Doğal Dil İşleme ve Büyük Dil Modelleri (NLP & LLM)

40+8

Saat Eğitim

10+2 hafta boyunca

20~40

Katılımcı

Kişisel ilgi garantisi

10+2

Modül

Kapsamlı müfredat

1

Sertifika

Tamamlama belgesi

Kimler İçin Uygun?

Yazılım Geliştiriciler ve Mühendisler

• Python programlama deneyimine sahipseniz
• Chatbot, asistan veya metin tabanlı AI uygulamaları geliştirmek istiyorsanız
• API'ler üzerinden LLM entegrasyonu yapmayı planlıyorsanız
• Mevcut uygulamalarınıza doğal dil anlama özellikleri eklemek istiyorsanız

Veri Bilimciler ve ML Uzmanları

• Metin verisi ile çalışıyorsanız veya çalışmayı planlıyorsanız
• Sentiment analizi, metin sınıflandırma projeleri yapıyorsanız
• Klasik NLP'den modern Transformer modellerine geçiş yapmak istiyorsanız
• LLM fine-tuning ve prompt engineering öğrenmek istiyorsanız

İçerik ve Dijital Pazarlama Profesyonelleri

• SEO optimizasyonu için AI araçları geliştirmek istiyorsanız
• Otomatik içerik üretimi ve düzenleme sistemleri kurmak istiyorsanız
• Müşteri yorumlarını analiz edecek sistemler tasarlamak istiyorsanız
• Chatbot ve müşteri destek sistemleri oluşturmak istiyorsanız

Araştırmacılar ve Akademisyenler

• Dilbilim, bilişsel bilimler veya AI alanında çalışıyorsanız
• Literatür tarama ve metin madenciliği yapıyorsanız
• Akademik makalelerdeki NLP modellerini implement etmek istiyorsanız
• Türkçe NLP üzerine araştırma yapmayı planlıyorsanız

Sağlık ve Hukuk Profesyonelleri

• Tıbbi raporları otomatik analiz etmek istiyorsanız
• Hukuki belgelerde metin madenciliği yapmayı planlıyorsanız
• Hasta notlarından insight çıkarmak istiyorsanız
• Büyük dokümantasyon setlerini organize etmek istiyorsanız

Startup Kurucuları ve Ürün Yöneticileri

• AI-powered SaaS ürünleri geliştiriyorsanız
• LLM tabanlı yeni nesil uygulamalar tasarlıyorsanız
• OpenAI, Anthropic, Google AI API'lerini verimli kullanmak istiyorsanız
• Rekabetçi AI ürünleri için teknik strateji belirliyorsanız

Eğitim Müfredatı

Hafta	Modül Adı	İçerik Detayları	Süre	Zorluk
1	NLP Temelleri ve Metin Ön İşleme	• Doğal dil işlemenin tarihçesi ve temel kavramlar • Tokenization: Word, subword (BPE, WordPiece), character-level • Text normalization: Stemming, lemmatization, case folding • Stop words, punctuation handling, spell checking • Regular expressions ve pattern matching	4 saat	Temel
2	Klasik NLP Teknikleri ve Feature Engineering	• Bag of Words (BoW) ve TF-IDF vektörleri • N-gram modelleri ve dil modelleme temelleri • Part-of-Speech (POS) tagging ve Named Entity Recognition (NER) • Dependency parsing ve syntactic analysis • Word embeddings: Word2Vec, GloVe, FastText	4 saat	Temel
3	Sequence Modelleri ve RNN'ler NLP'de	• RNN, LSTM, GRU ile metin işleme • Sequence-to-sequence modelleri • Encoder-decoder mimarisi • Attention mekanizması ve self-attention • Beam search ve decoding stratejileri	4 saat	Orta
4	Transformer Mimarisi Derinlemesine	• Transformer'ın matematiksel temelleri • Multi-head attention detaylı analizi • Positional encoding teknikleri • Layer normalization ve residual connections • Transformer encoder ve decoder blokları	4 saat	Orta
5	BERT ve Encoder-Only Modeller	• BERT mimarisi ve pre-training objectives • Masked Language Modeling (MLM) ve Next Sentence Prediction • RoBERTa, ALBERT, DistilBERT, ELECTRA • Türkçe BERT modelleri: BERTurk, ConvBERT-Turkish • Fine-tuning stratejileri ve best practices	4 saat	Orta
6	GPT Ailesi ve Decoder-Only Modeller	• GPT, GPT-2, GPT-3, GPT-4 mimarisi ve özellikleri • Autoregressive language modeling • In-context learning ve few-shot prompting • Claude, Gemini, LLaMA model aileleri • Emergent abilities ve scaling laws	4 saat	Orta
7	Prompt Engineering ve In-Context Learning	• Zero-shot, one-shot, few-shot prompting teknikleri • Chain-of-thought (CoT) reasoning • System prompts ve role playing • Prompt templates ve optimization • Constitutional AI ve güvenlik prensipleri	4 saat	İleri
8	Fine-tuning ve PEFT Teknikleri	• Full fine-tuning vs parameter-efficient methods • LoRA (Low-Rank Adaptation) ve QLoRA • Prefix tuning ve prompt tuning • Instruction tuning ve RLHF (Reinforcement Learning from Human Feedback) • Dataset hazırlama ve evaluation metrikleri	4 saat	İleri
9	RAG Sistemleri ve Vector Databases	• Retrieval-Augmented Generation (RAG) mimarisi • Document chunking ve embedding stratejileri • Vector databases: Pinecone, Weaviate, ChromaDB • Semantic search ve hybrid search • RAG pipeline optimization ve evaluation	4 saat	İleri
10	LLM Deployment ve Production	• Model quantization: INT8, INT4, GPTQ, AWQ • Inference optimization: vLLM, TGI, llama.cpp • API design ve rate limiting • Cost optimization ve model selection • Monitoring, logging ve safety filters	4 saat	İleri
U1	Uygulama 1 Akıllı Chatbot Geliştirme	• LangChain veya LlamaIndex ile chatbot oluşturma • RAG entegrasyonu ve knowledge base kurulumu • Conversation memory ve context management • Streamlit ile web interface geliştirme	4 saat	İleri
U2	Uygulama 2 Domain-Specific LLM Fine-tuning	• Tıbbi veya hukuki alan için özel dataset hazırlama • Llama 2 veya Mistral modelini fine-tuning • Evaluation metrikleri ve benchmark testleri • Hugging Face Hub'a model deployment	4 saat	İleri

Öğrenme Hedefleri

Bu eğitimi tamamladığınızda kazanacağınız temel beceriler

Modern NLP Pipeline'ları Kurabilme

Metin verilerini profesyonelce preprocessing yapabileceksiniz
Tokenization stratejilerini problemlere göre optimize edebileceksiniz
Word embedding'lerden transformer embedding'lere geçiş yapabileceksiniz
Named Entity Recognition ve POS tagging sistemleri geliştirebileceksiniz
End-to-end NLP pipeline'ları tasarlayıp deploy edebileceksiniz

Deep Learning Tabanlı Görü Sistemleri

YOLO, Detectron2 ile real-time object detection sistemleri kurabileceksiniz
Semantic ve instance segmentation modelleri eğitip deploy edebileceksiniz
Face recognition ve biometric sistemler geliştirebileceksiniz
Custom dataset hazırlayıp kendi modellerinizi train edebileceksiniz
Transfer learning ve fine-tuning ile domain-specific çözümler üretebileceksiniz
Model optimization ve edge deployment yapabileceksiniz

Endüstriyel Uygulamalar ve Production Sistemleri

Güvenlik kameraları için video analitik sistemleri tasarlayabileceksiniz
Medikal görüntülerde hastalık tespiti ve analiz yapabileceksiniz
Kalite kontrol ve defect detection sistemleri kurabileceksiniz
Otonom araçlar için lane detection ve object tracking geliştirebileceksiniz
Real-time video processing ve streaming çözümleri oluşturabileceksiniz
Multi-camera sistemleri ve 3D reconstruction uygulamaları yapabileceksiniz

RAG Sistemleri ve Knowledge Management

Production-ready RAG sistemleri kurabileceksiniz
Vector database seçimi ve optimizasyonu yapabileceksiniz
Hybrid search stratejileri geliştirebileceksiniz
Document chunking ve retrieval optimizasyonu yapabileceksiniz
Hallucination'ı minimize eden sistemler tasarlayabileceksiniz

Fine-tuning ve Model Adaptasyonu

LoRA, QLoRA gibi PEFT tekniklerini uygulayabileceksiniz
Domain-specific dataset'ler hazırlayabileceksiniz
Instruction tuning ve RLHF süreçlerini yönetebileceksiniz
Model merging ve ensemble teknikleri kullanabileceksiniz
Türkçe ve diğer dillerde özel modeller geliştirebileceksiniz

Enterprise LLM Uygulamaları Geliştirme

Chatbot ve virtual assistant sistemleri kurabileceksiniz
Otomatik özet, çeviri ve içerik üretimi yapabileceksiniz
Sentiment analysis ve müşteri feedback analizi geliştirebileceksiniz
API entegrasyonları ve microservice mimarileri tasarlayabileceksiniz
Cost-effective ve scalable LLM çözümleri üretebileceksiniz

Kullanılacak Araçlar ve Gereksinimler

Eğitime katılmak için gerekli teknik altyapı ve ön bilgiler

Python ve NLP Framework'leri

Python 3.9 veya 3.10

LLM kütüphaneleri ile uyumluluk için

Hugging Face Transformers 4.36+

Pre-trained modeller ve fine-tuning

LangChain veya LlamaIndex

LLM application framework

spaCy 3.7+ ve NLTK

Klasik NLP işlemleri için

Sentence Transformers

Semantic similarity ve embeddings

Donanım Gereksinimleri

İşlemci

Intel i7 / AMD Ryzen 7 (Minimum)

Intel i9 / AMD Ryzen 9 (Önerilen)

RAM

32 GB (Minimum) - 64 GB veya üzeri (Önerilen - LLM'ler için kritik)

GPU

NVIDIA RTX 3060 12GB (Minimum)

RTX 4090 24GB veya A100 (Önerilen)

Disk Alanı

200 GB SSD (Model cache ve dataset'ler için)

İnternet

Yüksek hızlı bağlantı (Büyük model indirmeleri için zorunlu)

LLM ve API Araçları

OpenAI API

GPT-4, GPT-3.5 erişimi ve fine-tuning

Anthropic Claude API

Claude 3 model ailesi erişimi

Google AI Studio

Gemini Pro ve PaLM API'leri

Replicate veya Together AI

Açık kaynak LLM'lere API erişimi

Ollama

Local LLM deployment ve testing

Vector Database ve RAG Araçları

Pinecone veya Weaviate

Production vector database

ChromaDB veya Qdrant

Local vector storage

FAISS

Facebook'un similarity search kütüphanesi

Elasticsearch

Hybrid search için (BM25 + vector)

LlamaIndex veya Haystack

RAG pipeline orchestration

Geliştirme ve Deployment Ortamları

Jupyter Lab

İnteraktif development ve prototyping

VS Code + Continue.dev

AI-assisted coding

Google Colab Pro+

T4 veya A100 GPU erişimi

Hugging Face Spaces

Model demo ve deployment

Gradio veya Streamlit

Web UI development

Özel NLP Kütüphaneleri ve Araçlar

Tokenizers

Hugging Face'in hızlı tokenization kütüphanesi

Datasets

Büyük veri setlerini verimli yönetme

Weights & Biases

Experiment tracking ve model monitoring

BitsAndBytes

Model quantization (QLoRA için)

PEFT

Parameter-efficient fine-tuning kütüphanesi

Eğitim Formatı

Çeşitli öğrenme yöntemleri ile desteklenen kapsamlı eğitim deneyimi

Format Seçenekleri

Esnek Eğitim Seçenekleri

Grupların ihtiyaç ve tercihlerine göre yüz yüze veya online format
Her iki formatta da aynı kalitede içerik ve destek
Hibrit katılım imkanı (bazı katılımcılar yüz yüze, bazıları online)
Kaçırılan derslerin kayıttan izlenebilmesi
Esnek haftalık program seçenekleri

Yüz Yüze Eğitim Formatı

Haftada bir gün 4 saatlik oturumlar veya haftada iki gün 2 saatlik oturumlar
Bilgisayar laboratuvarında uygulamalı çalışma imkanı
AI araçlarının projeksiyon ile canlı gösterimi
Grup içi tartışma ve beyin fırtınası seansları
Kahve molaları ile networking fırsatları
Anında soru-cevap ve birebir destek

Online (Canlı) Eğitim Formatı

Zoom, Teams veya Google Meet üzerinden canlı bağlantı
Haftada bir gün 4 saat veya haftada iki gün 2'şer saat seçenekleri
Ekran paylaşımı ile AI araçlarının canlı demonstrasyonu
Breakout room'larda küçük grup çalışmaları
Chat üzerinden anlık soru-cevap imkanı
Tüm derslerin kaydedilmesi ve 3 ay erişim

Her İki Formatta Ortak Özellikler

Öğrenme Metodolojisi

Teorik bilgi + Pratik uygulama dengesi
Her modülde gerçek dünya örnekleri ve vaka analizleri
AI araçlarıyla hands-on deneyim
Katılımcıların kendi projelerini geliştirme fırsatı
Peer learning ile karşılıklı öğrenme
Soru-cevap ve tartışma odaklı interaktif yaklaşım

Eğitim Materyalleri ve Kaynaklar

Detaylı PDF ders notları ve sunumlar
AI araçları kullanım rehberleri ve cheat sheet'ler
Video ders kayıtları ve ek eğitim videoları
Örnek prompt şablonları ve use case'ler
Güncel makale ve araştırma önerileri
Sektörel vaka analizleri ve başarı hikayeleri

Uygulama ve Projeler

Her modül sonunda mini uygulamalar
AI araçlarıyla pratik ödevler
İki büyük capstone proje
Kendi sektörünüzden gerçek problem çözümü
Grup projeleri ve sunumları
En iyi proje ödüllendirmesi

Değerlendirme ve Sertifikasyon

Modül sonları kısa quiz'ler (not için değil, öğrenme kontrolü için)
Pratik ödevlerin tamamlanma durumu takibi
Final projesi sunumu ve değerlendirmesi
Katılım sertifikası (minimum %80 devam)
Başarı sertifikası (tüm modülleri ve projeleri tamamlayanlara)
LinkedIn'de paylaşılabilir dijital rozet

Eğitim Hakkında Sorularınız mı Var?

Eğitim içeriği, kayıt süreci veya teknik gereksinimler hakkında detaylı bilgi almak için bizimle iletişime geçin. Size en uygun eğitim planını birlikte belirleyelim.

E-posta Gönder