Yapay ZekaMühendisliğiEğitimi

Python kurulumu, geliştirme ortamları, değişkenler, veri yapıları, koşullar, döngüler, fonksiyonlar, kütüphaneler ve temel terminal kullanımıyla başlayın.

Streamlit kurulumu, web tabanlı arayüz geliştirme, temel metotlar ve uygulama yayınlama süreçleri üzerinde çalışın.

JSON ve XML yapılarını tanıyın. Python uygulamalarınızı dış servisler ve API kaynaklarıyla entegre edin.

Veritabanı oluşturma, tablo yapıları, CRUD işlemleri ve temel sorgulama mantığı üzerinde çalışın.

Sınıflar, nesneler, metotlar, yapıcı metotlar, miras alma ve kapsülleme kavramlarını öğrenin.

Vektör ve matris işlemlerinden DataFrame yapılarına; CSV, Excel ve SQL verilerinden veri ön işlemeye kadar veri analizi pratiği kazanın.

Matplotlib ile farklı grafik türleri oluşturun ve analiz sonuçlarını görsel çıktılara dönüştürün.

Django mimarisi, model-template-view yapısı, admin paneli ve dinamik uygulama geliştirme süreçlerini öğrenin.

Scikit-learn, regresyon modelleri, Logistic Regression, Decision Tree, Random Forest, KNN ve tahmin modelleri üzerinde çalışın.

Derin öğrenme öncesinde programlama ve veri analizi altyapınızı daha ileri seviyeye taşıyın.

Yapay sinir ağlarının temel yapısını, ağırlıkları, bias kavramını ve çalışma mekanizmasını öğrenin.

Sigmoid, Softmax, ReLU, Tanh, Linear ve Leaky ReLU fonksiyonlarını uygulamalar üzerinden inceleyin.

TensorFlow ve Keras ile derin öğrenme modelleri oluşturun. Batch, epoch, optimizer ve düzenlileştirme kavramlarını uygulayın.

CNN mimarisini görüntü işleme problemleri üzerinden inceleyin ve model geliştirme pratiği kazanın.

Sıralı veriler için RNN ve LSTM mimarilerinin çalışma mantığını öğrenerek modeller geliştirin.

Geliştirdiğiniz modelleri kullanıcıyla etkileşim kurabilen uygulama arayüzlerine taşıyın.

Yapay zeka agent kavramı, LLM nedir? Embedding nedir? Token nedir? Chatbot ile AI Agent arasındaki farklar. RAG mimarisi nedir? Tool calling ve function calling nedir? Workflow ve agent farkı. LLM uygulamalarında backend mimarisi. Cloud model ve local model farkları. API tabanlı model kullanımı. Model seçerken hız, maliyet ve doğruluk dengesi. Agent uygulamalarında güvenlik yaklaşımı. Kurumsal AI uygulamalarının genel mimarisi.

OpenAI API kullanımı. OpenAI chat modelleri. OpenAI response yapısı. OpenAI embedding modelleri. OpenAI function calling mantığı. OpenAI tool calling kullanımı. Gemini API kullanımı. Gemini LLM modelleri. Gemini embedding modelleri. Gemini function calling kullanımı. Gemini ile structured output alma. Açık kaynak model entegrasyonları. Qwen ve benzeri açık LLM modelleri. Local model çalıştırma mantığı. Ollama ile model kullanımı. LM Studio ile model servis etme. API key yönetimi. Environment variable kullanımı. Model seçimi ve kullanım senaryoları. Aynı projede birden fazla model kullanımı.

Embedding kavramı. Text embedding mantığı. Embedding modeli seçimi. OpenAI embedding modelleri. Gemini embedding modelleri. Açık kaynak embedding modelleri. Çok dilli embedding kullanımı. Türkçe veri ile embedding kalitesi. Metinleri vektöre çevirme. Cosine similarity mantığı. Benzerlik skoru hesaplama. Chunking stratejileri. Metin parçalama yöntemleri. PDF dosyalarından metin çıkarma. TXT, HTML ve JSON verilerinden veri hazırlama. Metadata kullanımı. Doküman indeksleme mantığı. Embedding verilerinin güncellenmesi ve silinmesi.

Vektör veritabanı nedir? Vektör veritabanları hangi problemlerde kullanılır? ChromaDB kurulumu. ChromaDB collection yapısı. ChromaDB ile embedding kaydetme. ChromaDB ile semantik arama. ChromaDB metadata kullanımı. ChromaDB local development yapısı. Qdrant kurulumu. Docker ile Qdrant çalıştırma. Qdrant collection mantığı. Qdrant point ve payload yapısı. Qdrant ile embedding kaydetme. Qdrant ile semantik arama. Qdrant filtreleme işlemleri. Qdrant skor mantığı. Qdrant ve ChromaDB karşılaştırması. Production ortamında vektör veritabanı kullanımı. Backup ve migration mantığı.

RAG nedir? Retrieval-Augmented Generation mimarisi. RAG sistemi hangi durumlarda kullanılır? Doküman yükleme akışı. Veri temizleme işlemleri. Chunk oluşturma. Embedding üretme. Vektör veritabanına kayıt yapma. Kullanıcı sorgusundan embedding üretme. Benzer dokümanları getirme. Context oluşturma. LLM’e context ile soru sorma. Kaynaklı cevap üretme mantığı. Hallucination azaltma teknikleri. Prompt tasarımı. Multi-document RAG yapısı. PDF tabanlı soru-cevap sistemi geliştirme. Web sayfası tabanlı RAG sistemi. Kurumsal doküman arama asistanı geliştirme. RAG performansını iyileştirme yöntemleri.

LangChain nedir? LangChain kullanım alanları. PromptTemplate kullanımı. Model wrapper yapıları. Output parser kullanımı. Structured output alma. Chain mantığı. Retriever kullanımı. RAG pipeline oluşturma. Tool tanımlama. Memory kavramı. Conversation memory kullanımı. LangChain ile OpenAI entegrasyonu. LangChain ile Gemini entegrasyonu. LangChain ile açık model kullanımı. Hata yönetimi. Retry mekanizmaları. LangChain projelerinde klasör yapısı.

LangGraph nedir? LangGraph neden kullanılır? Agent workflow mantığı. Node yapısı. Edge yapısı. State yönetimi. Conditional edge kullanımı. Çok adımlı agent geliştirme. Tool kullanan agent tasarımı. Memory destekli agent akışları. Human-in-the-loop yaklaşımı. Supervisor agent mantığı. LangGraph ile RAG agent geliştirme. LangGraph ile karar ağacı oluşturma. Agent içinde hata yönetimi. Yanlış cevap durumunda geri dönüş akışları. Agent debug mantığı. Çoklu agent yapıları. Gerçek iş senaryolarında LangGraph kullanımı.

Function calling nedir? Tool calling nedir? Tool schema oluşturma. JSON Schema mantığı. LLM’e araç tanıtma. Python fonksiyonlarını tool olarak kullanma. Veritabanı sorgulayan tool yazma. Harici API çağıran tool yazma. Dosya okuyan tool yazma. Hesaplama yapan tool yazma. CRM, ERP ve muhasebe sistemleriyle entegrasyon mantığı. Yetkilendirme ve güvenlik kontrolleri. Kullanıcı yetkisine göre tool kullanımını sınırlama. Tool result validation. Hatalı tool kullanımını engelleme. Agent’ın dış sistemlerle işlem yapması.

FastAPI proje yapısı. API endpoint oluşturma. Chat endpoint geliştirme. RAG endpoint geliştirme. Agent endpoint geliştirme. Request ve response modelleri. Pydantic ile veri doğrulama. Streaming response mantığı. API key kontrolü. Basit auth yapısı. CORS ayarları. Environment ayarları. FastAPI ile LangChain entegrasyonu. FastAPI ile LangGraph entegrasyonu. FastAPI ile Qdrant bağlantısı. FastAPI ile ChromaDB bağlantısı. Docker ile servis hazırlığı. Production deploy mantığı.

Prompt engineering temelleri. System prompt mantığı. User prompt ve developer prompt ayrımı. Agent davranışını yönlendirme. Structured prompt hazırlama. Prompt injection nedir?Prompt injection saldırılarına karşı önlem alma. Veri sızıntısı riskleri. API key güvenliği. Kullanıcı bazlı yetkilendirme. LLM cevaplarını test etme. Agent çıktılarının değerlendirilmesi. Basit evaluation mantığı. Loglama ve hata takibi. Token kullanımı takibi. Maliyet kontrolü. Model cevap kalitesini ölçme.