AI Mühendisliği

44 program

AI Mühendisliği Eğitimleri: LLM, RAG, Agent ve Production Sistemleri

GPT, Claude ve Llama tabanlı LLM uygulamalarını, agent sistemlerini ve production-ready AI altyapısını sıfırdan üretime kadar kurmayı öğretir.

RAG, fine-tuning, LLMOps, multi-agent orchestration, observability, evaluation — Türkiye'nin en kapsamlı derin teknik AI program kataloğu.

Programları gör Kurumsal program talep et

44

Program

3gün

Ort. süre

3

Seviye

4

Alt başlık

ÖZET (TL;DR)

Tek cümlelik cevapAI Mühendisliği eğitimleri — LLM, RAG, agent ve LLMOps konularında derin teknik, production-ready 35+ kurumsal program ile geliştiricilere üretim-hazır AI sistemleri kurmayı öğretir.

LLM Geliştirme & Özelleştirme: fine-tuning, PEFT/LoRA, RLHF/DPO, quantization, reasoning modelleri ve continued pretraining
RAG & Retrieval: vektör veritabanları, embedding modelleri, hybrid search, reranker optimizasyonu, GraphRAG
Agent Sistemleri: tool-use, planning, memory, multi-agent orchestration (LangGraph, CrewAI, MCP, Browser Agent)
LLMOps & Production: observability (Langfuse/Phoenix), evaluation harness, self-hosting (vLLM/Ollama), context engineering, FastAPI

Neler kazanırsınız

Bu kategori neden öne çıkar

Production-Ready Kod Lab'ları

Slayt değil; her modül çalışan Python repo'su, test paketi ve deployment manifest'i ile birlikte teslim edilir.

Self-Hosted + Bulut Deployment

vLLM, Ollama, Triton ile on-premise; AWS Bedrock, Azure OpenAI, GCP Vertex ile bulut — ikisini de karşılaştırmalı uygularız.

GPT / Claude / Llama Karşılaştırma

Her use-case için yetenek, maliyet ve veri politikası bazında karşılaştırmalı seçim matrisi öğretilir.

Güvenlik + Evaluation Pipeline

Llama Guard + Garak + PyRIT ile saldırı simülasyonu, LLM-as-judge + golden set ile sürekli evaluation pipeline.

LLMOps + Observability Stack

Langfuse, Phoenix, Helicone, Weave, Braintrust, LangSmith — vendor-agnostic tracing + cost + drift monitoring.

Cost & Latency Optimizasyonu

Prompt caching, batch inference, quantization (GPTQ/AWQ/FP8) ile %70'e varan token maliyeti düşüşü senaryoları.

Katalog

RAG & Retrieval

6 / 44 program listeleniyor

Tümü44 LLM Geliştirme & Özelleştirme RAG & Retrieval Agent Sistemleri LLMOps & Production

Süreç nasıl işliyor

Değerlendirmeden üretime — AI Mühendisliği teslimat süreci

1
1. Maturity Değerlendirmesi
Ekip seviyesi, mevcut altyapı, hedef use-case'ler ve veri politikası tespit edilir; doğru program kombinasyonu önerilir.
→
2
2. Müfredat Tasarımı
İhtiyaç + use-case eşleştirme: hangi alt-grup (LLM Geliştirme / RAG / Agents / LLMOps) hangi sırayla teslim edilecek.
→
3
3. Hands-On Lab + Kendi Verinizde Proje
Eğitim sırasında şirket verinizde (anonimleştirilmiş) gerçek bir use-case'i baştan sona inşa edersiniz.
→
4
4. Production Deploy + Post-Training Mentorluk
Eğitim sonrası 2 ay async mentorluk: production deploy, observability stack kurulumu, ilk regresyon test pipeline'ı.

Gerçek dünya örnekleri

Bu programlarla çözülen vakalar

Kurumsal LLM Chatbot (Bankacılık)

banking

BDDK-uyumlu, audit trail'li, prompt injection guardrails'li ve loglanmış müşteri-yüzlü chatbot.

Doküman RAG Sistemi (Hukuk / Sigortacılık)

legal

Sözleşme + poliçe + mevzuat üzerinde hybrid search + reranker + citation ile cevaplama sistemi.

Multi-Agent Operations Bot (Lojistik)

logistics

Sevkiyat planlama + rota optimizasyonu + müşteri bildirimi yapan supervised multi-agent orchestrator.

Self-Hosted Türkçe LLM (Kamu / Sağlık)

public

Veri yurtdışına çıkmadan Llama/DeepSeek tabanlı Türkçe LLM fine-tuning + vLLM deployment.

Sıkça Sorulan Sorular

AI Mühendisliği hakkında merak edilenler

AI Mühendisliği eğitimlerine kimler katılmalı?

Backend / full-stack geliştiriciler, veri ve ML mühendisleri, platform/SRE ekipleri ve LLM uygulaması production'a alacak teknik liderler için tasarlanmıştır. Intermediate Python + REST API + async deneyimi beklenir. Beginner seviye program da mevcuttur (yapay zekaya giriş + kurumsal prompt engineering).

Hangi LLM model ve framework'lerine odaklanılıyor?

Model-agnostiktir: GPT-4o, Claude Sonnet/Opus, Llama 3.x, Mistral, DeepSeek R1 üzerinde karşılaştırmalı çalışılır. Framework olarak LangChain/LangGraph, CrewAI, Claude Agent SDK, LlamaIndex, FastAPI, vLLM, Ollama, Pinecone/Qdrant/Weaviate/pgvector, Langfuse/Phoenix/Helicone öğretilir.

Production deployment, observability ve evaluation ne kadar kapsamlı işleniyor?

Tam bir LLMOps stack'i: tracing (Langfuse, Phoenix, LangSmith), metrics (latency, cost, hallucination, drift), guardrails (Llama Guard, Garak, PyRIT), evaluation (golden set + LLM-as-judge + regression pipeline), inference serving (vLLM continuous batching, speculative decoding) ve quantization (GPTQ/AWQ/EXL2/GGUF/FP8) ayrı modüller olarak işlenir.

Self-hosted ve on-premise LLM senaryolarına ne kadar yer veriliyor?

Veri yurtdışına çıkamaz politikası olan kurumlar için kritik. Ollama + vLLM on-premise deployment, open source LLM (Llama, Mistral, DeepSeek, Türkçe LLM'ler) seçimi, kapasite planlama, GPU/TPU sizing, Triton/Dynamo inference layer ve PagedAttention internals dahil — Self-Hosted AI Sistemleri + vLLM Internals + Continued Pretraining ayrı 3 program.

Eğitimler bireysel mi yoksa kurumsal mı?

Tamamı her iki formatta sunulur. Kurumsal teslimatlarda şirketinizin kendi verisi üzerinde lab, NDA, on-site/hibrit teslimat, eğitim sonrası 2 ay mentorluk standarttır. Bireysel katılımcılar halka açık kohortlara katılabilir.

Diğer kategoriler