi
- Chat History Yönetimi: Kısa ve Uzun Dönem Hafıza Stratejileri
- Session-Based vs. User-Based Bellek Kurguları
- Diyalog Özetleme ile Context Penceresini Koruma
- Kullanıcı Niyeti Takibi ve Proaktif Öneri Sistemleri
- Latency (Gecikme) Analizi ve Darboğazların Giderilmesi
- Caching Stratejileri: Semantic Cache ve Exact Match Cache Kullanımı
- Speculative Decoding ve Hızlandırma Teknikleri
- Token Maliyet Analizi ve Bütçe Kontrol Mekanizmaları
- Kurumsal Güvenlik ve Yetkilendirme (Security & RBAC)
- Veri Tabanlı Erişim Kontrolü (RBAC): Kullanıcı Yetkisine Göre Dinamik Filtreleme
- "Document-Level" ve "Field-Level" Güvenlik Kurguları
- Prompt Injection ve Dolaylı Salındırılara (Indirect Injection) Karşı RAG Kalkanları
- Hassas Veri (PII) Maskeleme: Arama Öncesi ve Sonrası Güvenlik Taramaları
- Model Çıktısı Denetimi ve "Zehirli" İçerik Filtreleme
- Kurumsal Audit Loglama ve Uyumluluk Standartları (GDPR/KVKK)
- RAG Değerlendirme Metrikleri Derinlemesine:
- Context Precision & Recall
- Faithfulness (Sadakat) ve Answer Relevance
- Groundedness (Kaynağa Dayalılık)
- Otomatik Test Frameworkleri: Ragas, TruLens, Arize Phoenix Kullanımı
- Ground Truth (Doğru Cevap) Veri Seti Oluşturma Stratejileri
- Sentetik Veri Üretimi ile Test Kapsamını Genişletme
- İnsan-Döngülü (Human-in-the-Loop) Kalite Onay Süreçleri ve Geri Besleme Döngüleri
- Production Öncesi A/B Test Senaryoları
- Başarı Ölütleri ve ROI Analizi
Neden Bu Eğitimi Almalısınız ?
Eğitim Hedefleri
- Mimari Karar Verme Yetkinliği: Basit, ileri ve modüler RAG mimarileri arasında seçim yapabilmek; Fine-tuning ile RAG arasındaki dengeyi kurumsal ihtiyaçlara göre kurgulamak.
- İleri Seviye Veri Mühendisliği: Karmaşık PDF'lerden tablo ve görselleri işleyebilen, semantik bölüntüleme (chunking) yapabilen ve artırımlı güncellenen (incremental) veri boru hatları inşa etmek.
- Arama ve Yanıt Kalitesini Maksimize Etme: Re-ranking, HyDE ve Multi-hop retrieval gibi tekniklerle en alakalı bilgiye ulaşıp, "sadakat" (faithfulness) ve "kaynağa dayalılık" (groundedness) ilkeleriyle doğru yanıtlar üretmek.
- Otonom Sistemler Geliştirme: RAG sistemlerini harici API'ler ve SQL veritabanlarıyla konuşabilen, kendi hatalarını düzelten (Self-correcting) ajanlara dönüştürmek.
- Kurumsal Güvenlik ve Uyumluluk: Veri tabanlı erişim kontrolü (RBAC) ve PII maskeleme ile KVKK/GDPR uyumlu, güvenli yapay zeka çözümleri sunmak.
- Ölçülebilir Kalite Güvencesi: Ragas ve TruLens gibi frameworkler kullanarak sistemin performansını otomatik metriklerle (Context Precision, Recall vb.) test etmek ve sürekli iyileştirmek.
Kimler İçindir?
- Yapay Zeka ve Veri Mühendisler
- NLP Uzmanları ve Veri Bilimciler
- BT Güvenlik ve Uyumluluk Yetkililer
- Yazılım Mimarları ve Kıdemli Geliştiriciler
- Teknoloji Liderleri ve Proje Yöneticileri
Önemli Notlar
Program ücretlerine KDV dahil değildir.
Paylaş: