Uygulamalı Generative AI, LLM, LangChain, LangGraph, RAG Eğitimi
Bu eğitim, Üretken Yapay Zeka (Generative AI) ve Büyük Dil Modellerini (Large Language Models – LLM) kullanarak yenilikçi uygulamalar geliştirmek isteyen profesyoneller ve öğrenciler tasarlanmıştır. Kurs, LLM’lerin API’ler, veri kaynakları ve iş akışlarıyla entegrasyonunu öğretirken, RAG yapıları gibi gerçek dünya senaryolarında modellerin nasıl tasarlanıp dağıtılacağına odaklanır. %10 teori, %90 uygulama odaklıdır. LangChain ve LangGraph 1.x sürümü kullanılır.
Teknik derinlik ile pratik uygulamaları birleştiren bu eğitim, farklı uzmanlık seviyelerindeki katılımcılara hitap eder:
Geliştiriciler (Developers)
Veri Bilimcileri (Data Scientists)
AI/ML Mühendisleri (AI/ML Engineers)
Teknik Kurucular ve CTO’lar (Technical Founders & CTOs)
Öğrenciler (Students)
LLM Araştırmacıları (LLM Researchers)
Bu eğitim, katılımcılara teorik bilgiden uygulamalı becerilere geçiş yapma fırsatı sunarken, LangChain ve LangGraph gücüyle LLM tabanlı yenilikçi çözümler geliştirme konusunda kendilerine güven kazandırır. İster bir sohbet robotu (Chatbot), ister otomatik bir iş akışı (Workflow Automation) veya veri odaklı bir asistan (Data-Driven Assistant) oluşturmak isteyin, bu kurs size gerekli araçları ve rehberliği sağlar.
Bireysel başvuru için buraya tıklayınız. Eğitim, kurum ve şirketlere yöneliktir. Ortalama grup büyüklüğü 10-12 civarındadır.
Daha fazla bilgi ve eğitim talepleri için; satis@veribilimiokulu.com e-posta adresinden veya +90 212 231 30 01 numaralı telefondan bize ulaşabilirsiniz.
- Eğitim Süresi: 4 gün
- Eğitim Şekli: Online Canlı veya yüz yüze
Temel programlama bilgisi
Python programlama bilgisi
Docker çalışan bir bilgisayar (son gün için)
İnternet bağlantısı
1. Gün: Üretken Yapay Zeka (Generative AI) ve Büyük Dil Modellerine (Large Language Models – LLM) ve LangChain Giriş
Üretken Yapay Zeka Nedir? (Generative AI)
- Geleneksel Yapay Zeka (Traditional AI) ile Üretken Yapay Zeka (Generative AI) arasındaki farklar
Büyük Dil Modellerini Anlamak (Large Language Models – LLM)
- Büyük Dil Modelleri (LLM) nasıl çalışır? (Transformatör Mimarisi – Transformer Architecture)
- Popüler modellere genel bakış: GPT, Claude, Gemini vb.
- Büyük Dil Modellerinin (LLM) güçlü ve zayıf yönleri
LangChain’e Giriş
- LangChain nedir ve neden kullanılır?
- Temel yapı taşları:
- Agents
- ChatModels
- Message
- Tool
- Short-Term Memory
- Streaming
- Structured Output
- Middleware
- Guardrails
- Runtime
- Context Engineering
- Model Context Protocol (MCP)
- Longterm Memory
Ortam Kurulumu
- Python uv
- Gerekli kütüphaneleri kurma: LangChain, Gemini, Transformers vb.
- Google Gemini veya Hugging Face için API anahtarlarını edinme
2. Gün: LangChain ile RAG Uygulaması Geliştirmek
Büyük Dil Modellerini (LLM) Harici Verilere Bağlama
- Belge Yükleyiciler (Document Loaders): PDF’ler, CSV’ler ve diğer formatları okuma
- Splitters, Chunking
- SQL veri tabanına bağlanma
Vector Databases
- Chroma, Qdrant
LangChain ve Embeddings
- Embeddings nedir ve neden önemlidir?
- Benzerlik araması için Embeddings oluşturma ve kullanma
Retrive
- Vector veri tabanında arama
- Retrieval
3. Gün: LangGraph ile Multi-Agent Uygulama Geliştirmek
LangGraph Mantığıyla Düşünmek
- LangGraph temel bileşenleri (Node, Edge, Graph, State, Persistent Memory)
- Basit bir merhaba dünya ağı oluşturma
Uygulama Algoritmasını Oluşturmak
LangGraph ile Örnek Bir Kurumsal Müşteri İlişkileri Asistanı Geliştirmek
4. Gün: Uçtan Uca Bir Uygulama Geliştirmek
- Streamlit
- FastAPI
- LangChain
- LangGraph
- Postgresql
- Qdrant Verctor DB
Eğitimlerle ilgili bilgi almak ve diğer tüm sorularınız için bize ulaşın!
