KURUMSAL EĞİTİM, GENERATİVE AI MODELLEME
İstatistiksel modellemenin temellerinden başlayarak VAE, GAN, Transformer ve Diffusion mimarilerini, Llama 3 ile LoRA fine-tuning'i ve vektör veritabanlarıyla RAG pipeline kurulumunu uçtan uca uzman seviyede öğrenin.
Eğitim Tanıtım Videosu
Eğitim kapsamında gerçekleştirilecek pratik laboratuvar uygulamaları, PyTorch ile mimari tasarım şemaları ve eğitim metodolojimiz hakkında detaylı bilgi almak için tanıtım videomuzu izleyin.
Üretken Yapay Zeka Mimarisi
VAE'nin gizli uzayından GAN'ların rekabetçi eğitimine, Transformer'ın dikkat mekanizmasından Diffusion modellerine kadar yapay zekanın en derin paradigma kırılması.
EĞİTİM SÜRESİ, FORMATLARI VE KURUM ODAKLI YAKLAŞIM
Eğitim programlarımız, kurumunuzun hedefleri, ekip olgunluğu ve proje ihtiyaçlarına göre farklı yoğunluk seviyelerinde esnek olarak tasarlanmaktadır. Aşağıdaki formatlardan ihtiyacınıza en uygun olanı seçebilir veya tamamen özelleştirilmiş bir program talep edebilirsiniz.
- 1 Gün: Stratejik Farkındalık Semineri
- 5 Gün: Standart Teknik Eğitim Programı
- 10 Gün: Yoğun Uygulamalı (Hands-on) Eğitim
- 15-20 Gün: İleri Seviye Workshop & Proje Geliştirme Programı
- Ders Süresi: 50 dakika
- Eğitim Saatleri: 10:00 - 17:00 (İhtiyaca göre özelleştirilebilir)
Eğitimler, öğrenme verimliliğini artıracak şekilde yapılandırılmıştır. Her oturum 50 dakika eğitim + 10 dakika mola şeklinde planlanır. Gün içerisinde 12:00 - 13:00 saatleri arasında öğle arası verilir. Bu yapı ile katılımcılar, günlük ortalama 6 saat odaklı eğitim alır. Örneğin 5 günlük bir program toplamda 30 saatlik yoğun bir öğrenme deneyimi sunar.
- 1 Günlük Seminer:
Karar vericiler ve teknik ekipler için tasarlanmış bu formatta, ilgili teknolojinin temel prensipleri, sektörel etkileri ve kuruma sağlayacağı stratejik katkılar ele alınır. Amaç; farkındalık oluşturmak ve doğru yatırım kararlarını desteklemektir.- 5 Günlük Standart Program:
Konular sistematik bir şekilde ele alınır, teorik altyapı güçlü şekilde oluşturulur ve gerçek dünya senaryoları ile desteklenir. Katılımcılar; mimari yaklaşımlar, araçlar, kod yapıları ve uygulama örnekleri ile kapsamlı bir bilgi seviyesine ulaşır.- 10 Günlük Yoğun Hands-on Program:
Uygulama odaklı bu programda katılımcılar aktif olarak kod yazar, sistem kurar ve senaryolar geliştirir. Gerçek projelere yakın simülasyonlar ile öğrenme pekiştirilir. Özellikle yeni ekip kuran veya mevcut ekibini hızla yetkinleştirmek isteyen kurumlar için idealdir.- 15-20 Günlük İleri Seviye Workshop:
Katılımcılar yalnızca öğrenmez, aynı zamanda üretir. Eğitmen rehberliğinde gerçek bir sistem veya mimari geliştirilir. Ödevler, teknik değerlendirmeler ve yoğun workshop’lar ile ekiplerin ilgili teknolojiye tam hakimiyeti sağlanır. Özellikle organizasyon içinde yeni bir teknoloji dönüşümü planlayan kurumlar için önerilir.
Eğitimlerimiz uzaktan, müşteri lokasyonunda veya hibrit formatta gerçekleştirilebilir. Katılımcılar online platformlar (Microsoft Teams veya Zoom) üzerinden erişim sağlayabilir; eğitim süresince ekran paylaşımı, canlı kodlama, interaktif soru-cevap ve iş birliği araçları aktif olarak kullanılır.
Kurum ve Katılımcı Odaklı Eğitim Yaklaşımı
Her eğitim programı, standart bir içerik sunumu değil; doğrudan kurumun hedeflerine, ekip yapısına ve mevcut olgunluk seviyesine göre tasarlanan özelleştirilmiş bir öğrenme deneyimidir. Bu yaklaşım, eğitimin yalnızca bilgi aktarımı değil, ölçülebilir çıktı üretmesi amacıyla kurgulanır.
Katılımcı Profiline Göre İçerik Kurgulama
-
Yeni işe alınmış ekipler:
- Amaç: Projelere hızlı adaptasyon
- İçerik: Temel kavramlar + kurum teknolojilerine hızlı geçiş
- Odak: Hands-on uygulamalar ve gerçek proje senaryoları
-
Teknik ekipler (Developer / Senior Developer):
- Amaç: Teknik derinlik ve üretkenlik artışı
- İçerik: Best practice, kod kalitesi, performans
- Odak: Uygulamalı geliştirme ve refactoring
-
Teknik mimar ekipler:
- Amaç: Doğru mimari ile teknoloji konumlandırma
- İçerik: Sistem tasarımı, scalability, distributed architecture
- Odak: Mimari kararlar ve gerçek dünya senaryoları
-
Yönetim ve karar verici katman:
- Amaç: Teknolojinin iş hedefleri ile hizalanması
- İçerik: Strateji, ROI, risk yönetimi
- Format: Seminer / Executive briefing
Sonuç
- Hemen uygulanabilir bilgi sağlanır
- Ekiplerin adaptasyon süresi kısaltılır
- Teknik ve yönetsel hizalanma oluşturulur
Sınıflandırmadan Üretime: Yapay Zekada Yeni Paradigma
"Bu model görüntünün içindeki nesneyi tanımlıyor" — bu bir sınıflandırma modelidir; ayırt edici, geriye dönük. "Bu model hiç görmediği bir yüzü fotoğraf kalitesinde üretebiliyor" — bu artık farklı bir kategoridir. Üretken Yapay Zeka, veriyi anlamakla kalmayıp verinin dağılımını öğrenerek yeni, gerçekçi ve tutarlı içerik yaratan sistemler bütünüdür.
VAE & GAN Mimarıları
PyTorch ile sıfırdan Autoencoder kodlama, gizli uzaydan yeni veri örnekleme ve DCGAN ile fotogerçekçi görüntü sentezleme.
Transformer & Diffusion
Öz-dikkat (self-attention) mekanizmasının matematiksel arka planı ve Latent Diffusion modelleriyle metinden görüntü sentezi.
Eğitim Hedefi
Bu eğitimin temel hedefi; katılımcılara Üretken Yapay Zeka ekosistemini — olasılıksal temellerden ileri mimari uygulamalara — derinlemesine kavratmak ve kurumsal yapay zeka ürün ve servisleri inşa edebilecek mühendislik yetkinliği kazandırmaktır.
Eğitim sonunda katılımcılar; generative ve discriminative model ayrımını matematiksel olarak kavrar, Variational Autoencoder mimarisini PyTorch ile kodlar, GAN eğitim dinamiklerini yönetir, Transformer self-attention mekanizmasını kavrar, Hugging Face Transformers pipeline ile metin üretimi gerçekleştirir, vektör veritabanı (ChromaDB/Pinecone) ile RAG pipeline kurar ve LoRA/QLoRA ile LLM'leri kurumsal veri setine fine-tune edebilir hale gelir.
Eğitim İçeriği
Üretken Yapay Zeka'ya Stratejik Giriş ve Olasılıksal Temeller
- Yapay Zeka Evriminin Panoraması: Discriminative model (p(y|x)) ile generative model (p(x,y)) arasındaki matematiksel fark.
- İstatistiksel Modelleme: Normal, Bernoulli dağılımları ve maksimum olabilirlik tahmini (MLE).
- Üretken Modellerin Taksonomisi: Autoregressive, VAE, Flow-based, GAN ve Diffusion modelleri karşılaştırması.
- Olasılıksal Çerçeve: Entropi, KL diverjans ve ELBO (Evidence Lower Bound) hesaplamaları.
Gizli Uzay (Latent Space) ve Autoencoder Mimarileri
- Gizli Uzay: Yüksek boyutlu verilerin düşük boyutlu manifold üzerinde yattığı varsayımı.
- Autoencoder (AE): Encoder-Decoder yapısı, PyTorch ile convolutional autoencoder kodlama.
- Variational Autoencoder (VAE): Gizli uzayı olasılıksal hale getirme ve reparameterization trick.
- Kayıp Fonksiyonları: ELBO loss (reconstruction + KL divergence) ile yeni veri sentezi.
Generative Adversarial Networks (GAN)
- Oyun Teorisi: Generator ve Discriminator arasındaki minimax oyunu ve Nash equilibrium.
- DCGAN Mimarisi: Strided convolution, batch normalization ve kararlı eğitim stratejileri.
- Eğitim Zorlukları: Mode collapse, vanishing gradient problemleri ve WGAN çözümü.
- Python Uygulaması: PyTorch ile sıfırdan DCGAN kodlama ve FID metrik ölçümü.
Metin Vektörleri ve Transformer Devrimi
- Word Embeddings: Word2Vec, GloVe ve subword tokenization (BPE, WordPiece).
- Transformer Anatomisi: Attention is All You Need, Self-Attention ve Multi-Head Attention mekanizmaları.
- Positional Encoding: Sıra bilgisinin sinüs/kosinüs fonksiyonlarıyla enjekte edilmesi.
- Mimari Karşılaştırmalar: Decoder-only (GPT), Encoder-only (BERT) ve Encoder-Decoder (T5) yapıları.
Büyük Dil Modelleri (LLM) ve Hugging Face
- LLM Pre-training: Causal language modeling, SFT (Supervised Fine-tuning) ve RLHF/DPO hizalama.
- Hugging Face Ekosistemi: Transformers kütüphanesi, pipeline API ve tokenizer yönetimi.
- Generation Parametreleri: Temperature, top-k, top-p, beam search ve repetition penalty.
- Prompt Engineering: Zero/few-shot, Chain-of-Thought (CoT), ReAct ve Structured Output (JSON) zorlandırma.
Diffusion Modelleri ve Görüntü Üretimi
- Diffusion Felsefesi: DDPM teorisi, forward process (gürültü ekleme) ve reverse process (UNet).
- Stable Diffusion: Latent uzayda diffusion ve CLIP text encoder ile koşullandırma.
- Yönlendirme Teknikleri: Classifier-Free Guidance (CFG), negatif prompt ve ControlNet entegrasyonu.
- Python diffusers: Pipeline optimizasyonu (fp16, xFormers), inpainting ve img2img uygulamaları.
RAG (Retrieval-Augmented Generation) Mimarisi
- Semantic Search: Sentence-transformers, cosine similarity ve dense/sparse retrieval karşılaştırması.
- Vektör Veritabanları: ChromaDB, Pinecone, FAISS ve HNSW indeksleme stratejileri.
- RAG Pipeline: Belge yükleme, chunking, embedding, retrieval ve LLM prompt augmentation.
- Advanced RAG: HyDE, parent-child chunking, cross-encoder reranking ve RAG değerlendirme metrikleri.
Model Özelleştirme (Fine-Tuning ve LoRA)
- Transfer Learning: Full fine-tuning ve catastrophic forgetting problemlerinin yönetimi.
- PEFT Mimarisi: LoRA (Low-Rank Adaptation) teorisi ve düşük ranklı adaptör matris eğitimi.
- QLoRA ve Quantization: NF4 quantization ve bitsandbytes ile bellek optimizasyonu.
- Python Uygulaması: Llama 3 / Mistral üzerinde SFTTrainer ile model eğitme ve adapter merge.
MLOps, Optimizasyon ve Servis Etme
- FastAPI Geliştirme: Asenkron AI endpoint tasarımı ve SSE ile streaming response.
- Çıkarım Optimizasyonu: vLLM ile continuous batching, PagedAttention ve TensorRT-LLM kullanımı.
- Deney Takibi: MLflow/wandb ile hyperparameter ve artifact loglama süreçleri.
- Konteynerleştirme: Docker multi-stage build ve Kubernetes ile LLM serving ölçekleme.
Multi-Modal Modeller ve Akıllı Ajanlar (Agents)
- Multi-Modal Yapay Zeka: CLIP, LLaVA, Whisper ve ImageBind ile metin, ses, görüntü entegrasyonu.
- AI Agent Mimarisi: LangChain, ReAct framework, AutoGen ve tool calling (fonksiyon kullanımı).
- Güvenlik ve Guardrails: NeMo Guardrails, prompt injection savunması ve PII maskeleme.
- Kapsamlı Final Projesi: Vektör DB destekli, LoRA optimize edilmiş, RAG tabanlı kurumsal ajan geliştirme.
Eğitim Yöntemi
- Kavramsal ve Matematiksel Temel: Sezgisel açıklama, matematiksel formülasyon (ELBO, Minimax, Q/K/V) ve ardından PyTorch implementasyon döngüsü.
- Hands-On Notebook Çalışmaları: VAE eğitimi, DCGAN loss izleme, RAG sorgu ve LoRA fine-tuning için gerçek model kodu yazımı (Colab/Kaggle GPU ortamlarında).
- Vizualizasyon ve Yorumlama: Gizli uzay görselleştirmesi, attention heatmap analizi, generation kalite metrikleri (FID, RAG faithfulness) ile model davranışlarını anlama.
- Mimari Tasarım Tartışmaları: "RAG mı yoksa fine-tuning mı?", "Hangi vektör veritabanı?" gibi trade-off'ların somut ölçütlerle değerlendirildiği mühendislik senaryoları.
- Vaka Analizi ve Final Projesi: Bankacılık, e-ticaret ve sağlık gibi sektörlere özgü senaryolar ve uçtan uca kurumsal yapay zeka ürünü geliştirme (Docker, FastAPI, LLM).
Hedef Kitle
Python Geliştiricileri
PyTorch temelleriyle generative modellere geçiş yapmak isteyen mühendisler.
Veri Bilimciler
Sentetik veri, anomaly detection ve LLM mimarilerinde uzmanlaşmak isteyenler.
Yazılım Mimarları
RAG, Agent ve MLOps süreçleriyle AI servisleri tasarlamak isteyen liderler.
Ürün ve Girişimciler
Generative AI ile kurumsal ürün stratejisi geliştiren karar vericiler.
Katılımcılardan Beklentilerimiz
- Python Yetkinliği: NumPy, Pandas kullanımı; nesne yönelimli programlama temelleri. PyTorch deneyimi faydalı ancak zorunlu değildir.
- Makine Öğrenmesi Temelleri: Gradient descent, overfitting/underfitting, aktivasyon fonksiyonları, kayıp metrikleri kavramlarına aşinalık.
- Lineer Cebir ve Olasılık: Matris çarpımı, olasılık dağılımları, varyans ve türev kavramlarına yönelik sezgisel bir anlayış.
- Donanım / Bulut Ortamı: Google Colab Pro, Kaggle Notebook veya yerel NVIDIA GPU (8GB+ VRAM önerilir) üzerinde kod çalıştırabilme imkanı.
- Mühendislik Merakı: "Model neden bu çıktıyı üretti?", "Mimariyi nasıl optimize ederim?" gibi derinlikli sorular sorma isteği.
Bu bölüm, RAG (Retrieval-Augmented Generation) mimarisi ve parametre verimli LLM ince ayarı (PEFT/LoRA) için bağımsız bilgi modüllerini ve örnek kod taslaklarını içerir.
LangChain ile Semantic Search ve Retrieval
Kurumsal belgelerin (PDF) yüklenmesi, recursive character tekniği ile chunk'lanması, embedding'lerinin çıkartılarak Chroma vektör veritabanına kaydedilmesi ve LLM zincirinde kullanılması.
from langchain_community.document_loaders import PyPDFLoader
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.vectorstores import Chroma
from langchain_community.embeddings import HuggingFaceEmbeddings
from langchain.chains import RetrievalQA
from langchain_community.llms import HuggingFacePipeline
# 1. Belge yükleme ve chunking
loader = PyPDFLoader("kurumsal-politika.pdf")
docs = loader.load()
splitter = RecursiveCharacterTextSplitter(chunk_size=512, chunk_overlap=64)
chunks = splitter.split_documents(docs)
# 2. Embedding ve vektör veritabanı
embeddings = HuggingFaceEmbeddings(model_name="BAAI/bge-m3")
vectordb = Chroma.from_documents(chunks, embeddings, persist_directory="./chroma_db")
# 3. Retriever + LLM + RAG chain
retriever = vectordb.as_retriever(search_kwargs={"k": 4})
qa_chain = RetrievalQA.from_chain_type(
llm=HuggingFacePipeline.from_model_id(
model_id="mistralai/Mistral-7B-Instruct-v0.3",
task="text-generation",
pipeline_kwargs={"max_new_tokens": 512, "temperature": 0.1}
),
retriever=retriever,
return_source_documents=True
)
result = qa_chain.invoke("Uzaktan çalışma politikamız ne diyor?")
print(result["result"])Hugging Face PEFT ve QLoRA Konfigürasyonu
Büyük bir dil modelini (Llama 3, Mistral) 4-bit quantization ile belleğe yükleyip, sadece hedef modüllerde düşük ranklı (r=16) adaptörler kullanarak maliyet-etkin bir şekilde eğitme konfigürasyonu.
from transformers import AutoModelForCausalLM, BitsAndBytesConfig
from peft import LoraConfig, get_peft_model, TaskType
# 4-bit quantization config (QLoRA)
bnb_config = BitsAndBytesConfig(
load_in_4bit=True,
bnb_4bit_quant_type="nf4",
bnb_4bit_compute_dtype="bfloat16",
bnb_4bit_use_double_quant=True,
)
model = AutoModelForCausalLM.from_pretrained(
"meta-llama/Meta-Llama-3-8B",
quantization_config=bnb_config,
device_map="auto"
)
# LoRA adapter konfigürasyonu
lora_config = LoraConfig(
r=16, # Rank: adaptör boyutu
lora_alpha=32, # Scaling faktörü
target_modules=["q_proj", "v_proj", "k_proj", "o_proj"],
lora_dropout=0.05,
bias="none",
task_type=TaskType.CAUSAL_LM
)
model = get_peft_model(model, lora_config)
model.print_trainable_parameters()
# Trainable params: 6,553,600 || All params: 8,036,909,056 || Trainable%: 0.0816Aradığınız Eğitimi Bulduğunuzu Düşünüyorsanız!
Kurumsal eğitim programlarımız, sektörün en güncel ve kritik teknoloji trendlerinde yetkinlik kazanmanız amacıyla lider seviyede yapılandırıldı. Küresel 1-10 değerlendirme sistemlerinde 9.5 ve üzeri memnuniyet puanı alan eğitim içeriklerimiz, ekibinize pratik yetkinlik kazandırmak için tasarlandı.
25 yılı aşkın eğitim sektörü birikimimizi, küresel savunma sanayii ve kurumsal DevOps/Siber Güvenlik danışmanlığı tecrübelerimizle harmanlıyoruz. Ekiplerinizin ihtiyaç duyduğu pratik becerileri, tamamen kuruma özel özgün laboratuvar senaryolarıyla destekleyerek sunuyoruz.
Eğitimin ardından tüm katılımcılara özel GitHub depoları üzerinden hazır çalışma ortamları (labs) ve hayat boyu erişebilecekleri dokümantasyon kütüphanesi açılmaktadır. Kurumsal hedeflerinizi uzmanlığımızla gerçeğe dönüştürün.
Eksiksiz Eğitim Kataloğu
Hands-on Kurumsal Eğitim, Workshop ve Turquality Programları
Tüm eğitimlerimiz, 35 yıllık mühendislik deneyiminin süzgecinden geçmiş, tamamen gerçek dünya senaryolarına (Case Study) dayalı ve hands-on (uygulamalı) olarak sunulmaktadır. Materyaller Git üzerinden dinamik olarak paylaşılır ve katılımcı ihtiyaçlarına göre özelleştirilmiş danışmanlık katmanı içerir.
Yapay Zeka, Üretken AI ve AGI Stratejileri
Genel Yapay Zeka (AGI) vizyonundan otonom ajan mimarilerine, kurumsal RAG ve Fine-Tuning stratejilerinden açıklanabilir AI standartlarına uzanan derinlemesine programlar.
DevOps, Kubernetes ve Platform Otomasyonu
Cloud-native altyapıların kurulumu, orkestrasyonu ve yönetiminde endüstriyel standartlar (NIST, CNCF) ile yüksek erişilebilirlik çözümleri.
Siber Güvenlik, DevSecOps ve Defansif Teknolojiler
Yazılım yaşam döngüsünün her aşamasında güvenlik (Security by Design), siber farkındalık ve kurumsal SOC operasyonları uzmanlığı.
Blockchain, Web3 ve Akıllı Sözleşme Geliştirme
Merkeziyetsiz internet (Web3) ekosisteminde; DAO yapıları, NFT mülkiyeti ve Solidity ile güvenli kontrat geliştirme uzmanlığı.
Yazılım Mimarisi, Big Data ve Veri Yönetimi
Event-driven sistemler, mikroservis modernizasyonu ve yüksek trafikli projelerin mimari tasarımı ve optimizasyonu.
Mikroservis Yazılım Üretimi ve Programlama Dilleri
Çok dilli (Polyglot) geliştirme ortamlarında mikroservis tasarımı, asenkron programlama ve temiz kod standartları.
Proje Yönetimi, Agile ve SAFe Metodolojileri
Kurumsal çevikliğin (Business Agility) sağlanmasında; Scrum, Kanban ve SAFe framework'lerinin uygulanması ve PMP standartları.
Teknik Workshop ve Derin Dalış (Deep Dive) Seansları
Spesifik mühendislik problemlerine odaklanan, kısa süreli ancak yoğun uygulama içeren laboratuvar çalışmaları.
Turquality ve Kurumsal Gelişim Programları
Globalleşen kurumlar için Turquality standartlarında teknoloji modernizasyonu, dijital dönüşüm ve stratejik yönetim eğitimleri.
Tüm Workshoplar Sizin İçin Özel Hazırlananan Kurumsal Workshoplarımız
Workshoplar konuların 360 derece açıdan ele alındığı, konuların derinlemesine işlendiği, handsonlar ile katılımcıların birlikte çalışma fırsatı bulduğu en kapsamlı eğitim formatımızdır.
Tüm Seminerlerimiz Sizin İçin Özel Hazırlananan Kurumsal Seminerlerimiz
Tüm seminerlerimiz sizin senaryolarınız ve ihtiyaçlarınız için size özel hazırlanır. Katılımcı profiline uygun özel örnekler ve katılımı teşvik edecek özel içerikler ile zenginleştirilir.