Eğitim Hakkında
Eğitimimiz, katılımcılara yapay zekânın temel prensiplerinden başlayarak, büyük dil modelleriyle etkili iletişim kurma becerisine kadar geniş bir yelpazede bilgi sunan kapsamlı bir ileri seviye eğitim programıdır. Eğitimde; yapay zekânın nasıl çalıştığı, makine öğrenmesi ve derin öğrenme gibi alt disiplinler, doğal dil işleme temelleri ve yapay zekâ destekli problem çözüm yaklaşımları işlenirken, aynı zamanda GPT, Claude, Mistral gibi modellerde etkili prompt tasarlama teknikleri detaylı biçimde ele alınmaktadır.
Bu program, katılımcılara hem teorik kavrayış hem de uygulama becerisi kazandırarak, çağdaş iş dünyasının ihtiyaç duyduğu “veriyle düşünebilen, yapay zekâyı etkin kullanan” profesyoneller yetiştirmeyi hedeflemektedir.
Bu eğitim, yapay zekânın temel prensiplerini öğretmekle kalmaz; aynı zamanda dil modellerine nasıl doğru ve hedef odaklı komutlar (promptlar) verileceğini sistematik bir yaklaşımla gösterir. Makine öğrenmesi algoritmaları, veri işleme adımları, sinir ağı mimarileri gibi kavramlar giriş düzeyinde ele alınırken; prompt türleri, bağlam yönetimi, örnek temelli yönlendirme, chain-of-thought ve toolformer gibi ileri teknikler de pratik uygulamalarla desteklenmektedir.
Eğitim süresince katılımcılar; Python tabanlı basit yapay zekâ uygulamaları geliştirmenin yanı sıra metin üretimi, kodlama, özetleme, görsel oluşturma gibi işlemleri dil modelleri ile gerçekleştirmeyi de öğreneceklerdir. Bu yönüyle eğitim, yapay zekâ sistemlerini sadece “tüketen” değil, aynı zamanda “yönlendiren” bireyler yetiştirmeye odaklanır.
Kimler İçindir?
- Yapay zekâ teknolojilerine giriş yapmak isteyen teknik veya teknik olmayan profesyoneller
- Yazılım geliştiriciler, veri bilimciler ve Python temelli AI uygulamalarını keşfetmek isteyenler
- İçerik üreticileri, metin yazarları, pazarlama uzmanları ve medya profesyonelleri
- Müşteri hizmetleri, eğitim teknolojileri, sağlık ve finans sektörlerinden dijital dönüşüm liderleri
- Akademisyenler, araştırmacılar ve ileri düzey AI araçlarını sınıflarında veya projelerinde kullanmak isteyenler
- Büyük dil modellerini etkili ve güvenli biçimde kullanmayı öğrenmek isteyen herkes
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
- Temel Tanımlar ve Kavramlar
- Yapay zeka (YZ) nedir? Tanım, amaç ve kullanım alanları
- Akıllı sistemler, otomasyon, veri işleme ve algoritmaların rolü
- Temel bileşenler: Algoritmalar, modeller, veriler, öğrenme süreçleri
- Yapay Zeka Sistemlerinde Kullanılan Temel Teknolojiler
- Makine öğrenmesi, derin öğrenme ve istatistiksel yöntemler
- Sinir ağları, nöron modeli, aktivasyon fonksiyonları
- Veri ön işleme, eğitim ve test süreçleri
- Uygulama Alanlarına Giriş
- Günlük yaşamda yapay zekanın örnekleri: Akıllı asistanlar, öneri sistemleri
- Endüstriyel uygulamalar: Otonom araçlar, sağlık, finans, üretim
- Gelecekteki potansiyel kullanım alanlarına kısa bakış
- Erken Dönem (1950-1970)
- Turing Testi, ilk algoritmalar ve deneysel uygulamalar
- İlk uzman sistemlerin ortaya çıkışı ve simgesel AI yaklaşımı
- Gelişim Süreçleri (1970-1990)
- Klasik yapay zeka araştırmaları, kural tabanlı sistemler
- Bilgisayarların artan hesaplama gücü ve veri kaynaklarının genişlemesi
- Kritik projeler, önemli akademik makaleler ve dönüm noktaları
- Modern Dönem (1990’lar ve Sonrası)
- İstatistiksel öğrenme, makine öğrenmesi ve büyük veri devrimi
- Derin öğrenmenin yükselişi, GPU ve bulut teknolojilerinin rolü
- Günümüzün uygulama örnekleri, endüstri standartlarının oluşması ve yapay zekanın yaygınlaşması
- Makine Öğrenimi
- Denetimli, denetimsiz ve pekiştirmeli öğrenme yaklaşımları
- Sınıflandırma, regresyon, kümeleme algoritmalarına genel bakış
- Temel algoritma örnekleri ve uygulama senaryoları
- Derin Öğrenme
- Derin sinir ağları, CNN, RNN, LSTM ve Transformer mimarileri
- Model eğitimi, overfitting/underfitting kavramları, optimizasyon yöntemleri
- Uygulama örnekleri: Görüntü, ses ve metin verisi üzerinde derin öğrenme projeleri
- Uzman Sistemler
- Kural tabanlı sistemler, mantık programlama ve çıkarım motorları
- Uzman sistemlerin tarihsel önemi, avantajları ve sınırlamaları
- Günümüz uygulamalarında hibrid yaklaşımlar: Uzman sistemlerin makine öğrenmesi ile entegrasyonu
- Temel Algoritma Prensipleri
- Arama, optimizasyon ve sınıflandırma algoritmalarının temel mantığı
- Karar ağaçları, k-en yakın komşu, destek vektör makineleri gibi klasik algoritmalar
- İstatistiksel modeller ve olasılıksal yaklaşımlar
- İleri Düzey Algoritmalar ve Model Optimizasyonu
- Derin öğrenme algoritmalarının matematiksel temelleri (gradient descent, backpropagation)
- Regularization, dropout, batch normalization gibi teknikler
- Model değerlendirme metrikleri: Accuracy, Precision, Recall, F1 Score, ROC/AUC
- Uygulamalı Algoritma Çalışmaları
- Gerçek dünya veri setleri üzerinde algoritma uygulamaları
- Algoritma seçimi, hiperparametre optimizasyonu ve sonuç analizi
- Grup tartışmaları ve vaka analizleri ile iteratif iyileştirme
- Yapay Zeka Etiği
- Etik ilkeler: Adalet, şeffaflık, hesap verebilirlik ve gizlilik
- Yapay zekanın sosyal etkileri, önyargı ve ayrımcılık konuları
- Sorumlu AI uygulamaları: Model açıklanabilirliği, etik rehberler ve regülasyonlar
- Güvenlik ve Veri Koruma
- Veri güvenliği, model güvenilirliği ve adversarial saldırılar
- Yapay zeka sistemlerinde şifreleme, erişim kontrolü ve güvenli eğitim süreçleri
- Uygulamalı örnekler: Güvenlik zafiyetleri, risk analizi ve mitigasyon stratejileri
- Sınırlar ve Tehditler
- Yapay zekanın mevcut sınırları, teknik ve etik zorluklar
- Yanlış kullanım, siber saldırılar ve toplumsal etkiler
- Geleceğe yönelik öneriler ve risk yönetimi stratejileri
- Prompt Nedir?
- LLM'lerle etkileşim biçimi
- Model Türleri ve Prompt Mimarileri
- Instruct vs Chat vs Completion modelleri
- Zero-shot, one-shot, few-shot prompting
- Prompt Engineering Neden Gereklidir?
- Output kontrolü
- Verimlilik ve yönlendirme
- Netlik ve Amaca Yöneliklik
- Talimatların belirginliği
- Bağlam Yönetimi
- Sistem mesajı vs kullanıcı mesajı ayrımı
- Örnek Tabanlı Yapılar
- Chain-of-thought prompting
- ReAct prompting
- Self-ask prompting
- Hallucination Problemi
- Yanlış bilgi üretimi neden olur?
- Token Sınırları ve Ücretlendirme
- Prompt uzunluğu, context window
- Prompt Debugging
- Yanıltıcı sonuçların ayıklanması
- Prompt Zincirleme (Chaining)
- Çok adımlı çıktı oluşturma
- Araçlarla Entegrasyon (Toolformer / LangChain)
- Harici API’lerle birlikte kullanım
- Prompt Şablonlama & Otomatik Üretim
- Template tabanlı sistemler (Jinja, Prompt Layer)
Neden Bu Eğitimi Almalısınız ?
- Temel Bilgiden Uygulamaya: Yapay zekânın nasıl çalıştığını öğrenirken, dil modellerini etkili kullanmayı uygulamalı olarak deneyimlersiniz.
- Güncel ve Endüstri Odaklı: Modern araçlar, gerçek senaryolar ve sektörel örneklerle donatılmış bir müfredat sizi iş dünyasına hazırlar.
- Rekabet Avantajı: AI ve LLM teknolojileri, mesleki fark yaratmanız için güçlü bir yetkinlik alanıdır.
- Etik ve Güvenli Kullanım Bilinci: Yapay zekâyı doğru, şeffaf ve sorumlu şekilde kullanmayı öğrenirsiniz.
Önemli Notlar
Program ücretlerine KDV dahil değildir.
Paylaş: