Kapanış Projesi: Sektörel Asistan Tasarla, Eval'le, Dağıt

Name: Kapanış Projesi: Sektörel Asistan Tasarla, Eval'le, Dağıt
Author: Şükrü Yusuf KAYA

Eğitim boyunca öğrendiğin her şeyi kullanarak: kendi sektöründe çözeceğin gerçek bir problem için uçtan uca bir LLM asistanı tasarla.

Şükrü Yusuf KAYA

25 dakikalık okuma

11.05.2026

İleri

Final Proje: Uçtan Uca Sektörel Asistan

🎉 Tebrikler! Buraya geldiysen, eğitimin %95'ini tamamladın.

Şimdi hepsini birleştirelim: kendi sektörün için gerçek bir problem seç ve production-grade bir LLM asistanı tasarla.

Proje Gereksinimleri#

Projen şunları mutlaka içermeli:

Problem tanımı (1 sayfa) — sektör, kullanıcı, ROI tahmini
System prompt (CLEAR-T çerçevesiyle, 200-500 kelime)
Few-shot örnekleri (en az 3-5)
Tool / Function calling (en az 2 fonksiyon)
Structured output (Pydantic / Zod schema)
Eval set (en az 30 örnek, etiketli)
Eval pipeline (Promptfoo veya custom Python)
Guardrails (input filter + output validator)
Observability (en az logging + 3 metric)
README (deployment + maintenance dokümantasyonu)

Önerilen Proje Fikirleri#

Yazılım#

AI Code Reviewer (GitHub Action)
Test Generator
Migration Helper
Documentation Generator

Pazarlama#

SEO Content Brief Generator
Brand-locked Copy Engine
Reklam A/B Generator

E-Ticaret#

Multilingual Product Descriptions
Personalized Recommendation Engine
Customer Review Analyzer

Finans#

Annual Report Summarizer
Risk Score Calculator
KAP Announcement Analyzer

Hukuk#

Contract Risk Analyzer
Legal Q&A (RAG with Türk mevzuatı)
NDA Drafting Assistant

Eğitim / Sağlık / İK#

Adaptive Tutor
Patient Information Generator
CV Bias-Aware Screener

Proje Aşamaları#

Proje Teslim Formatı#

GitHub repo'su yeterli:

text

final-project/
├── README.md              ← Demo screenshots + docs
├── docs/
│   ├── problem.md         ← 1 sayfa problem definition
│   ├── architecture.md    ← Sistem diyagramı
│   └── eval-results.md    ← Final metrics
├── prompts/
│   ├── system.md
│   ├── few-shot.json
│   └── tools.json
├── src/
│   ├── main.py            ← Ana giriş
│   ├── tools.py           ← Tool implementasyonları
│   ├── schemas.py         ← Pydantic models
│   └── observability.py   ← Logging
├── evals/
│   ├── golden-set.jsonl   ← Test data
│   └── run.py             ← Eval pipeline
├── tests/
│   └── test_*.py
├── .env.example
└── requirements.txt

Final proje repo yapısı

Değerlendirme Kriterleri#

text

RUBRIC (100 puan):
- Problem tanımı + iş değeri (10)
- System prompt kalitesi + CLEAR-T (15)
- Tool/schema tasarımı (15)
- Eval set kapsamı + kalite (15)
- Eval pipeline + skoru ≥ %80 (15)
- Guardrails (input + output) (10)
- Observability (logging + metric) (10)
- Dokümantasyon kalitesi (10)
 
Bonus (+20):
- RAG entegrasyonu (+5)
- Multi-vendor failover (+5)
- A/B test setup (+5)
- Production deploy + demo URL (+5)
 
Sertifika için minimum: 70 puan + final sınavdan %70+

Proje değerlendirme rubric'i

İpucu: Mükemmel olmaya çalışma — çalışan + test edilmiş olmaya çalış. 30 örnek eval'de %85 skor, 5 örnek eval'de %100'den çok daha kıymetli. Honesty over perfection.

Yorumlar & Soru-Cevap

(0)

Yorum yazmak için giriş yap.

Yorumlar yükleniyor...

İlgili İçerikler

1. Temeller — Yapay Zekâ ve LLM'lere Giriş