Bu kurs hakkında
Bu eğitim, Python bilgisine sahip ancak büyük dil modelleri (LLMs) konusunda deneyimi olmayanlar içintasarlanmıştır. Katılımcılar, LLM’lerin nasıl çalıştığını, nasıl entegre edilebileceğini ve etkili bir şekilde nasıl kullanılacağını pratik uygulamalar ile öğreneceklerdir.
Kimler İçin Uygundur?
* Python bilgisine sahip olup LLM’leri öğrenmek isteyenler
* AI tabanlı çözümler geliştirmek isteyen yazılım geliştiriciler
* İş süreçlerine LLM’leri entegre etmek isteyen girişimciler ve analistler
* Büyük dil modellerinin potansiyelini keşfetmek isteyen teknoloji meraklıları
Eğitim İçeriği
📌 Büyük Dil Modellerine Giriş
* LLM’ler nedir ve nasıl çalışır?
* Tarihçesi, kullanım alanları ve avantajları
* Tokenization, embedding ve transformer modelleri
* 🛠 Uygulama: OpenAI API ve Hugging Face kullanarak metin üretimi
📌 Prompt Engineering Temelleri
* Prompt mühendisliği nedir ve nasıl etkili kullanılır?
* Zero-shot, one-shot, few-shot öğrenme stratejileri
* Chain of Thought (CoT) prompting ve özel talimatlarla model yönlendirme
* 🛠 Uygulama: Farklı prompt teknikleriyle LLM çıktılarının optimizasyonu
📌 LLM Entegrasyonu ve Sistem Tasarımı
* LLM’leri API ve yerel sistemlerle entegre etme
* Chatbot, veri çıkarımı ve otomasyon senaryoları
* Python ile yapay zeka destekli uygulama geliştirme
* 🛠 Uygulama: Python tabanlı bir AI asistanı oluşturma
📌 Retrieval-Augmented Generation (RAG) ve İleri Konular
* RAG nedir ve neden gereklidir?
* FAISS, Chroma gibi vektör veri tabanları ile embedding kullanımı
* Harici bilgi kaynaklarını sorgulama ve LLM ile entegre etme
* 🛠 Uygulama: Döküman tabanlı sorgulama ve yanıt oluşturma sistemi geliştirme
Eğitim Sonucu: Tam Fonksiyonel LLM Destekli Proje
Bu eğitimde, her oturumda yapılan pratik çalışmalar eğitimin sonunda tam fonksiyonel bir projeye dönüşecektir.Katılımcılar, öğrendikleri teknikleri bir araya getirerek LLM tabanlı bir uygulama geliştirmiş olarak mezun olacaklardır.
Eğitim Sonunda Kazanılacak Beceriler
✔ LLM’lerin nasıl çalıştığını anlama ve uygulama
✔ Yapay zeka destekli metin üretimi ve otomasyon süreçlerini öğrenme
✔ API ve yerel entegrasyonlarla LLM tabanlı çözümler geliştirme
✔ Prompt mühendisliği ve vektör veri tabanı entegrasyonu gibi ileri teknikleri kullanma
✔ Tamamlanmış bir LLM destekli proje ile eğitimi tamamlama
