GENERATIVE AI / LLM EĞİTİMİ
Generative AI / LLM Eğitimi, büyük dil modellerini deneme aşamasından çıkarıp gerçek ürünlerin bir parçası olarak değerlendirme bakışını kazandırır. Katılımcılar, modellerin nasıl çalıştığını ve ürün davranışını nelerin etkilediğini uygulamaya dönük biçimde kavrar.
Eğitim boyunca katılımcılar, kurum verisiyle çalışan çözümlerin tasarımına ilişkin kararları gerçekçi senaryolar üzerinden değerlendirir. Maliyet, güvenilirlik ve doğruluk dengesi örneklerle ele alınır.
Generative AI / LLM eğitimini şirketinize özel planlayalım. 0212 951 0608 · Teklif isteyin
Katılımcı Profili
Bu eğitim, LLM'i prototip aracı olmaktan çıkartıp ürüne entegre etmek isteyen rollere yöneliktir:
- AI Mühendisleri: LLM'i ürüne entegre eden ve serving altyapısı kuran roller
- Backend Mühendisleri: RAG, function calling ve tool use kuran ekipler
- Veri Bilimciler: Fine-tuning ve evaluation pipeline'ı yapan analistler
- Ürün Mühendisleri: LLM-tabanlı feature tasarlayan roller
- MLOps Mühendisleri: LLM observability ve cost yöneten ekipler
Ön Gereklilikler
Bu eğitime katılım için aşağıdaki ön bilgiler önerilir:
- Python ile temel programlama deneyimi
- HTTP, REST API ve JSON kavramlarına aşinalık
- Klasik ML veya NLP kavramlarına giriş düzeyi bilgi
- Komut satırı ve Git ile rahat çalışma
- OpenAI, Anthropic veya benzeri bir LLM API'sini deneme isteği
Süresi ve Tarihi
Süre: 3 gün. Bu süre standart program içindir; ek modüllere ve hedefe göre süre özelleştirilebilir.
Eğitim tarihleri ve saatleri, ekibinizin uygunluğuna göre birlikte planlanır.
Kazanımlar
Bu eğitim sonunda katılımcı, LLM'i prototip aracı olmaktan çıkartıp üretim sisteminin parçası yapar:
- Foundation model, fine-tuned ve task-specific model'i ayırt eder
- Tokenization, context window ve sampling'i ürün davranışına bağlar
- RAG mimarisi kurar; chunking, embedding ve reranking kararlarını gerekçeli verir
- Function calling ve tool use ile LLM'i deterministik kodla entegre eder
- Hallucination'ı grounding ve self-verification ile azaltır
- Prompt injection ve jailbreak'e karşı guardrail kurar
- Token maliyeti, latency ve cache stratejisiyle ekonomi optimize eder
Generative AI / LLM Eğitimi Konuları
1. LLM Devrimi - Transformer'dan GPT'ye
- "Attention Is All You Need" makalesi ve transformer mimarisi
- BERT (encoder), GPT (decoder), T5 (encoder-decoder)
- Scaling laws ve emergent capability
- Açık ve kapalı kaynak model ekosistemi
- Resmi kaynak: Attention Is All You Need
2. Transformer Mimarisi ve Attention
- Self-attention ve scaled dot-product
- Multi-head attention
- Positional encoding ve RoPE alternatifi
- Token, context window, KV cache
3. Pre-training ve Fine-tuning
- Pre-training: trilyon token üzerinden öğrenme
- Instruction tuning ve RLHF
- Constitutional AI yaklaşımı
- DPO (Direct Preference Optimization)
4. Prompt Engineering Temelleri
- Sistem prompt ve user prompt ayrımı
- Role, task, context, format yapısı
- Temperature, top_p, top_k parametreleri
- Prompt template ve değişken yönetimi
5. Few-shot, Zero-shot, Chain-of-Thought
- Zero-shot: örnek olmadan görev
- Few-shot: örneklerle bağlam kazandırma
- Chain-of-Thought (CoT) prompting
- Self-consistency ve voting yaklaşımı
- ReAct: reasoning + acting
6. RAG - Retrieval Augmented Generation
- RAG mimarisi: retrieval + generation
- Chunk stratejileri ve overlap
- Re-ranking ve hybrid search
- RAG vs fine-tuning karar matrisi
- Multi-hop retrieval ve agentic RAG
7. Vector Database - Pinecone, Weaviate, pgvector
- Pinecone: managed serverless
- Weaviate, Qdrant, Milvus open-source
- pgvector ile PostgreSQL üzerinde vektör
- HNSW, IVF index algoritmaları
- Vector dimension ve cost trade-off
8. Embedding ve Semantic Search
- Embedding model seçimi: OpenAI, sentence-transformers
- Cosine similarity ve distance metrikleri
- Semantic search vs keyword search
- Hybrid search: BM25 + dense vector
9. LangChain Framework
- LangChain core: chain, prompt, model
- LCEL (LangChain Expression Language)
- Memory ve conversation history
- LangSmith ile tracing ve debug
10. LlamaIndex ve Data Connector
- LlamaIndex: data framework for LLM
- Document loader, splitter, index
- Query engine ve composability
- LangChain ve LlamaIndex karşılaştırması
11. Agent ve ReAct Pattern
- LLM agent: planning, action, observation
- ReAct framework: reasoning + acting cycle
- Multi-agent orchestration: AutoGen, CrewAI
- Plan-and-execute ve scratchpad
12. Tool Use ve Function Calling
- OpenAI function calling spec
- JSON schema ile tool tanımı
- Parallel tool call ve aggregation
- Model Context Protocol (MCP) standardı
13. Hallucination ve Grounding
- Hallucination türleri ve nedenleri
- Grounding: kaynaklara dayalı yanıt
- Citation ve source attribution
- Confidence score ve uncertainty handling
14. Evaluation ve Guardrails
- LLM-as-a-judge yaklaşımı
- Benchmark: MMLU, HumanEval, MT-Bench
- Ragas ile RAG değerlendirme
- Guardrails: input validation, output filtering
- Jailbreak ve prompt injection riski
15. Fine-tuning Yaklaşımları - LoRA, QLoRA
- Full fine-tuning vs parameter-efficient
- LoRA (Low-Rank Adaptation) tekniği
- QLoRA: quantization + LoRA
- Hugging Face PEFT kütüphanesi
16. Self-hosted LLM - Llama, Mistral, Ollama
- Llama, Mistral, Qwen açık ağırlık modelleri
- Ollama ile yerel inference
- vLLM, TensorRT-LLM ile production serving
- Quantization: GGUF, AWQ, GPTQ
17. Cost Optimization ve Caching
- Token bazlı maliyet hesabı
- Prompt caching (Anthropic, OpenAI)
- Semantic cache ile tekrarlı sorgu
- Küçük model + büyük model router
18. Production Deploy ve Observability
- LLM API ve self-hosted model ayrımı
- Latency, throughput, cost SLA
- LangFuse, LangSmith ile tracing
- A/B test ve prompt versiyonlama
- Privacy: PII redaction ve data leak önleme
GENERATIVE AI / LLM EĞİTİMİ ile İlgili
Sıkça Sorulan Sorular ve Cevapları
Generative AI / LLM eğitimini kurumumuza özel planlayabilir miyiz?
Evet. Generative AI / LLM eğitimini kurumlara özel düzenlemekteyiz; içerik, süre ve takvim firmanızın ihtiyacına ve çalışanlarınızın programına göre birlikte belirlenir. Standart program temel alınır, önceliklerinize göre uyarlanır.
Generative AI / LLM eğitimini hangi illerde veriyorsunuz?
Generative AI / LLM eğitimini firmanızın bulunduğu yerde, kendi ofisinizde yerinde vermekteyiz; İstanbul, Ankara ve İzmir başta olmak üzere Türkiye'nin tüm illerine gelmekteyiz. Tercih eden kurumlara eğitimi canlı online olarak da sunmaktayız.
Generative AI / LLM eğitimini online veriyor musunuz?
Evet. Generative AI / LLM eğitimini canlı online formatta da vermekteyiz; ekran paylaşımı ve uygulamalı oturumlarla Türkiye'nin her ilinden katılım sağlanabilir. İçerik ve takvim yine kurumunuzun ihtiyacına göre planlanır.
Generative AI / LLM eğitimi çalışanlarımızın seviyesine göre uyarlanıyor mu?
Evet. Eğitimin başında, ihtiyacınıza bağlı olarak bir seviye tespiti yapmakta ve katılımcıların mevcut bilgisine göre ilerlemekteyiz. Böylece konuya yeni başlayanlar da, deneyimli olanlar da aynı eğitimden verim alır.
Generative AI / LLM eğitimi projemiz üzerinden ilerleyebilir mi?
Eğitim, kendi veri setiniz veya kullanım senaryonuz üzerinden ilerleyebilir. Teklif öncesinde projenizi bize iletmeniz ya da tarif etmeniz durumunda eğitimi gerçek probleminize göre kurgularız.
Generative AI / LLM eğitmenleriniz hakkında bilgi alabilir miyiz?
Eğitmenlerimiz yapay zeka ve veri bilimi alanında çalışan, Generative AI / LLM ile gerçek projeler yürütmüş uzmanlardır. İhtiyacınıza ve hedefinize en uygun eğitmeni sizinle eşleştiriyoruz.
Katılımcılarımıza sertifika veriliyor mu?
Evet. Eğitimi tamamlayan katılımcılarımıza katılım sertifikası vermekteyiz. Sertifika, eğitimin adını ve katılımcının bilgilerini içerir; kurumunuzun talebine göre dijital veya basılı olarak iletilir.
Generative AI / LLM eğitiminin fiyatı ne kadar?
Generative AI / LLM eğitimi kurumlara özel planlandığı için sabit liste fiyatı yoktur. İstekleriniz ve kapsam doğrultusunda bir teklif hazırlayıp fiyatla birlikte size iletmekteyiz.
Ekibinizin hedeflerine göre programı birlikte hızla planlayalım.
0212 951 0608 · Kurumsal teklif
