Kurumsal yazılıma yapay zekâ entegrasyonu

Eğitime genel bakış

Bir dil modelini demoda çalıştırmak kolaydır; ürünün içinde, gerçek kullanıcılarla, ölçülebilir ve güvenli çalıştırmak ayrı bir iştir. Bu eğitimde bir LLM API’sini uygulamaya bağlıyor, modele kendi araçlarınızı çağırtıyor, cevapları kendi verinize dayandırıyor ve kaliteyi otomatik değerlendirmeyle ölçüyoruz. Kişisel verinin ve ticari sırrın modele nasıl gittiği konusu her oturumun parçası.

Kurs içeriği

1. Dil modelleri

• Model nasıl cevap üretir: token ve bağlam penceresi
• Model seçimi: yetenek, gecikme, maliyet
• Modelin bilmediği: güncellik ve sizin veriniz

2. API kullanımı

• Mesajlar ve sistem talimatı
• Akış (streaming)
• Prompt önbelleği
• Hata ve oran sınırı yönetimi

3. Talimat yazımı

• Net görev tanımı ve örnekler
• Yapılandırılmış çıktı: JSON şeması
• Talimatları sürümlemek

4. Araç çağırma

• Araç tanımı ve şeması
• Çok adımlı araç döngüsü
• Araç yetkilerini sınırlamak

5. Kendi verinizle cevap (RAG)

• Belgeyi parçalamak
• Gömme (embedding) ve vektör arama
• Hibrit arama ve yeniden sıralama
• Kaynak gösterme
• Uygulama: şirket belgelerinden kaynaklı cevap

6. Değerlendirme

• Test seti oluşturmak
• Otomatik puanlama ve model ile değerlendirme
• Gerileme takibi

7. Güvenlik

• Prompt injection
• Dış içeriği veri olarak ele almak
• Çıktı doğrulama

8. Veri koruma

• Modele ne gider, nerede işlenir
• Kişisel veri ve KVKK açısından yurt dışı aktarım
• Maskeleme ve veri saklama ayarları

9. Maliyet ve performans

• Token maliyetini ölçmek
• Küçük model ve önbellek
• Gecikme izleme

10. Ajan akışları

• Ajan ne zaman faydalı, ne zaman fazla
• İnsan onayı ve geri alınabilirlik
• MCP ile araç sunmak
• Uygulama: asistana değerlendirme seti ve koruma katmanı

Program akışı

Her modül yaklaşık 4 saat, yani yarım gün sürer; toplam 40 saat.

• 1. gün: modül 1 ve 2
• 2. gün: modül 3 ve 4
• 3. gün: modül 5 ve 6
• 4. gün: modül 7 ve 8
• 5. gün: modül 9 ve 10

Ön koşullar

• Bir programlama dilinde (C#, TypeScript ya da Python) deneyim
• HTTP API’leri ile çalışmış olmak
• Makine öğrenmesi bilgisi gerekmez

Eğitim formatı

• Yerinde ya da uzaktan: ofisinizde veya canlı sanal oturumlarla.
• Uygulamalı: her gün, o günün konusunu çalışan bir örnek üzerinde uyguladığınız lab oturumlarıyla biter.
• Lab ortamı: katılımcılara önceden hazırlanmış bir çalışma ortamı ve örnek kod deposu verilir.
• Ekibinize göre: içerik ve örnekler, eğitimden önce yaptığımız kısa bir görüşmeyle ekibinizin kullandığı teknolojilere uyarlanır.
• Materyaller: sunumlar, lab yönergeleri ve referans kod eğitimden sonra da sizde kalır.