Yapay Zeka Mühendisliği Eğitimi | Kurumsal Teknik Paket

Kurumsal ölçekte yapay zeka çözümleri geliştirir

LLM, RAG ve modern AI mimarilerini kapsar

Mevcut sistemlerle entegrasyonu kolaylaştırır

Güvenli ve ölçeklenebilir AI altyapıları kurar

Eğitim Paketleri Kataloğunu İndir

Paket Özeti

Yapay Zeka Mühendisliği Paketi, teknik ekiplerin büyük dil modelleri (LLM), RAG tabanlı kurum içi chatbot geliştirme ve MLOps yaşam döngüsünü uçtan uca uygulamalı olarak öğrenmesini sağlayan, birbirini tamamlayan 3 eğitimden oluşan bir programdır.Katılımcılar; LLM seçimi, RAG mimarisi kurma, kurum verisini modele bağlama, prompt yönetimi, model izleme ve sürümleme gibi kritik alanlarda pratik deneyim kazanır. Program sonunda ekip, kurumun kullanım alanlarına uygun çalışan bir yapay zeka prototipi geliştirir. İçerik, kurumun teknoloji yığınına, güvenlik gereksinimlerine ve sektörüne göre özelleştirilebilir.

Hedef Kitle

Yazılım geliştiriciler ve backend/frontend mühendisleri
Veri bilimciler, makine öğrenmesi mühendisleri
Yapay zeka / LLM mühendisleri
Teknik liderler, çözüm mimarları ve ürün–teknoloji kesişiminde çalışan ekipler

1. Eğitim: Büyük Dil Modellerine Giriş (LLM Fundamentals)

LLM’lerin temel çalışma prensipleri (tokenizer, embedding, bağlam yönetimi)‍

Metnin token’lara bölünmesi, embedding mantığı ve bağlam penceresinin (context window) sınırlarının anlaşılmasıUzun metinlerle çalışma, kesme/özetleme stratejileri ve bağlam kaybını azaltma yaklaşımları‍

Metnin token’lara bölünmesi, embedding mantığı ve bağlam penceresinin (context window) sınırlarının anlaşılması

Uzun metinlerle çalışma, kesme/özetleme stratejileri ve bağlam kaybını azaltma yaklaşımları‍

Model türleri: OpenAI, Gemini, Claude, Llama, Mistral ve kurumsal modeller‍

Ticarî API tabanlı modeller ile açık kaynak modellerin (self-hosted) kıyaslanmasıGüvenlik, maliyet, performans ve veri egemenliği (data residency) kriterlerine göre değerlendirme‍

Ticarî API tabanlı modeller ile açık kaynak modellerin (self-hosted) kıyaslanması

Güvenlik, maliyet, performans ve veri egemenliği (data residency) kriterlerine göre değerlendirme‍

Kullanım alanı sınıflandırması: üretim, özetleme, analiz, karar desteği, otomasyon‍

Farklı LLM görev tiplerinin iş senaryolarına eşlenmesi‍

Teknik zorluklar: gecikme (latency), maliyet, halüsinasyon ve kapasite yönetimi‍

Gecikme ve maliyet optimizasyonu için context, batching ve cache stratejilerinin tartışılmasıHalüsinasyon riskini azaltmak için yapılandırılmış çıktı, kısıtlayıcı prompt ve ek doğrulama katmanları‍

Gecikme ve maliyet optimizasyonu için context, batching ve cache stratejilerinin tartışılması

Halüsinasyon riskini azaltmak için yapılandırılmış çıktı, kısıtlayıcı prompt ve ek doğrulama katmanları‍

LLM mimarisi üzerinden gerçek örnekler: API çağrıları, context window ve role-based prompting‍

Basit API entegrasyonu örneği

Sistem/rol/assistant yapısının kullanımı ve rol tabanlı prompt tasarım örnekleri‍

Basit API entegrasyonu örneği

Sistem/rol/assistant yapısının kullanımı ve rol tabanlı prompt tasarım örnekleri‍

Model seçimi rehberi: kullanım alanına göre doğru model ve altyapı kriterleri‍

İş gereksinimi, veri hassasiyeti, bütçe ve teknik kapasiteyi dikkate alan seçim matrisi oluşturmaPOC → pilot → üretim aşamalarında model değiştirme / yükseltme senaryolarına hazırlık

İş gereksinimi, veri hassasiyeti, bütçe ve teknik kapasiteyi dikkate alan seçim matrisi oluşturma

POC → pilot → üretim aşamalarında model değiştirme / yükseltme senaryolarına hazırlık

2. Eğitim: RAG ile Kurum İçi Chatbot Geliştirme – Uygulamalı

Retrieval Augmented Generation (RAG) yaklaşımının mantığı ve kurumsal kullanım senaryoları‍

LLM + arama (retrieval) kombinasyonunun neden gerekli olduğunu ve ne çözdüğünü netleştirmeBilgi tabanı, doküman asistanı, iç süreç danışmanı gibi tipik RAG use-case’lerini sınıflandırma‍

LLM + arama (retrieval) kombinasyonunun neden gerekli olduğunu ve ne çözdüğünü netleştirme

Bilgi tabanı, doküman asistanı, iç süreç danışmanı gibi tipik RAG use-case’lerini sınıflandırma‍

Veri hazırlama: doküman formatlama, chunking, embedding ve indeksleme‍

Kurum dokümanlarının (PDF, Word, Confluence vb.) temizlenmesi, bölünmesi ve anlamlı parçalara ayrılmasıEmbedding üretimi, indeks yapılarının seçimi ve sorgu kalitesini artıran veri tasarımı prensipleri‍

Kurum dokümanlarının (PDF, Word, Confluence vb.) temizlenmesi, bölünmesi ve anlamlı parçalara ayrılması

Embedding üretimi, indeks yapılarının seçimi ve sorgu kalitesini artıran veri tasarımı prensipleri‍

Vektör veritabanı uygulamaları: Pinecone, Weaviate, FAISS, Qdrant kıyaslaması‍

Yönetilen servisler vs. self-hosted çözümler; ölçek, maliyet ve operasyonel yük kıyaslamasıBasit bir RAG yığını (LLM + vektör DB + API) için referans mimari örnekleri‍

Yönetilen servisler vs. self-hosted çözümler; ölçek, maliyet ve operasyonel yük kıyaslaması

Basit bir RAG yığını (LLM + vektör DB + API) için referans mimari örnekleri‍

Prompt chaining, tool use, workflow orchestration ve domain-adaptive diyalog‍

Birden fazla adım içeren workflow’larda zincirli prompt ve araç çağrılarının (tool calling) kurgulanmasıFarklı domain’lere (İK, hukuk, teknik destek vb.) göre cevap stilinin ve bağlamının uyarlanması‍

Birden fazla adım içeren workflow’larda zincirli prompt ve araç çağrılarının (tool calling) kurgulanması

Farklı domain’lere (İK, hukuk, teknik destek vb.) göre cevap stilinin ve bağlamının uyarlanması‍

Kurum verisiyle chatbot prototipi: yükleme → bağlama → test → iyileştirme döngüsü‍

Katılımcıların kendi veri setleriyle çalışan bir pilot chatbot kurmalarıKullanıcı testleri, geri bildirim ve sorgu log’larından yola çıkarak iyileştirme döngüsünün işletilmesi‍

Katılımcıların kendi veri setleriyle çalışan bir pilot chatbot kurmaları

Kullanıcı testleri, geri bildirim ve sorgu log’larından yola çıkarak iyileştirme döngüsünün işletilmesi‍

Doğruluk artırma ve halüsinasyon azaltma: prompting, reranking ve context optimizasyonu‍

Sorgu–cevap kalitesini artırmak için benzerlik eşiği, top-k, reranker modelleri ve context boyutunun ayarlanması

3. Eğitim: MLOps ve Güvenli Model Yönetimi (PromptOps, Monitoring, Governance)

MLOps temelleri: model yaşam döngüsü, versiyonlama ve deploy stratejileri‍

Veri hazırlama, model/konfigürasyon versiyonlama, test, staging ve prod ortamlarını yapılandırmaLLM temelli sistemlerle klasik ML MLOps pratikleri arasındaki benzerlik ve farkların ele alınması‍

Veri hazırlama, model/konfigürasyon versiyonlama, test, staging ve prod ortamlarını yapılandırma

LLM temelli sistemlerle klasik ML MLOps pratikleri arasındaki benzerlik ve farkların ele alınması‍

PromptOps: prompt şablonları, kalite döngüsü, test ve loglama‍

Prompt’ların kod gibi versiyonlanması, A/B testlerinin kurgulanması ve regresyon testlerinin tasarlanmasıYanıt kalitesini ölçmek için metrik setleri (örneğin: relevance, helpfulness, safety) belirleme‍

Prompt’ların kod gibi versiyonlanması, A/B testlerinin kurgulanması ve regresyon testlerinin tasarlanması

Yanıt kalitesini ölçmek için metrik setleri (örneğin: relevance, helpfulness, safety) belirleme‍

Model performans takibi: latency, toxicity, bias, doğruluk ve halüsinasyon izleme‍

Gecikme, hata oranı ve maliyet metriği takibi için basit dashboard örnekleriİçerik güvenliği (toxicity), önyargı (bias) ve yanlış bilgi (halüsinasyon) için izleme ve alarm mekanizmaları‍

Gecikme, hata oranı ve maliyet metriği takibi için basit dashboard örnekleri

İçerik güvenliği (toxicity), önyargı (bias) ve yanlış bilgi (halüsinasyon) için izleme ve alarm mekanizmaları‍

Güvenlik ve risk yönetimi: KVKK, GDPR, redaction, anonimleştirme ve erişim yetkilendirme‍

Hassas verinin (KİŞİSEL VERİ, finansal, sözleşme vb.) LLM akışında korunması için redaction/anonimleştirme stratejileriRol ve yetkiye göre erişim kontrolü, loglama ve denetlenebilirlik prensiplerinin uygulanması‍

Hassas verinin (KİŞİSEL VERİ, finansal, sözleşme vb.) LLM akışında korunması için redaction/anonimleştirme stratejileri

Rol ve yetkiye göre erişim kontrolü, loglama ve denetlenebilirlik prensiplerinin uygulanması‍

Governance framework: yapay zeka politikası, rol izinleri, denetim izi (audit)‍

Kurumsal yapay zeka kullanım politikaları ve “yapılacaklar / yapılmayacaklar” çerçevesi oluşturmaModel, prompt ve veri kullanımına ilişkin denetim izi üretme ve sorumluluk alanlarını netleştirme‍

Kurumsal yapay zeka kullanım politikaları ve “yapılacaklar / yapılmayacaklar” çerçevesi oluşturma

Model, prompt ve veri kullanımına ilişkin denetim izi üretme ve sorumluluk alanlarını netleştirme‍

Süreç tasarımı: prototip → test → güvence → üretim → bakım → sürekli iyileştirme‍

RAG/chatbot projeleri için tekrar kullanılabilir bir proje yaşam döngüsü şablonu tasarlamaÜretimdeki sistemi düzenli izleyip geri bildirimle besleyen sürekli iyileştirme döngüsünü kurumsallaştırma

RAG/chatbot projeleri için tekrar kullanılabilir bir proje yaşam döngüsü şablonu tasarlama

Üretimdeki sistemi düzenli izleyip geri bildirimle besleyen sürekli iyileştirme döngüsünü kurumsallaştırma

Eğitmenlerimiz

Hakkı Sağdıç

Hakkı Sağdıç, bulut tabanlı çözümler, mikroservis mimarileri, IoT ve Endüstri 4.0 dönüşümü alanlarında geniş teknik bilgiye sahip, deneyimli ve çözüm odaklı bir Yazılım Mühendisi ve Teknoloji Lideridir.Kariyeri boyunca .Net Core, Azure, Docker, Kubernetes, AWS, Microservices, React, Python, SQL Server gibi teknolojilerle çalışmış; farklı sektörlerde yazılım geliştirme, ekip yönetimi, proje planlama, yazılım modernizasyonu ve DevOps süreçlerinde derinlemesine uzmanlık kazanmıştır.CI/CD, Agile, Scrum, DevSecOps gibi metodolojileri kullanarak verimli ve esnek çalışma ortamları oluşturmuş, küresel ölçekte uzaktan çalışan büyük ve disiplinler arası ekipleri başarıyla yönetmiş; her zaman yenilikçi çözümler üretmeye ve müşterilere değer katmaya odaklanmıştır.

İsmail Aslan

MS in Operations Research (Applied Statistics) | ML / AI Engineer | Data Scientist

İsmail Aslan, 6+ yıllık makine öğrenmesi ve veri bilimi deneyimine sahip, özellikle doğal dil işleme (NLP), bilgisayarlı görü (CV), LLM tabanlı sistemler ve yapılandırılmış veri analitiği alanlarında çalışan bir Machine Learning Engineer / Data Scientist’tir. AltexSoft’ta ve serbest projelerinde dünya genelinde müşterilerle çalışarak; soru-cevap sistemleri (RAG tabanlı chatbot’lar), kişiselleştirilmiş tedavi tahmin modelleri, endüstride kaza önleme ve kök neden analizi, envanter/warehouse yönetimi, stok ve talep tahmini, klinik seçim sistemleri ve finansal veri analitiği gibi gerçek hayat problemlerine yönelik ML/DL çözümleri geliştirmiştir. Operasyon Araştırması (Applied Statistics) yüksek lisans eğitimi, istatistiksel modelleme ve optimizasyon bakışını günlük makine öğrenmesi projelerine taşımasını sağlamaktadır.İsmail’in öne çıkan yetkinlikleri; Python ekosistemi üzerinde uçtan uca ML/DL model geliştirme, NLP ve LLM tabanlı metin işleme (LangChain, LangGraph, OpenAI, RAG mimarileri), bilgisayarlı görü projeleri, zaman serisi modelleme ve tahminleme, Monte Carlo simülasyonları, veri hikayeleştirme ve analitik içgörü üretimi ile sağlık, üretim, lojistik ve finans gibi farklı sektörlerde araştırma odaklı projeleri uygulamaya dönüştürebilme becerisini kapsamaktadır. Ayrıca akademik yayınları ve kurumsal eğitim/danışmanlık deneyimi sayesinde hem mühendislik ekipleri hem de iş birimlerine teknik konuları anlaşılır, karar odaklı bir dille aktarabilmektedir.

Hasan Sarman

Tech Executive | Software Architect | AI/LLM Strategist | DevOps Strategist | Instructor

Hasan Sarman, 15 yılı aşkın deneyime sahip, ölçeklenebilir yazılım mimarileri, yapay zekâ/LLM entegrasyonları ve uçtan uca ürün geliştirme konularında uzman bir CTO seviyesinde mühendislik lideridir. Kurucusu olduğu RadonRad Software & Electronics’te Founder & Technical Director olarak EMEA ve APAC’te 100’den fazla kuruma hizmet veren bir teknoloji danışmanlığını büyütmüş; kurumsal uygulamalar, IoT projeleri ve otomasyon çözümlerinde hem teknik vizyonu hem de ekip yapılanmasını yönetmiştir.Daha önce 3RGE’de Technical Manager, Digital Trade A.Ş.’de Senior Project Manager, Bilet.com’da Project Manager & Senior Java & PHP Developer ve farklı kurumlarda AI & Deep Learning Instructor ile AI Solutions Architect rolleri üstlenmiş; Java, PHP, Python tabanlı sistemlerden bilgisayarlı görü ve LLM temelli çözümlere uzanan geniş bir teknolojik yelpazede projelere liderlik etmiştir.

Başarı Hikayeleri

Partnerlerimizin kurumsal eğitim yolculuklarına tanıklık edin

Grant Thornton ile 21 Saatlik Çift Odaklı Kurumsal Program

Grant Thornton, aynı dönemde iki kritik hedefi tek bir program altında ele aldı: üst yönetimin yapay zekayı strateji–ROI–regülasyon ekseninde değerlendirebilmesi ve yazılım ekibinin kod kalitesi–güvenliğinin güçlendirilmesi.

sahibinden.com ile Veri Odaklı Kararlar için Uygulamalı ML Eğitimi

sahibinden.com, Patika.dev ile 30 saatlik yüz yüze uygulamalı ML eğitimi gerçekleştirdi. Tahminleme, anomali tespiti, segmentasyon ve MLOps odağındaki program 4,8/5 memnuniyet skoru elde etti.

Türkkep'ten Yapay Zekâ ve İleri Teknoloji Hamlesi

TÜRKKEP, Patika.dev iş birliğiyle 85 saatlik kapsamlı AI eğitim programını başarıyla tamamladı. Farkındalık, teknik derinleşme ve endüstriyel uygulamalar olmak üzere üç aşamada tasarlanan program ile çalışanlar yapay zekâ çözümlerini iş süreçlerine entegre edebilecek donanıma ulaştı.

Tüm Hikayeleri Gör →

ŞİRKETLER İÇİN

İşiniz, ekibiniz kadar kalitelidir

Patika.dev’le ikisine de sahip çıkın.