Kurumsal Eğitim

Yapay Zeka Mühendisliği Paketi

Kurumsal ölçekte yapay zeka çözümleri geliştirir
LLM, RAG ve modern AI mimarilerini kapsar
Mevcut sistemlerle entegrasyonu kolaylaştırır
Güvenli ve ölçeklenebilir AI altyapıları kurar
Kurumsal eğitim referanslarımız
Kataloğu İndir
Paket Özeti

Yapay Zeka Mühendisliği Paketi, teknik ekiplerin büyük dil modelleri (LLM), RAG tabanlı kurum içi chatbot geliştirme ve MLOps yaşam döngüsünü uçtan uca uygulamalı olarak öğrenmesini sağlayan, birbirini tamamlayan 3 eğitimden oluşan bir programdır.Katılımcılar; LLM seçimi, RAG mimarisi kurma, kurum verisini modele bağlama, prompt yönetimi, model izleme ve sürümleme gibi kritik alanlarda pratik deneyim kazanır. Program sonunda ekip, kurumun kullanım alanlarına uygun çalışan bir yapay zeka prototipi geliştirir. İçerik, kurumun teknoloji yığınına, güvenlik gereksinimlerine ve sektörüne göre özelleştirilebilir.

Eğitim Detayları

Hedef Kitle
  • Yazılım geliştiriciler ve backend/frontend mühendisleri
  • Veri bilimciler, makine öğrenmesi mühendisleri
  • Yapay zeka / LLM mühendisleri
  • Teknik liderler, çözüm mimarları ve ürün–teknoloji kesişiminde çalışan ekipler

Eğitim Detayları

1. Eğitim: Büyük Dil Modellerine Giriş (LLM Fundamentals)
  1. LLM’lerin temel çalışma prensipleri (tokenizer, embedding, bağlam yönetimi)
    • Metnin token’lara bölünmesi, embedding mantığı ve bağlam penceresinin (context window) sınırlarının anlaşılması
    • Uzun metinlerle çalışma, kesme/özetleme stratejileri ve bağlam kaybını azaltma yaklaşımları
  2. Model türleri: OpenAI, Gemini, Claude, Llama, Mistral ve kurumsal modeller
    • Ticarî API tabanlı modeller ile açık kaynak modellerin (self-hosted) kıyaslanması
    • Güvenlik, maliyet, performans ve veri egemenliği (data residency) kriterlerine göre değerlendirme
  3. Kullanım alanı sınıflandırması: üretim, özetleme, analiz, karar desteği, otomasyon
    • Farklı LLM görev tiplerinin iş senaryolarına eşlenmesi
  4. Teknik zorluklar: gecikme (latency), maliyet, halüsinasyon ve kapasite yönetimi
    • Gecikme ve maliyet optimizasyonu için context, batching ve cache stratejilerinin tartışılması
    • Halüsinasyon riskini azaltmak için yapılandırılmış çıktı, kısıtlayıcı prompt ve ek doğrulama katmanları
  5. LLM mimarisi üzerinden gerçek örnekler: API çağrıları, context window ve role-based prompting
    • Basit API entegrasyonu örneği
    • Sistem/rol/assistant yapısının kullanımı ve rol tabanlı prompt tasarım örnekleri
  6. Model seçimi rehberi: kullanım alanına göre doğru model ve altyapı kriterleri
    • İş gereksinimi, veri hassasiyeti, bütçe ve teknik kapasiteyi dikkate alan seçim matrisi oluşturma
    • POC → pilot → üretim aşamalarında model değiştirme / yükseltme senaryolarına hazırlık

Eğitim Detayları

2. Eğitim: RAG ile Kurum İçi Chatbot Geliştirme – Uygulamalı
  1. Retrieval Augmented Generation (RAG) yaklaşımının mantığı ve kurumsal kullanım senaryoları
    • LLM + arama (retrieval) kombinasyonunun neden gerekli olduğunu ve ne çözdüğünü netleştirme
    • Bilgi tabanı, doküman asistanı, iç süreç danışmanı gibi tipik RAG use-case’lerini sınıflandırma
  2. Veri hazırlama: doküman formatlama, chunking, embedding ve indeksleme
    • Kurum dokümanlarının (PDF, Word, Confluence vb.) temizlenmesi, bölünmesi ve anlamlı parçalara ayrılması
    • Embedding üretimi, indeks yapılarının seçimi ve sorgu kalitesini artıran veri tasarımı prensipleri
  3. Vektör veritabanı uygulamaları: Pinecone, Weaviate, FAISS, Qdrant kıyaslaması
    • Yönetilen servisler vs. self-hosted çözümler; ölçek, maliyet ve operasyonel yük kıyaslaması
    • Basit bir RAG yığını (LLM + vektör DB + API) için referans mimari örnekleri
  4. Prompt chaining, tool use, workflow orchestration ve domain-adaptive diyalog
    • Birden fazla adım içeren workflow’larda zincirli prompt ve araç çağrılarının (tool calling) kurgulanması
    • Farklı domain’lere (İK, hukuk, teknik destek vb.) göre cevap stilinin ve bağlamının uyarlanması
  5. Kurum verisiyle chatbot prototipi: yükleme → bağlama → test → iyileştirme döngüsü
    • Katılımcıların kendi veri setleriyle çalışan bir pilot chatbot kurmaları
    • Kullanıcı testleri, geri bildirim ve sorgu log’larından yola çıkarak iyileştirme döngüsünün işletilmesi
  6. Doğruluk artırma ve halüsinasyon azaltma: prompting, reranking ve context optimizasyonu
    • Sorgu–cevap kalitesini artırmak için benzerlik eşiği, top-k, reranker modelleri ve context boyutunun ayarlanması

Eğitim Detayları

3. Eğitim: MLOps ve Güvenli Model Yönetimi (PromptOps, Monitoring, Governance)
  1. MLOps temelleri: model yaşam döngüsü, versiyonlama ve deploy stratejileri
    • Veri hazırlama, model/konfigürasyon versiyonlama, test, staging ve prod ortamlarını yapılandırma
    • LLM temelli sistemlerle klasik ML MLOps pratikleri arasındaki benzerlik ve farkların ele alınması
  2. PromptOps: prompt şablonları, kalite döngüsü, test ve loglama
    • Prompt’ların kod gibi versiyonlanması, A/B testlerinin kurgulanması ve regresyon testlerinin tasarlanması
    • Yanıt kalitesini ölçmek için metrik setleri (örneğin: relevance, helpfulness, safety) belirleme
  3. Model performans takibi: latency, toxicity, bias, doğruluk ve halüsinasyon izleme
    • Gecikme, hata oranı ve maliyet metriği takibi için basit dashboard örnekleri
    • İçerik güvenliği (toxicity), önyargı (bias) ve yanlış bilgi (halüsinasyon) için izleme ve alarm mekanizmaları
  4. Güvenlik ve risk yönetimi: KVKK, GDPR, redaction, anonimleştirme ve erişim yetkilendirme
    • Hassas verinin (KİŞİSEL VERİ, finansal, sözleşme vb.) LLM akışında korunması için redaction/anonimleştirme stratejileri
    • Rol ve yetkiye göre erişim kontrolü, loglama ve denetlenebilirlik prensiplerinin uygulanması
  5. Governance framework: yapay zeka politikası, rol izinleri, denetim izi (audit)
    • Kurumsal yapay zeka kullanım politikaları ve “yapılacaklar / yapılmayacaklar” çerçevesi oluşturma
    • Model, prompt ve veri kullanımına ilişkin denetim izi üretme ve sorumluluk alanlarını netleştirme
  6. Süreç tasarımı: prototip → test → güvence → üretim → bakım → sürekli iyileştirme
    • RAG/chatbot projeleri için tekrar kullanılabilir bir proje yaşam döngüsü şablonu tasarlama
    • Üretimdeki sistemi düzenli izleyip geri bildirimle besleyen sürekli iyileştirme döngüsünü kurumsallaştırma

Eğitim Detayları

Eğitim Detayları

Eğitmenlerimiz

Hakkı Sağdıç

MCT | MCSD | Azure Dev | Devops Engineer | Software Architect | Technical Lead | Manager

Hakkı Sağdıç, bulut tabanlı çözümler, mikroservis mimarileri, IoT ve Endüstri 4.0 dönüşümü alanlarında geniş teknik bilgiye sahip, deneyimli ve çözüm odaklı bir Yazılım Mühendisi ve Teknoloji Lideridir.Kariyeri boyunca .Net Core, Azure, Docker, Kubernetes, AWS, Microservices, React, Python, SQL Server gibi teknolojilerle çalışmış; farklı sektörlerde yazılım geliştirme, ekip yönetimi, proje planlama, yazılım modernizasyonu ve DevOps süreçlerinde derinlemesine uzmanlık kazanmıştır.CI/CD, Agile, Scrum, DevSecOps gibi metodolojileri kullanarak verimli ve esnek çalışma ortamları oluşturmuş, küresel ölçekte uzaktan çalışan büyük ve disiplinler arası ekipleri başarıyla yönetmiş; her zaman yenilikçi çözümler üretmeye ve müşterilere değer katmaya odaklanmıştır.

İsmail Aslan
MS in Operations Research (Applied Statistics) | ML / AI Engineer | Data Scientist

İsmail Aslan, 6+ yıllık makine öğrenmesi ve veri bilimi deneyimine sahip, özellikle doğal dil işleme (NLP), bilgisayarlı görü (CV), LLM tabanlı sistemler ve yapılandırılmış veri analitiği alanlarında çalışan bir Machine Learning Engineer / Data Scientist’tir. AltexSoft’ta ve serbest projelerinde dünya genelinde müşterilerle çalışarak; soru-cevap sistemleri (RAG tabanlı chatbot’lar), kişiselleştirilmiş tedavi tahmin modelleri, endüstride kaza önleme ve kök neden analizi, envanter/warehouse yönetimi, stok ve talep tahmini, klinik seçim sistemleri ve finansal veri analitiği gibi gerçek hayat problemlerine yönelik ML/DL çözümleri geliştirmiştir. Operasyon Araştırması (Applied Statistics) yüksek lisans eğitimi, istatistiksel modelleme ve optimizasyon bakışını günlük makine öğrenmesi projelerine taşımasını sağlamaktadır.İsmail’in öne çıkan yetkinlikleri; Python ekosistemi üzerinde uçtan uca ML/DL model geliştirme, NLP ve LLM tabanlı metin işleme (LangChain, LangGraph, OpenAI, RAG mimarileri), bilgisayarlı görü projeleri, zaman serisi modelleme ve tahminleme, Monte Carlo simülasyonları, veri hikayeleştirme ve analitik içgörü üretimi ile sağlık, üretim, lojistik ve finans gibi farklı sektörlerde araştırma odaklı projeleri uygulamaya dönüştürebilme becerisini kapsamaktadır. Ayrıca akademik yayınları ve kurumsal eğitim/danışmanlık deneyimi sayesinde hem mühendislik ekipleri hem de iş birimlerine teknik konuları anlaşılır, karar odaklı bir dille aktarabilmektedir.

Hasan Sarman
Tech Executive | Software Architect | AI/LLM Strategist | DevOps Strategist | Instructor

Hasan Sarman, 15 yılı aşkın deneyime sahip, ölçeklenebilir yazılım mimarileri, yapay zekâ/LLM entegrasyonları ve uçtan uca ürün geliştirme konularında uzman bir CTO seviyesinde mühendislik lideridir. Kurucusu olduğu RadonRad Software & Electronics’te Founder & Technical Director olarak EMEA ve APAC’te 100’den fazla kuruma hizmet veren bir teknoloji danışmanlığını büyütmüş; kurumsal uygulamalar, IoT projeleri ve otomasyon çözümlerinde hem teknik vizyonu hem de ekip yapılanmasını yönetmiştir.Daha önce 3RGE’de Technical Manager, Digital Trade A.Ş.’de Senior Project Manager, Bilet.com’da Project Manager & Senior Java & PHP Developer ve farklı kurumlarda AI & Deep Learning Instructor ile AI Solutions Architect rolleri üstlenmiş; Java, PHP, Python tabanlı sistemlerden bilgisayarlı görü ve LLM temelli çözümlere uzanan geniş bir teknolojik yelpazede projelere liderlik etmiştir.

Bi' Kahve?
Aklınızdaki tüm soruları konuşup, istek ve ihtiyaçlarınıza göre birlikte neler yapabileceğimize bir bakalım. Yeni yetenekler, tüm teknoloji eğitimleri, staj programları ve yapay zeka eğitimleri için bize ulaşın.