Yapay Zeka Eğitimi
Yapay Zeka Eğitimi, yapay zekanın temellerinden ileri düzey konulara uzanan kapsamlı bir içerik sunar. Makine ve derin öğrenme, modern mimariler, büyük dil modelleri, RAG, MultiAgent sistemler ve Generative AI gibi başlıkların yanı sıra veri güvenliği, etik ve MLOps da teorik ve pratik yönleriyle ele alınır.
Grup projeleri ve vaka incelemeleri sayesinde katılımcılar, yapay zeka projelerini baştan sona yönetme becerileri kazanır ve sektörde rekabetçi çözümler üretebilecek uzmanlar olarak yetişir.
| Eğitim Süresi | 60 Saat |
|---|---|
| Eğitim Ortamı | Online |
-
1. Python Programlamaya Giriş ve Temel Bilgiler4Konu ·
-
Program Tanıtımı, Hedefler ve BeklentilerYeni
-
Python Nedir ve Neden Önemlidir?Yeni
-
Yapay Zeka Temelleri (Kavramlar, Alt Alanlar, Makine Öğrenmesi, Derin Öğrenme vb.)Yeni
-
Geliştirme Ortamı KurulumuYeni
-
-
2. Makine Öğrenmesi ve Uygulamaları7Konu ·
-
Python Temel SözdizimiYeni
-
Sektörde Kullanılan Araçlar, Çerçeveler (Framework) ve Temel KurulumYeni
-
- Değişkenler, Veri Tipleri (Listeler, Tuple'lar, Sözlükler)Yeni
-
Makine Öğrenmesi Temelleri ve Sektör ÖrnekleriYeni
-
- Koşullu İfadeler ve DöngülerYeni
-
Basit Bir Veri Seti Üzerinde ML Uygulaması (scikit-learn veya Benzeri)Yeni
-
- Fonksiyonlar ve ModüllerYeni
-
-
3. Derin Öğrenme ve Büyük Dil Modelleri1Konu ·
-
- Hata Yönetimi (Try/Except)Yeni
-
-
2. Veri Manipülasyonu için Popüler Kütüphaneler5Konu ·
-
Derin Öğrenme Temelleri ve Sektörel Örnek Kullanım AlanlarıYeni
-
Modern Derin Öğrenme Mimarileri (CNN, RNN, Transformer)Yeni
-
NumPy: Çok Boyutlu Diziler (Arrays) ve Temel İşlemlerYeni
-
Büyük Dil Modelleri (LLM) Giriş: GPT, BERT vb.Yeni
-
Pandas: DataFrame Oluşturma ve YapılandırmaYeni
-
-
4. İleri Düzey Uygulamalar5Konu ·
-
Veri Yükleme ve Okuma (CSV, Excel)Yeni
-
LLM’lerin İş Dünyasındaki SenaryolarıYeni
-
Veri Temizleme (Eksik Değerler, Aykırı Değerler)Yeni
-
LLM API’ları (OpenAI, Hugging Face vb.) ile Metin Üretimi ve Soru-CevapYeni
-
Veri Filtreleme ve SorgulamaYeni
-
-
3. Makine Öğrenmesine Giriş7Konu ·
-
RAG (Retrieval-Augmented Generation) Kavramı ve Basit Bir RAG Pipeline UygulamasıYeni
-
MultiAgent Sistemlere Giriş: Ajan Tanımı, Koordinasyon ve İletişimYeni
-
Makine Öğrenmesi Temelleri (Denetimli, Denetimsiz, Takviyeli Öğrenme)Yeni
-
Çoklu Ajan Senaryosu Uygulaması (Metin Tabanlı veya Simülasyon Ortamında)Yeni
-
Veri Ön İşlemeYeni
-
Generative AI (Metin, Görüntü, Ses) UygulamalarıYeni
-
- Ölçekleme (Standardizasyon, Normalizasyon)Yeni
-
-
5. Etik, Güvenlik ve MLOps5Konu ·
-
- Kategorik Veri DönüştürmeYeni
-
Etik, Yasal Düzenlemeler ve Veri GüvenliğiYeni
-
Scikit-learn (Sklearn) TanıtımıYeni
-
MLOps’a Giriş: Model Geliştirmeden Üretim Ortamına GeçişYeni
-
Model Değerlendirme Metrikleri (Hata Kareleri, Doğruluk, Hassasiyet vb.)Yeni
-
-
4. Regresyon Algoritmaları1Konu ·
-
İleri MLOps: Gerçek Zamanlı Veri Akışı, Model Yönetimi ve OtomasyonYeni
-
-
6. Uygulamalı Projeler ve Gelecek Perspektifi9Konu ·
-
Basit Doğrusal RegresyonYeni
-
Gerçek Vaka İncelemesi (Case Study): Başlangıçtan Üretime Kadar AdımlarYeni
-
Çoklu Doğrusal RegresyonYeni
-
Proje Planlama ve Yönetimi (Agile, SCRUM, CRISP-DM vb.)Yeni
-
Regresyon Modeli EğitimiYeni
-
Grup Proje Çalışması – 1: Proje Konusu Belirleme ve Veri İncelemesiYeni
-
Modelin Değerlendirilmesi ve Sorun GidermeYeni
-
Grup Proje Çalışması – 2: Model Geliştirme, Test ve Sonuç DeğerlendirmesiYeni
-
Gerçek Hayat Veri Kümeleri ile UygulamalarYeni
-
-
5. Sınıflandırma Algoritmaları9Konu ·
-
Yapay Zeka Sektör Trendleri ve Gelecek PerspektifiYeni
-
Sektörde Kariyer İpuçları ve İş Görüşmelerine HazırlıkYeni
-
Makine Öğrenmesi Temelleri (Denetimli, Denetimsiz, Takviyeli Öğrenme)Yeni
-
Grup Projelerinin Sunumu ve Geri Bildirim (Kapanış)Yeni
-
Veri Ön İşlemeYeni
-
- Ölçekleme (Standardizasyon, Normalizasyon)Yeni
-
- Kategorik Veri DönüştürmeYeni
-
Scikit-learn (Sklearn) TanıtımıYeni
-
Model Değerlendirme Metrikleri (Hata Kareleri, Doğruluk, Hassasiyet vb.)Yeni
-
-
6. Yapay Zeka (AI) ve AI Ajanları11Konu ·
-
Yapay Zekaya Giriş (LLM'ler, Üretken AI)Yeni
-
AI Ajan Kavramları ve MimarisiYeni
-
Tekil Ajan (Single Agent) MimarisiYeni
-
Çoklu Ajan (Multi-Agent) Sistem MimarisiYeni
-
AI Ajanları için Araçlar (Tools) ve YeteneklerYeni
-
LangChain Çerçevesine GirişYeni
-
LangChain Temel Bileşenleri (Models, Prompts, Parsers)Yeni
-
Chain OluşturmaYeni
-
LangChain AgentsYeni
-
Hafıza (Memory) YönetimiYeni
-
Gerçek Dünya Uygulamaları ile Proje GeliştirmeYeni
-
Yapay Zeka Eğitimi Nedir?
Bu eğitim, yapay zeka alanında son dönemde büyük ilgi gören Büyük Dil Modelleri (GPT, BERT vb.), Retrieval-Augmented Generation (RAG) ve MultiAgent Sistemler konularını derinlemesine incelemeyi amaçlayan kapsamlı bir programdır. Eğitim boyunca katılımcılar, doğal dil işleme, veri sorgulama ve çoklu ajanlar arasındaki etkileşim gibi ileri seviye yapay zeka kavramlarının temelini ve pratik uygulamalarını öğrenirler.
Eğitimlerin Amacı Nedir?
- Büyük dil modellerinin mantığını ve kullanım senaryolarını aktararak özgün uygulamalar geliştirebilmelerini,
- RAG yaklaşımıyla veriye dayalı ve bağlam odaklı içerik üretme süreçlerini kavramalarını,
- Çoklu ajan sistemlerini tasarlama ve farklı yapay zeka ajanları arasındaki etkileşimi yönetme becerileri kazandırmayı amaçlar.
Neden Alınmalıdır?
- Yapay zeka projelerinde giderek artan ölçüde dil işleme ve etkileşimli sistemlere ihtiyaç duyulmaktadır.
- İş dünyası, rekabetçi kalabilmek için yenilikçi çözümler üretebilen uzmanlara ihtiyaç duyar.
- Büyük dil modelleri, RAG ve MultiAgent teknolojileri, çeşitli sektörlerde (finans, e-ticaret, sağlık, üretim vb.) verimliliği ve müşteri memnuniyetini artırmaya yönelik yüksek potansiyele sahiptir.
Kimler Almalıdır?
- Veri bilimi, makine öğrenmesi veya yazılım geliştirme alanlarında çalışan ve kendini bu alanlarda geliştirmek isteyen uzmanlar,
- Yapay zeka projeleri üzerinde çalışan takım liderleri, yöneticiler veya proje yöneticileri,
- Kariyerini yapay zeka ve veri bilimi yönünde şekillendirmeyi hedefleyen üniversite mezunları veya son sınıf öğrencileri.
Kariyerlere Yararları Nelerdir?
- İleri düzey yapay zeka projelerinde görev alabilecek bilgi ve beceriye sahip olmak,
- NLP (Doğal Dil İşleme), RAG ve çoklu ajan sistemleri gibi yükselen trendlerde uzmanlaşmak,
- Farklı sektörlerde aranan ve yüksek talep gören pozisyonlara başvurma şansı yakalamak,
- Yeni iş kurma veya mevcut işi yapay zeka çözümleriyle dönüştürme imkanına sahip olmak.
Eğitim Sonrasında Hangi Kazanımlar Sağlanır?
- Büyük dil modellerinin iç yapısını ve farklı kullanım durumlarını anlama, uygulama becerisi,
- RAG temelli sistemleri tasarlama ve veriye dayalı içerik üretimi süreçlerini optimize etme yetkinliği,
- MultiAgent sistemlerde ajanlar arası koordinasyon, görev paylaşımı ve iletişim mekanizmalarını kurgulayabilme,
- Gerçek dünya senaryolarında yapay zeka çözümleri tasarlayabilecek, uygulayabilecek ve yönetebilecek düzeyde uzmanlık,
- Ekip çalışması, proje planlama ve yönetimi konularında deneyim kazanarak profesyonel projeleri başarıyla yürütebilme becerisi.
Impress Akademi Sertifika Programı
E-Devletten Görüntülenebilir Sertifika
Eğitim sonunda verilen e-devlet onaylı sertifikalar, resmi olarak geçerliliğe sahiptir ve kariyerinizde güçlü bir referans oluşturur.
- Resmi geçerliliğe sahip
- E-devlet sistemine entegre
- Resmi başvurularda kullanılabilir
Sertifier Onaylı Dijital Sertifika
Sertifier altyapısı ile hazırlanan dijital sertifikalarımız, kişiye özel seri numarasıyla oluşturulur ve dijital kütüphanenize eklenir.
- Kişiye özel seri numarası
- LinkedIn entegrasyonu
- PDF formatında indirilebilir
- Dijital kütüphane erişimi