Kurs İçeriği:
- Ücret: 30.000 TL
- Eğitmen: Belirtilmemiş
- Süre 3-6 AY
- Dil: Türkçe
- Sertifika: Evet
Bu derste, büyük dil modelleriyle (LLM) çalışan otonom yazılım ajanlarının (agents) nasıl geliştirileceği ve bu ajanların harici araçlarla (tools) nasıl entegre çalıştığı ele alınacaktır. LangChain gibi framework'ler üzerinden agent mimarileri incelenecek, kullanıcıdan gelen karmaşık doğal dil komutlarının parçalanması ve uygun araçların seçilerek otomatik yürütülmesi uygulamalı olarak öğretilecektir. Ders sonunda her katılımcının, farklı görevleri çözmek üzere araçları doğru sırayla çalıştırabilen fonksiyonel bir agentic AI sistemi oluşturması beklenmektedir.
Ders İçerikleri
- Üretken yapay zekâ kavramı
- LLM’ler nedir, nerede kullanılır?
- GenAI ile çözüm alanları ve örnekler
- ChatGPT, Huggingface ile temel kullanım
- AI, ML, DL, NLP kavramları ve farkları
- Denetimli / denetimsiz / takviyeli öğrenme
- NLP tarihi ve embedding kavramı
- SentenceTransformer uygulamaları
- GPT-1’den GPT-4’e mimari farklar
- T5, PaLM, Claude gibi modeller
- Benchmark sistemleri (MMLU, GSM8K, HellaSwag)
- Model kıyaslama ve çıktı analizi
- Prompt çeşitleri: zero-shot, few-shot, CoT
- İyi/kötü prompt örnekleri
- Yapısal prompt çıktıları (JSON, tablo)
- Uygulamalı prompt testleri ve revizyon
- Transformer genel yapısı
- Attention türleri (scaled dot-product)
- Positional encoding detayları
- Kod analizi ve görsel şema
- Encoder, decoder, encoder-decoder farkları
- GPT ve BERT mimari karşılaştırması
- T5, BART gibi karma yapılar
- Senaryo bazlı model seçimi
- Parametre boyutları ve veri seti etkisi
- Model lisans türleri ve kullanım hakları
- Senaryoya göre uygun model seçimi
- Compute vs accuracy dengesi
- Model Hub, Tokenizer, Dataset API
- Trainer API ile küçük eğitim
- Inference görevleri: özetleme, QA, duygu analizi
- Sampling parametreleri (top_k, temp)
- Model mimarisi, lisans türleri
- Topluluk, GitHub, model kartları
- Model karşılaştırma tablosu
- HF üzerinde çıktı testi
- Gradio: Interface & Blocks kullanımı
- Streamlit ile sayfa düzeni
- Demo arayüzler (özetleme, QA)
- Karşılaştırma analizi
- LangChain temelleri: chain, tool, memory
- Belge tabanlı QA (SimpleDirectoryReader)
- AgentExecutor & Tool ile görev planlama
- RAG sistemlerinin genişletilmesi (API, belge, tool)
- Memory tipleri (buffer, summary, entity)
- Çok turlu konuşma yönetimi
- Final proje: QA, agent, Gradio birleşimi
- Sunum, değerlendirme ve çıktı analizi
