AGI GENEL YAPAY ZEKÂ EĞİTİMİ

EĞİTİM SÜRESİ

• Eğitim Süresi: 10 Gün
• Günlük Eğitim Süresi: 6 Saat
• Ders Yapısı: 50 dakika oturum + 10 dakika mola
• Eğitim Saatleri: 10:00 - 17:00
• Öğle Arası: 12:00 - 13:00 (1 Saat)

Eğitimler, uzaktan canlı sınıf formatında Microsoft Teams platformu üzerinden gerçekleştirilir. Katılımcılar eğitim öncesinde paylaşılan bağlantılarla oturumlara katılır. Eğitim süresince eğitmen, uygulamalı anlatım, canlı demo ve anlık soru-cevap yöntemlerini birlikte kullanarak maksimum etkileşim sağlar.

Uygulamalı bölümlerde GitHub, Codespaces, Python/PyTorch, Hugging Face, OpenAI Playground, OpenAI Gym, MLflow, Docker ve Kubernetes gibi araçlar kullanılır. Katılımcılar; Transformer bloğu geliştirme, SSL/RL denemeleri, LLM uygulamaları, XAI ile yorumlama, multimodal demo, RLHF akışı, agentic workflows, dağıtık eğitim ve üretim dağıtımı gibi laboratuvar çalışmalarını modüllerle uyumlu şekilde gerçekleştirir.

Eğitim, problem odaklı öğrenme ve modül bazlı ilerleme yaklaşımıyla tasarlanmıştır. Her modül, gerçek kurumsal senaryolarla desteklenen kısa anlatım + canlı demo + uygulamalı alıştırmalar içerir. Program, son gün capstone tartışmasıyla (kurumsal bir probleme yönelik uçtan uca AGI mimarisi) tamamlanır.

Program sonunda katılımcılar; Transformer temelleri, SSL ve RL, LLM kullanım ve prompt tasarımı, XAI ve temel/ileri MLOps, multimodal mimariler, RLHF, aracı sistemler ve araç kullanımı, dağıtık eğitim, Kubernetes üzerinde üretim ve güvenlik ile hizalama konularında pratik ve aktarılabilir yetkinlik kazanır.

EĞİTİM HEDEFİ

• AGI Kavramsal Temelleri ve Modern Mimariler: AGI/ASI/AI ayrımı, Transformer matematiği ve blok implementasyonuna hâkimiyet.
• Öğrenme Paradigmaları: Self-Supervised ve RL temelli yaklaşımları kod düzeyinde deneyimleyerek dünya modeli oluşturmanın temelleri.
• LLM Uygulamaları ve Prompt Tasarımı: Zero/Few-shot stratejiler, çıktı formatlama ve kurumsal senaryolara aktarım.
• Güvenilirlik ve Operasyon: XAI ile yorumlanabilirlik; Git/DVC/Docker/MLflow ile temel MLOps akışları.
• Multimodal ve İleri RL: CLIP/BLIP gibi multimodal yaklaşımlar, DQN/PPO ve RLHF ile hizalama.
• Agentic ve Ölçek: Tool use/fonksiyon çağırma ile aracı sistemler; FSDP/DeepSpeed ile dağıtık eğitim.
• Üretim ve Güvenlik: Kubernetes/Kubeflow ile üretim iş akışları; OWASP LLM tehditlerine karşı güvenlik ve hizalama prensipleri.

EĞİTİM YÖNETİMİ

• Teorik Bilgi: Kavramsal çerçeve, mimari ve algoritma temelleri.
• Uygulamalı Laboratuvarlar: Jupyter/Python, PyTorch, Hugging Face, OpenAI Gym, MLflow ile pratik.
• Etkileşimli Tartışmalar: Soru-cevap ve vaka analizi oturumları.
• Proje/Capstone: Kurumsal bir probleme yönelik uçtan uca AGI mimarisi tasarımı.

HEDEF KİTLE

1. Yazılım Geliştiriciler ve Mimarlar: LLM, agentic sistemler ve üretim dağıtımlarına ilgi duyan ekipler.
2. Veri Bilimcileri ve ML Mühendisleri: SSL/RL, dağıtık eğitim ve MLOps pratiklerini uygulamak isteyenler.
3. Ürün/Proje Yöneticileri: AGI yol haritası, güvenlik ve uyumluluk boyutlarını anlamak isteyen paydaşlar.
4. DevOps/Platform Ekipleri: Kubernetes, Kubeflow, gözlemlenebilirlik ve güvenlik süreçlerini yöneten ekipler.
5. Akademi ve Ar-Ge: Nedensellik, hizalama ve nöro-sembolik yaklaşımlarla ilgilenen araştırmacılar.

KATILIMCILARDAN BEKLENTİLERİMİZ

• Temel algoritma ve yazılım bilgisi; Python’a aşinalık (tercihen).
• Temel makine öğrenmesi/NLP farkındalığı önerilir; zorunlu değildir.
• Temel düzeyde kod okuma ve deney yapma refleksi; aktif katılım ve geri bildirim.

EĞİTİM PROGRAMI

Modül 1: AGI Felsefesinden Transformer Mimarisine: Kavramsal Zemin ve Modern Yapı Taşları (Seviye: Başlangıç)

• AGI Kavramsal Çerçevesi ve Tarihsel Gelişim: Dar AI, AGI ve ASI arasındaki farklılıklar; bilişsel mimariler (SOAR, ACT-R) ve evrimi.
• Transformer Mimarisi ve Dikkat Mekanizmaları: Encoder-Decoder, Self-Attention’ın matematiği; Multi-Head Attention’ın avantajları; Python/PyTorch ile temel implementasyon.
• Python ile Temel Transformer Bloğu: LayerNorm, Residual Connections, Positional Encoding’in kod düzeyinde incelenmesi.

Kazanımlar: AGI’nin kavramsal temelleri ve Transformer mimarisinin matematiksel/kod düzeyi anlaşılır; LLM ve multimodal sistemlere teorik-pratik hazırlık sağlanır.

İşlenen Anahtarlar: AGI Çerçevesi; Transformer ve Attention Mekanizmaları.

Modül 2: Veriden Bilgiye: Self-Supervised ve Pekiştirmeli Öğrenme Paradigmaları (Seviye: Başlangıç)

• Self-Supervised Learning (SSL) Stratejileri: Kontrastif (SimCLR), öngörücü (BERT/MLP) ve üretici yöntemler; Python ile konsept uygulamaları.
• Pekiştirmeli Öğrenme (RL) Temelleri: MDP, Q-Learning ve Policy Gradients; ajan-çevre-ödül-durum-eylem kavramları; OpenAI Gym ile pratik.
• Keşif/Sömürü Dengesi: Epsilon-greedy ve benzeri stratejiler.

Kazanımlar: Büyük etiketlenmemiş veriden temsil öğrenme (SSL) ve hedef odaklı karar alma (RL) becerileri; kurumsal veri varlıklarından değer üretimi.

İşlenen Anahtarlar: Self-Supervised Learning; Reinforcement Learning Temelleri.

Modül 3: Genelleme Sanatı ve LLM'lerin Yükselişi (Seviye: Başlangıç)

• Transfer Learning ve Meta-Learning: Ön-eğitimli modellerin farklı görevlere adaptasyonu (fine-tuning), MAML fikri.
• LLM Mimarileri ve Yetenekleri: GPT, LLaMA, Gemini; zero-shot/few-shot pratikleri.
• Beliren Yetenekler ve Prompt Engineering: Ölçekle ortaya çıkan muhakeme yetenekleri ve etkili prompt tasarımı.

Kazanımlar: Genelleme kabiliyetinin dinamikleri anlaşılır; LLM’ler kurumsal problemlere uygulanır (özetleme, kod üretimi, analiz).

İşlenen Anahtarlar: Transfer/Meta-Learning; LLM Mimarileri; Prompt Engineering.

Modül 4: Güven ve Şeffaflık: XAI ve Temel MLOps Uygulamaları (Seviye: Başlangıç)

• Explainable AI (XAI): LIME, SHAP ile kararların yorumlanması.
• Temel MLOps Prensipleri: Git ve DVC ile kod/veri versiyonlama; Docker ile konteynerizasyon.
• Deney İzleme ve Model Yönetimi: MLflow ile deney/parametre/metrik takibi ve model yönetimi.

Kazanımlar: Güvenilir, şeffaf ve yönetilebilir sistemler; regüle sektörlerde risk yönetimi ve üretime geçiş disiplinleri.

İşlenen Anahtarlar: XAI; Temel MLOps.

Modül 5: Algının Bütünlüğü: Çok Modelli (Multimodal) Öğrenme Mimarileri (Seviye: Orta)

• Multimodal Mimari ve Teori: CLIP, Flamingo gibi modeller ve ortak latent uzay.
• Çapraz Dikkat (Cross-Attention): Modaliteler arası dikkat ve image captioning uygulamaları.
• Uygulamalı Proje: Hugging Face Transformers ile BLIP/VQA vb. görevler.

Kazanımlar: Metin-görüntü-ses bütünleşik algı; kurumsal multimodal senaryolara geçiş.

İşlenen Anahtarlar: Multimodal Öğrenme Mimarileri.

Modül 6: Adaptif Davranış: İleri Pekiştirmeli Öğrenme ve İnsan Geri Bildirimi (Seviye: Orta)

• Advanced RL: DQN, PPO ve yüksek boyutlu durum uzaylarında öğrenme.
• Model Uyumlandırma ve RLHF: İnsan geri bildiriminden ödül modeli eğitimi ve politika optimizasyonu.
• Seyrek Ödül Problemleri: Merak güdümlü keşif ve içsel motivasyon.

Kazanımlar: "Doğru" ve istenen davranışlar üreten sistemler; insan değerleriyle hizalı, güvenli çözümler.

İşlenen Anahtarlar: Advanced RL (DQN, PPO); RLHF.

Modül 7: Eyleme Geçen Zekâ: Aracı Sistemler ve Araç Kullanımı (Seviye: Orta)

• Agentic Systems Mimarisi: Düşünce-eylem döngüsü, görev ayrıştırma, planlama.
• Araç Kullanımı ve Function Calling: LangChain/LlamaIndex ile API, veritabanı, Python fonksiyon çağrıları.
• Uçtan Uca Prototipleme: Müşteri destek senaryosu üzerinden Python ile aracı sistem.

Kazanımlar: API’lar aracılığıyla süreç tetikleyen, otonom çok adımlı görevler tamamlayan sistemler.

İşlenen Anahtarlar: Agentic Systems; Tool Use.

Modül 8: Ölçek ve Gerçeklik: Dağıtık Eğitim ve Simülasyon Ortamları (Seviye: Orta)

• Dağıtık Eğitim Stratejileri: Data/Tensor/Pipeline paralelliği.
• Araçlar: PyTorch FSDP, DeepSpeed ile çoklu GPU eğitim.
• Simülasyon Ortamları: OpenAI Gym, Isaac Sim; sim-to-real zorlukları.

Kazanımlar: Endüstriyel ölçekte eğitim ve güvenli/tekrarlanabilir simülasyon tabanlı geliştirme.

İşlenen Anahtarlar: Dağıtık Eğitim; Simülasyonda AGI Modelleme.

Modül 9: Üretim Ortamı ve Güvenlik: İleri MLOps ve Tehdit Modellemesi (Seviye: Orta)

• Kubernetes ile Dağıtım: Docker konteynerleri, HA ve otomatik ölçeklenebilirlik.
• Kubeflow/Seldon Core: ML iş akışlarının orkestrasyonu.
• AGI Güvenliği ve Tehdit Modellemesi: OWASP Top 10 for LLM; prompt injection, veri sızıntısı, model zehirleme; DevSecOps entegrasyonu.

Kazanımlar: Kurumsal ölçekte güvenilir/izlenebilir/ölçeklenebilir üretim dağıtımı ve proaktif güvenlik.

İşlenen Anahtarlar: Kubernetes tabanlı MLOps; LLM Güvenliği.

Modül 10: Ufkun Ötesi: Dünya Modelleri, Nedensellik ve AGI Hizalama Problemi (Seviye: İleri)

• Dünya Modelleri ve Nedensel Çıkarım: İçsel çevre modelleme, planlama; korelasyon vs. nedensellik; Pearl’ün merdiveni.
• Nöro-Sembolik Yapay Zekâ: Derin öğrenme + sembolik mantık hibrit yaklaşımlar.
• AGI Hizalama ve Kontrol: Specification gaming, instrumental convergence; felsefi ve teknik riskler.
• Capstone Tartışması: Kurumsal bir probleme yönelik uçtan uca AGI mimarisi tasarımı ve sunumu.

Kazanımlar: Nedensellik, nöro-sembolik muhakeme ve hizalama konularında vizyon; etik ve güvenli teknoloji üretimi yaklaşımı.

İşlenen Anahtarlar: World Models; Causal Inference; Neuro-Symbolic AI; Alignment.