# RuneLab

> Bu dosya llms.txt'nin genişletilmiş sürümüdür: aynı özet, ardından kurumsal eğitim sayfalarının, danışmanlık sayfalarının, eğitmen kadrosunun ve kurs kataloğunun tam metni.

> İstanbul merkezli kurumsal yapay zeka eğitimi ve AI danışmanlığı şirketi. Yöneticiler için yapay zeka, iş süreçlerinde üretken yapay zeka (ChatGPT, Copilot, Gemini), RAG/LLM ve MLOps eğitimleri; talep halinde Boğaziçi Üniversitesi BÜYEM onaylı sertifika. Türkçe ve İngilizce.

RuneLab, İstanbul merkezli bir kurumsal yapay zeka eğitimi ve danışmanlık şirketidir (Easy And Done Eğitim Danışmanlık Hiz. San. ve Tic. Ltd. Şti.); Türkiye'nin önde gelen kurumlarına eğitim ve danışmanlık verir. Danışmanlarımızın hizmet verdiği kurumlar arasında Mercedes, Turkcell, Türk Telekom, İş Bankası, Yapı Kredi, Borsa İstanbul, Türkiye Varlık Fonu, Allianz Sigorta ve Vestel bulunur; toplam 30'dan fazla kuruma hizmet verilmiştir. Eğitim ve danışmanlık aynı ekipte yürür: kurumlara uçtan uca yapay zeka projeleri teslim eden ekip, o projelerden çıkan yöntemi eğitime dönüştürür. Eğitmenler sahada proje yürüten kıdemli AI mühendisleri ve veri bilimcileri ile Boğaziçi Üniversitesi akademisyenlerinden oluşur. Katalogda yayında 33 eğitim bulunur; programlar kurumlara ve bireylere açıktır; yerinde, canlı online ve hibrit verilir; sertifikalar talep halinde Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi (BÜYEM) onaylı katılım veya başarı sertifikası olarak düzenlenir. Site Türkçe ve İngilizce yayındadır. İletişim: info@runelab.ai · +90 532 594 62 24 (WhatsApp).

## Öne çıkan kurumsal eğitimler

Şirket içinde, ekibe özel verilen kurumsal yapay zeka eğitimleri. Her birinin kendi sayfası, programı, sık sorulan soruları ve teklif formu vardır; teklifler bir iş günü içinde yanıtlanır:

- [Yapay Zeka Farkındalığı Eğitimi](https://runelab.ai/yapay-zeka-farkindaligi): Teknik olmayan ekipler için bir günlük (6 saat) uygulamalı üretken yapay zeka eğitimi: AI araçlarını güvenli ve etkili kullanma, ortak dil, prompt yazımı ve risklerin tanınması. Yerinde, online veya hibrit.
- [İş Süreçlerinde Yapay Zeka Eğitimi](https://runelab.ai/is-sureclerinde-yapay-zeka): İki günlük (12 saat), on modüllük uygulamalı eğitim: ChatGPT, Microsoft Copilot ve Gemini gibi araçlarla prompt engineering, içerik ve görsel üretimi, kod yazmadan veri analizi, RAG, sorumlu AI kullanımı; her katılımcı kendi işi için bir AI uygulama planıyla ayrılır. Boğaziçi Üniversitesi iş birliğiyle, BÜYEM onaylı sertifika.
- [Yöneticiler İçin Yapay Zeka Eğitimi](https://runelab.ai/yoneticiler-icin-yapay-zeka): Karar vericiler için yedi modül: AI'ın stratejik gücü, AI readiness ve fırsat değerlendirmesi, build vs buy kararı, İK / tasarım / üretimde AI, data governance ve AI etiği; her yönetici kendi birimi için bir AI fırsat değerlendirmesi taslağı hazırlar.
- [Local LLM Eğitimi](https://runelab.ai/local-llm-egitimi): Teknik ekipler için yedi modül: açık kaynak LLM'leri (Qwen, Mistral, Gemma, gpt-oss, DeepSeek, GLM) kurumun kendi sunucularında çalıştırma; GPU ve VRAM planlama, vLLM / SGLang / Ollama ile OpenAI uyumlu serving, yerel embedding ve vektör veritabanları, on-prem RAG, chatbot arayüzü, performans ve maliyet. Aynı mimarinin kurulu gelen hali RuneBox'tır.
- [RAG Eğitimi](https://runelab.ai/rag-egitimi): Teknik ekipler için on modül, kapsama göre 2 ila 5 gün: ingestion ve chunking, embedding ve vektör veritabanı seçimi, hybrid retrieval ve reranking, evaluation, agentic RAG, workflow entegrasyonu, güvenlik ve guardrail; capstone olarak kaynaklı yanıt veren bir kurumsal bilgi asistanı.
- [n8n ile İş Akışı Otomasyonu Eğitimi](https://runelab.ai/n8n-egitimi): Ön koşulu olmayan, temel seviye uygulamalı eğitim; kapsama göre bir günden birkaç güne, talep halinde ekiple proje atölyesi ve mentorluk. Otomasyon düşüncesi, n8n'e giriş, Google Workspace, Microsoft 365, Slack ve Teams entegrasyonları, API ile bağlantı, hata yönetimi, LLM'li akışlar, AI agent'lar ve kurumsal kullanım. LLM adımları RuneGate üzerinden bağlanabilir; kurum içi kullanım için RuneBox.

## Ürünler

RuneLab'ın kurumlara sunduğu üç ürün; her birinin kendi sayfası ve demo formu vardır:

- [RuneDesk](https://runelab.ai/runedesk): Kaynak gösteren kurumsal doküman asistanı: şirket dokümanlarını ve iş sistemlerindeki bilgiyi sorulabilir hale getiren RAG tabanlı asistan. Her yanıt kaynağıyla (belge adı ve sayfası ya da kayıt) gelir, kaynaklarda olmayan bir bilgi sorulduğunda bunu söyler; model eğitimi gerektirmez; çok dilli; kullanıcı girişi ve yetkilendirme. SharePoint, OneDrive, Google Drive, Dropbox, Confluence, Notion, Jira ve Trello gibi doküman kaynaklarından; SAP, Microsoft SQL Server, Oracle ve PostgreSQL gibi iş sistemleri ve veri tabanlarından okur; Microsoft Teams, Slack, Outlook, Gmail, Zendesk, Salesforce, intranet ve web arayüzünden yanıt verir; listede olmayan sistemlere API ile bağlanır. Google Gemini, OpenAI ya da kurum içi yerel modellerle çalışır. Bankacılık, otomotiv ve havacılık sektörlerinde kullanımda.
- [RuneBox](https://runelab.ai/runebox): On-premise yapay zeka altyapısı: NVIDIA tabanlı GPU'larla kuruma yerleştirilen kutu. RuneDesk, RuneGate ya da kuruma özel RAG ve agent akışları kurum ağında çalışır, veri dışarı çıkmaz; kullanım başına değil sabit ve bilinen kapasiteyle çalışılır. Regülasyona tabi kurumlar için olduğu kadar verisini bulut API'lerine göndermek istemeyen şirketler için de uygundur; BDDK ve KVKK değerlendirmelerini kolaylaştırır.
- [RuneGate](https://runelab.ai/runegate): Akıllı LLM gateway: OpenAI uyumlu tek endpoint. Her isteğin zorluğunu sınıflandırıp hafif, orta veya güçlü tier'daki modele yönlendirir; OpenAI, Google Gemini ve DeepSeek, Qwen, GLM gibi açık kaynak modelleri tek anahtarla kullandırır; görsel, PDF, Excel ve ses girdilerini işler; ekip bütçesi aşılacaksa isteği sağlayıcıya gitmeden durdurur ve her isteği kaydeder. İsteğe bağlı RuneGuard modülü, istekteki kişisel verileri ve kuruma özel hassas bilgileri model sağlayıcısına gitmeden yer tutucularla değiştirir, yanıtta asıl değerleri geri koyar; gerekirse isteği engeller. n8n ve OpenAI uyumlu her istemciyle çalışır. Yönetilen bulut hizmeti olarak sunulur; RuneBox üzerinde kurum içinde de kurulabilir.

## Sık sorulan sorular

**Kurumsal yapay zeka eğitimi kime uygun?** Teknik bilgi gerekmez. Yapay Zeka Farkındalığı tüm çalışanlara, İş Süreçlerinde Yapay Zeka araçları her gün kullanacak ekiplere, Yöneticiler İçin Yapay Zeka karar vericilere yöneliktir; içerik eğitim öncesi görüşmede sektöre ve kullanılan araçlara göre uyarlanır.

**ChatGPT, Microsoft Copilot ve Gemini eğitimi veriyor musunuz?** Evet. İş Süreçlerinde Yapay Zeka eğitiminde bu chatbot'lar, Perplexity gibi AI arama araçları ve text-to-image araçları uygulamalı olarak kullanılır; kurumun lisanslı araçları varsa içerik onlara göre uyarlanır.

**Yöneticiler için yapay zeka eğitimi ne kadar sürer?** Süre yönetim ekibinin takvimine göre planlanır; program tek seferde yoğun biçimde ya da haftalara yayılan oturumlarla verilebilir. Farkındalık eğitimi bir gün (6 saat), İş Süreçlerinde Yapay Zeka iki gün (12 saat) sürer.

**Fiyat nasıl belirleniyor?** Katılımcı sayısı, format (yerinde / online / hibrit) ve içerik uyarlamasının kapsamına göre kuruma özel teklif hazırlanır; teklif formları bir iş günü içinde yanıtlanır.

**Sertifikalar Boğaziçi Üniversitesi onaylı mı?** Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir; talep halinde eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi (BÜYEM) ile birlikte yürütülür ve katılım veya başarı sertifikası BÜYEM onaylı düzenlenir.

## Danışmanlarımızın hizmet verdiği kurumlar

Ana sayfadaki logo bandından bazıları, sektöre göre:

- Bankacılık ve finans: Türkiye Varlık Fonu, Borsa İstanbul, İş Bankası, Yapı Kredi, Aktif Bank, Alternatif Bank, Türkiye Finans
- Sigorta: Allianz Sigorta, Türkiye Sigorta, Neova Sigorta
- Telekomünikasyon ve teknoloji: Turkcell, Türk Telekom, AssisTT, Etiya, Softtech, Linktera, Luwi, Pupilica, Protalya, Albert Health
- Sanayi ve enerji: Mercedes, Vestel, EPİAŞ, Acamar
- Kamu ve sivil toplum: Marmara Belediyeler Birliği, Azerbaycan Sağlık Bakanlığı, Lösev, Wtech

## Odak alanlarımız

Eğitim ve danışmanlık odağımız üretken yapay zeka, LLM ve RAG tarafında:

- RAG (retrieval-augmented generation) üzerine üç ayrı uygulamalı eğitim: ileri seviye RAG, multimodal RAG ve LangChain ile RAG.
- Üretken motor optimizasyonu (GEO) — markanın ChatGPT, Gemini ve Claude yanıtlarında önerilen taraf olması üzerine eğitim.
- Modellerin iç yapısı ve verimliliği: LoRA ile model hafifletme, Llama 4'ün MoE mimarisi gibi konularda teknik yazılar.
- MLOps: modeli üretime alma, pipeline kurma ve izleme üzerine temel ve ileri seviye iki eğitim.
- Derin öğrenme, bilgisayarlı görü ve doğal dil işleme üzerine PyTorch tabanlı uygulamalı programlar.
- Yöneticilere ve iş birimlerine yönelik, teknik olmayan yapay zeka okuryazarlığı ve iş süreçlerine uygulama eğitimleri.

## Eğitim programları

- [Kurs kataloğu](https://runelab.ai/courses): Yayındaki tüm eğitimler; kategori, seviye ve biçime göre filtrelenebilir.
- [Bireylere yönelik eğitimler](https://runelab.ai/academy/personal)
- [Kurumlara yönelik eğitimler](https://runelab.ai/academy/corporate): Ekibe özel hazırlanan, şirket içinde verilen programlar; AI liderlik programları, yetenek dönüşümü ve proje bazlı öğrenme.
- [Eğitim takvimi](https://runelab.ai/calendar/)
- [Eğitmen kadrosu](https://runelab.ai/instructors): Sayfada tanıtılan 9 eğitmen: kurumsal AI projeleri yürüten kıdemli uzmanlar ve Boğaziçi Üniversitesi akademisyenleri.
- [Boğaziçi Üniversitesi iş birliğiyle eğitimler](https://runelab.ai/bogazici-courses): BÜYEM ortaklığıyla düzenlenen sertifikalı programlar.

## Eğitim kataloğu

Kurs kataloğundaki eğitimler (32), konu başlığına göre:

### Üretken Yapay Zeka

- [Multimodal RAG](https://runelab.ai/course/multimodal-rag-elinizdeki-tablolar-ve-gorseller-ile-konusun): Geleneksel RAG mimarileri metin odaklıyken, gerçek dünya belgeleri (kılavuzlar, raporlar, teknik çizimler) karmaşık görsel ve tablo yapıları içerir. — Konular: Multimodal RAG Giriş · Görselleri ve Tabloları Çıkarma ve Embedding · Multimodal Vector Store & Retrieval Stratejisi · Multimodal RAG için Prompt · Gradio ile Arayüz Oluşturma · Kapanış
- [LangChain ile RAG](https://runelab.ai/course/langchain-ile-rag): Kurumlar, büyük dil modellerini (LLM’ler) kendi kurumsal verileriyle zenginleştirerek hem yanıt kalitesini artırmak hem de güvenilir, kaynak gösterilebilir çıktılar üretmek istiyor. — Konular: Neler Göreceğiz? · Retrieval Augmented Generation Temelleri · LangChain Giriş · Chatbot Oluşturma · Yayına Alma · Kapanış ve Sonraki Adımlar

### Kurumsal ve Yönetici Programları

- [İş Süreçlerinde Yapay Zeka](https://runelab.ai/course/yapay-zeka-ile-gelecegin-i-s-akislari-yapay-zekayi-i-s-sureclerine-uygulayin): Temel hedefimiz, AI'ı bir "kara kutu" olmaktan çıkarıp, her seviyeden profesyonelin verimliliğini artıran, yaratıcılığını tetikleyen ve stratejik karar alma süreçlerini destekleyen güçlü bir yardımcı haline getirmektir. — Konular: İş Süreçlerinde Yapay Zeka ve Stratejik Araçlar · En Güncel Yapay Zeka Modelleri · İş Süreçlerinde AI Fırsatlarını Keşfetme · Yapay Zeka ile İletişim - Prompt Mühendisliği ve Chatbotlar (+6)
- [Yöneticiler İçin Yapay Zeka](https://runelab.ai/course/yoneticiler-i-cin-yapay-zeka): Bu yoğun eğitim kampı, yöneticilere yapay zekanın temel prensiplerinden ileri seviye uygulama alanlarına kadar kapsamlı bir perspektif sunmayı amaçlıyor. — Konular: Yapay Zekanın Stratejik Gücü: Söylemlerin Ötesinde Rekabet Avantajı · İş Süreçlerini Yapay Zekaya Hazırlık Açısından Değerlendirme · Yapay Zeka ile Geleceğe Hazırlanma ve İnovasyon (+4)

### Yapay Zeka

- [GEO (Üretken Motor Optimizasyonu)](https://runelab.ai/course/geo-uretken-motor-optimizasyonu): Firmanızı ChatGPT, Gemini, Claude konuşmalarında önerilen firma haline getirin — Konular: GEO'nun Temelleri ve SEO'dan Farkı · Üretken Motorların İçeriği Nasıl Seçtiği · İçerik Yapılandırma ve Yazım Stratejileri · Otorite, Alıntılanabilirlik ve Yapısal Veri · Ölçümleme ve Araçlar (+1)
- [Kirli Veri Temiz CV: Gerçek Hayat, Mülakat ve Kariyer](https://runelab.ai/course/i-leri-seviye-regresyon-gercek-hayat-mulakat-ve-kariyer): Regresyon modellerini öğrendiniz, peki gerçek bir projede ne yapacaksınız? Mülakatınızda "Neden bu modeli seçtiniz?" diye sorulduğunda ne cevap vereceksiniz? CV'nizdeki "ML projesi" satırı gerçekten dikkat çekiyor mu? — Konular: Gerçek Dünyada Regresyon · Model Seçimi ve Yorumlama · Mülakatta Regresyon · CV, Portföy ve Kariyer Stratejisi
- [Makine Öğrenmesine Giriş - Regresyon Modelleri](https://runelab.ai/course/makine-ogrenmesine-giris-regresyon-modelleri-3): Satış projeksiyonundan müşteri değeri tahminine, fiyat optimizasyonundan risk skorlamasına... Her veri bilimi projesinin temelinde regresyon modelleri vardır. — Konular: Veri Bilimine Giriş · Regresyon Modelleri Temelleri · Makine Öğrenmesi Uygulamaları

### NLP (Doğal Dil İşleme)

- [İleri Seviye RAG](https://runelab.ai/course/i-leri-seviye-rag): Bu ileri seviye kurs, kurumsal düzeyde kullanılan sofistike RAG mimarilerini ele almaktadır. — Konular: Modern Hibrit Retrieval ve Routing · Kendi Kendini Düzelten ve Adaptif RAG · GraphRAG ve Yapılandırılmış Bilgi · Text-to-SQL RAG · Sorgu İşleme ve Anlama · Zamansal ve Gerçek Zamanlı Getirme (+4)

### Derin Öğrenme

- [Computer Vision Bootcamp](https://runelab.ai/course/computer-vision-bilgisayarli-goru-bootcamp): Bu kapsamlı eğitim, bilgisayarlı görü (Computer Vision) ve görüntü işleme alanında katılımcıları temel ilkelerden en yeni derin öğrenme modellerine uzanan geniş bir yelpazeyle tanıştırmayı amaçlıyor. — Konular: Bilgisayarlı Görü (Computer Vision) Temelleri · Deep Learning Temelleri · Convolutional Neural Networks (CNNs) · Modern Temel Mimariler (Foundational Architectures) (+9)
- [PyTorch ile Derin Öğrenme](https://runelab.ai/course/pytorch-ile-derin-ogrenme): PyTorch ile Derin Öğrenme Eğitimi, derin öğrenme algoritmalarını dinamik, esnek ve kullanıcı dostu bir ortamda geliştirmek, eğitmek ve optimize etmek için PyTorch kütüphanesinin sunduğu tüm araçları kapsamlı bir biçimde… — Konular: Derin Öğrenme ve PyTorch’e Giriş · PyTorch Derin Temelleri · Veri Ekosistemi & Ön İşleme · Eğitim Döngüsü & Temel Ağlar · Konvolüsyonel Ağlar & Görüntü İşleme · Sıralı Modeller & Attention (+6)
- [Computer Vision (Bilgisayarlı Görü)](https://runelab.ai/course/computer-vision-bilgisayarli-goru): Bu kapsamlı eğitim, bilgisayarlı görü (Computer Vision) ve görüntü işleme alanında katılımcıları temel ilkelerden en yeni derin öğrenme modellerine uzanan geniş bir yelpazeyle tanıştırmayı amaçlıyor. — Konular: Bilgisayarlı Görü (Computer Vision) Temelleri · Deep Learning Temelleri · Convolutional Neural Networks (CNNs) · Modern Temel Mimariler (Foundational Architectures) (+9)

### MLOps

- [MLOps – İleri Seviye](https://runelab.ai/course/mlops-i-leri-seviye): İleri seviye MLOps eğitimi, makine öğrenimi modellerinin üretime alımından, gerçek zamanlı izleme, otomatik güncellemeler, ölçeklenebilirlik, güvenlik ve performans optimizasyonuna kadar tüm yaşam döngüsünü kapsamlı bir… — Konular: İleri Seviye MLOps Stratejileri ve Kavramları · Ölçeklenebilir MLOps Altyapısı Tasarımı · İleri Otomasyon ve CI/CD Stratejileri · Model İzleme · Loglama · Performans Optimizasyonu (+2)
- [MLOps – Temel Seviye](https://runelab.ai/course/mlops-temel-seviye): MLOps (Machine Learning Operations), makine öğrenimi modellerinin geliştirme, dağıtım, izleme ve bakım süreçlerini otomatikleştirerek, veri bilimciler ile operasyon ekipleri arasındaki işbirliğini güçlendiren bir… — Konular: İleri Seviye MLOps Stratejileri ve Kavramları · Ölçeklenebilir MLOps Altyapısı Tasarımı · İleri Otomasyon ve CI/CD Stratejileri · Model İzleme · Loglama · Performans Optimizasyonu (+2)

### Big Data (Büyük Veri)

- [Apache Spark](https://runelab.ai/course/apache-spark): Apache Spark, büyük veri işleme ve analitiği için tasarlanmış, dağıtık, bellek içi (in-memory) hesaplama gücü sunan ve çok çeşitli modülleri (Spark SQL, Spark Streaming, MLlib, GraphX) içeren, modern veri mühendisliği… — Konular: Giriş ve Temel Kavramlar · Apache Spark Temelleri ve Kurulum · RDD (Resilient Distributed Datasets) ve Temel API’ler · DataFrame ve Spark SQL · Apache Spark Streaming ve Structured Streaming (+5)
- [Big Data (Büyük Veri)](https://runelab.ai/course/big-data-buyuk-veri): Veri Mühendisliğinde Uzmanlaşın: Temellerden Modern Mimarilere Uçtan Uca Büyük Veri Yolculuğu Verinin en değerli kaynak olduğu günümüz dünyasında, bu verileri işleyebilen, depolayabilen ve değere dönüştürebilen… — Konular: Büyük Veri Temelleri ve İlişkisel Veri Sistemleri · Petabaytları Depolama: On-Prem ve Bulut Çözümler · NoSQL ve Lakehouse Mimarisi · Veri Alımı, Orkestrasyon ve ETL/ELT Süreçleri (+7)

### Web Scraping

- [Web Scraping (Web Kazıma)](https://runelab.ai/course/web-scraping-web-kazima): Ürün fiyatlarından haber başlıklarına, kullanıcı yorumlarından sosyal ağ içeriklerine kadar web üzerinde bulunan yapılandırılmış ve yarı-yapılandırılmış veriler; doğru tekniklerle toplandığında işletmeler… — Konular: Temeller (Ön Çalışma) · Statik Web Kazıma (Scraping) Temelleri · Kazıma Frameworklerine Giriş: Scrapy · Dinamik Web Sitelerini Headless Tarayıcılarla Ele Alma (Playwright Odaklı) (+9)

### Veri Bilimi ve Programlama

- [Uygulamalı Makine Öğrenmesi](https://runelab.ai/course/uygulamali-makine-ogrenmesi): Bu kapsamlı eğitim, katılımcılara makine öğrenmesinin temellerinden başlayarak gerçek dünya problemlerini çözebilecek seviyeye kadar pratik bir yolculuk sunar. — Konular: Makine Öğrenmesi Temelleri · Veriyi Bölme ve Ön İşleme · ML Model Kurma
- [Python Programlama](https://runelab.ai/course/python-programlama): Günümüzün En Popüler Programlama Dili Python'ı Öğrenin — Konular: Ortam Kurulumu ve Giriş · Yazım Kuralları ve Temel Veri Yapıları · Koleksiyon(Collection) Veri Tipleri · Kontrol Yapıları ve Döngüler · İleri Düzey İterasyon Teknikleri ve Manipülasyon · Fonksiyonlar (+3)
- [Veri Bilimi İçin Python](https://runelab.ai/course/veri-bilimi-i-cin-python): Bu yoğunlaştırılmış eğitim programı katılımcılara ham veriyi anlamlı iş kararlarına dönüştürmek için gerekli yetileri kazandırır. — Konular: Veri İşleme ve Görselleştirmenin Temelleri · İleri Düzey Veri İşleme ve Görselleştirme · Keşifsel Veri Analizi · Scikit-learn ile Makine Öğrenmesine Giriş
- [Data Science (Veri Bilimi)](https://runelab.ai/course/data-science-veri-bilimi): İşletmeler, bu devasa veri yığınlarını stratejik içgörülere ve aksiyon alınabilir analizlere dönüştürerek rekabet avantajı elde etmeye çalışıyor. — Konular: Bootcamp Hazırlığı & Ortam Kurulumu · Python ile Veri Bilimi için Programlama · Veri Toplama & SQL Ustalığı · Keşifsel Veri Analizi (EDA) & Görselleştirme (+14)

### Microsoft Ürünleri

- [SQL Server Veri Tabanı Sorgulama Eğitimi](https://runelab.ai/course/sql-server-veri-tabani-sorgulama-egitimi): Bu eğitim sonunda katılımcılar her türlü veri sorgulama tekniklerini öğrenmiş ve veritabanı nesnelerini yaratıp yönetebilir hale gelmiş olacaktır. — Konular: SQL Server Temelleri ve Ortama Genel Bakış · T-SQL Dilinin Temel Kavramları · SELECT Komutu ile Veri Çekme İşlemleri · Çoklu Tablo Üzerinden Veri Sorgulama · Veri Sıralama ve Filtreleme Teknikleri (+2)
- [SQL Server Veritabanı Sorgulama Temel Eğitimi](https://runelab.ai/course/sql-server-veritabani-sorgulama-temel-egitimi): SQL Sorgulama Temel Eğitimi, veri tabanı sorgulama mantığını öğrenmek isteyen katılımcılara SQL dilinin temel yapısını öğretmeyi amaçlar. — Konular: Veritabanı ve SQL’e Giriş · Veri Modelleme · Normalleştirme · İlişkiler · Performans · Veri Tabanı Nesneleri · Birden Fazla Tablo ile Çalışma · Uygulamalı SQL Çalışması
- [Microsoft Excel İleri – Expert Seviye Eğitimi](https://runelab.ai/course/microsoft-excel-i-leri-expert-seviye-egitimi): İleri (Expert) Excel Eğitimi, Excel’i ileri düzeyde kullanan katılımcıların karmaşık veri analizi, ileri raporlama ve otomasyon süreçlerini profesyonel seviyede yönetmelerini amaçlar. — Konular: Excel Tablolarıyla Çalışma · Tablolar ve Veri Yönetimi · Fonksiyonlar · İleri Seviye Pivot Table ve Pivot Chart · Veri Yönetimi ve Veri Analizi · Form Denetimleri · Dış Verilerle Çalışma (+1)
- [Microsoft Makro (VBA) Eğitimi](https://runelab.ai/course/microsoft-makro-vba-egitimi): Makro (VBA) Eğitimi, Excel başta olmak üzere Microsoft Office uygulamalarında tekrarlayan işlemleri otomatikleştirmek ve özelleştirilmiş çözümler geliştirmek isteyen katılımcılara Visual Basic for Applications (VBA)… — Konular: Macro & VBA’ ya Giriş · Visual Basic for Application Penceresi · Programlama Yapısı · Excel Öğelerini Programlama · Operatörler · Hata Denetimi · Fonksiyonlar · User Formlar Üzerinde Çalışma (+1)
- [Microsoft Power BI Temel Eğitimi](https://runelab.ai/course/microsoft-power-bi-temel-egitimi-1): Microsoft Power BI, farklı veri kaynaklarından gelen bilgileri anlamlı, etkileşimli ve görsel raporlara dönüştürerek karar alma süreçlerini güçlendiren modern bir iş zekâsı platformudur. — Konular: Power BI’a Giriş ve Temel Kavramlar · Veri Kaynaklarına Bağlanma · Power Query ile Veri Hazırlama · Veri Modelleme · DAX’e Giriş · Rapor ve Görselleştirme · Etkileşimli Dashboard Tasarımı (+2)
- [Microsoft Power BI Temel Eğitimi](https://runelab.ai/course/microsoft-power-bi-temel-egitimi): Temel Seviye Power BI Eğitimi, iş zekâsı ve veri görselleştirmeye yeni başlayan katılımcılara Power BI’ın temel kullanımını öğretmeyi amaçlar. — Konular: Power BI’a Giriş ve Temel Kavramlar · Veri Kaynaklarına Bağlanma · Power Query ile Veri Hazırlama · Veri Modelleme · DAX’e Giriş · Rapor ve Görselleştirme · Etkileşimli Dashboard Tasarımı (+2)
- [Microsoft Project İleri Seviye Eğitimi](https://runelab.ai/course/microsoft-project-i-leri-seviye-egitimi): İleri Seviye Microsoft Project Eğitimi, Microsoft Project’i etkin şekilde kullanan katılımcıların ileri düzey proje planlama, izleme ve kontrol becerilerini geliştirmeyi amaçlar. — Konular: İleri Seviye Proje Planlama Yaklaşımı · Gelişmiş Görev Yapıları ve Zamanlama · Kaynak Yönetimi ve Dengeleme · Maliyet ve Bütçe Yönetimi · Proje İlerleme ve Performans Takibi (+3)
- [Microsoft Project Temel Eğitimi](https://runelab.ai/course/microsoft-project-temel-egitimi): Temel Seviye Microsoft Project Eğitimi, proje yönetimine yeni başlayan veya Microsoft Project’i ilk kez kullanacak katılımcılara, projelerin planlanması ve takibine yönelik temel bilgi ve becerileri kazandırmayı amaçlar. — Konular: Microsoft Project’e Giriş · Proje Planı ve Görev Yapısının Oluşturulması · Görev İlişkileri ve Zamanlama · Kaynak Yönetimine Giriş · Proje Takibi ve İlerleme İzleme · Görünümler ve Raporlama (+2)
- [Microsoft Excel İleri Eğitimi](https://runelab.ai/course/microsoft-excel-i-leri-egitimi): İleri Seviye Excel Eğitimi, Excel’i ileri düzeyde kullanan katılımcıların veri analizi, raporlama ve otomasyon becerilerini geliştirmeyi hedefler. — Konular: Tablolar ve Veri Yönetimi · Koşullu Biçimlendirme · Fonksiyonlar · Excel Tablolarıyla Çalışma · PivotTable & PivotCharts · Güvenlik · Kayıt Makroları · Tips ve Tricks
- [Microsoft Excel Orta Eğitimi](https://runelab.ai/course/microsoft-excel-orta-egitimi): Orta Seviye Excel Eğitimi, temel Excel bilgisine sahip katılımcıların veri analizi ve raporlama becerilerini geliştirmeyi amaçlar. — Konular: Giriş · Biçimlendirme · Çalışma Sayfaları ile Çalışmak · Çalışma Kitabını Yazdırmak · Çalışma Sayfasının Kullanımı · Koşullu Biçimlendirme · Grafikler · Tablolar ve Veri Yönetimi (+2)
- [Microsoft Excel Temel Eğitimi](https://runelab.ai/course/microsoft-excel-temel-egitimi): Temel Excel Eğitimi, katılımcılara Excel’in temel kullanımını öğretmeyi amaçlayan bir eğitimdir. — Konular: Giriş · Biçimlendirme · Çalışma Sayfaları · Çalışma Kitabını Yazdırmak · Çalışma Sayfasının Kullanımı · Koşullu Biçimlendirme · Grafikler · Excel Formüllerinin Kullanımı · Tips ve Tricks
- [MS Power Platform](https://runelab.ai/course/ms-power-platform): MS Power Platform, Microsoft’un veri analizi, uygulama geliştirme, iş süreçlerini otomatikleştirme ve sohbet botları oluşturma gibi iş zekası çözümlerini düşük kodlu (low-code/no-code) yaklaşımla sunan kapsamlı bir… — Konular: Giriş ve Temel Kavramlar · Power BI ile Gelişmiş Veri Analizi ve Görselleştirme · Power Apps ile Uygulama Geliştirme · Power Automate ile İş Akışı Otomasyonu (+5)

## Teknik yazılar

- [ML Ops Pipeline’ı Sıfırdan Kurmak: Modelden API’ye Adım Adım](https://runelab.ai/blog/post/ml-ops-pipeline-i-sifirdan-kurmak-modelden-api-ye-adim-adim)
- [LoRA (Low-Rank Adaptation) ile Dev Modelleri Hafifletmek Mümkün mü?](https://runelab.ai/blog/post/lora-low-rank-adaptation-ile-dev-modelleri-hafifletmek-mumkun-mu)
- [Kısaca Cross Validation Aslında Nedir? Doğru Bilinen Yanlışlar](https://runelab.ai/blog/post/kisaca-cross-validation-aslinda-nedir-dogru-bilinen-yanlislar)
- [Llama 4’ün MoE Yapısı Neden Tüketici GPU’ları İçin Zorlayıcı?](https://runelab.ai/blog/post/llama-4-un-moe-yapisi-neden-tuketici-gpu-lari-i-cin-zorlayici)

## Danışmanlık

- [NexTech](https://runelab.ai/nextech/): Kurumsal yapay zeka danışmanlığı ve uçtan uca proje teslimi: strateji, mimari, geliştirme ve üretime alma.
- [AI danışmanlığı](https://runelab.ai/nextech/consulting): Stratejik AI roadmap tasarımı, teknik mimari danışmanlığı, kod review ve hands-on geliştirme desteği.
- [Uçtan uca AI projeleri](https://runelab.ai/nextech/projects): NLP, computer vision, tahminleme ve otomasyon çözümlerinin fikirden üretime teslimi; mevcut sistemlerle entegrasyon.
- [AI hazırlık analizi](https://runelab.ai/nextech/ai-readiness): Kurumun süreçlerini ve verisini inceleyen, firmaya özel yapay zeka hazırlık raporu ve yol haritası.
- [AI yetenek havuzu](https://runelab.ai/nextech/talent): Eğit ve işe yerleştir: kurumun ihtiyacına göre yetiştirilen AI ekipleri.

## Yayınlar

- [Blog](https://runelab.ai/blog/): Yapay zeka, veri bilimi ve yazılım mühendisliği üzerine teknik yazılar.
- [Expert Talks](https://runelab.ai/talks/): Sektörden konuşmacılarla düzenlenen ücretsiz çevrimiçi seminer serisi; NVIDIA, DeepMind, AWS, Anthropic, LlamaIndex ve deepset gibi şirketlerden uzmanlar konuştu, 12 oturumun kaydı açık.
- [Video kütüphanesi](https://runelab.ai/videos/)
- [Teknik raporlar](https://runelab.ai/whitepaper/)

## Kurum bilgileri

- [Hakkımızda](https://runelab.ai/about): RuneLab NexTech (danışmanlık) ve RuneLab Akademi (eğitim) olmak üzere iki koldan çalışır.
- [İletişim](https://runelab.ai/contact): Kurumsal eğitim ve danışmanlık talepleri için: info@runelab.ai, +90 532 594 62 24 (WhatsApp); Bakırköy, İstanbul.
- [Gizlilik politikası](https://runelab.ai/privacy)
- [llms-full.txt](https://runelab.ai/llms-full.txt): Bu özetin genişletilmiş sürümü: kurumsal eğitim sayfalarının, danışmanlık sayfalarının, eğitmenlerin ve kurs kataloğunun tam metni.

## Kurumsal eğitim sayfaları — tam metin

Kaynak: https://runelab.ai/yapay-zeka-farkindaligi

Kurumsal eğitim · RuneLab Akademi
### Yapay Zeka Farkındalığı Eğitimi
Ekibinizin yapay zekayı doğru yerde, doğru şekilde ve güvenli kullanmasını sağlayan bir günlük uygulamalı eğitim. Teknik bilgi gerekmez; herkes kendi işine uygulayabileceği somut yöntemlerle ayrılır.
- Süre: 1 gün · 6 saat
- Format: Yerinde, online veya hibrit
- Katılımcı: 8–25 kişilik gruplar
- Sertifika: Katılım sertifikası; talep halinde Boğaziçi Üniversitesi onaylı
#### Kimler için?
Yapay zekayı henüz iş süreçlerine taşımamış ya da dağınık, kontrolsüz kullanan ekipler için.
- **Yöneticiler**: Hangi işte yapay zeka değer yaratır, hangisinde yaratmaz: karar verirken kullanacağınız çerçeve.
- **İK ve eğitim ekipleri**: Kurum içi yapay zeka okuryazarlığını planlamak ve ortak bir dil kurmak için başlangıç noktası.
- **Operasyon, satış ve finans ekipleri**: Rapor, yazışma, analiz ve özetleme işlerinde her gün kullanılabilecek somut yöntemler.
- **Teknik olmayan tüm çalışanlar**: Kod yazmadan, araçları güvenli ve verimli kullanmayı öğrenmek isteyen herkes.
#### Eğitim sonunda ekibiniz
Teorik bir sunum değil: her modül, katılımcıların kendi işlerinden örneklerle çalıştığı kısa uygulamalarla ilerler.
- Yapay zekanın ne yapabildiğini ve ne yapamadığını gerçekçi biçimde ayırt eder
- Kendi iş sürecinde en az üç somut kullanım senaryosu tanımlar
- Üretken yapay zeka araçları için etkili ve tekrarlanabilir prompt'lar yazar
- Veri güvenliği, KVKK ve hatalı çıktı risklerini tanır ve yönetir
- Çıktıları doğrulama ve sorumlu kullanım için ortak kurallar edinir
- Kurumun sonraki adımı için önceliklendirilmiş bir fikir listesiyle ayrılır
#### Program
Altı modül, bir gün. Örnekler ve uygulamalar kurumunuzun sektörüne göre uyarlanır.
- **Yapay zeka nedir, ne değildir?**: Temel kavramlar, sık karşılaşılan yanılgılar ve bugünün araçlarının gerçek sınırları. Ortak bir dil kurulur.
- **Üretken yapay zeka ve büyük dil modelleri**: Sohbet asistanları, metin ve görsel üretimi, arama ile birleşen modeller: nasıl çalışır, neden bazen yanılır.
- **İş süreçlerinde kullanım senaryoları**: Raporlama, müşteri iletişimi, özetleme, analiz ve içerik üretiminde sektöre özel örnekler; katılımcılar kendi senaryolarını çıkarır.
- **Etkili prompt yazımı: uygulama**: Bağlam, rol, format ve örnek verme teknikleri; aynı işi daha iyi yaptıran prompt'ları birlikte yazıp karşılaştırırız.
- **Riskler: veri güvenliği, KVKK, hatalı çıktılar, etik**: Hangi veri hangi araca girer, çıktılar nasıl doğrulanır, kurum içi kullanım kuralları nasıl yazılır.
- **Kurumsal yol haritası ve sonraki adımlar**: Gün boyunca biriken fikirler önceliklendirilir; ekip için 30 günlük küçük bir deneme planıyla kapanış.
#### Format ve sertifika
- **Yerinde**: Ofisinizde, tek günde. Sektörünüze uyarlanmış örnekler ve atölye çalışması.
- **Online canlı**: Farklı lokasyonlardaki ekipler için iki yarım gün olarak da planlanabilir.
- **Hibrit**: Uygulama modülleri yerinde, kavramsal modüller online; büyük gruplar için.
##### Sertifika
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep halinde eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülür ve sertifika BÜYEM onaylı düzenlenir.
#### Farkındalık, uygulama ve strateji: her kademeye bir eğitim
- Yapay Zeka Farkındalığı Eğitimi Tüm çalışanlar için bir günlük uygulamalı eğitim; yerinde, online veya hibrit.
- İş Süreçlerinde Yapay Zeka Eğitimi Ekipler için 12 saatlik uygulamalı eğitim: AI araçlarını günlük iş akışlarına yerleştirir; Boğaziçi Üniversitesi iş birliğiyle. Eğitimi inceleyin
- Yöneticiler İçin Yapay Zeka Eğitimi Karar vericiler için yedi modül: use case seçimi, build vs buy, veri hazırlığı ve AI governance. Eğitimi inceleyin
#### Sıkça Sorulan Sorular
**Katılımcıların teknik bilgisi olması gerekir mi?**
Hayır. Herhangi bir ön koşul aramıyoruz; kod yazılmaz. Teknik ekipler de katılabilir; içerik herkesin kendi işine uygulayabileceği şekilde kurgulanır.
**İçerik sektörümüze göre uyarlanıyor mu?**
Evet. Eğitim öncesi kısa bir görüşmeyle süreçlerinizi ve kullandığınız araçları öğreniyor, örnekleri ve uygulamaları buna göre hazırlıyoruz.
**Sertifika veriyor musunuz?**
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep ettiğiniz durumda eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülebilir ve katılım sertifikası BÜYEM onaylı düzenlenebilir.
**Eğitmenleriniz kimler?**
RuneLab Akademi’nin sektöre proje ve danışmanlık yapan eğitmenleri. Eğitmenlerimiz, RuneLab'de aktif olarak proje yöneten senior AI engineer'lar ve data scientist'lerdir.
**Ücret nasıl belirleniyor?**
Katılımcı sayısı, format ve içerik uyarlamasının kapsamına göre kurumunuza özel bir teklif hazırlıyoruz. Formu doldurun, bir iş günü içinde dönüş yapalım.
**Katılımcıların bilgisayar veya araç lisansı gerekir mi?**
Uygulamalar için bir dizüstü bilgisayar veya tablet yeterli; ücretsiz erişilebilen araçlarla çalışıyoruz. Kurumunuzun lisanslı araçları varsa uygulamaları onlara göre uyarlıyoruz.
**Eğitim sonrası devamı var mı?**
Farkındalık eğitimi başlangıç adımıdır. Sonrasında ekipler için uygulamalı üretken yapay zeka atölyeleri, rol bazlı eğitimler ve kurumunuz için yapay zeka hazırlık analizi ile devam edilebilir.
#### Ekibiniz için teklif alın
Katılımcı sayısı, format ve tarih tercihinizi yazın; bir iş günü içinde dönüş yapalım.

Kaynak: https://runelab.ai/is-sureclerinde-yapay-zeka

Kurumsal eğitim · RuneLab Akademi
### İş Süreçlerinde Yapay Zeka Eğitimi
Ekiplerinizin Generative AI araçlarını kendi iş süreçlerine yerleştirdiği uygulamalı eğitim. Prompt yazımından veri analizine kadar uygulamalı modüller atölyeyle ilerler; katılımcılar kendi işleri için ölçülebilir bir AI uygulama planıyla ayrılır.
- Süre: 2 gün · 12 saat
- Format: Yerinde, online veya hibrit
- Seviye: Ön koşul yok
- Sertifika: Boğaziçi Üniversitesi onaylı sertifika
#### Kimler için?
AI araçlarını denemiş ama günlük işlerine yerleştirememiş ekipler için. Teknik bilgi gerekmez.
- **Yöneticiler**: Hangi süreçte AI değer üretir, hangisinde üretmez; ekibiniz için karar ve önceliklendirme çerçevesi.
- **Teknik olmayan profesyoneller**: E-posta, rapor, sunum ve analiz işlerinde AI araçlarını kod yazmadan, güvenli biçimde kullanmak isteyenler.
- **Teknik profesyoneller**: Araçları zaten kullanan ama iş birimleriyle ortak bir dil ve tekrarlanabilir bir yöntem arayanlar.
- **Operasyon ekipleri**: Rutin işlerin yükünü AI ile azaltmak isteyen süreç sahipleri.
#### Hangi süreçlerde?
Eğitim, yaygın iş süreçlerinde AI'ın nerede işe yaradığını inceler. Atölyelerde her departman kendi senaryosunu çıkarır; listede olmayan departmanların senaryoları eğitim öncesi görüşmede belirlenir.
- **İletişim ve toplantılar**: E-posta taslakları; toplantı notlarından özet ve aksiyon listesi.
- **Doküman ve raporlama**: Uzun raporların özeti, şablondan rapor üretimi, sunum taslakları.
- **Veri analizi**: Doğal dille veri sorgulama ve görselleştirme; rakamlar kaynak tabloyla doğrulanır.
- **Pazarlama ve içerik**: Kampanya fikirleri, sosyal medya içerikleri ve hızlı görsel konseptler.
- **İnsan kaynakları**: Oryantasyon içerikleri, iş ilanı ve mülakat sorusu taslakları; değerlendirme ve karar insanda kalır.
- **Müşteri hizmetleri**: Sık gelen talepler için yanıt taslakları; şikayetleri temalara göre sınıflandırma.
- **Yönetim ve karar desteği**: Uzun raporlardan karar notu; kullanım senaryolarını etkiye ve kolaylığa göre önceliklendirme.
- **Şirket bilgisine erişim**: RAG yaklaşımıyla politika, prosedür ve el kitaplarından kaynağa dayalı yanıt alma.
#### Program
On modül, iki gün. Örnekler ve atölyeler kurumunuzun sektörüne ve kullandığı araçlara göre uyarlanır.
- **AI temelleri ve stratejik araçlar**: AI hangi problemlere uygundur, hangilerine değildir; Generative AI (içerik üreten) ile Predictive AI (tahmin yapan) arasındaki fark; RAG kavramına giriş.
- **Güncel AI modelleri**: Metin, görsel, video ve kod tarafında öne çıkan modellere ve AI agent'lara genel bakış; hangisi ne işe yarar.
- **İş süreçlerinde AI fırsatlarını keşfetme**: Rutin ve zaman alan işlerin tespiti; departman bazlı kullanım senaryosu atölyesi.
- **Prompt engineering ve chatbot'lar**: İyi bir prompt'un anatomisi: rol, görev, bağlam, format, ton, örnek ve kısıt. Zincirleme prompt'lar (prompt chaining), multimodal chatbot'lar ve tool use.
- **İletişim ve içerik üretimi**: Profesyonel e-posta, rapor özeti ve içerik taslakları; örnek el kitabı, SSS ve politika metinleri üzerinden soru-cevap.
- **Hızlı tasarım ve görsel üretim**: Sunum, sosyal medya görseli ve konsept tasarımı için text-to-image araçları ve tasarım asistanları.
- **Kod yazmadan veri analizi**: Doğal dille veri sorgulama, görselleştirme ve otomatik raporlama; çıktıları doğrulama alışkanlığı.
- **Sorumlu AI kullanımı ve etik**: İnsan denetimi, hallucination (uydurma bilgi), veri gizliliği ve KVKK, telif ve bias (önyargılı çıktı); işe alım gibi senaryolarla atölye.
- **Entegrasyon ve kişisel uygulama planı**: Denemeden sürdürülebilir kullanıma geçiş; custom instructions ve örneklerle aracı kendi jargonunuza göre kişiselleştirme. Her katılımcı kendi AI uygulama planını hazırlar ve sunar.
- **Sürekli gelişim ve ekip kültürü**: Eğitimden sonrası: ekip içi bilgi paylaşımı, işe yarayan prompt'ları ortaklaştırma ve araçlar değiştikçe güncel kalma yöntemleri.
#### Eğitim sonunda ekibiniz
Uygulamalı modüller bir atölyeyle kapanır; katılımcılar kendi iş senaryolarını kurgular, uygulamayı anonimleştirilmiş örnek verilerle yapar.
- Hangi işte hangi AI aracını kullanacağını ve çıktıyı nasıl kontrol edeceğini bilir
- Hedefe yönelik, tekrarlanabilir prompt'lar yazar
- Metin, görsel ve sunum üretiminde AI'dan yararlanır
- Kod yazmadan veri analizi yapar, çıktıları doğrulamayı bilir
- Rutin işlerin yükünü AI ile azaltır
- Hallucination, veri gizliliği, telif ve bias risklerini tanır ve yönetir
#### Herkes kendi AI uygulama planıyla ayrılır
Eğitimin çıktısı bir sunum dosyası değil; her katılımcının kendi işi için hazırladığı, beş adımlı ve ölçülebilir bir plan.
- **Görev**: Hangi işi hafifletmek istiyorum?
- **AI aracı**: Bu iş için doğru araç hangisi?
- **Prompt stratejisi**: Aracı nasıl yönlendireceğim?
- **Doğrulama**: Çıktıyı nasıl kontrol edeceğim?
- **Başarı kriteri**: İşe yaradığını neyle ölçeceğim?
#### Format ve sertifika
- **Yerinde**: Ofisinizde, iki günde. Sektörünüze uyarlanmış örnekler ve departman atölyeleri.
- **Online canlı**: Farklı lokasyonlardaki ekipler için canlı oturumlar; yarım günlere bölünebilir.
- **Hibrit**: Atölye modülleri yerinde, kavramsal modüller online; büyük gruplar için.
##### Sertifika
Program, Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi (BÜYEM) iş birliğiyle tasarlandı; derslere Boğaziçi Üniversitesi akademisyenleri de katkıda bulunur. Katılımcılar BÜYEM onaylı katılım veya başarı sertifikası alır.
#### Farkındalık, uygulama ve strateji: her kademeye bir eğitim
- Yapay Zeka Farkındalığı Eğitimi Tüm çalışanlar için bir günlük uygulamalı eğitim; yerinde, online veya hibrit. Eğitimi inceleyin
- İş Süreçlerinde Yapay Zeka Eğitimi Ekipler için 12 saatlik uygulamalı eğitim: AI araçlarını günlük iş akışlarına yerleştirir; Boğaziçi Üniversitesi iş birliğiyle.
- Yöneticiler İçin Yapay Zeka Eğitimi Karar vericiler için yedi modül: use case seçimi, build vs buy, veri hazırlığı ve AI governance. Eğitimi inceleyin
#### Sıkça Sorulan Sorular
**Katılımcıların teknik bilgisi olması gerekir mi?**
Hayır. Herhangi bir ön koşul aramıyoruz; kod yazılmaz. Teknik ekipler de katılabilir; içerik herkesin kendi iş sürecine uygulayabileceği şekilde kurgulanır.
**Yapay Zeka Farkındalığı eğitiminden farkı ne?**
Farkındalık eğitimi bir günde ortak dil ve güvenli kullanım alışkanlığı kazandırır. Bu eğitim iki günde araçları iş süreçlerine yerleştirir: prompt engineering, içerik ve görsel üretimi, veri analizi ve AI uygulama planı. Farkındalık eğitimini almış olmak gerekmez; temeller ilk modülde toparlanır. Geniş kitlede ortak dil için Farkındalık, araçları her gün kullanacak ekipler için bu eğitim uygundur. Farkındalık eğitimini inceleyin .
**Hangi araçlar kullanılıyor? Lisans gerekir mi?**
ChatGPT, Microsoft Copilot ve Gemini gibi chatbot'lar, Perplexity gibi AI arama araçları, text-to-image araçları ve tasarım asistanları kullanılır. Uygulamaların çoğu ücretsiz sürümlerle yapılabilir; veri analizi ve görsel üretimde ücretsiz sürümlerin kullanım limitleri olabilir. Kurumunuzun lisanslı araçları varsa içerik onlara göre uyarlanır. Araç seti her eğitim öncesinde gözden geçirilir.
**Uygulamalarda şirket verimiz kullanılıyor mu?**
Hayır; gerçek şirket verisi hiçbir araca girilmez. Katılımcılar kendi iş senaryolarını kurgular, uygulamayı bizim sağladığımız anonimleştirilmiş veri setleriyle yapar. Hangi verinin hangi araca girebileceği ve KVKK, “Sorumlu AI kullanımı ve etik” modülünde ayrıca ele alınır.
**Şirketimizde bazı AI araçlarına erişim kısıtlı; eğitim yapılabilir mi?**
Evet. Eğitim öncesi görüşmede kurumunuzda erişime açık ve onaylı araçları öğreniyor, uygulamaları bunlarla planlıyoruz. Katılımcılar için bir dizüstü bilgisayar ve internet erişimi yeterli.
**Eğitimin etkisini nasıl ölçebiliriz?**
Her katılımcı AI uygulama planında bir başarı kriteri tanımlar; örneğin bir raporun hazırlanma süresi. Bu planlar, eğitimden sonra kurum içinde takip edebileceğiniz hazır bir ölçüm listesi oluşturur.
**İçerik sektörümüze göre uyarlanıyor mu?**
Evet. Eğitim öncesi kısa bir görüşmeyle süreçlerinizi ve kullandığınız araçları öğreniyor, örnekleri ve uygulamaları buna göre hazırlıyoruz.
**Eğitmenleriniz kimler?**
Eğitimi, RuneLab'de kurumsal AI projeleri yürüten senior AI engineer ve data scientist'ler verir; anlatım teknik olmayan katılımcılara göre kurgulanır. Derslere Boğaziçi Üniversitesi akademisyenleri de katkıda bulunur.
**Ücret nasıl belirleniyor?**
Katılımcı sayısı, format ve içerik uyarlamasının kapsamına göre kurumunuza özel bir teklif hazırlıyoruz. Formu doldurun, bir iş günü içinde dönüş yapalım.
#### Ekibiniz için teklif alın
Katılımcı sayısı, format ve tarih tercihinizi yazın; bir iş günü içinde dönüş yapalım.

Kaynak: https://runelab.ai/yoneticiler-icin-yapay-zeka

Kurumsal eğitim · RuneLab Akademi
### Yöneticiler İçin Yapay Zeka Eğitimi
Yönetim ekibinizin AI'ı bir teknoloji başlığı değil, bir yatırım ve yönetim kararı olarak ele aldığı eğitim. Hangi use case öncelikli? Geliştirmek mi, satın almak mı? Her yönetici kendi birimi için bir AI fırsat değerlendirmesi taslağıyla ayrılır.
- Program: 7 modül
- Format: Yerinde, online veya hibrit
- Çıktı: AI fırsat değerlendirmesi taslağı
- Sertifika: Katılım sertifikası
#### Kimler için?
AI yatırım kararlarını veren ya da bu kararları yönetime hazırlayan, bütçe ve ekip sorumluluğu olan yöneticiler için.
- **Üst yönetim**: AI'ı şirket stratejisine nasıl bağlayacağını, nereye yatırım yapıp nereye yapmayacağını netleştirmek isteyen C-level yöneticiler ve genel müdürler.
- **Fonksiyon yöneticileri**: Kendi birimlerindeki AI fırsatlarını somutlaştırmak isteyen İK, pazarlama, tasarım, üretim, tedarik zinciri ve operasyon liderleri.
- **Strateji ve dijital dönüşüm ekipleri**: Kurumun AI roadmap'ini hazırlayan, projeleri önceliklendiren ve yönetime sunan ekipler.
- **IT ve veri liderleri**: İş birimleriyle ortak bir dil ve ortak bir değerlendirme çerçevesi arayan teknik yöneticiler.
#### Yöneticinin masasındaki sorular
Eğitim, araç kullanımını değil, karar vermeyi merkeze alır. Program boyunca bu altı soruya kurumunuz özelinde yanıt aranır.
- **Nereden başlamalı?**: Yüksek katma değerli use case'leri bulma; etkiye ve uygulanabilirliğe göre önceliklendirme.
- **Geliştirmek mi, satın almak mı?**: Build vs buy kararı: çözümü kurum içinde geliştirmek, hazır ürün satın almak ya da ikisini birleştirmek arasındaki kriterler.
- **Verilerimiz hazır mı?**: Bir AI projesinin ihtiyaç duyduğu veri altyapısı ve data governance; eksikleri erken görme.
- **Kurum ne kadar hazır?**: AI readiness düzeyini strateji, veri, teknoloji, yetkinlik, kültür ve governance gibi boyutlarda belirleme.
- **Ekip nasıl dönüşecek?**: İş gücü dönüşümünü yönetme, yetkinlik açığını kapatma ve AI inovasyon kültürü oluşturma.
- **Riski kim, nasıl yönetecek?**: AI governance, bias, şeffaflık ve explainability (açıklanabilirlik); veri güvenliği ve yasal düzenlemeler.
#### Program
Yedi modül: strateji ve governance modülleri ile İK, tasarım ve üretim odaklı fonksiyon modülleri.
- **AI'ın stratejik gücü**: Hangi problemde AI yaklaşımı seçilir, hangisinde klasik yazılım yeter; AI, machine learning ve deep learning ilişkisi; narrow AI (dar AI), AGI ve superintelligence tartışmasında bugünkü durum. Atölye Her yönetici kendi birimindeki use case'leri belirler.
- **AI readiness ve fırsat değerlendirmesi**: Kurumun AI readiness düzeyi, yüksek katma değerli fırsatların tespiti, build vs buy kararı ve veri altyapısı gereksinimleri. Uygulama Her yönetici kendi birimi için bir AI fırsat değerlendirmesi taslağı hazırlar.
- **Geleceğe hazırlık ve inovasyon**: AI bugün neyi yapabiliyor, neyi yapamıyor; iş gücü dönüşümü nasıl yönetilir; AI inovasyon kültürü ve uzun vadeli AI governance nasıl kurulur.
- **İnsan kaynaklarında AI**: Aday tarama ve eşleştirme, iş gücü planlamasında predictive analytics, işe alımda bias'ı azaltma; skill gap analizi, attrition (işten ayrılma) modelleri, kişiselleştirilmiş onboarding. Atölye AI destekli, etik bir performans değerlendirme sistemi tasarımı.
- **Tasarım ve içerikte AI**: Konsept geliştirmede Generative AI; markayla uyumlu, çok dilli içerik; text-to-image, image-to-image ve video modelleriyle kurumsal kimliğe uygun üretim. Vaka analizi Markaların tasarım iş akışlarında AI kullanımı.
- **Üretim ve tedarik zincirinde AI**: Predictive maintenance, computer vision ile kalite kontrol, digital twin; talep tahmini, envanter optimizasyonu, tedarikçi risk analitiği ve lojistik rota optimizasyonu. Vaka analizi Bir otomotiv üreticisinde AI ile üretim verimliliği.
- **Data governance ve AI etiği**: Sorumlu AI liderliği, data governance çerçeveleri, bias, şeffaflık ve explainability (açıklanabilirlik). Düzenlemeler Kişisel veri tarafında KVKK; AB pazarına ürün ya da hizmet sunanlar için EU AI Act.
- **Kurumunuza göre uyarlanır**: Modüllerin ağırlığı, vaka analizleri ve atölyeler; sektörünüze ve yönetim ekibinizin yapısına göre eğitim öncesi görüşmede belirlenir.
#### Eğitim sonunda yöneticileriniz
Kavramsal bölümler vaka analizleri ve atölyelerle ilerler; her yönetici çerçeveleri kendi biriminin gündemine uygular.
- Hangi problemde AI'ın doğru yaklaşım olduğunu ayırt eder
- AI readiness düzeyini değerlendirir, use case'leri önceliklendirir
- Geliştirme ya da satın alma (build vs buy) kararını net ölçütlerle değerlendirir
- İK, tasarım ve üretimde yaygın use case'leri ve sınırlarını tanır
- İş gücü dönüşümünü bir çerçeveyle planlar
- Bias, şeffaflık ve düzenleme risklerinde doğru soruları sorar
#### Her yönetici bir AI fırsat değerlendirmesi taslağıyla ayrılır
Taslak, birimdeki bir fırsatı beş başlıkta değerlendirir; yönetim toplantısında tartışmaya açılabilecek kadar somuttur.
- **Fırsat**: Hangi süreçte, hangi problem? AI doğru yaklaşım mı?
- **İş değeri**: Beklenen etki ve kaba maliyet ne, neyle ölçülecek?
- **Veri**: Veri var mı, kalitesi yeterli mi, kullanma iznimiz var mı?
- **Geliştir / satın al**: Geliştirmek mi, satın almak mı, uyarlamak mı?
- **Governance**: Sahibi kim; riskler ve ekibe etkisi nasıl yönetilecek?
#### Format ve sertifika
- **Yerinde**: Ofisinizde ya da şirket dışı yönetim toplantınızın (offsite) bir parçası olarak; atölyeler yüz yüze yürütülür.
- **Online canlı**: Takvimi yoğun yönetim ekipleri için program kısa canlı oturumlara bölünebilir.
- **Hibrit**: Atölyeler yerinde, kavramsal modüller online.
##### Sertifika
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep halinde eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülür ve sertifika BÜYEM onaylı düzenlenir.
#### Farkındalık, uygulama ve strateji: her kademeye bir eğitim
- Yapay Zeka Farkındalığı Eğitimi Tüm çalışanlar için bir günlük uygulamalı eğitim; yerinde, online veya hibrit. Eğitimi inceleyin
- İş Süreçlerinde Yapay Zeka Eğitimi Ekipler için 12 saatlik uygulamalı eğitim: AI araçlarını günlük iş akışlarına yerleştirir; Boğaziçi Üniversitesi iş birliğiyle. Eğitimi inceleyin
- Yöneticiler İçin Yapay Zeka Eğitimi Karar vericiler için yedi modül: use case seçimi, build vs buy, veri hazırlığı ve AI governance.
#### Sıkça Sorulan Sorular
**Katılımcıların teknik bilgisi olması gerekir mi?**
Hayır; kod yazılmaz. Kavramlar karar vermek için gereken düzeyde, iş örnekleriyle anlatılır. Ekibinizin AI bilgisi farklı düzeylerde olabilir: atölyelerde her yönetici kendi birimi üzerinde çalıştığı için herkes kendi düzeyinden ilerler; teknik yöneticiler de katılabilir.
**Diğer kurumsal AI eğitimlerinizden farkı ne?**
Yapay Zeka Farkındalığı tüm çalışanlara ortak dil ve güvenli kullanım alışkanlığı kazandırır; İş Süreçlerinde Yapay Zeka araçları ekiplerin günlük işine yerleştirir. Bu eğitim ise karar vericiler içindir: hangi projeye yatırım yapılacağı, build vs buy, veri hazırlığı, iş gücü dönüşümü ve AI governance.
**Finans, satış gibi programda adı geçmeyen fonksiyonlar için uygun mu?**
Evet. Fonksiyon modülleri İK, tasarım ve içerik ile üretim ve tedarik zinciri üzerinedir. Diğer fonksiyonların yöneticileri strateji, AI readiness, build vs buy ve governance modüllerine aynı şekilde katılır; atölyelerde ve AI fırsat değerlendirmesi taslağında kendi birimlerinin senaryosu üzerinde çalışır.
**Eğitim ne kadar sürer?**
Süre, yönetim ekibinizin takvimine ve öne çıkarmak istediğiniz modüllere göre eğitim öncesi görüşmede planlanır. Program tek seferde, yoğun bir takvimle ya da haftalara yayılan oturumlarla yürütülebilir.
**İçerik sektörümüze göre uyarlanıyor mu?**
Evet. Eğitim öncesi kısa bir görüşmeyle sektörünüzü, önceliklerinizi ve yönetim ekibinizin yapısını öğreniyor; vaka analizlerini, atölyeleri ve fonksiyon modüllerinin ağırlığını buna göre hazırlıyoruz.
**Atölyelerde şirket verilerimiz kullanılıyor mu?**
Hayır; gerçek şirket verisi hiçbir araca girilmez. Atölyeler kendi birimlerinizin senaryoları üzerinden, veri paylaşmadan yürütülür. Verinin AI projelerinde ve araçlarında kullanımına dair ilkeler “Data governance ve AI etiği” modülünde ele alınır.
**Eğitimden sonra nasıl devam edilir?**
Yöneticilerin hazırladığı değerlendirme taslakları, kurumunuzun AI roadmap'i için bir başlangıç listesi oluşturur. Dilerseniz bu listeyi AI Hazırlık Analizi ile derinleştirebilir, ekipleriniz için uygulamalı eğitimlerle devam edebiliriz.
**Eğitmenleriniz kimler?**
Eğitimi, RuneLab'de kurumlar için AI projeleri yürüten ve danışmanlık yapan senior AI engineer ve data scientist'ler verir. Build vs buy, veri hazırlığı ve risk konularını, bu kararları kurumlarla birlikte almış kişilerden dinlersiniz.
**Ücret nasıl belirleniyor?**
Katılımcı sayısı, format ve içerik uyarlamasının kapsamına göre kurumunuza özel bir teklif hazırlıyoruz. Formu doldurun, bir iş günü içinde dönüş yapalım.
#### Yönetim ekibiniz için teklif alın
Katılımcı sayısı, format ve tarih tercihinizi yazın; bir iş günü içinde dönüş yapalım.

Kaynak: https://runelab.ai/local-llm-egitimi

Teknik kurumsal eğitim · RuneLab Akademi
### Local LLM Eğitimi
Yapay zekanızı kendi sisteminizde çalıştırın.
Açık kaynak LLM'leri kurumunuzun sunucularında çalıştırmayı öğreten uygulamalı eğitim. Model seçiminden GPU planlamaya, vLLM ile serving'den on-prem RAG ve chatbot arayüzüne kadar ekibiniz sistemi baştan sona kendisi kurar; veri kurum ağından çıkmaz.
- Program: 7 modül
- Format: Yerinde, online veya hibrit
- Ön koşul: Python, Linux ve Docker
- Sertifika: Katılım sertifikası; talep halinde Boğaziçi Üniversitesi onaylı
#### Bulut API mi, Local LLM mi?
İkisi de doğru cevap olabilir. Karar verinin hassasiyetine, kullanım hacmine ve ekibinizin operasyon kapasitesine göre verilir. Eğitim bu kararın ölçütlerini öğretir.
#### Kimler için?
Açık kaynak modelleri kurum içinde ayağa kaldıracak ve işletecek teknik ekipler için. Python, Linux ve Docker'a aşina olmak yeterli.
- **Yazılım geliştiriciler**: Açık kaynak LLM ekosistemini tanıyıp kurum içinde çalışan AI uygulamaları geliştirmek isteyen mid ve senior geliştiriciler.
- **Platform ve altyapı mühendisleri**: GPU kapasitesini planlayacak, model serving katmanını kurup ölçekleyecek ekipler.
- **DevOps ve MLOps mühendisleri**: Local LLM sistemlerinin deployment, monitoring ve bakımını üstlenecek operasyon uzmanları.
- **Teknik liderler ve mimarlar**: Bulut ile on-prem arasındaki kararı maliyet, performans ve güvenlik ölçütleriyle vermek isteyenler.
#### Hangi model, ne kadar bellek?
Local LLM projelerinde ilk soru donanımdır. Model boyutunu ve hassasiyeti seçin; model ağırlıklarının GPU belleğinde ne kadar yer kapladığını görün. Eğitimde bu hesabı kendi iş yükünüzle, bağlam uzunluğunu ve eş zamanlı kullanıcı sayısını da katarak yaparsınız.
Bu donanımın kurulu ve hazır gelmesini isterseniz: RuneBox'ı keşfedin
#### Program
Yedi modül. Her modül canlı GPU ortamında uygulamayla ilerler; örnekler kurumunuzun kullanım senaryolarına göre uyarlanır.
- **Açık kaynak LLM ekosistemi**: Qwen, Mistral, Gemma, gpt-oss, DeepSeek ve GLM aileleri; görev türüne, model boyutuna, Türkçe performansına ve lisansa göre model seçimi. GGUF ve SafeTensors formatları, model card okuma.
- **Donanım planlama ve deployment mimarisi**: VRAM hesabı; AWQ, GPTQ, FP8 ve GGUF quantization'ın belleğe ve kaliteye etkisi. Tek sunucu ya da cluster, multi-GPU'da tensor ve pipeline parallelism, Docker ile container'lar.
- **Model serving: vLLM, SGLang ve Ollama**: PagedAttention ve continuous batching; OpenAI uyumlu API ile mevcut uygulamaları değiştirmeden bağlama. Ollama ve llama.cpp ile hızlı prototip, vLLM ve SGLang ile production. Atölye Bir modeli kurum içinde OpenAI uyumlu endpoint olarak yayına alma.
- **Local embedding ve vektör veritabanları**: BGE-M3 ve multilingual-e5 gibi çok dilli embedding modelleri; Qdrant, Milvus ve pgvector'u kurum içinde kurma ve kullanım senaryosuna göre seçme.
- **On-prem RAG pipeline**: PDF, DOCX, XLSX ve e-posta için doküman işleme, taranmış belgeler için OCR, chunking, retrieval ve reranker ile sıralama. İnternet erişimi olmayan ortamda model ve paket yönetimi, ağ segmentasyonu ve şifreleme. Atölye Tüm bileşenleri kurum içinde çalışan uçtan uca bir RAG sistemi.
- **Chatbot arayüzü ve kurumsal entegrasyon**: Open WebUI, Chainlit ve Gradio ile arayüz; konuşma geçmişi, kaynak gösterimi ve geri bildirim. SSO ile kimlik doğrulama, iç portal entegrasyonu.
- **Performans, maliyet ve monitoring**: TTFT ve token/s ölçümü, yük testi; batching, KV cache ve semantic caching ile optimizasyon. Prometheus metrikleriyle izleme, API anahtarı ve rate limit. Bulut ile on-prem arasında toplam sahip olma maliyeti. Çıktı Kurumunuz için bulut ve on-prem maliyet karşılaştırması.
- **Kurumunuza göre uyarlanır**: Modüllerin ağırlığı, kullanılacak modeller ve uygulama senaryoları; ekibinizin profiline ve mevcut altyapınıza göre eğitim öncesi görüşmede belirlenir.
#### Format ve sertifika
- **Yerinde**: Ofisinizde; uygulamalar kurumunuzun altyapısına ve kullanım senaryolarına göre hazırlanır.
- **Online canlı**: Farklı lokasyonlardaki ekipler için canlı oturumlar; yarım günlere bölünebilir.
- **Hibrit**: Kavramsal modüller online, atölye modülleri yerinde; büyük gruplar için.
##### Sertifika
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep halinde eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülür ve sertifika BÜYEM onaylı düzenlenir.
#### Eğitim sonunda ekibinizin kurduğu sistem
Her katman bir modülde kurulur. Eğitim bittiğinde ekibiniz bu sistemi uçtan uca bir kez kurmuş olur; kurulum adımları, konfigürasyonlar ve kod ekibinizde kalır.
Kurum ağı
- **Arayüz**: Modül 6 Open WebUI Chainlit Gradio
- **RAG pipeline**: Modül 5 Doküman işleme OCR Retrieval Reranker
- **Embedding ve vektör DB**: Modül 4 BGE-M3 multilingual-e5 Qdrant pgvector
- **Serving**: Modül 3 vLLM SGLang Ollama OpenAI uyumlu API
- **Model ve donanım**: Modül 1–2 Qwen gpt-oss Gemma AWQ VRAM planı
Modül 7 · Performans ve monitoring
#### Aynı mimari, kurulu gelsin: Rune Box
Eğitimde kurduğunuz sistemin hazır hali: NVIDIA tabanlı GPU'lar, Local modeller ve RAG altyapısıyla kurumunuza kurulu gelir, bakımı RuneLab tarafından yapılır.
RuneBox'ı inceleyin RuneBox ile birlikte kullanılan ürünler: RuneDesk · RuneGate
#### Sıkça Sorulan Sorular
**Local LLM nedir?**
Local LLM, bir dil modelinin bulut API'si yerine kurumun kendi sunucularında çalıştırılmasıdır. Model kurum içindeki GPU'lara yüklenir; sorular, dokümanlar ve yanıtlar kurum ağından çıkmaz. Bu eğitim, açık kaynak modellerle böyle bir sistemi kurmayı ve işletmeyi uygulamalı olarak öğretir.
**Eğitim ne kadar sürer?**
Süre; modüllerin kapsamına, ekibin seviyesine ve uygulamaların kurumunuzun altyapısında yapılıp yapılmayacağına göre eğitim öncesi görüşmede belirlenir ve teklifte yazılı olarak yer alır.
**Eğitim için kendi GPU'muz olması gerekir mi?**
Hayır. Uygulamalar için gereken GPU ortamı eğitim sırasında sağlanır; ortama erişim yöntemi kurumunuzun ağ kısıtlarına göre eğitim öncesinde birlikte planlanır. Kurumunuzda GPU altyapısı varsa uygulamaların bir bölümü onun üzerinde de yapılabilir.
**Uygulamalarda şirket verimiz kullanılıyor mu?**
Hayır. Uygulamalar bizim hazırladığımız örnek doküman setleriyle yapılır; gerçek şirket verisi hiçbir araca girilmez.
**Hangi modeller kullanılıyor?**
Qwen, Mistral, Gemma, gpt-oss, DeepSeek ve GLM gibi açık model aileleri. Seçim görev türüne, Türkçe performansına, donanıma ve lisans koşullarına göre yapılır. Model sürümleri her eğitim öncesinde gözden geçirilir.
**İnternet erişimi olmayan ağlarda çalışır mı?**
Evet. Modeller, embedding modelleri ve vektör veritabanı kurulduktan sonra sistem dış bağlantı olmadan çalışır. Air-gapped ortama model ve paket taşıma, güncelleme ve erişim kontrolü programda ayrıca ele alınır.
**Fine-tuning programa dahil mi?**
Bu program hazır açık kaynak modelleri kurum içinde çalıştırmaya odaklanır. LoRA ve QLoRA ile fine-tuning ihtiyaç olduğunda ayrıca planlanır.
**RAG Eğitimi'nden farkı ne?**
RAG Eğitimi, kurumsal bilgiye kaynaklı erişim sağlayan sistemlerin tasarımına odaklanır ve bulutta ya da kurum içinde çalışan her modelle uygulanabilir. Bu eğitim ise modelin kendisini kurum içinde çalıştırmayı öğretir; RAG burada tamamen on-prem bir pipeline olarak kurulur. RAG Eğitimi'ni inceleyin .
**RuneBox ile ilişkisi ne?**
RuneBox , bu eğitimde öğretilen mimarinin kurulu gelen ve bakımı RuneLab tarafından yapılan hali. Sistemi kendi ekibinizle kurup işletmek istiyorsanız eğitim, hazır bir altyapıyla başlamak istiyorsanız RuneBox uygundur. RuneBox kullanan ekipler de sistemi işletmek ve üzerine uygulama geliştirmek için bu eğitimden yararlanır.
**Sertifika veriyor musunuz?**
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep ettiğiniz durumda eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülebilir ve katılım sertifikası BÜYEM onaylı düzenlenebilir.
**Eğitmenleriniz kimler?**
Eğitimi, RuneLab'de kurumsal AI projeleri yürüten, sektörde deneyimli senior AI engineer ve data scientist'ler verir.
**İçerik kurumumuza göre uyarlanıyor mu?**
Evet. Eğitim öncesi kısa bir görüşmeyle ekibinizin profilini, mevcut altyapınızı ve kullanım senaryolarınızı öğreniyor, modelleri ve uygulamaları buna göre hazırlıyoruz.
**Ücret nasıl belirleniyor?**
Katılımcı sayısı, format ve içerik uyarlamasının kapsamına göre kurumunuza özel bir teklif hazırlıyoruz. Formu doldurun, bir iş günü içinde dönüş yapalım.
#### Ekibiniz için teklif alın
Katılımcı sayısını, ekibin teknik profilini, format ve tarih tercihinizi yazın; bir iş günü içinde dönüş yapalım.

Kaynak: https://runelab.ai/rag-egitimi

Teknik kurumsal eğitim · RuneLab Akademi
### RAG Eğitimi
Şirket bilginize kaynağıyla yanıt veren sistemler kurun.
Dokümanlarınızdan kaynak göstererek yanıt üreten RAG sistemlerini uçtan uca kurmayı öğreten uygulamalı eğitim. Veri hazırlamadan hybrid retrieval'a kadar ekibiniz bir RAG servisi kurar; onu production'a taşımak için gereken evaluation ve güvenlik katmanlarını uygular.
- Program: 10 modül
- Süre: Kapsama göre 2 ila 5 gün
- Format: Yerinde, online veya hibrit
- Sertifika: Katılım sertifikası; talep halinde Boğaziçi Üniversitesi onaylı
#### Bir RAG sistemi nerede bozulur?
Demo çalışır, production zorlar. Eğitim bir RAG sisteminin altı aşamasını tek tek kurar; her aşamada en sık yapılan hatayı ölçerek bulmayı ve düzeltmeyi öğretir.
- **Ingestion**: PDF, wiki ve proje dokümanlarını sisteme alma, parse etme ve temizleme. Sık hata Tablolar ve başlıklar parse sırasında kaybolur.
- **Chunking ve metadata**: Dokümanı anlamlı parçalara bölme; kaynak, tarih ve birim gibi alanları ekleme. Sık hata Bir tablo iki chunk'a bölünür, yanıt yarım kalır.
- **Embedding ve vektör DB**: Embedding modelini ve vektör veritabanını veri hacmine ve dile göre seçme. Sık hata Türkçe sorgularda zayıf kalan bir embedding modeli seçilir.
- **Retrieval ve reranking**: BM25 ve semantic aramayı birleştiren hybrid retrieval; sonuçları reranker ile sıralama. Sık hata Doğru parça bulunur ama ilk sıralara çıkmaz.
- **Generation**: Getirilen bağlamdan, her iddiayı kaynağına bağlayarak yanıt üretme. Sık hata Model kaynakta olmayan bilgiyi yanıta ekler.
- **Evaluation ve guardrail**: Retrieval ve yanıt kalitesini ölçme; prompt injection ve veri sızıntısına karşı koruma. Sık hata Kalite ölçülmez; sorunlar kullanıcı şikayetiyle fark edilir.
#### RAG mı, fine-tuning mi, long context mi?
Her kurumsal bilgi problemi RAG ile çözülmez. Eğitim, üç yaklaşım arasındaki seçimi problemin yapısına göre yapmayı öğretir.
Açıklamalar için bir satıra dokunun.
Üç yaklaşım birbirini dışlamaz: RAG, üslup ve format için fine-tune edilmiş bir modelle, tekrarlanan bağlam için prompt caching ile birlikte kullanılabilir.
#### Kimler için?
Kurumsal arama, doküman arama ya da bilgi asistanı geliştirecek teknik ekipler için. Python ile çalışabilmek yeterli; LLM ve RAG kavramları baştan ele alınır.
- **Backend ve yazılım geliştiriciler**: Kurumsal arama, doküman asistanı ya da bilgi servisi geliştirecek ekipler.
- **AI ve ML mühendisleri**: Mevcut bir RAG prototipini ölçülebilir kaliteyle production'a taşımak isteyenler.
- **Veri bilimciler**: Retrieval kalitesini ölçmek, evaluation kurgulamak ve iyileştirmek isteyenler.
- **Teknik ekip liderleri**: RAG mimarisi, maliyet ve güvenlik kararlarını verecek ve ekibini yönlendirecek liderler.
#### Program
On modül. Temel pipeline'dan agentic RAG'e kadar her modül uygulamayla ilerler; modüllerin ağırlığı ekibinizin seviyesine ve hedefine göre belirlenir.
- **RAG'e giriş ve kurumsal kullanım**: RAG neden gerekir, hangi senaryolarda fine-tuning yerine tercih edilir; grounded ve kaynaklı yanıt; doğruluk, güncellik ve izlenebilirlik ihtiyacı.
- **Veri hazırlama ve retrieval temelleri**: PDF, wiki ve markdown ingestion, parsing ve temizleme; chunking stratejileri, metadata tasarımı; embedding modeli ve vektör veritabanı seçimi.
- **Temel RAG pipeline**: Ingestion'dan yanıta uçtan uca akış; retrieval sonucunu prompt'a bağlama, kaynak gösterme ve hallucination'ı azaltmada retrieval'ın rolü.
- **Uygulamalı mini RAG servisi**: FastAPI, bir LLM API'si ve vektör veritabanıyla çalışan soru-cevap servisi: doküman yükleme, embedding, retrieval ve generation. Atölye Her katılımcı kendi mini RAG servisini ayağa kaldırır.
- **Prompt, evaluation ve debugging**: RAG için prompt yapıları ve structured output; recall@k ve MRR ile retrieval, faithfulness ve LLM-as-judge ile yanıt kalitesini ölçme; golden set ve regression testleri.
- **Advanced RAG mimarileri**: Hybrid retrieval, reranking, multi-query ve query rewriting; Türkçe için BM25 analyzer ve stemming; context compression ve filtering; GraphRAG'e giriş.
- **Agentic RAG**: Klasik RAG ile agent farkı; tool calling, planlama ve farklı veri kaynaklarını birlikte kullanan çok adımlı bilgi erişimi.
- **Workflow entegrasyonu**: Harici API ve webhook entegrasyonu, rate limit ve hata yönetimi; kritik adımlarda human-in-the-loop onayı.
- **Production, güvenlik ve guardrail**: API-first servis, latency ve token maliyeti; prompt injection ve data leakage'a karşı guardrail katmanı; retrieval sırasında doküman düzeyinde yetki filtresi ve role-based access control.
- **Capstone: kurumsal bilgi asistanı**: Farklı kaynaklardaki dokümanlardan kaynaklı yanıt veren bir bilgi asistanının mimarisi, geliştirilmesi ve sunumu. Çıktı Kurumunuzun senaryosuna uyarlanabilir, çalışan bir prototip.
#### Format ve sertifika
- **Yerinde**: Ofisinizde; uygulamalar kurumunuzun altyapısına ve kullanım senaryolarına göre hazırlanır.
- **Online canlı**: Farklı lokasyonlardaki ekipler için canlı oturumlar; yarım günlere bölünebilir.
- **Hibrit**: Kavramsal modüller online, atölye modülleri yerinde; büyük gruplar için.
##### Sertifika
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep halinde eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülür ve sertifika BÜYEM onaylı düzenlenir.
#### Diğer RAG eğitimlerimiz
Bu program kurumsal ekipler için hazırlanır. Kısa bir girişle başlamak ya da belirli bir konuda derinleşmek isteyenler için bireysel katılıma da açık eğitimlerimiz var.
- Başlangıç LangChain ile RAG RAG mimarisini sıfırdan kurup günün sonunda çalışan bir doküman chatbot'u geliştiren giriş atölyesi. Atölye · 3 saat Kursu inceleyin →
- Genişletme Multimodal RAG Metnin yanında tablo ve görselleri de anlayan, karmaşık dokümanlarla konuşan bir RAG sistemi. Atölye · 3 saat Kursu inceleyin →
- Derinleşme İleri Seviye RAG Hybrid search, ColBERT, reranking, GraphRAG, self-correcting ve agentic RAG; güvenlik ve performans. Kurs · 12 saat Kursu inceleyin →
#### Aynı mimari, hazır ürün olarak
RuneLab'in ürünleri bu eğitimde öğretilen mimarinin üzerine kurulu. Kendi sistemini geliştiren ekipler için bir referans, hızlı başlamak isteyenler için hazır bir çözüm.
- Rune Desk Dokümanlarınız için hazır RAG asistanı: her yanıt kaynak sayfasıyla birlikte gelir. İnceleyin →
- Rune Box RAG sisteminizi kurum içinde çalıştıran GPU altyapısı; dokümanlar ve yanıtlar dışarı çıkmaz. İnceleyin →
- Rune Gate Bulut model kullanan RAG sistemlerinde prompt'a giren hassas veriyi maskeler, her isteği doğru modele yönlendirir. İnceleyin →
#### Sıkça Sorulan Sorular
**RAG nedir?**
RAG, yani Retrieval-Augmented Generation, bir dil modelinin yanıt üretmeden önce ilgili bilgiyi kurumun kendi dokümanlarından getirmesi ve yanıtı bu kaynaklara dayandırmasıdır. Model yeniden eğitilmez; dokümanlar güncellendikçe yanıtlar da güncellenir ve her yanıt kaynağını gösterebilir.
**Katılımcıların hangi bilgiye sahip olması gerekir?**
Python ile çalışabilmek ve bir API'ye istek göndermeyi bilmek yeterli. LLM ve RAG kavramları ilk modülde baştan ele alınır; deneyimli ekipler için program advanced RAG ve agentic RAG modüllerine ağırlık verecek şekilde uyarlanır.
**Süre neden 2 ila 5 gün arasında değişiyor?**
Program ekibin seviyesine ve hedefine göre kurgulanır. Temel pipeline ve mini RAG servisine odaklanan program iki günde; advanced RAG, agentic RAG, entegrasyon ve capstone projesini kapsayan tam program beş günde tamamlanır.
**Hangi araçlar kullanılıyor?**
Uygulamalar LangChain veya LlamaIndex, BGE-M3 gibi embedding modelleri ve Qdrant, Milvus, Weaviate, pgvector ya da FAISS ile yapılır; seçenekler kullanım senaryosuna göre karşılaştırılır. Evaluation için RAGAS kullanılır. Kurumunuz bulut modellerini kullanamıyorsa uygulamalar kurum içinde çalışan açık kaynak modellerle de yapılabilir.
**Uygulamalarda şirket verimiz kullanılıyor mu?**
Hayır. Uygulamalar bizim hazırladığımız örnek doküman setleriyle yapılır; gerçek şirket verisi hiçbir araca girilmez. Capstone projesi kurumunuzun senaryosuna göre kurgulanır.
**Local LLM Eğitimi'nden farkı ne?**
Bu eğitim, kurumsal bilgiye kaynaklı erişim sağlayan sistemlerin tasarımına odaklanır ve bulutta ya da kurum içinde çalışan her modelle uygulanabilir. Local LLM Eğitimi ise modelin kendisini kurumunuzun sunucularında çalıştırmayı öğretir. Verisini dışarı çıkaramayan kurumlar iki programı birlikte planlayabilir. Local LLM Eğitimi'ni inceleyin .
**RuneDesk varken neden RAG eğitimi?**
RuneDesk , RuneLab'ın geliştirdiği ve kurumunuzda kurulup hemen kullanılan eksiksiz bir yazılım ürünüdür. Kullanıcı girişi ve yetkilendirme, yönetim paneli ve kaynak gösteren yanıtlarla gelir; SharePoint, Confluence ve SAP gibi kaynaklara, veri tabanlarına ve Microsoft Teams ya da Slack gibi kanallara bağlanır; bulutta ya da kurum içinde çalışır. RAG eğitimi ise ekibinizin bu tür sistemlerin nasıl çalıştığını anlamasını, kendi ürünlerine RAG tabanlı özellikler eklemesini ve bir RAG çözümünü doğru ölçütlerle değerlendirmesini sağlar. Amacı hazır bir ürünün yerini almak değil, ekibinizin bu alanda doğru kararlar vermesi ve kendi ihtiyaçlarına özel çözümler geliştirebilmesidir. Kurumsal doküman asistanı ihtiyacı için RuneDesk, ekibinizin yetkinliği için eğitim; iki yol birbirini tamamlar.
**Sertifika veriyor musunuz?**
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep ettiğiniz durumda eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülebilir ve katılım sertifikası BÜYEM onaylı düzenlenebilir.
**Eğitmenleriniz kimler?**
Eğitimi, RuneLab'de kurumsal AI projeleri yürüten, sektörde deneyimli senior AI engineer ve data scientist'ler verir.
**İçerik kurumumuza göre uyarlanıyor mu?**
Evet. Eğitim öncesi kısa bir görüşmeyle ekibinizin seviyesini, doküman kaynaklarınızı ve çözmek istediğiniz senaryoları öğreniyor, modülleri ve capstone projesini buna göre hazırlıyoruz.
**Ücret nasıl belirleniyor?**
Katılımcı sayısı, format ve içerik uyarlamasının kapsamına göre kurumunuza özel bir teklif hazırlıyoruz. Formu doldurun, bir iş günü içinde dönüş yapalım.
#### Ekibiniz için teklif alın
Katılımcı sayısını, ekibin teknik profilini, format ve tarih tercihinizi yazın; bir iş günü içinde dönüş yapalım.

Kaynak: https://runelab.ai/n8n-egitimi

Kurumsal eğitim · RuneLab Akademi
### n8n ile İş Akışı Otomasyonu Eğitimi
Tekrarlayan işleri yapay zeka destekli akışlara dönüştürün.
Kod yazmadan iş akışlarınızı otomatikleştirmeyi öğreten uygulamalı eğitim. E-posta, CRM, tablo ve mesajlaşma uygulamalarınızı birbirine bağlar, akışlara ChatGPT benzeri yapay zeka adımları eklersiniz; ekibiniz kendi süreçleri için çalışan akışlar kurar.
- Süre: 1 günden birkaç güne
- Format: Yerinde, online veya hibrit
- Ön koşul: Yok; temel seviye
- Sertifika: Katılım sertifikası; istenirse Boğaziçi onaylı
#### Hangi işler otomatikleşir?
Her departmanın her gün elle yaptığı işler var. Bir departman seçin; eğitimde bunun gibi akışları baştan sona kendiniz kurarsınız.
Seçiminiz aşağıdaki örnek akışı değiştirir.
- **Yeni talep**: Web sitesindeki formdan bir talep gelir
- **Değerlendirir (yapay zeka adımı)**: Talebi özetler, sektörünü ve önceliğini belirler
- **CRM'e kaydeder**: Kişi ve fırsat kaydı açılır
- **Haber verir**: Doğru satış temsilcisine Teams mesajı gider
Talepler özetiyle birlikte doğru kişiye hemen ulaşır.
- **Destek e-postası**: Müşteriden yeni bir e-posta gelir
- **Sınıflandırır (yapay zeka adımı)**: Konuyu ve aciliyeti belirler, yanıt taslağı yazar
- **Kayıt açar**: Doğru ekibe destek kaydı açılır
- **Onaya sunar**: Temsilci taslağı onaylayınca yanıt gönderilir
Acil talepler öne çıkar; her yanıt hazır bir taslakla başlar.
- **Fatura gelir**: E-postaya PDF fatura eklenir
- **Bilgileri çıkarır (yapay zeka adımı)**: Tedarikçi, tutar, vade ve kalemler okunur
- **Kaydeder**: Muhasebe tablosuna ya da ERP'ye işlenir
- **Uyarır**: Tutarsızlık varsa kayıt onaya gönderilir
Faturalar elle girilmez; yalnızca istisnalar onaya gelir.
- **Başvuru gelir**: Kariyer sayfasından ya da e-postayla bir CV gelir
- **CV'yi değerlendirir (yapay zeka adımı)**: Deneyim ve yetkinlikler ilandaki kriterlerle karşılaştırılır, kısa bir özet yazılır
- **Listeye ekler**: Aday, özeti ve uyum notuyla aday takip tablosuna eklenir
- **Haber verir**: Uygun adaylar İK uzmanına bildirilir; kararı uzman verir
Her CV aynı kriterlerle okunur; İK uzmanı zamanını öne çıkan adaylara ayırır.
- **Zamanlayıcı**: Her pazartesi 09.00'da çalışır
- **Veriyi toplar**: Haftanın rakamları tablolardan ve sistemlerden çekilir
- **Özetler (yapay zeka adımı)**: Öne çıkan değişiklikleri yorumlayan kısa bir rapor yazılır
- **Paylaşır**: Rapor yönetime e-posta ve Teams ile gider
Haftalık rapor kimse uğraşmadan hazır olur.
#### Kimler için?
Tekrarlayan işleri azaltmak isteyen her ekip için. Kod bilgisi gerekmez; eğitim temel seviyeden başlar, teknik ekipler için ileri konular eklenebilir.
- **İş birimleri ve süreç sahipleri**: Satış, müşteri hizmetleri, finans ve İK'da her gün aynı adımları elle tekrarlayan ekipler.
- **Operasyon ve iş analistleri**: Süreçleri haritalayıp hangisinin otomatikleşeceğine karar veren, akışları kurup işletecek kişiler.
- **BT ve dijital dönüşüm ekipleri**: Otomasyonu kurumda yaygınlaştıracak; yetki, güvenlik ve bakım tarafını üstlenecek ekipler.
- **Yöneticiler ve takım liderleri**: Ekibinin zamanını rutinden kurtarmak ve otomasyon fırsatlarını önceliklendirmek isteyenler.
#### Program
Yedi modül ve kurumunuza göre uyarlanan bir bölüm. Her modül uygulamayla ilerler; ileri modüllerin derinliği katılımcıların profiline göre ayarlanır.
##### Eğitim sonunda katılımcılar
- @license lucide-static v0.487.0 - ISC Kendi süreçlerinden otomasyona uygun olanları seçer
- @license lucide-static v0.487.0 - ISC Uygulamaları birbirine bağlayan ve hataları yöneten bir akış kurar
- @license lucide-static v0.487.0 - ISC Akışa yapay zeka adımı ekler ve sonucunu kontrol eder
- @license lucide-static v0.487.0 - ISC Akışı güvenli biçimde ekibine devreder
- **Otomasyona uygun süreçleri bulmak**: Hangi süreç otomatikleşir, hangisi otomatikleşmez; tekrar eden adımları bulma, süreci akışa çevirme ve kazancı ölçme.
- **n8n'e giriş**: Bir akış neyle başlar, veri adım adım nasıl taşınır: editör, trigger ve node mantığı. JSON ve expression'lara kısa, uygulamalı bir giriş.
- **Uygulamaları bağlamak**: E-posta, takvim, tablo ve mesajlaşma uygulamalarını birbirine bağlamak: Google Workspace, Microsoft 365, Slack ve Teams. Hazır bağlantısı olmayan sistemler webhook ve HTTP Request ile API üzerinden bağlanır. Atölye E-postadan tabloya, tablodan bildirime giden ilk akış.
- **Akış kontrolü ve hata yönetimi**: Koşullar, döngüler, alt akışlar ve zamanlayıcılar; hata akışları, yeniden deneme ve akışın sağlığını izleme.
- **Yapay zeka adımlı akışlar**: E-postaları sınıflandırmak, metinleri özetlemek, belgeden bilgi çıkarmak; sonucun her seferinde aynı biçimde gelmesi için structured output. Model adımları OpenAI, Gemini ya da RuneGate ile bağlanır. Atölye Destek e-postalarını sınıflandırıp doğru ekibe yönlendiren akış.
- **AI agent'lar**: Birkaç adımı kendi planlayan AI agent'lar; kritik adımlardan önce human-in-the-loop onay, son söz her zaman insanda. Memory ve MCP'ye giriş.
- **Kurumsal kullanım**: Akışları güvenle ekibe devretmek: kullanıcılar ve yetkiler, credential ve secret yönetimi, sürüm yayınlama ve izleme; kurum içi kurulum ve KVKK. Çıktı Kendi departmanınız için bir otomasyon planı.
- **Kurumunuza göre uyarlanır**: Modüllerin ağırlığı ve örnek akışlar ekibinizin süreçlerine göre seçilir. Talep halinde eğitim, ekibinizle kendi süreçleriniz üzerinde çalışılan bir proje atölyesiyle devam eder.
#### Format ve sertifika
- **Uygulamalı eğitim**: Kapsama göre 1 günden birkaç güne; her modülde katılımcılar kendi akışlarını kurar.
- **Proje atölyesi ve mentorluk**: Eğitimden sonra ekibinizle seçtiğiniz süreçler üzerinde çalışır, ilk akışları mentorlukla birlikte canlıya alırız; süre ve kapsam birlikte belirlenir.
- **Yerinde, online veya hibrit**: Ofisinizde, canlı online oturumlarla ya da ikisinin birleşimiyle; oturumlar yarım günlere bölünebilir.
##### Sertifika
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep ettiğiniz durumda eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülebilir ve katılım sertifikası BÜYEM onaylı düzenlenebilir.
#### Yapay zeka adımları için RuneGate
Eğitimde model adımları OpenAI ya da Gemini ile de kurulur; RuneGate şart değildir. Kurumunuzda RuneGate varsa n8n'deki OpenAI uyumlu model adımları yalnızca adres ve anahtar değiştirilerek ona bağlanır ve akışlardaki tüm yapay zeka çağrıları tek noktadan geçer.
Yöneticiler için anlamı: yapay zeka harcaması ekip bazında görünür ve sınırlıdır, kişisel veriler modele gitmez.
- @license lucide-static v0.525.0 - ISC Otomatik model seçimi. rune-auto ile basit sınıflandırma ekonomik modelde kalır, zor işler güçlü modele gider.
- @license lucide-static v0.525.0 - ISC Ekip bütçesi. Her ekibin harcaması görünür; bütçe aşılmadan istekler durdurulur.
- @license lucide-static v0.525.0 - ISC Veri koruması. RuneGuard ek modülüyle kişisel veriler modele gitmeden maskelenir.
#### Kurulumda da yanınızdayız
##### NexTech danışmanlığı
n8n'in kurumunuzda kurulumu, güvenlik ayarları ve ilk otomasyon projeleri için danışmanlık ekibimiz eğitimden sonra da yanınızda.
##### Kurum içi için Rune Box
Verisi kurum dışına çıkamayanlar için akışlardaki LLM adımları, RuneBox üzerindeki yerel modellerle kurum ağında çalışır.
#### Sıkça Sorulan Sorular
**n8n nedir?**
n8n, uygulamaları birbirine bağlayıp iş akışlarını otomatikleştiren bir iş akışı otomasyonu aracıdır. Akışlar görsel bir editörde, adımlar birbirine bağlanarak kurulur; e-posta, CRM, tablo ve mesajlaşma uygulamaları gibi yüzlerce hazır entegrasyonu ve yapay zeka adımları vardır. Kurumun kendi sunucusuna kurulabilmesi, verinin kurum içinde kalmasını isteyenler için öne çıkar.
**Kod bilmemiz gerekiyor mu?**
Hayır. Eğitim temel seviyeden başlar ve ön koşul yoktur. n8n'de akışların çoğu kod yazmadan kurulur; zaman zaman kısa ifadeler ve JSON ile çalışmak gerekir, bunları eğitimde adım adım öğrenirsiniz.
**Eğitim ne kadar sürer?**
Kapsama göre bir günden birkaç güne kadar. Talep halinde eğitim, ekibinizle kendi süreçleriniz üzerinde çalışılan ve haftalara yayılabilen bir proje atölyesiyle devam eder. Süre ve kapsam eğitim öncesi görüşmede belirlenir ve teklifte yazılı olarak yer alır.
**n8n ücretli mi?**
n8n'in kendi sunucunuza kurulan topluluk sürümü ücretsizdir. Bulut sürümü ve SSO gibi kurumsal özellikler içeren sürümler ücretlidir. Eğitimde ücretsiz sürümle çalışılır; kurumunuz için hangi sürümün uygun olduğu da eğitimde ele alınır.
**Eğitimde n8n'i nerede kullanacağız?**
Katılımcılar kurumunuzun n8n ortamında ya da kendi bilgisayarlarına kurulan ücretsiz sürümde çalışır; hangisinin kullanılacağı eğitim öncesinde birlikte planlanır.
**Uygulamalarda şirket verimiz kullanılıyor mu?**
Eğitimdeki uygulamalar bizim hazırladığımız örnek verilerle yapılır. Proje atölyesinde gerçek süreçleriniz üzerinde çalışılacaksa hangi verilerin nasıl kullanılacağı kurumunuzla birlikte belirlenir.
**Kendi sistemlerimize bağlanabilir mi?**
n8n'de Google Workspace, Microsoft 365, Slack, CRM ve veritabanları gibi yüzlerce hazır entegrasyon vardır. Hazır bağlantısı olmayan sistemler, örneğin SAP ya da Logo, API üzerinden HTTP Request ile bağlanır; bu yöntem eğitimde uygulamalı olarak işlenir.
**LLM'leri akışlara nasıl bağlıyoruz?**
n8n'deki model adımları OpenAI, Gemini gibi sağlayıcılara doğrudan bağlanabilir. RuneGate kullanan kurumlarda aynı adımlar yalnızca adres ve anahtar değiştirilerek RuneGate'e bağlanır; model seçimi, ekip bütçesi ve veri koruması tek noktadan yönetilir.
**Verilerimiz kurum dışına çıkmadan çalışabilir mi?**
Evet. n8n kurumunuzun kendi sunucusuna kurulabilir. Akışlardaki LLM adımları da RuneBox üzerindeki yerel modellere yönlendirildiğinde veri kurum ağından çıkmaz.
**İş Süreçlerinde Yapay Zeka Eğitimi'nden farkı ne?**
İş Süreçlerinde Yapay Zeka Eğitimi , ChatGPT ve Copilot gibi AI araçlarını günlük işe yerleştirmeyi öğretir. Bu eğitim ise süreçleri n8n ile kendi kendine çalışan akışlara dönüştürür. İkisi birbirini tamamlar.
**Eğitimden sonra akışları kim işletir?**
Eğitim, akışları ekibinizin kendi başına işletebilmesi için tasarlanır: yetkiler, hata akışları ve izleme programda uygulamalı olarak ele alınır. n8n'in kurumunuza kurulumu genellikle BT ekibinizle birlikte planlanır; isterseniz kurulumu NexTech danışmanlığıyla birlikte yaparız.
**Eğitimden sonra destek alabilir miyiz?**
Evet. Proje atölyesiyle ilk akışları ekibinizle birlikte canlıya alırız. n8n'in kurumunuzda kurulumu ve daha büyük otomasyon projeleri için NexTech danışmanlığı yanınızda.
**Sertifika veriyor musunuz?**
Tüm katılımcılara RuneLab Akademi katılım sertifikası verilir. Talep ettiğiniz durumda eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülebilir ve katılım sertifikası BÜYEM onaylı düzenlenebilir.
**Eğitmenleriniz kimler?**
Eğitimi, RuneLab'de kurumsal AI projeleri yürüten, sektörde deneyimli senior AI engineer ve data scientist'ler verir.
**Ücret nasıl belirleniyor?**
Katılımcı sayısı, süre, format ve proje atölyesinin kapsamına göre kurumunuza özel bir teklif hazırlıyoruz. Formu doldurun, bir iş günü içinde dönüş yapalım.
#### Ekibiniz için teklif alın
Otomatikleştirmek istediğiniz süreçleri, katılımcı sayısını ve format tercihinizi yazın; bir iş günü içinde dönüş yapalım.

## Danışmanlık sayfaları — tam metin

Kaynak: https://runelab.ai/nextech/

### Yapay Zeka Dönüşümündeki Stratejik Çözüm Ortağınız
Verilerinizi değere, fikirlerinizi pazar liderliğine dönüştürüyoruz. RuneLab NexTech olarak, iş süreçlerinizi optimize etmek, yenilikçi çözümler üretmek ve rekabette bir adım öne geçmenizi sağlamak için uçtan uca yapay zeka hizmetleri sunuyoruz.
RuneLab NexTech
#### İşletmenizi AI Çağı İçin Güçlendirin
Şirketinizin özgün ihtiyaçlarına göre tasarlanmış dört ana hizmetimizle, yapay zekanın gücünü işletmenizin merkezine taşıyın. Her bir çözüm, somut sonuçlar ve ölçülebilir yatırım getirisi sağlamak üzere kurgulanmıştır.
##### Stratejik AI çözümlerindeki rehberiniz
C-level yöneticiler ve teknik takımların liderleriyle birlikte çalışarak, işletmenizin AI vizyonunu somut aksiyonlara dönüştürüyoruz. Sektörel en iyi uygulamalar ve en güncel teknolojileri birleştirerek, sürdürülebilir rekabet avantajı yaratıyoruz.
- Stratejik AI roadmap tasarımı ve implementasyon desteği
- Teknik mimari danışmanlığı ve kod review süreçleri
- Hands-on geliştirme desteği ve pair programming
- Teknik mimari danışmanlığı
- Risk analizi ve yönetimi
##### Fikrinizden Üretime Özel Çözümler
NLP'den Computer Vision'a, tahminleme modellerinden otomasyon sistemlerine kadar, işletmenize özel AI çözümleri geliştiriyoruz. Agile metodoloji ile hızlı ve ölçeklenebilir projeler teslim ediyoruz.
- Custom AI model geliştirme ve optimizasyon
- Production-ready kod ve deployment pipeline
- Mevcut sistemlerinizle entegrasyon
- Cloud-native ve on-premise deployment seçenekleri
- Kod kalitesi güvencesi ve automated testing
- Performans monitoring ve continuous improvement
- Teknik dokümantasyon
- 7/24 teknik destek ve bakım
##### Şirketinize özel AI yol haritası
AI alanına yatırım yapmadan önce şirketinizin yapay zekaya ne kadar hazır olduğunu ölçün. Veri altyapınızı, süreçlerinizi ve ekibinizin yetkinliklerini analiz ederek size özel bir hazırlık raporu ve aksiyon planı ile somut atabileceğiniz adımlar sunuyoruz. Devamında istenilmesi doğrultusunda ekiplerinizi eğitiyor ve danışmanlık hizmeti veriyoruz.
- 360° organizasyon ve teknik altyapı analizi
- Mevcut kod kalitesi ve teknik borç değerlendirmesi
- Data pipeline ve model mimarisi analizi
- Sektörel benchmark karşılaştırması
- Önceliklendirilmiş teknik ve stratejik aksiyon planı
- Quick-win fırsatları ve PoC önerileri
- Ekip yetkinlik analizi ve eğitim ihtiyaç tespiti
- Teknoloji stack önerileri ve migration planı
##### İhtiyacınız olan pozisyonlara özel eğitimler ile aday eğitimi ve işe yerleştirmesi
"Eğit-Yerleştir" modelimizle, ihtiyacınıza özel yetiştirilmiş AI uzmanlarını ekibinize kazandırıyoruz ve işe alım riskinizi ortadan kaldırıyoruz. Üniversite iş birliklerimiz ve sektör deneyimimizle, ilk günden üretime hazır yetenekler yetiştiriyoruz.
- Pozisyona özel teknik müfredat tasarımı
- Senior developer mentörlüğünde pair programming
- Gerçek kod base üzerinde hands-on projeler
- Code review ve best practices eğitimi
- CI/CD, testing ve deployment süreçleri
- İşe başlama ve adaptasyon garantisi
#### Her Rol İçin Doğru Çözüm
Yapay zeka yolculuğunuzda, organizasyonunuzdaki her kilit rolün ihtiyaçlarına yönelik özel yaklaşımlar sunuyoruz.
##### C-Level Yöneticiler
Stratejik AI Vizyonu
Stratejik vizyonunuzu, pazar liderliğine dönüştürecek veri odaklı kararlar alın. Sektörel trendler, rekabet analizi ve ROI odaklı stratejilerle geleceği şekillendirin.
##### Teknik Liderler & CTO
Teknik Mükemmellik
Teknik ekibinizin potansiyelini en üst düzeye çıkarın. Proje teslimatını hızlandıran, en yeni teknolojilerle donatılmış ve kolayca ölçeklenebilen sağlam yapay zeka çözümleriyle hedeflerinize daha hızlı ulaşın.
##### İnsan Kaynakları & L&D
Yetenek Dönüşümü
Şirketinizin en değerli varlığı olan insan kaynağını geleceğe hazırlayın. Ekibinizin yetkinlik eksiklerini kapatan, onlara yeni beceriler kazandıran özel eğitim programları ve yetenek çözümleri sunuyoruz.
#### Başarıya Giden Yol Haritanız
Şeffaf, çevik ve sonuç odaklı iş birliği modelimizle, vizyonunuzu adım adım gerçeğe dönüştürüyoruz.
* Bu hizmetleri ayrı ayrı da alabilirsiniz.
- **01 Keşif & Analiz**: İhtiyaç Tespiti: İş hedeflerinizi ve teknik gereksinimlerinizi derinlemesine analiz ediyoruz. Sektörel en iyi uygulamalar ile karşılaştırma yapıyoruz.
- **02 Strateji & Planlama**: Özel Çözüm Tasarımı: Size özel AI stratejisi ve implementasyon yol haritası oluşturuyoruz. ROI projeksiyonları ve risk analiziyle destekliyoruz.
- **03 Geliştirme & Entegrasyon**: RuneLab’ın deneyimli mühendisleri ile AI yolculuğunuzda hızlı ilerleme sağlıyoruz. Mevcut sistemlerinizle sorunsuz entegrasyon sunuyoruz.
- **04 Optimizasyon & Ölçekleme**: Performans metrikleriyle sürekli iyileştirme sağlıyoruz. İş büyümenize paralel ölçeklendirme desteği veriyoruz.
#### AI Dönüşümünüze Bugün Başlayın
Önde gelen firmalar AI yolculuklarında RuneLab'i tercih ediyor. Sırada sizin başarı hikayeniz var.
#### AI'ın Sektörel Etkisi
AI finanstan üretime, perakendeden sağlığa kadar her sektörde kullanılmaya başlandı. Her çözüm kendine özgü dinamikler içeriyor. RuneLab olarak her sektörün farklı çözümler gerektirdiğini biliyor ve bunlara göre rekabet avantajı yaratacak sektöre özel çözümler tasarlıyoruz.
##### Finans & Bankacılık
Rekabetin ve regülasyonların yoğun olduğu bu alanda, yapay zeka stratejik bir zorunluluktur. Gelişmiş algoritmalarımız sayesinde, kredi skorlama ve risk analiz süreçlerinizi otomatize ederek karar alma hızınızı artırıyor, anlık sahtekarlık tespiti sistemleri ile kayıplarınızı minimize ediyoruz. Müşteri verilerini derinlemesine analiz ederek kişiselleştirilmiş ürünler sunmanızı sağlıyor, bu sayede müşteri sadakatini ve karlılığı artırıyoruz.
##### Perakende & E-Ticaret
Müşteri deneyimi her şeydir. Yapay zeka, her müşteriye özel bir alışveriş yolculuğu sunmanızı sağlar. Dinamik fiyatlandırma ve kişiselleştirilmiş ürün öneri motorları ile satışlarınızı artırırken, talep tahmini ve akıllı stok yönetimi çözümlerimizle operasyonel verimliliğinizi en üst düzeye çıkarıyoruz. Sonuç olarak, doğru ürünün doğru zamanda doğru müşteriye ulaşmasını sağlayarak hem cironuzu yükseltiyor hem de gereksiz stok maliyetlerini ortadan kaldırıyoruz.
##### Üretim & Endüstri 4.0
Endüstri 4.0 devriminin merkezinde akıllı otomasyon ve veri analizi yer alır. Bilgisayarlı görü tabanlı kalite kontrol sistemlerimizle üretim hattındaki hataları anında tespit ediyor, kestirimci bakım çözümlerimizle makine arızalarını oluşmadan önce öngörerek plansız duruşları ve bakım maliyetlerini önemli ölçüde azaltıyoruz. Bu sayede üretim kapasitenizi artırırken, kaynak kullanımını optimize ederek sürdürülebilir bir büyüme sağlıyoruz.
##### Sağlık & İlaç
Sağlık sektöründe yapay zeka, teşhis doğruluğunu artırma ve operasyonel verimlilik sağlama potansiyeliyle öne çıkıyor. Tıbbi görüntüleme (MR, CT) analizlerini destekleyen modeller geliştirerek radyologların daha hızlı ve isabetli kararlar almasına yardımcı oluyoruz. Aynı zamanda, hastane süreçlerini optimize ederek ve kaynak planlamasını iyileştirerek hasta memnuniyetini ve kurum verimliliğini artırmak için özel çözümler üretiyoruz.
##### Lojistik & Tedarik Zinciri
Rota optimizasyon algoritmaları ve talep tahminleme modelleriyle lojistik operasyonlarınızı end-to-end iyileştiriyoruz. Warehouse otomasyonu ve akıllı envanter yönetimi sistemleriyle depo verimliliğinizi artırıyor, tedarik zinciri risklerini proaktif olarak yönetiyoruz. Operasyon maliyetlerinde %35 düşüş gerçekleştiriyoruz.
##### Telekom & Teknoloji
Müşteri kaybını önleyen churn prediction modelleri ve network optimizasyon çözümleri sunuyoruz. Müşteri deneyimi analitiği ve sentiment analysis ile hizmet kalitesini artırıyor, predictive maintenance ile network kesintilerini minimize ediyoruz. Müşteri kaybında %50 azalma sağlıyoruz.
##### Otelcilik
Rekabetin ve misafir beklentilerinin zirvede olduğu otelcilik sektöründe, operasyonel verimlilik ile kusursuz hizmeti dengelemek en büyük sorundur. Akıllı Ortam Analitiği (IEA) platformumuz, tesisinizin sadece pasif gözlem yapan CCTV ağını operasyonel bir zekaya dönüştürür. Resepsiyon ve restoranlardaki yoğunluğu önceden tahmin ederek personel planınızı dinamik olarak optimize edin. Temizlik operasyonlarını sabit rotasyonlar yerine gerçek kullanım verisine göre tetikleyerek hem iş gücünden tasarruf edin hem de hijyen standartlarını en üst seviyeye taşıyın. Misafir akışını analiz ederek kişiselleştirilmiş spa veya F&B teklifleri için en doğru anı yakalayın ve ek gelir yaratın. Sizin verilerinize özel olarak oluşturduğumuz RAG chatbot sistemleri ile operasyonel süreçlerinizi hızlandırın.
#### Değer, güvenlik ve kontrol: üç ürün, tek ekip
- Rune Desk Dokümanlarınızı sorulabilir hale getiren, her yanıtı kaynağıyla veren asistan. İnceleyin →
- Rune Box Yapay zekayı kurumunuzun içinde çalıştıran, verisi dışarı çıkmayan GPU altyapısı. İnceleyin →
- Rune Gate Modelleriniz için tek endpoint: isteği doğru modele yönlendirir, bütçeyi ekip bazında tutar. İnceleyin →
#### Kullandığımız Teknolojiler
En güncel ve güçlü teknolojileri kullanarak, geleceğe dönük, ölçeklenebilir ve sağlam çözümler inşa ediyoruz.
##### AI & Makine Öğrenimi
##### Büyük Veri & Analitik
##### Bulut & Altyapı
##### Geliştirme & Entegrasyon
#### AI yolculuğunuza başlamaya hazır mısınız?
Uzman ekibimiz, işletmenizin potansiyelini keşfetmek için sizinle iletişime geçmeyi bekliyor.
- Hızlı Danışmanlık +90 (532) 594 62 24
- E-posta info@runelab.ai

Kaynak: https://runelab.ai/nextech/consulting

### Şirketiniz için Danışmanlık Hizmetimiz
C-seviyesi liderlerden teknik ekiplere kadar, iş hedeflerinize hizmet eden, ölçülebilir sonuçlar üreten ve sizi pazarınızda lider konumuna taşıyan yapay zeka stratejileri geliştiriyoruz.
#### Stratejik AI Danışmanlığı Size Uygun mu?
Her organizasyonun AI olgunluk seviyesi ve ihtiyaçları farklıdır. RuneLab olarak, bulunduğunuz noktadan hareketle size özel bir yol haritası çiziyoruz.
- Rekabet avantajı için AI'ı kullanmak istiyoruz ama nereden başlayacağımızı bilmiyoruz
- Mevcut AI projelerimiz var ancak beklenen ROI'yi alamıyoruz
- Veri altyapımız hazır ama doğru AI use case'leri belirleyemiyoruz
- Teknik ekibimiz var ama stratejik yönlendirmeye ihtiyaç duyuyoruz
Bunlardan herhangi biri size uyuyorsa, stratejik danışmanlık hizmetimiz tam size göre.
#### Şirketinizin 3 Sorusu
İhtiyaç duyduğunuz her seviyede yanınızdayız. Yönetim kurulundan geliştirme ekibine kadar, en doğru uzmanlığı sunarak yapay zeka yolculuğunuzun her adımına değer katıyoruz.
##### Stratejik Danışmanlık
C-suite ve iş liderlerine yönelik üst düzey rehberlik. İş hedeflerinizi AI fırsatlarıyla buluşturarak, ölçülebilir başarı kriterleri ve net bir AI ile dönüşüm yol haritası sunuyoruz.
##### Teknik Danışmanlık
Projeleriniz ve mühendislik ekipleriniz için mimari ve teknik rehberlik. Doğru teknolojileri seçmenize, ölçeklenebilir sistemler tasarlamanıza ve en iyi endüstri pratiklerini takip etmenize yardımcı oluyoruz.
##### Bütünleşik Liderlik
Projelerinizi hızlandırmak için uygulamalı liderlik hizmeti sunuyoruz. Uzmanlarımız, projenizin kritik aşamalarında ekibinize mentorluk yaparak ve yol göstererek "fractional" liderler olarak hareket eder, en doğru şekilde amaçlarınıza ulaşmayı garanti altına almış olur.
#### Danışmanlık Sürecinde Neler Sunuyoruz?
Danışmanlık hizmetlerimiz soyut tavsiyelerden ibaret değildir. İşinizi ileriye taşıyacak, uygulanabilir ve somut çıktılar sunarız.
##### Executive Workshop'lar
2-3 Günlük Yoğun Workshop
Karar vericiler ile AI fırsatlarını keşfettiğimiz, önceliklendirdiğimiz ve quick-win'leri belirlediğimiz interaktif workshop'lar.
##### Teknoloji ve Mimari Yol Haritası
360° Kurumsal Analiz
Uzun vadeli AI hedeflerinizi destekleyecek; doğru teknolojiler, araçlar, veri kurgusu ve model mimarisini içeren, geleceğe dönük bir teknik plan oluştururuz.
##### Use Case Önceliklendirme
Veri-Odaklı Karar Matrisi
Potansiyel AI projelerinizi etki, fizibilite ve kaynak gereksinimi açısından skorlayarak, en yüksek ROI'yi sağlayacak projeleri belirliyoruz.
##### Teknoloji ve Vendor Seçimi
Tarafsız Değerlendirme
Azure, AWS, Google Cloud veya on-premise çözümler arasından sizin için en uygun teknoloji stack'ini ve çözüm ortaklarını belirliyoruz.
##### Pilot Proje Tasarımı
Risk Minimize Edilmiş Başlangıç
İlk AI projenizi 3-6 aylık pilot olarak tasarlıyor, success metrics belirliyoruz ve scale-up stratejisi oluşturuyoruz.
##### Organizasyonel Dönüşüm Planı
İnsan Odaklı Yaklaşım
AI adaptasyonu için change management, iletişim stratejisi ve eğitim programları tasarlıyoruz.
#### Danışmanlık Yaklaşımımız
- **01 Dinle**: İlk adımımız, sizin benzersiz iş bağlamınızı, hedeflerinizi ve kısıtlamalarınızı derinlemesine anlamak. Sektörünüz, rekabet dinamikleri ve kurumsal kültürünüzü analiz ederek size özel çözümler geliştiriyoruz.
- **02 Analiz Et**: Kararlarımızı varsayımlara değil, veriye dayandırıyoruz. Mevcut sistemlerinizi, veri kaynaklarınızı ve iş metriklerinizi analiz ederek, AI'ın gerçek değer yaratabileceği alanları belirliyoruz.
- **03 Pragmatik Strateji**: Teorik modellerden ziyade, uygulanabilir ve ölçülebilir stratejiler geliştiriyoruz. Her önerimiz, net bir uygulama planı ve başarı kriteri ile birlikte gelir.
- **04 İteratif İyileştirme**: AI yolculuğu bir maraton, sprint değil. Sürekli geri bildirim döngüleri kurarak, stratejinizi piyasa dinamiklerine ve öğrenilen derslere göre optimize ediyoruz.
#### AI Stratejinizi Birlikte Şekillendirelim
Türkiye’nin önde gelen firmalarından startup'lara kadar bir çok kuruma AI dönüşümünde rehberlik ettik. Sırada sizin başarı hikayeniz var.
3-12 Ay Ortalama ROI Süresi · 30+ Sektör Deneyimi
#### AI'ın Sektörel Etkisi
AI finanstan üretime, perakendeden sağlığa kadar her sektörde kullanılmaya başlandı. Her çözüm kendine özgü dinamikler içeriyor. RuneLab olarak her sektörün farklı çözümler gerektirdiğini biliyor ve bunlara göre rekabet avantajı yaratacak sektöre özel çözümler tasarlıyoruz.
##### Finans & Bankacılık
Rekabetin ve regülasyonların yoğun olduğu bu alanda, yapay zeka stratejik bir zorunluluktur. Gelişmiş algoritmalarımız sayesinde, kredi skorlama ve risk analiz süreçlerinizi otomatize ederek karar alma hızınızı artırıyor, anlık sahtekarlık tespiti sistemleri ile kayıplarınızı minimize ediyoruz. Müşteri verilerini derinlemesine analiz ederek kişiselleştirilmiş ürünler sunmanızı sağlıyor, bu sayede müşteri sadakatini ve karlılığı artırıyoruz.
##### Perakende & E-Ticaret
Müşteri deneyimi her şeydir. Yapay zeka, her müşteriye özel bir alışveriş yolculuğu sunmanızı sağlar. Dinamik fiyatlandırma ve kişiselleştirilmiş ürün öneri motorları ile satışlarınızı artırırken, talep tahmini ve akıllı stok yönetimi çözümlerimizle operasyonel verimliliğinizi en üst düzeye çıkarıyoruz. Sonuç olarak, doğru ürünün doğru zamanda doğru müşteriye ulaşmasını sağlayarak hem cironuzu yükseltiyor hem de gereksiz stok maliyetlerini ortadan kaldırıyoruz.
##### Üretim & Endüstri 4.0
Endüstri 4.0 devriminin merkezinde akıllı otomasyon ve veri analizi yer alır. Bilgisayarlı görü tabanlı kalite kontrol sistemlerimizle üretim hattındaki hataları anında tespit ediyor, kestirimci bakım çözümlerimizle makine arızalarını oluşmadan önce öngörerek plansız duruşları ve bakım maliyetlerini önemli ölçüde azaltıyoruz. Bu sayede üretim kapasitenizi artırırken, kaynak kullanımını optimize ederek sürdürülebilir bir büyüme sağlıyoruz.
##### Sağlık & İlaç
Sağlık sektöründe yapay zeka, teşhis doğruluğunu artırma ve operasyonel verimlilik sağlama potansiyeliyle öne çıkıyor. Tıbbi görüntüleme (MR, CT) analizlerini destekleyen modeller geliştirerek radyologların daha hızlı ve isabetli kararlar almasına yardımcı oluyoruz. Aynı zamanda, hastane süreçlerini optimize ederek ve kaynak planlamasını iyileştirerek hasta memnuniyetini ve kurum verimliliğini artırmak için özel çözümler üretiyoruz.
##### Lojistik & Tedarik Zinciri
Rota optimizasyon algoritmaları ve talep tahminleme modelleriyle lojistik operasyonlarınızı end-to-end iyileştiriyoruz. Warehouse otomasyonu ve akıllı envanter yönetimi sistemleriyle depo verimliliğinizi artırıyor, tedarik zinciri risklerini proaktif olarak yönetiyoruz. Operasyon maliyetlerinde %35 düşüş gerçekleştiriyoruz.
##### Telekom & Teknoloji
Müşteri kaybını önleyen churn prediction modelleri ve network optimizasyon çözümleri sunuyoruz. Müşteri deneyimi analitiği ve sentiment analysis ile hizmet kalitesini artırıyor, predictive maintenance ile network kesintilerini minimize ediyoruz. Müşteri kaybında %50 azalma sağlıyoruz.
##### Otelcilik
Rekabetin ve misafir beklentilerinin zirvede olduğu otelcilik sektöründe, operasyonel verimlilik ile kusursuz hizmeti dengelemek en büyük sorundur. Akıllı Ortam Analitiği (IEA) platformumuz, tesisinizin sadece pasif gözlem yapan CCTV ağını operasyonel bir zekaya dönüştürür. Resepsiyon ve restoranlardaki yoğunluğu önceden tahmin ederek personel planınızı dinamik olarak optimize edin. Temizlik operasyonlarını sabit rotasyonlar yerine gerçek kullanım verisine göre tetikleyerek hem iş gücünden tasarruf edin hem de hijyen standartlarını en üst seviyeye taşıyın. Misafir akışını analiz ederek kişiselleştirilmiş spa veya F&B teklifleri için en doğru anı yakalayın ve ek gelir yaratın. Sizin verilerinize özel olarak oluşturduğumuz RAG chatbot sistemleri ile operasyonel süreçlerinizi hızlandırın.
#### Neden RuneLab Danışmanlık?
- Uçtan Uca Çözüm Kabiliyeti Strateji + Uygulama: Sadece rapor yazmıyoruz. Stratejiden implementasyona, eğitimden operasyona kadar AI yolculuğunuzun her aşamasında yanınızdayız. In-house geliştirme ekibimizle POC'den production'a geçişi garantiliyoruz.
- Sektör Agnostik Deneyim Cross-Industry Insights Finans, perakende, üretim, sağlık, lojistik ve daha fazlası... Farklı sektörlerdeki deneyimlerimiz, size beklenmedik çözümler ve best practice'ler sunmamızı sağlıyor.
- Akademik ve Endüstriyel Köprü Teori Meets Pratik Üniversite iş birlikleri ve R&D projelerimiz sayesinde, en güncel akademik gelişmeleri pratik iş çözümlerine dönüştürüyoruz. PhD ve sektör uzmanlarından oluşan ekibimiz, hem derin teknik bilgi hem de iş anlayışı sunuyor.
- Vendor Bağımsızlığı Tarafsız Öneri Herhangi bir teknoloji sağlayıcısına bağlı değiliz. AWS, Azure, Google Cloud veya on-premise - sizin için en doğru çözümü öneriyoruz, komisyon kaygısı olmadan.
- Ölçülebilir Sonuç Odağı KPI-Driven Yaklaşım Her projede net success metrics belirliyoruz. Danışmanlık çıktılarımız, somut ve ölçülebilir iş sonuçlarına odaklanır. ROI garantisi sunduğumuz modeller de mevcuttur.
- Sürdürülebilir Bilgi Transferi Ekibinizi Güçlendiriyoruz Amacımız size bağımlı hale getirmek değil, ekibinizi güçlendirmek. Knowledge transfer ve capability building ile, AI yetkinliklerini kurum içinde sürdürülebilir kılıyoruz.
#### Danışmanlıktan uygulamaya geçmeye hazır mısınız?
##### End-to-End AI Proje Geliştirme
Stratejiniz hazır, şimdi sıra uygulamada. Custom AI çözümlerimizle fikrinizi gerçeğe dönüştürüyoruz.
##### AI Hazırlık Değerlendirmesi
Henüz emin değil misiniz? Kapsamlı AI readiness assessment'ımızla kurumunuzun AI'a hazırlık durumunu ölçün.
#### 30 Dakikalık Ücretsiz Değerlendirme ile İlk Adımı Atın
Senior danışmanlarımızdan biriyle görüşerek, AI potansiyelinizi keşfedin. Hiçbir satış baskısı olmadan, samimi bir strateji sohbeti için buradayız.
#### Sıkça Sorulan Sorular
**Danışmanlık süreci ne kadar sürer?**
Proje kapsamına göre değişmekle birlikte, stratejik danışmanlık projeleri genellikle 4-12 hafta, embedded danışmanlık ise 6-24 ay sürer. İlk değerlendirme görüşmesinde size özel bir timeline sunuyoruz.
**Hangi sektörlerde deneyiminiz var?**
Finans, sigorta, perakende, üretim, lojistik, sağlık, enerji ve telekom başta olmak üzere 25+ sektörde deneyimimiz bulunuyor. Sektör agnostik metodolojimiz, her sektöre uyarlanabilir çözümler sunmamızı sağlıyor.
**Danışmanlık ücreti nasıl belirleniyor?**
Proje bazlı, retainer veya success-based modeller sunuyoruz. İlk görüşmede ihtiyaçlarınızı analiz ederek, size en uygun fiyatlandırma modelini öneriyoruz. Enterprise müşterilerimiz için özel paketler mevcuttur.
**NDA imzalıyor musunuz?**
Evet, tüm danışmanlık projelerimiz sıkı NDA ile korunur. Ayrıca, KVKK ve GDPR uyumlu çalışıyoruz. Fikri mülkiyet haklarınız tamamen güvence altındadır.
**Remote danışmanlık hizmeti veriyor musunuz?**
Hem remote hem on-site danışmanlık hizmetleri sunuyoruz. Hybrid modeller de mevcuttur. Global müşterilerimize tamamen remote danışmanlık verdiğimiz başarılı projelerimiz bulunuyor.
**Danışmanlık sonrası destek sağlıyor musunuz?**
Evet, tüm danışmanlık projelerimize 3-6 ay post-project destek dahildir. Ayrıca, long-term retainer anlaşmalarıyla sürekli danışmanlık hizmeti alabilirsiniz.
**Eğitim hizmetlerinizle entegre çalışıyor musunuz?**
RuneLab Akademi ile tam entegre çalışıyoruz. Danışmanlık sürecinde belirlenen skill gap'leri için özel eğitim programları tasarlayabiliyoruz.
**Success guarantee sunuyor musunuz?**
Belirli proje tiplerinde success-based pricing modeli sunuyoruz. Ayrıca, tüm projelerimizde net KPI'lar ve success metrics belirliyoruz. 30 günlük memnuniyet garantimiz mevcuttur.
#### AI yolculuğunuza başlamaya hazır mısınız?
Uzman ekibimiz, işletmenizin potansiyelini keşfetmek için sizinle iletişime geçmeyi bekliyor.
- Hızlı Danışmanlık +90 (532) 594 62 24
- E-posta info@runelab.ai

Kaynak: https://runelab.ai/nextech/projects

### Şirketinize Özel Baştan Sona AI Çözümleri
Karmaşık iş problemlerinizi çözmek, verilerinizdeki gizli potansiyeli ortaya çıkarmak ve sizi rekabette öne geçirmek için stratejinize özel, ölçeklenebilir ve üretime hazır yapay zeka uygulamaları tasarlıyor ve geliştiriyoruz.
Aklınızda Bir Proje mi var? Firmanıza özel çözümleri birlikte yapay zeka ile hayata geçirelim.
#### Uzmanlık Alanlarımız
İşletmenizin ihtiyaçlarına göre özelleştirilmiş, ölçeklenebilir AI sistemleri geliştiriyoruz.
##### NLP & Metin Analitiği
Doğal dil işleme teknolojileriyle müşteri geri bildirimlerinden stratejik içgörüler çıkarın. Şirket içi dökümanlarınızla eğitilen modeller ile süreçlerinizi otomatize edin. Sentiment analizi, döküman sınıflandırma ve akıllı chatbot sistemleriyle operasyonel verimliliği %40'a kadar artırın.
##### Bilgisayarlı Görü Sistemleri
Görüntü tanıma ve video analitiğiyle kalite kontrolden güvenlik sistemlerine kadar süreçlerinizi otomatikleştirin. Gerçek zamanlı nesne tespiti, yüz tanıma, aksiyon analizi çözümleriyle tepki sürenizi düşünürün ve oranınızı azaltın.
##### Tahminsel Analitik ve Öngörü
Gelişmiş makine öğrenmesi modelleriyle satış tahminleme, stok optimizasyonu, risk analizi, sahtekarlık tespiti gibi problemlerde doğruluk oranınızı arttırın. Veriye dayalı kararlarla rekabet avantajı yakalayın.
##### Öneri Sistemleri
Kullanıcı deneyimini zenginleştiren, etkileşimi ve satışı artıran kişiselleştirilmiş öneri motorları geliştiriyoruz. E-ticaret ve içerik platformları için özel çözümler sunuyoruz. Müşteri memnuniyetini ve çapraz satış imkanlarınızı artırıyoruz.
##### Büyük Veri İşleme Altyapıları
Devasa veri setlerini işlemek için Spark ve Kafka gibi teknolojileri kullanarak ölçeklenebilir ve verimli veri hatları tasarlıyoruz. Makine öğrenmesi modellerinizin ihtiyaç duyduğu veriyi güvenilir bir şekilde hazırlıyoruz.
##### Full-Stack AI Uygulamaları
Fikir aşamasından canlıya almaya kadar tüm AI yaşam döngüsünü yönetiyoruz. DevOps, MLOps ve sürekli iyileştirme ile sistemlerinizi her zaman güncel tutun
##### Zaman Serisi Analitiği
Transformers, Prophet ve istatistiksel modellerle finansal tahminleme, enerji tüketimi optimizasyonu ve trend analizi. Sezonsal paternleri yüksek doğrulukla yakalayın.
##### Anomali Tespiti Sistemleri
Siber güvenlikten üretim hatlarına, anormal davranışları gerçek zamanlı tespit edin. Isolation Forest ve AutoEncoder teknolojileriyle %99.5’e kadar çıkan doğruluk oranları.
##### Konuşma Tanıma & Ses İşleme
Çağrı merkezi otomasyonu, ses komutlu sistemler ve gerçek zamanlı transkripsiyon. Whisper ve wav2vec2 modelleriyle yüksek doğruluk.
##### Reinforcement Learning Çözümleri
Dinamik fiyatlandırma, oyun AI'ları ve robotik kontrol sistemleri. Reinforcement ortamları ile optimize edilmiş karar verme mekanizmaları.
##### Graph Neural Networks
Sosyal ağ analizi, moleküler modelleme ve tavsiye sistemleri için graf tabanlı derin öğrenme. Neo4j ve PyTorch Geometric ile kompleks ilişkileri modelleyin.
##### AutoML & Model Optimizasyonu
Otomatik hiperparametre ayarlama, neural architecture search ve model compression. Geliştirme süresini %60’a kadar kısaltırken, model performansını maksimize edin.
##### Generative AI & LLM Entegrasyonu
Şirketinize özel fine-tune edilmiş modeller ile içerik üretimi, kod asistanları ve yaratıcı AI çözümleri. RAG sistemleriyle kurumsal bilgi erişimi ve otomatik raporlama ve analizler..
##### Edge AI & IoT Analytics
On-prem, düşük gecikmeli AI sistemleri. TensorFlow Lite ve ONNX Runtime ile sensör verilerinden gerçek zamanlı içgörüler, bant genişliği tasarrufu.
##### Explainable AI (XAI)
SHAP, LIME ve attention mekanizmalarıyla AI kararlarını şeffaflaştırın. Regülasyon uyumluluğu ve müşteri güveni kazanımı için yorumlanabilir modeller.
##### Federated Learning Sistemleri
Veri gizliliğini koruyarak dağıtık öğrenme. Sağlık, finans ve telekom sektörleri için GDPR/KVKK uyumlu, merkezi olmayan AI modelleri.
##### Quantum-Inspired Optimization
Kuantum algoritmaları ile klasik problemlere çözümler. Portfolio optimizasyonu, rota planlama ve moleküler simülasyonlarda hız artışı.
##### Synthetic Data Generation
Yapay zeka modelleri ile gerçekçi sentetik veri üretimi. Veri gizliliğini korurken, model eğitim verilerini 10x artırın.
##### Multi-Modal AI Sistemleri
Metin, görüntü, ses ve video verilerini birleştiren unified AI modelleri. CLIP ve Flamingo benzeri architectures ile zengin içerik anlama.
##### Causal AI & Inference
Korelasyondan öte, gerçek sebep-sonuç ilişkilerini keşfedin. DoWhy ve CausalML ile stratejik karar verme ve what-if analizleri.
##### AI-Powered RPA
Intelligent Process Automation ile manuel süreçleri %95 otomatikleştirin. UiPath ve computer vision entegrasyonuyla end-to-end otomasyon.
##### Biometric AI Sistemleri
Parmak izi, iris, ses ve yürüyüş tanıma sistemleri. Çok faktörlü kimlik doğrulama ile arttırılmış güvenlik doğruluğu.
##### Climate AI & Sustainability
Karbon ayak izi optimizasyonu, enerji verimliliği ve çevresel etki analizi. İklim modelleri ve yeşil AI ile sürdürülebilir operasyonlar.
##### Behavioral Analytics
Kullanıcı davranışlarını derin öğrenme ile analiz edin. Clickstream, heatmap ve session replay analiziyle konversiyon optimizasyonu.
30+ farklı AI teknolojisinde uzmanız. Probleminize en uygun çözümü birlikte belirleyelim.
#### Sektörel AI Çözümleri
Her sektörün kendine özgü dinamikleri, zorlukları ve fırsatları vardır. Deneyimimizle, yapay zekayı iş akışlarınıza entegre ederek size özel rekabet avantajı yaratıyoruz.
##### Dijital Dönüşümün Ötesinde: Akıllı Finans Sistemleri
Finansal kurumlar için regülasyona uyumlu, güvenli ve ölçeklenebilir AI çözümleri geliştiriyoruz. Risk yönetiminden müşteri deneyimine, dolandırıcılık tespitinden algorithmic trading'e kadar uçtan uca dijital dönüşüm sağlıyoruz.
###### Çözümlerimiz
- Dolandırıcı Tespiti: Gerçek zamanlı dolandırıcılık tespiti ve risk skorlama
- Algorithmic Trading: Yüksek frekanslı işlem ve portföy optimizasyonu
- Mevzuata Uygunluk: Mevzuatlara uyumlu otomatik raporlama
- Müşteri Zekası: Müşteri kayıp tahmini ve kişiselleştirilmiş bankacılık
##### Müşteri Odaklı Akıllı Perakende Çözümleri
Müşteri davranışlarını anlayan, stok optimizasyonu sağlayan ve satışları artıran AI sistemleri kuruyoruz. Online ve offline kanallarınızı birleştirerek omnichannel deneyim yaratıyoruz.
###### Çözümlerimiz
- Dinamik Fiyatlandırma: Rekabet ve talebe göre anlık fiyat optimizasyonu
- Stok Yönetimi: Talep tahmini ve otomatik stok yenileme
- Kişiselleştirme: Yapay zeka destekli öneri motoru ve odaklı pazarlama
- Arama: Görsel arama ve AR deneyimleri
##### Akıllı Fabrika Dönüşümü
Fabrikalarınızı Endüstri 4.0'a taşıyoruz. IoT sensörleri, bilgisayarlı görü ve dijital ikiz teknolojileriyle üretim verimliliğinizi maksimize ediyoruz. Sıfır hata, sıfır duruş hedefiyle çalışıyoruz.
###### Çözümlerimiz
- Tahminleme ile Bakım: Makine arıza tahmini ve planlı bakım optimizasyonu
- Kalite Kontrolü: Görüntü işleme ile otomatik hata tespiti ve ayıklama
- Dijital İkiz: Sanal fabrika modelleme ve simülasyon
- Üretim Optimizasyonu: OEE artırımı ve üretim hattı dengeleme
##### Yaşam Kurtaran AI Teknolojileri
Mevzuatlara uyumlu, hayat kurtaran AI teknolojileri geliştiriyoruz. Erken tanıdan tedavi optimizasyonuna, klinik araştırmalardan hasta yönetimine kadar sağlıkta dijital dönüşüm sağlıyoruz.
###### Çözümlerimiz
- Görüntü Analizi: Radyoloji ve patolojide otomatik tanı desteği
- Klinik Karar Destek: Bulguya yönelik tedavi önerileri
- İlaç Keşfi: Moleküler modelleme ve ilaç etki alanı tahmini
- Hasta Yönetimi: Risk analizi ve uzaktan takip sistemleri
##### Bağlantıda Akıllı Gelecek
Müşteri deneyiminden network optimizasyonuna, dolandırıcılık önlemeden servis kalitesi arttırmaya kadar telekomun her alanını AI ile dönüştürüyoruz.
###### Çözümlerimiz
- Network Optimization: 5G altyapı ve kapasite yönetimi
- Churn Prevention: Müşteri kaybı tahmini ve retention
- Servis kalitesi: Kendi kendini tamir eden network'ler ve arıza önleme
- Dolandırıcı Tespiti: SIM kart dolandırıcılığı ve güvenlik analizi
##### Uçtan Uca Akıllı Lojistik
Tedarik zincirinizi uçtan uca optimize ediyoruz. Rota planlamadan depo yönetimine, last-mile delivery'den tedarik zinciri takibine kadar tüm lojistik süreçlerinizi AI ile güçlendiriyoruz.
###### Çözümlerimiz
- Rota Optimizasyonu: Dinamik planlama ve filo yönetimi
- Depo Optimizasyonu: Robotik sistemler ve pick-pack optimizasyonu
- Tedarik Zinciri Takibi: Blockchain entegreli takip sistemleri
- Last-Mile İnovasyonu: Drone ve otonom araç entegrasyonu
##### Sürdürülebilir Enerji Yönetimi
Sürdürülebilir enerji geleceği için AI çözümleri sunuyoruz. Smart grid yönetiminden renewable energy yenilenebilir enerji optimizasyonuna, tahmin ile bakımdan enerji borsa işlemlerine kadar enerji süreçlerini AI ile dönüştürüyoruz.
###### Çözümlerimiz
- Smart Grid: Talep tahmini ve yük dengeleme
- Yenilenebilir Enerji: Üretim tahmini ve verimlilik analizi
- Altyapı Sağlığı: Prediktif bakım ve risk analizi
- Enerji Borsası: Spot piyasa analizi ve otomatik trading
##### Kişiselleştirilmiş Öğrenme Deneyimi
Kişiselleştirilmiş öğrenme deneyimleri yaratıyoruz. Adaptif öğrenme sistemlerinden sanal eğitmene, kişiye özel performans analizinden içerik üretimine kadar eğitimde AI ile fark yaratıyoruz.
###### Çözümlerimiz
- Adaptif Öğrenme: Kişiselleştirilmiş öğrenme yolları
- Performans Analizi: Öğrenci başarı tahmini
- Sanal Eğitmen: 7/24 AI tutor ve otomatik değerlendirme
- İçerik Üretimi: Otomatik soru üretimi ve içerik kişiselleştirme
##### Risk Yönetiminde AI Devrimi
Underwriting'den hasar yönetimine, risk modellemeden müşteri segmentasyonuna kadar sigortacılığın her aşamasını AI ile dönüştürüyoruz. Daha hızlı, daha doğru ve daha karlı sigorta operasyonları sağlıyoruz.
###### Çözümlerimiz
- Underwriting Otomasyonu: Otomatik risk değerlendirme ve poliçe fiyatlandırma
- Akıllı Değerlendirme: Hasar dosyası otomasyonu ve dolandırıcı tespiti
- Müşteri Değer Optimizasyonu: Cross-sell/up-sell tahminleri ve geri dönüş
- Felaket Modelleme: İklim riski analizi ve portföy optimizasyonu
##### Misafir Deneyiminde Mükemmellik
Otelcilikten seyahat planlamaya, gelir yönetiminden müşteri deneyimine kadar turizm sektörünü AI ile güçlendiriyoruz. Her misafir için unutulmaz, kişiselleştirilmiş deneyimler yaratıyoruz.
###### Çözümlerimiz
- Gelir Yönetimi: Dinamik fiyatlandırma ve doluluk optimizasyonu
- Misafir Kişiselleştirmesi: Tercih analizi ve kişiselleştirilmiş hizmetler
- Operasyonel Mükemmeliyet: Personel planlama ve housekeeping optimizasyonu
- Davranış Analizi: Turist akışı tahmini ve trend analizi
##### İçerikte AI Gücü
İçerik üretiminden izleyici analitiğine, öneri motorlarından reklam optimizasyonuna kadar medyanın her alanını AI ile güçlendiriyoruz. İzleyici bağlılığını maksimize ediyoruz.
###### Çözümlerimiz
- İçerik Önerme: Kişiselleştirilmiş öneri ve bağlılık artırma
- Otomatik Üretim: Video düzenleme ve altyazı oluşturma
- İzleyici Analizi: İzleyici davranış analizi ve müşteri kayıp tahmini
- Reklam Optimizasyonu: Odaklı reklam ve gelir optimizasyonu
##### Geleceğin Ulaşımında AI
Otonom sürüşten bağlı sistemlere, tahmin edici bakımdan akıllı üretime kadar otomotiv endüstrisinin her alanında AI ile geleceğini şekillendiriyoruz. Otomotiv devriminde öncü olmanızı sağlıyoruz.
###### Çözümlerimiz
- Otomatik Sistemler: Bilgisayarlı görü ve sensör füzyon teknolojileri
- Tahmin ile Bakım: Telematik analizi ve arıza tahmini
- Kalite Kontrolü: Üretim hattı görüntü analizi ve montaj kontrolü
- Bağlı Sistemler: Araç içi AI ve sürücü davranış analizi
##### Akıllı Tarımda AI Gücü
Hassas tarımdan hayvan sağlık yönetimine, iklim analizinden verimlilik optimizasyonuna kadar tarımsal üretimin her aşamasını AI ile modernize ediyoruz. Sürdürülebilir gıda güvenliği için teknoloji üretiyoruz.
###### Çözümlerimiz
- Hassas Tarım: Drone görüntüleme ve toprak analizi ile verim optimizasyonu
- Hastalık Tespiti: Bitki ve hayvan hastalıklarının erken tanısı
- İklim Analizi: Hava durumu tahmini ve sulama optimizasyonu
- Sağlık Otomasyonu: Hayvan sağlığı takibi ve yem optimizasyonu
#### Yapay Zeka Yolculuğunuza Bugün Başlayın
Aklınızdaki fikri veya çözmek istediğiniz problemi bizimle paylaşın, uzman ekibimizle potansiyelini birlikte değerlendirelim.
#### Proje Geliştirme Döngümüz
Sizi sürecin merkezine alan, esnek ve sonuç odaklı bir metodoloji ile çalışıyoruz. Projenizin her aşamasında tam kontrol ve görünürlük sağlayarak, en doğru çözüme en verimli yoldan ulaşmanızı garanti ediyoruz.
##### Keşif & Strateji
İş hedeflerinize özel, yapay zekanın rekabet avantajı sağlayacağı kilit alanları belirliyor, ölçülebilir bir yol haritası oluşturuyoruz.
##### Veri Altyapısı Tasarımı
Mevcut veri varlıklarınızı stratejik bir kaynağa dönüştürüyoruz. Veri üretim süreçlerini ele alarak yapay zeka için sağlam bir temel hazırlıyoruz.
##### Model Geliştirme & Validasyon
İşletmenizin özgün problemlerine özel yapay zeka modelleri tasarlıyoruz. Üstün performans, şeffaflık ve kurumsal uyumluluk sağlıyoruz.
##### Sistem Entegrasyonu
Geliştirdiğimiz çözümleri mevcut teknolojik ekosisteminize kusursuzca entegre ediyoruz. Operasyonel devamlılık ve sistem güvenliği garanti ediyoruz.
##### Deployment & Optimizasyon
Sistemleri canlıya alıp, performanslarını sürekli izleyerek optimize ediyoruz. Proaktif, öngörülü bir yönetimle iş hedeflerinize katkı sağlıyoruz.
##### Stratejik Ortaklık
Proje sonrası da stratejik ortağınızız. Değişen pazar koşullarına uyum sağlayan, sürekli değer üreten sistemler yaratıyoruz.
#### Öne Çıkan Projeler
Yapay zeka sadece bir teknoloji değil, endüstrileri yeniden şekillendiren köklü bir dönüşümdür. İşte yapay zekanın doğru uygulandığında neleri mümkün kıldığını gösteren, dünya çapında ilham veren bazı dönüşüm hikayeleri.
##### Netflix
AI Destekli İçerik Kişiselleştirme
Abonelik ekonomisinde en büyük zorluk, müşteri sadakatini sağlamak ve kayıp oranını düşürmektir. Netflix'in öncü öneri sistemi, her kullanıcıya özel bir deneyim yaratarak yıllık 1 milyar dolarlık değer üretiyor ve "izleyici sadakati" kavramını yeniden tanımlıyor.
Netflix'in öncü öneri sistemi, her kullanıcıya özel bir deneyim yaratarak yıllık 1 milyar dolarlık değer üretiyor ve "izleyici sadakati" kavramını yeniden tanımlıyor.
- **Güçlü Bağlılık**: Öneri motoru sayesinde izleyiciyi platformda tutma oranı %80'in üzerine çıkarıldı.
- **Etkili Keşif**: Kullanıcıların yeni içeriklere ulaşma ve izlemeye başlama oranı %35 artırıldı.
- **Minimum Kayıp**: Kişiselleştirilmiş deneyim ile platformdan ayrılan kullanıcı oranı %5'in altına indirildi.
##### Amazon
Tahminleyici Lojistik (Anticipatory Shipping)
Yoğun rekabette, lojistik hızı ve verimliliği en önemli avantajlardır. Amazon'un patentli yapay zeka sistemi, ürünleri daha siz sipariş vermeden stratejik depolara yönlendirerek teslimat hızında bir devrim başlattı.
Amazon'un patentli yapay zeka sistemi, ürünleri daha siz sipariş vermeden stratejik depolara yönlendirerek teslimat hızında bir devrim başlattı.
- **Maliyet Avantajı**: Tahminleyici lojistik sayesinde operasyonel ve teslimat maliyetleri %40 oranında azaldı.
- **Güçlü Öngörü**: Yapay zeka modelleri, bölgesel müşteri talebini %85 doğrulukla öngörüyor.
- **Rekor Hız**: Stokların önden konumlandırılmasıyla aynı gün teslimat kapasitesi %62 artırıldı.
##### JPMorgan Chase
COiN: Akıllı Sözleşme Analizi
Yüksek hacimli ve tekrarlayan manuel işlemler, operasyonel maliyetleri artırır ve ciddi hata riskleri barındırır. JPMorgan'ın COiN platformu, karmaşık finansal dokümanları saniyeler içinde analiz ederek, yıllık 360,000 saatlik manuel iş gücünden tasarruf sağlıyor.
JPMorgan'ın COiN platformu, karmaşık finansal dokümanları saniyeler içinde analiz ederek, yıllık 360,000 saatlik manuel iş gücünden tasarruf sağlıyor.
- **Devasa Verimlilik**: Manuel süreçler otomatize edilerek yılda 360,000 saatlik iş gücü tasarrufu sağlandı.
- **Radikal Hızlanma**: Aylar süren kredi anlaşması analizleri, yapay zeka ile saniyelere indirildi.
- **Sıfır Hata**: Otomatik doküman analiziyle insan kaynaklı hata oranı %99 oranında azaltıldı.
##### Tesla
Otonom Sürüş ve Filo Öğrenmesi
Karmaşık sistemlerde inovasyon, laboratuvarda değil, gerçek dünya verisiyle ve sürekli öğrenmeyle mümkün olur. Tesla'nın tüm araçlarından topladığı 3 milyar millik sürüş verisiyle sürekli öğrenen yapay zekası, otonom sürüş güvenliğinde yeni bir standart belirliyor.
Tesla'nın tüm araçlarından topladığı 3 milyar millik sürüş verisiyle sürekli öğrenen yapay zekası, otonom sürüş güvenliğinde yeni bir standart belirliyor.
- **Artan Güvenlik**: Filo öğrenmesi sayesinde kaza oranlarında %40'lık belirgin bir azalma sağlandı.
- **Kolektif Zeka**: Her bir araç, filodaki diğer tüm araçların deneyiminden anlık olarak öğreniyor.
- **Sürekli Gelişim**: Gerçek zamanlı veri analizi ile sürüş algoritmaları her gün daha iyi hale geliyor.
##### Starbucks
Deep Brew: Hiper-Kişiselleştirme Platformu
Milyonlarca müşteriye sahip markalar için en büyük fırsat, her bir müşteriye kişisel bir bağ kurabilmektir. Starbucks'ın Deep Brew yapay zeka platformu, 30 milyon müşterinin verisini işleyerek her birine özel deneyimler sunuyor ve müşteri başına geliri %15 artırıyor.
Starbucks'ın Deep Brew yapay zeka platformu, 30 milyon müşterinin verisini işleyerek her birine özel deneyimler sunuyor ve müşteri başına geliri %15 artırıyor.
- **Kişisel Deneyim**: Deep Brew platformu, her müşteriye özel öneri ve kampanya sunuyor.
- **Gelir Artışı**: Kişiselleştirme sayesinde müşteri başına ortalama harcama %15 yükseldi.
- **Akıllı Stok**: Talep tahmini ile stok maliyetlerinde %23 oranında tasarruf sağlandı.
##### Pfizer
Yapay Zeka ile Hızlandırılmış İlaç Keşfi
Ar-Ge yoğun sektörlerde en büyük zorluk, yüksek maliyetli ve uzun süren keşif süreçleridir. Pfizer, yapay zeka partnerlikleriyle Ar-Ge süreçlerini radikal bir şekilde hızlandırdı ve potansiyel tedavi araştırmalarını 4 yıldan 12 aya indirdi.
Pfizer, yapay zeka partnerlikleriyle Ar-Ge süreçlerini radikal bir şekilde hızlandırdı ve potansiyel tedavi araştırmalarını 4 yıldan 12 aya indirdi.
- **Hızlandırılmış Keşif**: İlaç geliştirme ve araştırma süreçleri %75 oranında daha kısa sürede tamamlandı.
- **Yüksek Başarı**: Klinik denemelerdeki başarı oranı, AI desteğiyle %20'den %90'a çıktı.
- **Maliyet Optimizasyonu**: Ar-Ge süreçlerindeki otomasyon ile maliyetler %60 oranında düşürüldü.
##### UPS
ORION: Akıllı Rota Optimizasyonu
Geniş ölçekli saha operasyonlarında verimlilik, karlılığı ve sürdürülebilirliği doğrudan etkiler. UPS'in ORION sistemi, 55,000 araçlık devasa bir filo için en verimli rotaları anlık olarak hesaplayarak yılda 100 milyon mil daha az yol yapılmasını sağlıyor.
UPS'in ORION sistemi, 55,000 araçlık devasa bir filo için en verimli rotaları anlık olarak hesaplayarak yılda 100 milyon mil daha az yol yapılmasını sağlıyor.
- **Maksimum Verim**: ORION sistemi, teslimat verimliliğini %25 artırarak daha fazla paketin taşınmasını sağladı.
- **Yeşil Lojistik**: Rota optimizasyonu sayesinde yıllık 100,000 ton daha az CO2 emisyonu salındı.
- **Akıllı Rotalar**: Sistem, anlık trafik ve hava koşullarına göre rotaları dinamik olarak güncelliyor.
##### John Deere
Akıllı Tarım (Precision Agriculture)
Geleneksel endüstrilerde maliyetleri düşürmenin ve çevresel etkiyi azaltmanın yolu, kaynakları daha akıllıca kullanmaktır. John Deere'in "See & Spray" teknolojisi, bilgisayarlı görü ile yabani otları tek tek tespit edip müdahale ederek pestisit kullanımını %90 gibi rekor bir oranda azaltıyor.
John Deere'in "See & Spray" teknolojisi, bilgisayarlı görü ile yabani otları tek tek tespit edip müdahale ederek pestisit kullanımını %90 gibi rekor bir oranda azaltıyor.
- **Hassas Tarım**: “See & Spray” teknolojisi, kimyasal kullanımını %90 gibi rekor bir oranda azalttı.
- **Verim Artışı**: Sadece yabani otlara müdahale edilerek mahsul verimliliği %15-20 artırıldı.
- **Düşük Maliyet**: Kimyasal ve operasyonel giderlerde %35'e varan tasarruf sağlandı.
##### BMW
Yapay Zeka Destekli Kalite Kontrol
Üretim sektöründe kalite, marka itibarı ve maliyet kontrolü için en kritik unsurdur. BMW, üretim hatlarında kullandığı yapay zeka destekli görüntü işleme sistemleri ile üretim hatalarını %92 oranında erkenden tespit ederek "sıfır hata" hedefine ilerliyor.
BMW, üretim hatlarında kullandığı yapay zeka destekli görüntü işleme sistemleri ile üretim hatalarını %92 oranında erkenden tespit ederek "sıfır hata" hedefine ilerliyor.
- **Erken Tespit**: Üretim hattındaki hatalar, insan gözünden önce %92 doğrulukla tespit ediliyor.
- **Hızlı Kontrol**: Yapay zeka destekli kalite kontrol süreçleri, manuel kontrole göre %30 daha hızlı.
- **Sıfır Fire**: Hataların anında tespit edilmesiyle yeniden işleme ve fire maliyetleri %50 düştü.
##### Delta Airlines
Öngörücü Bakım (Predictive Maintenance)
Varlık-yoğun sektörlerde en büyük maliyet kalemi, plansız duruşlar ve reaktif bakımdır. Delta'nın yapay zeka tabanlı öngörücü bakım sistemi, uçaklardaki potansiyel arızaları gerçekleşmeden haftalar önce tahmin ederek yıllık 100 milyon dolar tasarruf sağlıyor.
Delta'nın yapay zeka tabanlı öngörücü bakım sistemi, uçaklardaki potansiyel arızaları gerçekleşmeden haftalar önce tahmin ederek yıllık 100 milyon dolar tasarruf sağlıyor.
- **Kesintisiz Operasyon**: Yapay zeka, potansiyel arızaları öngörerek plansız bakımları ve uçuş iptallerini %35 oranında azalttı.
- **Zamanında Performans**: Öngörücü bakım sayesinde operasyonel aksaklıklar azaldı ve zamanında kalkış oranı %15 iyileştirildi.
- **Maliyet Kontrolü**: Sadece gerekli zamanda müdahale edilerek bakım operasyonları maliyetleri %25 düşürüldü.
##### Walmart
Akıllı Envanter Yönetimi
Perakende sektöründe en büyük karlılık kaybı, 'boş raf' sorunundan ve bunun yarattığı müşteri memnuniyetsizliğinden kaynaklanır. Walmart'ın Akıllı Perakende Laboratuvarı, bilgisayarlı görü ile envanteri anlık yöneterek yıllık 2.3 milyar dolar değer yaratıyor.
Walmart'ın Akıllı Perakende Laboratuvarı, bilgisayarlı görü ile envanteri anlık yöneterek yıllık 2.3 milyar dolar değer yaratıyor.
- **Anlık Kontrol**: Bilgisayarlı görü teknolojisi, mağaza raflarını gerçek zamanlı olarak izleyerek stok durumunu raporlar.
- **Dolu Raflar**: Yapay zeka sayesinde rafların boş kalma (out-of-stock) durumu %16 oranında azaldı.
- **Memnun Müşteri**: Ürün bulunabilirliği ve kolay alışveriş deneyimi ile müşteri memnuniyeti %30 artırıldı.
##### Spotify
Algoritmik Müzik Keşfi
İçerik platformlarında en büyük zorluk, kullanıcıyı sonsuz seçenekler arasında kaybetmeden, ona özel bir yolculuk sunmaktır. Spotify'ın "Discover Weekly" gibi özellikleri, milyarlarca kişisel çalma listesi oluşturarak müzik dinleme alışkanlıklarını yeniden şekillendirdi.
Spotify'ın "Discover Weekly" gibi özellikleri, milyarlarca kişisel çalma listesi oluşturarak müzik dinleme alışkanlıklarını yeniden şekillendirdi.
- **Artan Etkileşim**: Kişiselleştirilmiş öneriler, kullanıcıların platformda geçirdiği süreyi %40 artırdı.
- **Güçlü Sadakat**: Kullanıcıyı elde tutma (retention) oranı, kişiselleştirme sayesinde %73'e ulaştı.
- **Etkili Keşif**: Kullanıcıların yeni sanatçıları keşfetme oranı %80 gibi rekor bir seviyeye yükseldi.
##### McDonald's
Dinamik Satış ve Deneyim Optimizasyonu
Hızlı servis sektöründe satışları artırmanın yolu, her müşteriye doğru zamanda doğru teklifi sunabilmekten geçer. McDonald's'ın akıllı menü board'ları, anlık veriye göre öneriler sunarak satışları ve işlem hızını artırdı.
McDonald's'ın akıllı menü board'ları, anlık veriye göre öneriler sunarak satışları ve işlem hızını artırdı.
- **Hızlı Servis**: Yapay zeka destekli sipariş süreci, drive-thru işlem süresini %20 oranında kısalttı.
- **Akıllı Teklifler**: Kişiselleştirilmiş menü önerileri ile ortalama sepet tutarı (ticket size) %8 artırıldı.
- **Yüksek Memnuniyet**: Daha hızlı ve kişisel bir deneyim sunularak müşteri deneyimi skoru %35 yükseltildi.
##### Duolingo
Kişiselleştirilmiş Öğrenme (Adaptive Learning)
Eğitimde "herkese uyan tek beden" yaklaşımı, öğrenme verimliliğini düşürür ve motivasyonu azaltır. Duolingo'nun yapay zeka eğitmeni, her kullanıcının öğrenme hızına adapte olarak kişisel bir yol haritası çizer.
Duolingo'nun yapay zeka eğitmeni, her kullanıcının öğrenme hızına adapte olarak kişisel bir yol haritası çizer.
- **Hızlı Öğrenme**: Kişiye özel zorluk seviyesi ayarlamaları ile öğrenme hızı %45 oranında artırıldı.
- **Yüksek Başarı**: Daha etkili bir öğrenme süreci sayesinde kursu tamamlama oranı %30 yükseldi.
- **Artan Kullanıcı**: Kişiselleştirilmiş deneyim sayesinde günlük aktif kullanıcı sayısı %25 büyüdü.
##### Mayo Clinic
Yapay Zeka ile Erken Teşhis
Sağlık sektöründe erken teşhis, tedavi başarısını ve hasta sonuçlarını doğrudan etkileyen en kritik faktördür. Mayo Clinic'in yapay zeka destekli analiz sistemleri, insan gözünün fark edemeyeceği anormallikleri tespit ederek hayat kurtarıyor.
Mayo Clinic'in yapay zeka destekli analiz sistemleri, insan gözünün fark edemeyeceği anormallikleri tespit ederek hayat kurtarıyor.
- **Yüksek Doğruluk**: Yapay zeka, karmaşık EKG verilerini analiz ederek kalp rahatsızlıklarını %95 doğrulukla tespit etti.
- **Hızlı Tanı**: Saatler sürebilen analizler, yapay zeka ile %70 daha kısa sürede tamamlandı.
- **Etkili Sonuçlar**: Erken ve doğru teşhis sayesinde tedavi sonuçları (patient outcomes) %30 oranında iyileştirildi.
##### Coca-Cola
Veri Odaklı Ürün Geliştirme
Tüketici ürünleri pazarında en büyük risk, yüksek maliyetli yeni ürünlerin pazar beklentisini karşılayamamasıdır. Coca-Cola, Freestyle makinelerinden topladığı anlık veriyle tüketici tercihlerini anlayarak bu riski minimize etti.
Coca-Cola, Freestyle makinelerinden topladığı anlık veriyle tüketici tercihlerini anlayarak bu riski minimize etti.
- **Anlık İçgörü**: 150'den fazla içecek kombinasyonunun tüketim verisi gerçek zamanlı olarak analiz edildi.
- **Hızlı İnovasyon**: Veri odaklı yaklaşım, yeni bir ürünü piyasaya sürme süresini %50 oranında kısalttı.
- **Düşük Risk**: Pazar test maliyetleri, gerçek tüketici verisi kullanılarak %60 düşürüldü.
##### FedEx
Otonom Lojistik ve Optimizasyon
Lojistik operasyonlarında en büyük maliyet kalemi, teslimatın son aşaması olan "last-mile" sürecidir. FedEx'in DRIVE girişimi, otonom teknolojiler ve rota optimizasyonu ile bu süreci yeniden tasarladı.
FedEx'in DRIVE girişimi, otonom teknolojiler ve rota optimizasyonu ile bu süreci yeniden tasarladı.
- **Maliyet Düşüşü**: Yapay zeka destekli optimizasyon ile son mil teslimat maliyetleri %30 azaltıldı.
- **Sıfır Hata**: Otomatik paket ayrıştırma sistemleri ile doğruluk oranı %99.9'a ulaştı.
- **Hızlı Teslimat**: En verimli rotaların anlık olarak belirlenmesiyle teslimat hızı %25 artırıldı.
##### Rakipleriniz AI'ya Yatırım Yaparken Siz Neden Bekliyorsunuz?
2025'te AI kullanan şirketler, kullanmayanlara göre %35 daha hızlı büyüyor. Siz de bu dönüşümün parçası olun.
#### Veriye Dayalı Kararlarla AI Stratejinizi Şekillendirin
Detaylı analizimiz ve aksiyona dönük önerilerimizle AI yatırımlarınızın başarı oranını arttırın.
Ücretsiz Danışmanlık Talebi
#### Bizimle iletişime geçin

Kaynak: https://runelab.ai/nextech/ai-readiness

### Şirketiniz AI Dönüşümüne Ne Kadar Hazır?
Yapay zeka yatırımlarınızı riske atmayın. Veri altyapınızdan ekip yetkinliklerine, iş süreçlerinizden teknoloji mimarinize kadar 360° analiz ile kurumunuzun gerçek AI potansiyelini ortaya çıkarıyoruz.
#### AI Dönüşümüne Ne Kadar Hazırsınız?
Kurumsal yapılar, teknolojik ve stratejik hazırlık seviyelerini tam olarak bilmeden yapay zeka yatırımlarına başladıklarında, projelerin %70'i başarısızlıkla sonuçlanıyor.
##### Kurumunuz şu sorulara net yanıt verebiliyor mu?
- Hangi iş süreçlerimiz AI ile en yüksek değer yaratır?
- Mevcut veri altyapımız AI modelleri için yeterli mi?
- Ekibimizin AI teknolojilerini benimseme kapasitesi nedir?
- Hangi AI yatırımları gerçek ROI sağlar?
#### 360° Kurumsal AI Hazırlık Değerlendirmesi
Yapay zeka başarısı, sadece doğru teknolojiyi seçmekle ilgili değildir. Strateji, veri, insan ve süreçlerin uyum içinde çalıştığı bütünsel bir ekosistem gerektirir. RuneLab olarak, şirketinizi bu dört temel eksende analiz ederek dönüşümünüzün her yönüyle eksiksiz olmasını sağlıyoruz.
##### İş Süreçleri
Mevcut operasyonlarınızı derinlemesine analiz ederek, AI entegrasyonu için en yüksek getiri sağlayacak süreçleri belirliyor ve önceliklendiriyoruz.
##### Veri
En değerli varlığınız olan verinin potansiyelini ortaya çıkarıyor; kalitesini, erişilebilirliğini ve yapay zeka projelerine hazır olup olmadığını net bir şekilde değerlendiriyoruz.
##### Ekipler
Mevcut ekip yetkinliklerini analiz ediyor, AI adaptasyon kapasitesini ölçüyor ve gerekli yetenek geliştirme stratejilerini planlıyoruz.
##### Altyapı
Mevcut teknoloji altyapınızın yapay zeka entegrasyonuna ne kadar hazır olduğunu ölçüyor, ölçeklenebilir ve güvenli bir gelecek için gereken araçları öneriyoruz, sisteminizle entegrasyon noktalarını belirliyoruz.
#### Analiz Sürecimiz
Şeffaf, ihtiyaçlarınıza göre özelleştirilmiş ve işbirliğine dayalı sürecimizle, şirketinizin DNA'sını anlıyor ve en doğru stratejiyi birlikte oluşturuyoruz.
- **01 Keşif**: C-level yönetim ve departman liderleriyle stratejik hedefleri ve iş önceliklerini belirleme.
- **02 Değerlendirme**: Dört temel eksende (Strateji, Veri, İnsan, Teknoloji) mevcut durumunuzu inceliyor, paydaşlarla görüşmeler ve teknik atölyeler düzenliyoruz.
- **03 Fırsat Haritalama**: Toplanan verileri sentezleyerek güçlü yönlerinizi, gelişim alanlarınızı ve en yüksek etkiyi yaratacak, öncelikli yapay zeka kullanım senaryolarını belirliyoruz.
- **04 Yol Haritası Tasarımı**: Analiz bulgularını, önceliklendirilmiş eylem adımlarını ve yatırım öngörülerini içeren, her ekibe özel, net ve uygulanabilir bir stratejik yol haritası sunuyoruz.
#### Şirketinizin analize mi ihtiyacı var?
Belirsizlikleri geride bırakıp veriye dayalı kararlarla geleceği şekillendirme zamanı.
#### Analizden Eyleme: Stratejik Yol Haritanız
Size statik, raflarda tozlanacak bir rapor sunmuyoruz. Amacımız sadece "ne yapılmalı" sorusunu değil; "nasıl", "kimlerle" ve "hangi öncelikle" sorularını da yanıtlayan, doğrudan uygulanabilir bir eylem planı sunmaktır. Bu süreç sonunda elinizde, şirketinizin yapay zeka yolculuğunda ihtiyacınız olan her şeyi içeren, dinamik ve size özel bir rehber olacak.
Ayrıntılı Yapay Zeka Hazırlık Karnesi: Yönetici özeti, 4 temel yapıtaşına özel genel hazırlık endeksiniz (0-100), sektördeki konumunuzu gösteren kıyaslamalar ve acil müdahale gerektiren alanları netleştiren görsel bir eksiklik analizi içerir. Bu karne, karar vericilere anlık bir genel bakış sunar.
Önceliklendirilmiş Fırsatlar Raporu: Otomatize edilecek süreçleri, rekabet avantajı yaratacak fırsatları ve her bir projenin potansiyel yatırım getirisini (ROI) ortaya koyan bir analiz. Etki-Karmaşıklık matrisi ile hangi projeye odaklanmanız gerektiğini netleştirir, yatırım onayları için somut finansal gerekçeler sunar.
Uygulamaya Yönelik Yol Haritası ve Planlama Belgeleri: Fazlara ayrılmış 1 senelik stratejik takvim, "ilk gün" ne yapılacağını belirleyen 90 günlük hızlı aksiyon planı ve ekipleriniz için geliştirme, işe alım veya partnerlik seçeneklerinin detaylı analizini kapsar. Bu belgeler, ilgili birimlerin vakit kaybetmeden harekete geçmesini sağlar.
#### Analizin Ortaya Çıkaracağı Stratejik Etki Alanları
Analizimiz, genel teknoloji trendlerinin ötesine geçerek, doğrudan sizin kurumunuza özel, ölçülebilir değer yaratacak fırsatları gün yüzüne çıkarır. İşte bu yolculuğun sonunda odaklanabileceğiniz potansiyel dönüşüm alanlarından sadece birkaçı.
##### Operasyonel Mükemmellik İçin Optimizasyon ve Verimlilik
İş akışlarınızdaki darboğazları ve manuel süreçleri tespit ederek, otomasyon ve akıllı optimizasyon ile maliyetleri düşürme, hızı artırma ve hata oranlarını minimize etme yol haritanızı çizeriz.
- Akıllı otomasyon ile tekrarlayan görevleri ortadan kaldırma.
- AI modelleri ile süreçlerin hata oranını azaltma.
- Tahminleyici bakım ile arıza kaynaklı duruşları ve maliyetleri minimize etme.
##### Müşteri Sadakati İçin Yeni Nesil Müşteri Deneyimi
Mevcut müşteri verilerinizdeki gizli potansiyeli kullanarak, kişiselleştirilmiş hizmetler, proaktif talep tahmini ve müşteri sadakatini artıracak stratejiler geliştirmenizi sağlarız.
- Kişiselleştirilmiş ürün ve hizmet öneri motorları geliştirme.
- Müşteri kaybı (churn) riskini öngören ve önlem alan modeller oluşturma.
- Akıllı chatbot'lar ve sanal asistanlarla 7/24 kesintisiz hizmet sunma.
##### Stratejik Üstünlük İçin Veriye Dayalı Karar Alma
Kurumunuzdaki karar alma süreçlerini, sezgisel yaklaşımlardan veriye dayalı modellere dönüştürüyoruz. Bu sayede pazar değişimlerine daha hızlı adapte olmanızı ve riski yönetmenizi sağlıyoruz.
- Talep ve satış tahminleriyle stok yönetimini ve tedarik zincirini optimize etme.
- Dinamik fiyatlandırma stratejileri ile karlılığı anlık olarak maksimize etme.
- Pazar trendlerini ve potansiyel riskleri proaktif olarak analiz etme.
##### Geleceğe Yatırım İçin Yeni Gelir Kanalları ve Ürünler
Mevcut veri varlıklarınızı ve yetkinliklerinizi kullanarak, pazarda daha önce sunulmamış, yüksek marjlı yeni dijital ürün veya hizmetler geliştirme potansiyelinizi keşfederiz.
- Mevcut verilerden yeni "veri ürünleri" (data products) yaratma fırsatları.
- Akıllı servisler sunan yeni dijital platformlar kurma yol haritası.
- Geleneksel hizmetleri yapay zeka ile güçlendirerek premium segmentler yaratma.
##### Veriye Dayalı Kararlarla AI Stratejinizi Şekillendirin
Detaylı analizimiz ve aksiyona dönük önerilerimizle, AI yatırımlarınızın başarı oranını arttırın.
#### Sıkça Sorulan Sorular
**AI Hazırlık Analizi ne kadar sürer?**
Kurumun büyüklüğüne ve karmaşıklığına bağlı olarak, kapsamlı analiz süreci genellikle 8-12 hafta arasında tamamlanır. Bu süre zarfında operasyonlarınız kesintiye uğramaz.
**Hangi sektörlerde analiz yapıyorsunuz?**
Finans, perakende, üretim, sağlık, lojistik ve telekomünikasyon başta olmak üzere tüm sektörlerde deneyime sahibiz. Her sektörün kendine özgü dinamiklerini göz önünde bulundurarak özelleştirilmiş analiz yapıyoruz.
**Analizin maliyeti nedir?**
Analiz kapsamı ve kurumsal büyüklüğe göre fiyatlandırma yapıyoruz. Detaylı fiyat bilgisi için ücretsiz ön görüşme talebinde bulunabilirsiniz.
**Analiz sonrası implementasyon desteği sağlıyor musunuz?**
Evet, analiz sonrası belirlenen yol haritasının uygulanmasında danışmanlık, uçtan uca proje desteği ve teknik destek hizmetleri sunuyoruz. Ayrıca RuneLab Akademi ile ekip eğitim ihtiyaçlarınızı karşılıyoruz.
**Bu hizmetin standart bir danışmanlıktan farkı nedir?**
Standart danışmanlık hizmetleri genellikle teorik tavsiyelerle son bulur. Bizim analizimiz ise bir teşhis sürecidir ve çıktısı; somut adımlar, başarı metrikleri ve 90 günlük aksiyon planı içeren, doğrudan uygulanabilir bir yol haritasıdır.
**Raporu aldıktan sonraki adım nedir?**
Rapor, yolculuğun sonu değil, başlangıcıdır. Analiz sonrası size üç ana yolda destek oluyoruz:
- Eğitim & İşe Alım: RuneLab Akademi ile ekibinizin yetenek açıklarını kapatırız.
- Stratejik Danışmanlık: Yol haritasının uygulanmasında size rehberlik ederiz.
- Proje Geliştirme: Fırsatları, uzman ekibimizle birlikte hayata geçiririz.
Size bir rapor verip ayrılmıyor, dönüşüm ortağınız oluyoruz.
#### AI Dönüşüm Yolculuğunuza Başlamaya Hazır mısınız?
Uzman ekibimiz, kurumunuzun AI potansiyelini keşfetmek için sizinle görüşmeyi bekliyor.
30 dakikalık ücretsiz değerlendirme görüşmesinde AI hedeflerinizi dinleyelim.

Kaynak: https://runelab.ai/nextech/talent

### Aradığınız AI Yeteneğini Bulamadınız Mı? Yaratalım.
Ekiplerin gereksinimlerine uyan AI uzmanlarını buluyor, eğitiyor ve şirketlerde konuşlandırıyoruz.
#### Bu siz misiniz?
AI becerileri olan çalışanlar aramanın zorluğu çok. RuneLab'ın nasıl yardım edebileceğini görmek için okumaya devam edin.
- **Aylar Süren Arayış**: Ekibinizde kritik roller boş duruyor, projeleriniz erteleniyor.
- **Göz Yaşartan Masraflar**: Sıkı rekabet ve hızla değişen bir piyasa pazarlık gücünüzü azaltıyor.
- **Beceri Uyuşmazlığı**: Adaylar ekibinize gereken pratik becerilere hakim değil.
#### Yetenek Havuzu Nasıl Çalışır?
Beş aşamalı sürecimiz ile ekibinize kusursuz uyum sağlayacak elemanları işe hazırlıyoruz.
- **Görev ve Gereksinim Danışması**: İşe alım müdürü ve teknik ekip liderleriniz ile organize ettiğimiz oturumda ihtiyacınız olan görev, sorumluluk ve becerileri belirliyoruz.
- **Özel Müfredat Tasarımı**: RuneLab Akademi altyapımıza dayanarak ihtiyaçlarınıza odaklı, şirketinizin süreç ve hedeflerini taban alan bir eğitim programı oluşturuyoruz.
- **Aday Temini ve Sınama**: Profesyonel ağımızdan yararlanarak potansiyeli yüksek, temel becerileri güçlü adaylar temin ediyoruz. Şirketinizin önceliklerine uygun mülakat ve teknik testler yürütüyoruz.
- **Yoğun, Göreve Özel Eğitim**: Seçilen adaylar özel tasarlanan eğitim kapsamında deneyim kazanıyor ve kıdemli AI uzmanlarımız tarafından eğitiliyor.
- **Konuşlandırma ve Oryantasyon**: Eğitimi tamamlayıp son değerlendirmeden geçen adayları onayınıza sunuyoruz. Oryantasyon sürecinde ekibe hızlıca uyum sağlamaları için destek oluyoruz.
#### İşe Alımın Kolay Hali
Personel alım sürecinden riskleri kaldırıyoruz.
##### Güvenebileceğiniz Adaylar
İhtiyaçlarınıza özel zengin bir eğitimden geçmiş ve performansını göstermiş elemanlar hazır gelsin. Adayların işi görüp göremeyeceğini tahmin etmek zorunda değilsiniz.
##### İlk Günden Üretkenlik
Yeni iş arkadaşınız çoktan çözdüğünüz problemler ve kullandığınız teknolojilere hakim. Alışma faslını pas geçin.
##### Teknoloji ve Kültürünüze Kusursuz Uyum
Adayları kabiliyet ve öğrenme becerisini sınıyor ve son onayı size bırakıyoruz.
#### Yetenek Havuzunuzu Oluşturun
Hayallerinizdeki adayın karşınıza çıkmasını beklemeyin. Biz onu size getirelim. Gereksinimlerinizi konuşalım, size nasıl destek olabileceğimizi keşfedin.

## Eğitmenler

- **Engin Deniz Alpman** — Kıdemli Yapay Zeka Danışmanı & Eğitmeni. Engin Deniz Alpman, yapay zeka, makine öğrenmesi ve büyük veri alanlarında yüksek deneyime sahip danışman ve eğitmendir. Fizik, mühendislik ve yapay zeka alanlarına dayanan güçlü akademik altyapısıyla karmaşık teorik kavramları anlaşılır ve uygulamaya dönük çözümlere dönüştürür. Mercedes, İş Bankası, Vestel, Allianz gibi önde gelen şirketlere özel yapay zeka çözümleri ve eğitimleri sunarak, kurumların veriyi etkin biçimde kullanmalarına ve süreçlerini optimize etmelerine destek olmuştur. Gerçek zamanlı görüntü işleme, medikal görüntü analizi, endüstriyel süreç optimizasyonu ve büyük veri sistemleri tasarımı gibi birçok kritik projeyi başarıyla yönetmiş ve uygulamıştır. Şu anda Boğaziçi Üniversitesi'nde doktora çalışmalarını sürdürmekte olan Engin Deniz Alpman'ın araştırma konusu, büyük dil modelleri (LLM) ve gerçek zamanlı video analizini entegre ederek endüstriyel süreç optimizasyonu ve dinamik sistemlerde yüksek hassasiyetli anomali tespiti üzerine yoğunlaşmaktadır. Eğitime yaklaşımı; derinlemesine kavrama ve sezgisel öğrenmeyi temel alarak, kurumlar ve bireyler için pratik, etkili ve gerçek hayat senaryolarına kolayca aktarılabilen eğitimler sunmaktır. Bugüne kadar Borsa İstanbul, Türkiye Finans, Turkcell, Digiturk ve Garanti BBVA başta olmak üzere birçok kurumsal müşteriye yapay zeka, makine öğrenmesi, derin öğrenme ve veri mühendisliği alanlarında eğitimler vermiştir. Uzmanlık Alanları: 📈 Yapay Zeka ve Makine Öğrenmesi Stratejisi & Uygulama Danışmanlığı 🎓 Kurumsal ve Bireysel Eğitimler (ML, DL, Büyük Veri, Veri Mühendisliği, LLM) 🧠 Büyük Dil Modelleri (LLM): Geliştirme, İnce Ayar ve Uygulama 📹 Gerçek Zamanlı Bilgisayarlı Görü ve Görüntü İşleme 🏭 Yapay Zekâ Destekli Endüstriyel Süreç Optimizasyonu ve Otomasyonu 🗃️ Büyük Veri Mimari Tasarımı ve Veri Mühendisliği 📉 Anomali Tespiti (Zaman Serileri ve Dinamik Sistemler) ⚙️ Karmaşık Sistemlerin Modellemesi ve Simülasyonu 💻 Yüksek Performanslı Hesaplama (HPC) Özel danışmanlık ve eğitim çözümleri için iletişime geçebilirsiniz
- **Enes Fehmi Manan** — AI Solutions Architect. Kariyerine bankacılık sektöründe data scientist olarak başladı; kredi riski ve davranışsal kümeleme tabanlı portföy optimizasyonu üzerine üretim ortamı ML sistemleri geliştirdi, modellerin kararlılığını izleyen otomatik monitoring pipeline'ları kurdu ve kurumun GenAI dönüşümünde aktif rol alarak LLM agent'lar ile iş akışı otomasyonları tasarladı. Aynı dönemde, girişimcilik programları kapsamında iki GenAI girişimini kuluçkadan çıkardı. Banka ve kredi kartı hesaplarını tek yerde birleştiren kişisel finans uygulaması FinGYM için agentic bir RAG chatbot'u geliştirdi, açık kaynak LLM'leri GPU cluster'larında deploy etti ve finansal dokümanlardan görsel-dil modelleriyle veri çıkarımı kurdu; ürünü melek yatırımcılara pitchleyip term-sheet aşamasına taşıdı. Ardından, 50'den fazla çalışanı olan şirketler için yetenek yönetimi ve yedekleme planlaması platformu Pathway AI'ı teknik kurucu olarak inşa etti: sistem mimarisinden otomatik raporlama altyapısına, LLM tabanlı agentic Nine-Box analitik motoruna kadar tüm ürünü kurdu, kurumsal yöneticilere ürün demoları ve teknik durum tespiti sundu; ürün bugün hâlâ aktif olarak kullanılıyor. RuneLab.ai 'da; önce Developer Advocate, daha sonrasında AI Solutions & Product Lead olarak görev alıyor. Kurumsal GenAI projelerini ilk müşteri görüşmesinden production'a kadar uçtan uca yönetiyor ve delivery ekibine liderlik ediyor. Softtech, Türkiye Varlık Fonu ve Linktera gibi firmalara GenAI adaptasyonu, özel agent geliştirme ve teknik eğitim programları teslim etti. Paralelde, her öğrencinin konu bazında ne bildiğini canlı olarak takip eden adaptif öğrenme platformu Vitki AI'ın kurucu ortağı ve CTO'su; 4 kişilik teknik ekibe liderlik ederken agentic tutoring akışlarını, mastery takibi için video RAG pipeline'ını, serverless deploy edilen gerçek zamanlı konuşma altyapısını ve eğitmen/kurum analitik dashboard'larını bizzat kurdu. Eğitmenlik tarafında, NVIDIA, Google DeepMind ve Anthropic gibi şirketlerden AI/ML uzmanlarını ağırladığı Expert Talks röportaj serisini sundu. Üniversiteler, topluluklar ve kurumsal ekipler için uygulamalı GenAI ve makine öğrenmesi bootcamp'leri tasarlayıp verdi. Kurduğu bir yapay zeka topluluğuna liderlik ediyor ve GitHub'da aktif olarak açık kaynak projeler üretiyor. Eğitimlerindeki hedefi, katılımcıların gösterim amaçlı örnekler yerine doğrudan production'a taşıyabilecekleri gerçek sistemler kurmasını sağlamak; kendisi de bu yolu fikirden production'a, MVP'den kurumsal ölçeğe birden fazla kez bizzat yürüdü. 🏦 Fintech Sektöründe Production ML 🤖 RAG Sistemleri & Agentic Mimariler 🧠 Fine-Tuning & LLM Deployment 📄 Görsel-Dil Modelleriyle Doküman Otomasyonu 🏗️ Uçtan Uca Ürün Mimarisi & Mühendisliği 🚀 Sıfırdan Girişim Kurma & Teknik Liderlik 🎥 Profesyonel Eğitmenlik & Teknik İçerik Üretimi 🎓 Bootcamp & Workshop Tasarımı/Sunumu 🌐 Açık Kaynak Topluluk Liderliği
- **Erhan Meydan** — AI Researcher. 2008 yılından bu yana grafik tasarım, dijital yayıncılık, web tasarım ve video içerik üretimi alanlarında derin deneyime sahip olan Erhan Meydan, yaratıcılıkla teknolojiyi birleştiren projeleri ve eğitimleriyle tanınıyor. Kendi YouTube kanalında özellikle yapay zekâ teknolojilerinin çalışma hayatına ve kreatif süreçlere etkilerini ele alarak sektördeki en güncel bilgileri takipçileriyle paylaşıyor. Aynı zamanda markalara kendi alanlarında video içerikler üreterek sektörde fark yaratıyor Erhan Meydan’ın güncel araştırmaları, üretken yapay zeka(LLM’ler, görsel–video modelleri) ile yaratıcılığın kesiştiği noktada yeni iş akışları tasarlamaya odaklanıyor. Özellikle: AI destekli video içerik üretim hatları – gerçek zamanlı kurgu, otomatik metin–video senkronizasyonu Agent-tabanlı tasarım otomasyonu – marka kitlerine uygun görsel taslakların otonom üretimi Çok kanallı dijital yayın sistemleri – e-kitap, web ve mobil platformlara eş-zamanlı içerik dağıtımı Eğitim Yaklaşımı Deneyimsel öğrenmeyi merkeze alan Meydan, katılımcıları gerçek projeler ve sektörel senaryolar üzerinden ilerleyen atölyelerle buluşturuyor. Karmaşık yapay zeka kavramlarının iş süreçlerine nasıl entegre edileceğini pratik olarak gösteriyor. Uzmanlık Alanları 🤖 Yapay Zeka Destekli Yaratıcı Süreçler & Generative AI 🧠 LLM & Agent AI Araştırmaları ✨ Markalar için Özgün Video & Medya Projeleri 🖌️ Grafik Tasarım & Dijital Yayıncılık Özel danışmanlık veya eğitim çözümleri için Erhan Meydan ile iletişime geçebilirsiniz.
- **Dr. Melih Kara** — Makine Öğrenmesi ve Yapay Zeka Uzmanı. Dr. Melih Kara, Karlsruhe Teknoloji Enstitüsü’nden deneysel astroparcacik fiziği alanında doktoraya sahiptir; karanlık madde ve süpernova nötrino araştırmalarında uzmanlaşmıştır. Araştırmalarında istatistiksel modelleme, zaman serisi analizi ve makine öğrenmesi gibi ileri düzey veri analiz yöntemlerini kullanarak karmaşık fiziksel olayları incelemiştir. Ayrıca Bonn Üniversitesi’nde yüksek lisans düzeyinde bilimsel hesaplama için Python eğitimi vermiştir. Yaptığı çalışmaların bazıları uluslararası bilim dergilerinde yayımlanmıştır. Bu yayınlar arasında süpernova erken uyarı sistemi için geliştirdiği yazılım ile galaksi kümelerinin incelenmesinde kullanılan makine öğrenmesi yöntemleri de yer almaktadır. Dr. Kara, büyük uluslararası araştırma iş birliklerinde yer almış, Avrupa ve Amerika’da birçok bilimsel konferans ve çalıştayda sunumlar yapmıştır. ABD, Almanya ve İtalya’da düzenlenen veri bilimi hackathon’larına katılmış ve çeşitli bilimsel etkinliklerin organizasyonunda görev almıştır. Kalabalık gruplarla etkili iletişim kurma ve ilgi çekici sunumlar yapma konusunda deneyimlidir. Zorlayıcı kavramları farklı seviyelere uygun şekilde sadeleştirerek aktarabilen, anlaşılır ve samimi bir anlatım tarzına sahiptir. Uzmanlık Alanları: 🧠 Makine Öğrenmesi ve Yapay Zekâ Uygulamaları 📈 Zaman Serisi Analizi 📊 İleri Seviye Veri Analizi ve İstatistiksel Modelleme 💻 Bilimsel Hesaplama ve Python Programlama 🎤 Bilim İletişimi ve Etkili Sunum Teknikleri 🌑 Karanlık Madde ve Astroparçacık Fiziği 🔭 Süpernova Nötrino Araştırmaları ve Erken Uyarı Sistemleri 🌌 Galaksi Kümelerinin İncelenmesi için Yapay Zekâ Çözümleri Danışmanlık ve eğitim talepleri için iletişime geçebilirsiniz!
- **Hakan Yalçınkaya** — Kıdemli Yazılım Geliştiricisi. Hakan Yalçınkaya, React, JavaScript ve Python ekosistemlerinde 30 yıla yaklaşan tecrübesiyle öne çıkan full stack geliştirici, kurumsal eğitmen ve içerik üreticisidir. 1996’dan bu yana sistem yöneticiliği, ağ güvenliği ve yazılım geliştirme rollerinde edindiği saha deneyimini; Django, React ve Flutter odaklı serbest projeler ve eğitim programlarıyla birleştirerek binlerce geliştiricinin kariyerine yön vermiştir. Türkiye’de Udemy’deki en yüksek puanlı React video serisinin yaratıcısı olarak bilinen Yalçınkaya’nın binlerce öğrencisi bulunmaktadır. Kurumsal olarak React, Django ve Flutter temelli web-mobil projeleri için danışmanlık sunan Hakan Yalçınkaya; eğitim yaklaşımında proje-tabanlı, “öğren-uygula-yayınla” döngüsüyle hızlı geri bildirim ve kalıcı kavrama prensiplerini benimser. Şirket içi atölyeler ve bootcamp programlarıyla, ekiplerin güncel front-end mimarileri, test/hata ayıklama yöntemleri ve CI/CD süreçlerinde üretkenliğini ölçülebilir biçimde artırır. Uzmanlık Alanları 📈 React & Modern Front-End – Performans optimizasyonu, ileri seviye Hooks, Context, Redux, Next.js ve TypeScript entegrasyonları. 🎓 Kurumsal & Bireysel Eğitimler – React, JavaScript/TypeScript, Python-Django, Flutter, Git/GitHub iş akışları; sınıf içi, çevrim içi ve hibrit formatlar. 🧩 Full-Stack Python & Django – RESTful API tasarımı, Postgres ve Redis tabanlı ölçeklenebilir mimariler; test odaklı geliştirme (TDD). 📱Flutter ile Çapraz Platform Mobil Uygulamalar – Tek kod tabanından iOS/Android dağıtımı, performans ayarlamaları ve yerel entegrasyonlar. 🛠️ DevOps & Üretkenlik Araçları – Docker, GitHub Actions, Jest/React Testing Library, Cypress ile baştan sona CI/CD hatları. ⚡ Kod Kalitesi & Test Otomasyonu – Unit, integration ve end-to-end test senaryoları; hata ayıklama ve performans izleme. React ve full stack geliştirme danışmanlığı ya da şirketinize yönelik eğitim çözümleri için iletişime geçebilirsiniz.
- **Burak Bayrak** — Pilot - Havacılıkta Yapay Zeka Araştırmacısı & Eğitmeni. Burak Bayrak, havacılık operasyonları ile yapay zeka ve makine öğrenmesi teknolojilerini buluşturan nadir uzmanlardan biridir. Uçuş eğitimi kökenli güçlü birikimini, kokpit tecrübesiyle harmanlayarak karmaşık havacılık verilerini güvenlik, verimlilik ve sürdürülebilirlik odağında yenilikçi çözümlere dönüştürür. Öngörücü bakım (predictive maintenance), yapay zeka ile hava yolu müşteri deneyimi geliştirme, uçuş emniyeti analitiği, yakıt optimizasyonu ve otonom hava aracı sistemleri konularında yapay zeka tabanlı modeller üzerine çalışmaktadır. Gerçek zamanlı uçuş veri izleme, kokpit yardımcısı LLM’ler ve uçuş planlama otomasyonu gibi kritik sistemler üzerine çalışmaktadır. Araştırma Alanları ✈️ Uçuş Operasyonlarında Yapay Zeka & Emniyet Optimizasyonu 🔧 Öngörücü Bakım & Filoya Yönelik Veri Analitiği 🛠️ Otonom / Yarı-Otonom Hava Aracı Sistemleri 🧠 Büyük Dil Modelleri (LLM) Tabanlı Kokpit ve ATC Uygulamaları 📊 Gerçek Zamanlı Uçuş Veri İşleme & Anomali Tespiti 🌐 Hava Trafik Yönetiminde Karar Destek Sistemleri ⚙️ Yüksek Performanslı Hesaplama (HPC) ve Simülasyon 🎓 Pilot, Mühendis ve Yönetici Seviyesinde Kurumsal Eğitimler Özel danışmanlık, proje geliştirme ve eğitim ihtiyaçlarınız için iletişime geçebilirsiniz.
- **Hüseyin Oktay Altun** (Boğaziçi Üniversitesi) — Asst. Prof. Hüseyin Oktay Altun, Boğaziçi Üniversitesi Veri Bilimi ve Yapay Zeka Enstitüsü’nde Dr. Öğr. Üyesi (Assistant Professor) ve enstitü müdür yardımcısıdır. Güçlü akademik altyapısını kullanarak, kuramsal kavramları uygulanabilir, ölçeklenebilir yapay zeka çözümlerine dönüştürür. Savunma, sağlık ve multimedya alanlarında veri odaklı projeler yürütmüş; özellikle milli taktik çevre simülatörlerinde akıllı varlık tasarımı ve gerçek zamanlı karar destek sistemleri üzerine çalışmalar yapmıştır. Tıbbi görüntü/sinyal işleme tarafında da ortak çalışmalarla literatüre katkıda bulunmaktadır. Araştırma odağı; reinforcement learning ile simülasyon ortamlarında akıllı varlık tasarımı, dışbükey optimizasyonla multimedya güvenliği, tıbbi/askerî işaret ve görüntü işleme gibi alanlarda yoğunlaşmaktadır. Enstitü bünyesinde dersler, seminerler ve proje odaklı çalışmalar yürütmektedir. Uzmanlık Alanları: 📈 Yapay Zeka ve Makine Öğrenmesi 🎯 Simülasyon Ortamlarında Akıllı Varlık Tasarımı 🛡️ Savunma Uygulamaları ve Gerçek Zamanlı Karar Destek 🔐 Multimedya Güvenliği & Dışbükey Optimizasyon 🩺 Tıbbi/Askeri Sinyal ve Görüntü İşleme 📊 Veri Bilimi Stratejisi ve Uygulama 🧩 Optimizasyon ve Karar Verme 🧪 Modelleme, Simülasyon ve Doğrulama ⚙️ Gerçek Zamanlı Sistemler ve Uygulamalar 🏛️ Akademik Program Geliştirme
- **A. Mert Samur** — Sosyal Medyada Yapay Zeka. Ahmet Mert Samur satış, pazarlama ve kişisel marka geliştirme konularında 20+ yıllık deneyime sahip danışman ve eğitmendir. RuneLab bünyesinde, yapay zekanın kişisel markalaşmada ve sosyal medya yönetimindeki kullanımları ile ilgili danışmanlık ve eğitimler düzenlemektedir. 2000’den bu yana satış ve pazarlama alanlarında, 2014’ten itibaren dijital pazarlamada aktif rol almış; 2018’den bu yana ise “LinkedIn ile Satış (Müşteri Yaratma)” eğitimleri vermektedir. Çeşitli sektörlerde kurum ve profesyonellere LinkedIn stratejisi, içerik üretimi ve sosyal satış süreçleri üzerine eğitim ve danışmanlık sunmuştur. Emlak sektöründe Online Emlak Akademi bünyesinde eğitimler yürütmüş; turizm alanında TÜRSAB Akademi’nin “Turizmde LinkedIn Fırsatları” webinarına eğitmen olarak katkı sağlamıştır. Ayrıca, Boğaziçi Üniversitesi Yaşam Boyu Eğitim Merkezi (BÜYEM) çatısı altında düzenlenen programlarda eğitmenlik yaparak satış/pazarlama pratiklerini çağdaş dijital araçlar ve iş süreçleriyle birleştiren uygulamalı içerikler geliştirmektedir. Eğitime yaklaşımı: Adım adım ilerleyen, ölçülebilir ve gerçek hayata hızla aktarılabilir bir pratik seti kazandırmaya yöneliktir. Eğitim ve danışmanlıklarında profil optimizasyonundan doğru bağlantı kurma yöntemlerine, içerik takviminden kampanya yönetimine uzanan bütüncül bir yol haritası sunar. Bu yaklaşım, birey ve kurumların LinkedIn üzerinden sürdürülebilir müşteri edinimi ve marka görünürlüğü elde etmelerini hedefler. Uzmanlık Alanları: 📈 LinkedIn ile Satış (Social Selling) ve Müşteri Yaratma 🧭 LinkedIn Pazarlama Stratejisi ve İçerik Yönetimi 🤝 B2B Network Oluşturma ve İlişki Yönetimi 🏷️ Kişisel Marka ve Kurumsal Marka Konumlandırma 🎯 LinkedIn Reklam Yönetimi (Campaign Manager) 🧪 Atölye Tasarımı: Profil, İçerik, İletişim ve Dönüşüm Özel danışmanlık ve eğitim çözümleri için iletişime geçebilirsiniz.
- **Şükrü Yusuf Kaya** — Kıdemli Yapay Zeka Mühendisi · Danışman · Eğitmen. Şükrü Yusuf Kaya, yapay zekâ, makine öğrenmesi ve ileri veri mühendisliği alanlarında on yılı aşkın saha deneyimine sahip bir uzmandır. Bilgisayar mühendisliği, istatistik ve siber güvenlik ekseninde şekillenen güçlü akademik arka planı sayesinde, araştırma çıktılarının üretim ortamlarına sorunsuz taşınmasını sağlayarak kurumların veriden hızla katma değer üretmesine öncülük eder. Finans, telekomünikasyon, savunma ve imalat gibi kritik sektörlerde uçtan uca yapay zekâ mimarileri tasarlamış; zorlu operasyonel kısıtları gözeterek güvenilir, ölçeklenebilir ve regülasyon-uyumlu çözümler hayata geçirmiştir. Kamu ve özel sektörde yürüttüğü projeler, Kurumsal RAG tabanlı bilgi erişim sistemlerinden gerçek zamanlı dolandırıcılık tespitine, üretim hattı video analitiğinden dağıtık büyük veri platformlarının performans optimizasyonuna kadar geniş bir yelpazeyi kapsar. İç ekipler için tasarladığı MLOps çerçevesi, model yaşam döngüsünü %40 kısaltarak geliştirme maliyetlerini düşürmüş, aynı zamanda model sürümleme ve izleme süreçlerinin şeffaflığını artırmıştır. Danışmanlığın yanı sıra Kaya, üst düzey teknik eğitim programları da geliştirmekte ve yürütmektedir. Büyük dil modellerinin ince ayarından otonom AI ajan mimarisine, bulut-yerel yüksek performanslı hesaplama kümelerinden üretim ortamında devreye alıma kadar uzanan kapsamlı içeriklerle yüzlerce mühendise mentorluk ve sınıf içi eğitim vermiştir. Problem odaklı anlatım, canlı kodlama oturumları ve sektör-spesifik vaka analizleri üzerine inşa ettiği pedagojik yaklaşım, katılımcıların edinilen bilgiyi projelerine doğrudan aktarmalarını mümkün kılar. Araştırmalarını büyük dil modelleri ile çok-kaynaklı gerçek zamanlı video akışlarını birleştirerek, dinamik sistemlerde yüksek hassasiyetli anomali tespiti üzerine yoğunlaştırmaktadır. Nihai hedefi, kapalı çevrim üretim hatlarında saniyeler içinde otomatik müdahaleyi tetikleyebilen, açıklanabilir ve siber güvenli yapay zekâ çözümleri geliştirmektir. 📈 Kurumsal AI Strateji Tasarımı & Yatırım Getirisi (ROI) Optimizasyonu 💾 Lakehouse & Streaming Veri Mimarileri 🧠 Büyük Dil Modelleri (LLM) ve RAG Çözümleri 🤖 AI Ajanları & Otonom Görev Yürütme 🛰️ Swarm AI: Otonom Drone & Robot Filolarında İş Birliği 📹 Nano-Saniye Video Analitiği & Edge-AI 🏭 Endüstriyel IoT & Dijital İkiz 🔒 Güvenilir & Açıklanabilir AI 👥 Gizliliği Korumalı / Federated Learning 💳 FinTech Dolandırıcılık & AML Tespiti 🗺️ Jeo-Uzamsal Büyük Veri & Dinamik Lojistik 🔬 Çok-Modelli Medikal Teşhis Sistemleri 🛡️ Adversarial Dayanıklılık & Red-Teaming 🗄️ MLOps – CI/CD, Feature Store & Model İzleme 📉 Zaman Serisi & Anomali Tespiti 🧬 Sentetik Veri Üretimi ♻️ Enerji AI & Karbon Optimizasyonu ⚛️ Kuantum Destekli Makine Öğrenmesi 💻 Çok-Düğümlü HPC & Dağıtık GPU Eğitimleri Özel danışmanlık, proje ve eğitim çözümleri için iletişime geçebilirsiniz.

## Eğitim kataloğu — tam açıklamalar

### GEO (Üretken Motor Optimizasyonu)

Kaynak: https://runelab.ai/course/geo-uretken-motor-optimizasyonu

**Tanıtım** Yapay zeka çağında hala sadece SEO'ya odaklanıp geride mi kalıyorsunuz? Müşterileriniz artık sorularının yanıtını ChatGPT, Perplexity, Gemini ve Google AI Overviews üzerinden, çoğu zaman tek bir bağlantıya bile tıklamadan alıyor. Bu yanıtların içinde markanız kaynak olarak gösterilmiyorsa, tam da satın alma kararının verildiği anda görünmez kalıyorsunuz. Mevcut SEO yatırımınız bu yeni yüzeyde kendiliğinden karşılığını bulmuyor. Bu eğitim, ekibinize içeriğinizi üretken motorların seçip alıntıladığı bir kaynağa dönüştürmenin uygulanabilir yöntemlerini kazandırır. Program, teorik bir farkındalık eğitimi değil; doğrudan uygulanabilecek aksiyonların gösterildiği bir programıdır. Katılımcılar içeriği alıntılanabilir biçimde yapılandırmayı, yapısal veriyi (schema) ve crawler erişimini doğru kurmayı, markanın AI yanıtlarındaki görünürlüğünü ölçmeyi ve tüm bunları mevcut SEO çalışmalarıyla bütünleştirmeyi öğrenir. Eğitim boyunca soyut kavramlar değil; kendi sitenize uygulayabileceğiniz somut adımlar, güncel araçlar ve gerçek örnekler üzerinden ilerlenir. GEO hala erken bir aşamada. Kurumsal ekiplerin çoğu konuyu yeni gündemine alıyor; bu da bugün adım atan markalar için belirgin bir önde olma fırsatı yaratıyor. Eğitim, ekibinizin kendi markası için bir AI görünürlük denetimi yapması ve önceliklendirilmiş bir yol haritası çıkarmasıyla sonuçlanır. Eğitimden bir farkındalıkla değil, uygulamaya hazır bir planla çıkarsınız.
**Kimlere Göre** Dijital pazarlama uzmanları ve yöneticileri: Kanal stratejisini, organik trafiğin AI yanıtlarına kaydığı yeni yüzeye göre güncelleyebilmek için. SEO ve içerik ekipleri: Mevcut SEO altyapılarını koruyarak alıntılanabilirlik, yapısal veri ve crawler erişimi üzerine GEO katmanını ekleyebilmek için. Marka ve büyüme (growth) yöneticileri: Markanın AI yanıtlarında ne sıklıkla, ne kadar doğru ve hangi rakiplerin yanında göründüğünü yönetebilmek için. İçerik üreticileri ve editörler: Üretken motorların kolayca çıkarıp alıntıladığı, answer-first ve soru bazlı içerik yapısını uygulayabilmek için. Dijital ve performans ajansları: Birden fazla marka için ölçeklenebilir GEO denetimi ve raporlaması sunabilmek için. Kurumsal iletişim ve PR ekipleri: Markanın AI yanıtlarındaki temsilini ve itibarını (sentiment) izleyip yanlış bilgiyi düzeltebilmek için. Ürün pazarlama ve talep yaratma (demand gen) ekipleri: Karşılaştırma ve değerlendirme sorgularında markayı kısa listeye sokacak içerik altyapısını kurabilmek için.
**Kazanımlar** GEO, AEO ve klasik SEO arasındaki farkı; ortak temellerini ve ayrışan metriklerini net biçimde analiz edebilecek. Üretken motorların içeriği nasıl tarayıp retrieve ettiğini ve sentezlediğini (RAG, query fan-out, pasaj düzeyinde retrieval) süreç olarak haritalandırabilecek. İçeriği answer-first yapı, soru bazlı başlık mimarisi ve kısa pasajlarla alıntılanabilir biçimde yeniden yapılandırabilecek. İstatistik, alıntı ve güvenilir kaynak yoğunluğunu kullanarak içeriğin alıntılanma olasılığını artırabilecek. Schema.org / JSON-LD ile Article, FAQ, HowTo ve Organization işaretlemelerini uygulayabilecek. AI crawler erişimini (GPTBot, PerplexityBot, ClaudeBot, Google-Extended) robots.txt üzerinden bilinçli olarak yönetebilecek. Markanın AI yanıtlarındaki görünürlüğünü; citation rate, mention rate, share of voice ve sentiment metrikleriyle ilgili araçlar üzerinden ölçebilecek. AI referral trafiğini analitik ve sunucu loglarından (ör. ChatGPT-User user agent, Cloudflare AI crawl metrikleri) izleyebilecek. Gerçek bir marka için uçtan uca GEO denetimi (audit) yapıp önceliklendirilmiş bir aksiyon planı ve yol haritası oluşturabilecek.
**Ön Koşullar** Özel bir teknik altyapı, yazılım kurulumu veya ön hazırlık gerekmez; eğitim temelden başlar ve adım adım ileri konulara ilerler. Kodlama bilgisi gerekmez. Yapısal veri (schema), crawler ve RAG gibi teknik konular sıfırdan, anlaşılır bir dille anlatılır. Dijital içerik, web sitesi veya pazarlama dünyasına dair genel bir aşinalık eğitimden alınan verimi artırır, ancak katılım için zorunlu değildir. Pazarlama, içerik, SEO, marka veya iletişim tarafında çalışan herkes katılabilir; konuya yeni başlayanlar rahatça takip eder, deneyimli ekipler için ise güncel ve uygulamaya dönük bir derinlik sunar.

Modüller:
- **GEO'nun Temelleri ve SEO'dan Farkı**: GEO, AEO (Answer Engine Optimization) ve SEO kavramlarının netleştirilmesi ve aralarındaki ilişki Üretken arama yüzeyleri: ChatGPT, Perplexity, Gemini, Claude, Google AI Overviews ve Copilot Zero-click arama ve organik trafiğin AI…
- **Üretken Motorların İçeriği Nasıl Seçtiği**: RAG (Retrieval-Augmented Generation) mimarisi ve retrieve, synthesize, cite adımları Query fan-out: tek bir kullanıcı sorusunun alt sorulara bölünüp ayrı ayrı aranması Embedding, semantic chunking ve pasaj düzeyinde alaka kavramları Bir…
- **İçerik Yapılandırma ve Yazım Stratejileri**: Answer-first içerik: sayfaya doğrudan ve çıkarılabilir (extractable) bir yanıtla başlama Soru bazlı başlık mimarisi ve query fan-out alt sorularını kapsayacak içerik planı Kısa pasajlar, net tanımlar, glossary ve karşılaştırma (comparison)…
- **Otorite, Alıntılanabilirlik ve Yapısal Veri**: E-E-A-T sinyalleri ve markayı bir varlık (entity) olarak güçlendirme Schema.org / JSON-LD uygulaması: Article, FAQ, HowTo ve Organization işaretlemeleri Knowledge graph varlığı ve üçüncü taraf doğrulama (corroboration) ile güven inşası Sık…
- **Ölçümleme ve Araçlar**: Temel GEO metrikleri: citation rate, mention rate, share of voice ve sentiment AI görünürlük izleme araçları: Profound, Otterly.ai, Goodie AI, Ahrefs Brand Radar, SE Ranking ve Semrush'ın AI özellikleri AI referral trafiğini analitik ve…
- **Uygulamalı Vaka Çalışması**: Gerçek bir marka veya alan için uçtan uca AI görünürlük denetimi (audit) Hedef prompt setinin çıkarılması ve mevcut alıntılanma durumunun ölçülmesi İçerik ve yapısal veri için önceliklendirilmiş iyileştirme aksiyonlarının belirlenmesi…

### SQL Server Veri Tabanı Sorgulama Eğitimi

Kaynak: https://runelab.ai/course/sql-server-veri-tabani-sorgulama-egitimi

**Eğitim Hakkında** Bu eğitim sonunda katılımcılar her türlü veri sorgulama tekniklerini öğrenmiş ve veritabanı nesnelerini yaratıp yönetebilir hale gelmiş olacaktır.

Modüller:
- **SQL Server Temelleri ve Ortama Genel Bakış**: SQL Server Mimari Yapısı SQL Server Sürüm Ailesi Sistem Veritabanlarının İncelenmesi SSMS Arayüzünü Tanıma SSMS Kullanım Prensipleri Object Explorer Bileşeninin Kullanımı Script ve Proje Organizasyonu Query Çalıştırma Teknikleri Temel…
- **T-SQL Dilinin Temel Kavramları**: T-SQL Komutlarının Sınıfları T-SQL’in Temel Bileşenleri ResultSet Mantığının Anlaşılması Predicate Yapılarının Kullanımı SELECT Komutuna Genel Bakış SELECT Yapısının Bileşenleri SELECT Komutunun Çalışma Akışı Sorgu İşleme (Query Process)…
- **SELECT Komutu ile Veri Çekme İşlemleri**: Basit SELECT Sorgusu Yazımı DISTINCT ile Benzersiz Kayıtlar Alias Kullanımı
- **Çoklu Tablo Üzerinden Veri Sorgulama**: İlişkisel Veritabanı Kavramı Normalizasyon ve Veri Tutarlılığı JOIN Yapısına Giriş JOIN Mantığının Derinlemesine İncelenmesi Cartesian Product (Kartezyen Çarpım) JOIN Türlerinin Karşılaştırılması INNER JOIN Uygulamaları OUTER JOIN…
- **Veri Sıralama ve Filtreleme Teknikleri**: ORDER BY ile Sonuç Sıralama WHERE ile Koşullu Filtreleme Paging (Sayfalama) Uygulamaları TOP İfadesinin Kullanımı OFFSET–FETCH ile Sayfalama NULL Değer Yönetimi
- **SQL Server Veri Türleri ve Kullanımı**: Veri Türlerine Genel Bakış Sayısal Veri Türleri Binary ve String Veri Türleri Veri Türü Öncelik Kuralları Değişken Tanımlama ve Yönetimi Karakter Tabanlı Veri Türleri Collation (Karakter Sıralama) Yapısı String Birleştirme Teknikleri Metin…
- **Built-in Fonksiyonların Kullanımı**: Fonksiyon Tabanlı Sorgular Scalar Fonksiyonlar Aggregate Fonksiyonların Kullanımı Window Fonksiyonlarına Giriş Rowset Fonksiyonları Veri Dönüştürme Fonksiyonları Mantıksal Fonksiyon Yapıları

### Kirli Veri Temiz CV: Gerçek Hayat, Mülakat ve Kariyer

Kaynak: https://runelab.ai/course/i-leri-seviye-regresyon-gercek-hayat-mulakat-ve-kariyer

**Regresyon Modellerini Gerçek Hayata Taşıyın** Regresyon modellerini öğrendiniz, peki gerçek bir projede ne yapacaksınız? Mülakatınızda "Neden bu modeli seçtiniz?" diye sorulduğunda ne cevap vereceksiniz? CV'nizdeki "ML projesi" satırı gerçekten dikkat çekiyor mu? Bu 3 saatlik ileri seviye workshop'ta, regresyon modellerini gerçek iş dünyasının dağınık verileriyle uygulayacak, model sonuçlarınızı teknik olmayan paydaşlara nasıl sunacağınızı öğrenecek ve bir veri bilimi mülakatına hazır hale geleceksiniz. Bankacılık ve e-ticaret sektörlerinden gerçek deneyimlerle zenginleştirilmiş bu workshop'ta, gerçek vaka çalışmalarından mülakat simülasyonlarına, CV stratejilerinden portföy oluşturmaya kadar, teoriden kariyere geçiş bu workshop'ta başlıyor. Eğitmenler: Selin Çıldam - Senior Data Scientist Enes Fehmi Manan - Data Scientist/ML Developer Advocate
**Kimler Katılmalı** Temel regresyon bilgisi olanlar – Giriş seviye eğitimi tamamlamış ve şimdi gerçek projelerde nasıl uygulanacağını görmek isteyenler. Mülakatlara hazırlanan adaylar – Data Scientist, ML Engineer veya Data Analyst mülakatlarında regresyon sorularına güçlü cevaplar vermek isteyenler. Junior veri profesyonelleri – İlk 1-2 yılında olup, production seviyesinde düşünme ve çalışma alışkanlığı kazanmak isteyenler. Portföyünü güçlendirmek isteyenler – CV ve GitHub'daki projelerini dikkat çekici ve anlatılabilir hale getirmek isteyenler. Sonuçları sunması gereken analistler – Model çıktılarını iş diline çevirip karar vericilere aktarma becerisini geliştirmek isteyenler.

Modüller:
- **Gerçek Dünyada Regresyon**: Ders kitabı verisi vs. gerçek hayat verisi Dağınık veriyle çalışma: Eksik değerler, outlier'lar, tutarsızlıklar Feature engineering: Domain bilgisiyle feature üretme Gerçek bir vaka çalışması üzerinden end-to-end uygulama
- **Model Seçimi ve Yorumlama**: "Hangi modeli neden seçtim?" sorusuna cevap verebilmek Model karşılaştırma stratejileri (iş bağlamında metrik seçimi) Model interpretability: Sonuçları açıklanabilir kılma Teknik olmayan kişilere sunum yapma: R²'yi iş diline çevirme
- **Mülakatta Regresyon**: En sık sorulan teknik mülakat soruları ve ideal cevap yapıları Case study soruları: "Size bu veri verildi, nasıl yaklaşırsınız?" Live coding challenge formatı ve pratik Behavioral sorular: "Bana bir ML projenizi anlatın" (STAR metodu)
- **CV, Portföy ve Kariyer Stratejisi**: Data Science CV'si nasıl yazılır? (Impact odaklı bullet point'ler) GitHub portföyü: Hangi projeler dikkat çeker, README nasıl yazılır? Deneyimsiz adaylar için strateji: Proje = Deneyim Junior olarak işe girmek ve gerçekçi beklentiler

### Makine Öğrenmesine Giriş - Regresyon Modelleri

Kaynak: https://runelab.ai/course/makine-ogrenmesine-giris-regresyon-modelleri-3

**Veri Biliminin Kalbini Keşfedin: Regresyon Modelleri** Satış projeksiyonundan müşteri değeri tahminine, fiyat optimizasyonundan risk skorlamasına... Her veri bilimi projesinin temelinde regresyon modelleri vardır. Bu 2 saatlik yoğun workshop'ta, regresyon modellerinin matematiksel temellerini anlayacak, farklı algoritmaları (Linear, Ridge, Lasso, Polynomial) karşılaştıracak ve gerçek verilerle çalışan tahmin modelleri geliştireceksiniz. Veri hazırlıktan feature engineering'e, loss fonksiyonlarından metrik optimizasyonuna, overfitting'den regularization tekniklerine kadar makine öğrenmesinin temel kavramlarını teoriden pratiğe deneyimleyerek, regresyon modellerinin nasıl çalıştığını derinlemesine öğreneceksiniz. Eğitmenler: Selin Çıldam - Senior Data Scientist Enes Fehmi Manan - Data Scientist/ML Developer Advocate
**Kimler Katılmalı** Veri bilimine yeni başlayanlar – Makine öğrenmesinin temellerini sağlam bir şekilde öğrenmek ve ilk modellerini kurmak isteyenler. Üniversite öğrencileri – İstatistik, matematik, bilgisayar mühendisliği veya ilgili bölümlerden, teorik bilgiyi pratiğe dönüştürmek isteyenler. Kariyerinde ilerleme hedefleyen profesyoneller – Veri analisti, iş analisti veya yazılım geliştirici olarak ML becerilerini portföyüne eklemek isteyenler. Alanda kendini geliştirmek isteyen veri profesyonelleri – Regresyon modellerinin matematiksel temellerini derinlemesine anlamak ve farklı algoritmaları karşılaştırma yetisi kazanmak isteyenler. Teknik geçmişi olan meraklılar – Python bilgisi olan ve veri bilimi dünyasına pratik bir giriş yapmak isteyenler.

Modüller:
- **Veri Bilimine Giriş**: Makine Öğrenmesi Kavramı Gözetimli - Gözetimsiz Öğrenme Eğitim - Test - Validasyon Datası
- **Regresyon Modelleri Temelleri**: Regresyon Nedir? Sınıflandırmadan Farkı Regresyon türleri nelerdir? Model Başarı Metrikleri (MSE, RMSE, MAE, R²) Overfitting ve Underfitting Kavramları
- **Makine Öğrenmesi Uygulamaları**: Makine öğrenmesi pipeline oluşturma Feature Engineering Teknikleri Model Karşılaştırma Stratejileri Hyperparameter Tuning Sonuçları Yorumlama

### SQL Server Veritabanı Sorgulama Temel Eğitimi

Kaynak: https://runelab.ai/course/sql-server-veritabani-sorgulama-temel-egitimi

**Eğitim Hakkında** SQL Sorgulama Temel Eğitimi, veri tabanı sorgulama mantığını öğrenmek isteyen katılımcılara SQL dilinin temel yapısını öğretmeyi amaçlar. Eğitim kapsamında veri tabanı kavramları, temel SQL komutları ve basit sorgularla veri çekme işlemleri ele alınır.
**Hedef Kitle** SQL ve veri tabanına yeni başlayanlar Veri ile çalışan ancak SQL bilgisi olmayan profesyoneller Raporlama ve analiz süreçlerinde veri tabanlarından veri çekmek isteyenler Yazılım, iş zekâsı ve veri analitiği alanına giriş yapmak isteyenle
**Kazanımlar** Veri tabanı ve SQL sorgulama mantığını kavramak Temel SQL komutlarını (SELECT, WHERE, ORDER BY vb.) kullanabilmek Tablo ve alanlar üzerinden doğru veri sorguları oluşturabilmek Filtreleme, sıralama ve basit hesaplamalar yapabilmek Veri tabanlarından ihtiyaç duyulan verileri doğru şekilde çekebilmek

Modüller:
- **Veritabanı ve SQL’e Giriş**: İlişkisel veritabanlarına giriş Diğer veritabanı türleri Veri analizi Veritabanı dilleri
- **Veri Modelleme**: Veri modelleme ANSI/SPARC veritabanı modeli Varlık ilişkisi modelleme
- **Normalleştirme**: Veriler neden normalleştirilsin? Normalleştirme terimleri Normalleştirme seviyeleri Denormalizasyon
- **İlişkiler**: Şema eşleme Referans bütünlüğü
- **Performans**: İndeksleme Sorgu performansı Eşzamanlılık
- **Veri Tabanı Nesneleri**: Tablolar Görünümler Saklı prosedürler Diğer veritabanı nesneleri
- **Birden Fazla Tablo ile Çalışma**: JOIN Mantığı INNER JOIN İlişkili Veri Temel tablo ilişkileri
- **Uygulamalı SQL Çalışması**: Uçtan Uca Senaryo Gerçek veri seti üzerinde sorgular Değerlendirme Sık yapılan hatalar İyi uygulamalar

### Microsoft Excel İleri – Expert Seviye Eğitimi

Kaynak: https://runelab.ai/course/microsoft-excel-i-leri-expert-seviye-egitimi

**Eğitim Hakkında** İleri (Expert) Excel Eğitimi, Excel’i ileri düzeyde kullanan katılımcıların karmaşık veri analizi, ileri raporlama ve otomasyon süreçlerini profesyonel seviyede yönetmelerini amaçlar. Eğitim kapsamında ileri formüller, gelişmiş veri analizi teknikleri, dinamik raporlar ve ileri düzey Excel çözümleri ele alınır.
**Hedef Kitle** İleri seviye Excel bilgisine sahip olan profesyoneller Yoğun veri analizi ve raporlama yapan kullanıcılar Finans, muhasebe, satış, operasyon ve yönetim ekipleri Excel’i uzman (expert) seviyesinde kullanmak isteyenler
**Kazanımlar** İleri ve karmaşık Excel fonksiyonlarını etkin şekilde kullanabilmek Büyük veri setleri üzerinde ileri düzey analizler yapabilmek Dinamik, otomatik ve etkileşimli raporlar hazırlayabilmek İş süreçlerine yönelik gelişmiş Excel çözümleri üretebilmek Excel’i karar destek ve analiz aracı olarak uzman seviyesinde kullanabilmek

Modüller:
- **Excel Tablolarıyla Çalışma**: Dinamik Tablolar Oluşturma Dinamik Tablo Özelliklerini Kullanma Toplam Satırı Özelliğini Kullanma Tanımlı Adlar Oluşturma Ad Yöneticisini Kullanma
- **Tablolar ve Veri Yönetimi**: Veri Sekmesi Kullanımı (Data Ribbon) Tabloyu Sıralamak ve Özel Ölçüte Göre Tabloyu Sıralamak (Sort-Custom Sort) Filtre Uygulamak (Auto Filter) Gelişmiş Filtre Özelliği İle Tabloyu Filtrelemek (Advanced Filter) Veri Birleştir (Data…
- **Fonksiyonlar**: Arama ve Veritabanı Fonksiyonları Düşeyara, Yatayara, ÇaprazAra, İndis, Kaçıncı (Vlookup, Hlookup, Xlookup, Index,Match) Mantıksal Fonksiyonlar Eğer, İçiçe Eğer, Ve, Yada, Eğerhata (If, And, Or, Iferror) Metinsel Fonksiyonlar BüyükHarf…
- **İleri Seviye Pivot Table ve Pivot Chart**: PivotTable Oluşturmak PivotTable Üzerinde Değişiklik Yapmak Tabloyu Güncelleştirmek Veri Aralığını Güncellemek Raporlama Sayfalarını Kullanmak Tablolar Arasında İlişki Rapor Bağlantıları Dilimleyici ve Zaman Çizelgesi Ekle Kullanımı…
- **Veri Yönetimi ve Veri Analizi**: Hedef Ara (Goal Seek) ile Çözümleme Yapmak Çözücü (Solver) ile Modelleme Yapmak 3D – Map Kullanımı Senaryolar ile İleriye Yönelik Projeksiyonlar Oluşturmak Durum Çözümlemesi (What if Analysis)
- **Form Denetimleri**: Düğme (Button) Kullanımı Açılan Kutu (Combo Box) Kullanımı Onay Kutusu (Check Box) Kullanımı Değer Değiştirme Düğmesi (Spin Button) Kullanımı Liste Kutusu (List Box) Kullanımı Seçenek Düğmesi (Option Button) Kullanımı Etiket (Label)…
- **Dış Verilerle Çalışma**: Sorgu Oluşturma ve Sorguları Yönetme Excel Sorgusu Oluşturma Web sorgusu Oluşturma Sorguları Güncelleme
- **Power Query Kullanımı**: Power Query Arayüzü Veri Kaynakları ile Çalışma Power Query ile Veri Aktarma İşlemleri Power Query Arayüzünü Kullanarak Veri Dönüşümleri Koşullu (Conditional) Sütunlar Oluşturma Kayıtları Gruplama Sorguları Birleştirme (Merging) Sorguları…

### Microsoft Makro (VBA) Eğitimi

Kaynak: https://runelab.ai/course/microsoft-makro-vba-egitimi

**Eğitim Hakkında** Makro (VBA) Eğitimi, Excel başta olmak üzere Microsoft Office uygulamalarında tekrarlayan işlemleri otomatikleştirmek ve özelleştirilmiş çözümler geliştirmek isteyen katılımcılara Visual Basic for Applications (VBA) dilinin temel ve ileri kullanımını öğretmeyi amaçlar. Eğitim kapsamında makro kaydetme, VBA kodlama ve otomasyon uygulamaları ele alınır.
**Hedef Kitle** Excel’i ileri seviyede kullanan profesyoneller Tekrarlayan işlemleri otomatikleştirmek isteyen kullanıcılar Raporlama ve veri işleme süreçlerinde verimlilik hedefleyenler Microsoft Office uygulamalarını özelleştirmek isteyen çalışanlar
**Kazanımlar** Makro ve VBA mantığını kavramak Makro kaydetme ve düzenleme işlemlerini gerçekleştirebilmek VBA ile otomasyon ve kullanıcıya özel çözümler geliştirebilmek Hata ayıklama ve kod iyileştirme tekniklerini uygulayabilmek İş süreçlerini hızlandıran profesyonel VBA uygulamaları oluşturabilmek

Modüller:
- **Macro & VBA’ ya Giriş**: Makrolara Giriş ve Çeşitleri Makro Kaydetmek Makroları Çalıştırmak Makroları Nesnelere Bağlamak Makro Seçeneklerini Düzenlemek Makroları Düzenlemek Makroları Silmek Makrolarda Güvenlik
- **Visual Basic for Application Penceresi**: Araç çubukları ( Debug, Edit, Standart, User Form) Kod Penceresi Properties Penceresi Project Explorer Penceresi Module, User Form, Class Kavramları
- **Programlama Yapısı**: Nesne Tabanlı Programlama Nedir? Nesne Kavramı ve Nesnelerin Özellik, Metot ve Olayları Prosedür ve Çeşitleri Değişkenler ve Değişken tipleri Değişkenlerin Tanım Aralığı Sabitler Koşul Yapıları Döngü Çeşitleri GOTO Deyimi
- **Excel Öğelerini Programlama**: Excel Nesne Yapısı (Application, Workbook, Sheet, Row, Column, Cell, Range) Hücre, Satır, Sütün Seçmek Seçili Olan Satır, Sütun ve Hücrelerin Sayısını Öğrenmek Hücreye Formül Yazdırmak Hücreye Değer Girmek Hücre Özelliklerini Değiştirmek
- **Operatörler**: Aritmetik Operatörler (^, *, /, \, +, –, &, Mod) Karşılaştırma operatörleri (=,,<>, <, >, <=, >=, LIKE, IS) Mantıksal Operatörler (NOT, AND, OR)
- **Hata Denetimi**: Hata Kontrol Deyimleri Hata Kodları ve Açıklamalar
- **Fonksiyonlar**: Sık Kullanılan VBA Fonksiyonları Kullanıcı Tanımlı Fonksiyonlar Oluşturmak Fonksiyon Tipi Prosedürlere Parametreler Atamak Kişisel Amaca Yönelik Fonksiyon Oluşturmak Fonksiyonları Excel İçinde Kullanmak
- **User Formlar Üzerinde Çalışma**: User Form Oluşturmak Olarak Form Nesnesinin Özellikleri Form Nesnesinin Olayları Form Kontrolleri Kontrollerin Özellikleri Kontrollerin Olayları
- **VBA Örnek Uygulamaları**: Makrolarla Grafik Oluşturmak Makro ile Filtreleme ve Sıralama Örneği Makro ile Özet Tablo Oluşturmak Makro ile Veri Giriş ve Sorgulama Formu Oluşturmak MS-ACCESS Verileri ile Çalışma Örneği Uygulaması MS-SQL Server Verileri ile Çalışma…

### Microsoft Power BI Temel Eğitimi

Kaynak: https://runelab.ai/course/microsoft-power-bi-temel-egitimi-1

**Genel Tanım** Microsoft Power BI, farklı veri kaynaklarından gelen bilgileri anlamlı, etkileşimli ve görsel raporlara dönüştürerek karar alma süreçlerini güçlendiren modern bir iş zekâsı platformudur. Kurumların veriye dayalı karar alma kültürü oluşturmasında kritik bir rol oynar. Bu eğitim, katılımcıların Power BI’ın temel bileşenlerini tanımasını; verileri modelleyerek, analiz ederek ve görselleştirerek etkili dashboard ve raporlar oluşturabilmesini hedefler. Katılımcılar, ham veriyi yönetime ve iş birimlerine değer katan iç görülere dönüştürmeyi öğrenir.
**Kimler İçindir?** Veri ile çalışan tüm profesyoneller Finans, muhasebe, satış, pazarlama ve operasyon ekipleri: Raporlama ve analiz ihtiyacı olan iş birimleri İş zekâsı ve raporlama uzmanları: Etkileşimli dashboard ve raporlar oluşturmak isteyen kullanıcılar Yönetici ve ekip liderleri: Karar destek süreçleri için görsel ve özet raporlar üreten yöneticiler Excel tabanlı raporlamadan Power BI’a geçiş yapmak isteyen profesyoneller
**Ön Koşullar** Bilgisayar ve ofis uygulmalarını temel düzeyde kullanabilme Excel veya benzeri araçlarla veri tablosu kullanmış olma Temel veri kavramlarına (satır, sütun, tablo) aşinalık Power BI veya DAX bilgisi zorunlu değildir (eğitim kapsamında aktarılır)
**Kazanımlar** Power BI’ın temel bileşenlerini ve çalışma mantığını kavrayabilme Farklı veri kaynaklarından veri alarak analiz için hazırlayabilme Power Query ile verileri temizleme ve dönüştürme becerisi kazanma Veri modeli oluşturarak tablolar arası ilişkileri kurabilme Temel DAX ifadeleri ile hesaplamalar yapabilme Etkileşimli raporlar ve dashboard’lar tasarlayabilme Veriyi görselleştirerek karar destek süreçlerine katkı sağlayabilme

Modüller:
- **Power BI’a Giriş ve Temel Kavramlar**: Power BI Nedir? İş zekâsı (BI) kavramı Power BI’ın kullanım alanları Power BI Desktop, Service ve Mobile bileşenleri Power BI Arayüzü Rapor, veri ve model görünümleri Temel navigasyon ve çalışma mantığı
- **Veri Kaynaklarına Bağlanma**: Veri Kaynakları Excel dosyaları CSV ve metin dosyaları Veritabanlarına bağlanma (temel seviye) Veri Alma Süreci Veri içe aktarma Veri yenileme mantığı
- **Power Query ile Veri Hazırlama**: Power Query Temelleri Veri temizleme Sütun ve satır işlemleri Dönüştürme İşlemleri Filtreleme ve sıralama Birleştirme ve ekleme (Merge / Append) Veri tipleri ve hataların giderilmesi
- **Veri Modelleme**: Veri Modeli Mantığı Tablo ilişkileri Birincil anahtar – yabancı anahtar kavramı Modelleme İlişki türleri Yıldız şema (Star Schema) kavramına giriş
- **DAX’e Giriş**: DAX Nedir? Measure ve Calculated Column farkı DAX sözdizimi Temel DAX Fonksiyonları TOPLAM, ORTALAMA, SAY Basit hesaplamalar ve oranlar
- **Rapor ve Görselleştirme**: Görsel Türleri Tablo, matris Sütun, çizgi ve pasta grafikler Rapor Tasarımı Etkili görsel seçimi Sayfa düzeni ve hizalama
- **Etkileşimli Dashboard Tasarımı**: Etkileşim Araçları Filtreler Dilimleyiciler (Slicer) Kullanıcı Deneyimi Görseller arası etkileşim Okunabilir ve sade dashboard tasarımı
- **Yayınlama ve Paylaşım**: Power BI Service Rapor yayınlama Dashboard oluşturma Paylaşım ve Güvenlik Yetkilendirme mantığı Temel paylaşım senaryoları
- **Uygulamalı Power BI Projesi**: Uçtan Uca Uygulama Veri alma → modelleme → raporlama Gerçek iş senaryosu üzerinden dashboard oluşturma Değerlendirme En iyi uygulamalar Katılımcı soruları ve geri bildirim

### Microsoft Power BI Temel Eğitimi

Kaynak: https://runelab.ai/course/microsoft-power-bi-temel-egitimi

**Eğitim Hakkında** Temel Seviye Power BI Eğitimi, iş zekâsı ve veri görselleştirmeye yeni başlayan katılımcılara Power BI’ın temel kullanımını öğretmeyi amaçlar. Eğitim kapsamında veri kaynaklarına bağlanma, temel veri modelleme ve basit rapor ile görsel oluşturma konuları ele alınır.
**Hedef Kitle** Power BI’ı ilk kez kullanacak olanlar Temel düzeyde veri analizi ve raporlama yapmak isteyenler Excel verilerini görselleştirmek isteyen kullanıcılar İş zekâsı araçlarına giriş yapmak isteyen profesyoneller
**Kazanımlar** Power BI arayüzünü ve temel çalışma mantığını öğrenmek Farklı veri kaynaklarına bağlanabilmek Temel veri modelleme işlemlerini gerçekleştirebilmek Basit raporlar ve etkileşimli görseller oluşturabilmek Power BI ile temel seviyede veri analizi yapabilmek

Modüller:
- **Power BI’a Giriş ve Temel Kavramlar**: Power BI Nedir? İş zekâsı (BI) kavramı Power BI’ın kullanım alanları Power BI Desktop, Service ve Mobile bileşenleri Power BI Arayüzü Rapor, veri ve model görünümleri Temel navigasyon ve çalışma mantığı
- **Veri Kaynaklarına Bağlanma**: Veri Kaynakları Excel dosyaları CSV ve metin dosyaları Veritabanlarına bağlanma (temel seviye) Veri Alma Süreci Veri içe aktarma Veri yenileme mantığı
- **Power Query ile Veri Hazırlama**: Power Query Temelleri Veri temizleme Sütun ve satır işlemleri Dönüştürme İşlemleri Filtreleme ve sıralama Birleştirme ve ekleme (Merge / Append) Veri tipleri ve hataların giderilmesi
- **Veri Modelleme**: Veri Modeli Mantığı Tablo ilişkileri Birincil anahtar – yabancı anahtar kavramı Modelleme İlişki türleri Yıldız şema (Star Schema) kavramına giriş
- **DAX’e Giriş**: DAX Nedir? Measure ve Calculated Column farkı DAX sözdizimi Temel DAX Fonksiyonları TOPLAM, ORTALAMA, SAY Basit hesaplamalar ve oranlar
- **Rapor ve Görselleştirme**: Görsel Türleri Tablo, matris Sütun, çizgi ve pasta grafikler Rapor Tasarımı Etkili görsel seçimi Sayfa düzeni ve hizalama
- **Etkileşimli Dashboard Tasarımı**: Etkileşim Araçları Filtreler Dilimleyiciler (Slicer) Kullanıcı Deneyimi Görseller arası etkileşim Okunabilir ve sade dashboard tasarımı
- **Yayınlama ve Paylaşım**: Power BI Service Rapor yayınlama Dashboard oluşturma Paylaşım ve Güvenlik Yetkilendirme mantığı Temel paylaşım senaryoları
- **Uygulamalı Power BI Projesi**: Uçtan Uca Uygulama Veri alma → modelleme → raporlama Gerçek iş senaryosu üzerinden dashboard oluşturma Değerlendirme En iyi uygulamalar Katılımcı soruları ve geri bildirim

### Microsoft Project İleri Seviye Eğitimi

Kaynak: https://runelab.ai/course/microsoft-project-i-leri-seviye-egitimi

**Eğitim Hakkında** İleri Seviye Microsoft Project Eğitimi, Microsoft Project’i etkin şekilde kullanan katılımcıların ileri düzey proje planlama, izleme ve kontrol becerilerini geliştirmeyi amaçlar. Eğitim kapsamında karmaşık projelerin yönetimi, kaynak optimizasyonu, maliyet takibi ve performans analizleri ele alınır.
**Hedef Kitle** Orta veya ileri seviye Microsoft Project bilgisine sahip olanlar Proje yöneticileri ve proje yönetim ekipleri Birden fazla proje yöneten profesyoneller Proje planlama, izleme ve kontrol süreçlerinde sorumluluk alan çalışanlar
**Kazanımlar** Karmaşık ve çok aşamalı proje planları oluşturabilmek Kaynak, süre ve maliyet optimizasyonu yapabilmek Proje performansını analiz edebilmek ve raporlayabilmek İleri düzey izleme, kontrol ve revizyon işlemlerini yönetebilmek Microsoft Project ile profesyonel proje yönetimi uygulamaları gerçekleştirebilmek

Modüller:
- **İleri Seviye Proje Planlama Yaklaşımı**: İleri Seviye Project Kullanımı Temel ve ileri kullanım farkları Çok görevli ve karmaşık projelerde planlama yaklaşımı Proje Takvimleri Proje, görev ve kaynak takvimleri Çalışma zamanlarının özelleştirilmesi
- **Gelişmiş Görev Yapıları ve Zamanlama**: Gelişmiş Bağımlılıklar Karmaşık görev ilişkileri Lag ve lead senaryoları Zamanlama Kontrolleri Otomatik vs. manuel zamanlama Kritik yolun (Critical Path) analizi
- **Kaynak Yönetimi ve Dengeleme**: Kaynak Analizi Kaynak türleri ve kapasite planlama Kaynak kullanım ve aşırı yüklenme analizi Kaynak Dengeleme Otomatik ve manuel dengeleme Dengelemenin proje takvimine etkisi
- **Maliyet ve Bütçe Yönetimi**: Maliyet Planlama Kaynak maliyetleri Sabit maliyetler ve bütçe oluşturma Bütçe Takibi Planlanan ve gerçekleşen maliyetlerin izlenmesi Maliyet sapmalarının analizi
- **Proje İlerleme ve Performans Takibi**: İlerleme Güncelleme Gerçekleşen süre ve iş yükü girişi İlerleme yüzdeleri ile takip Performans Analizi Zaman ve maliyet sapmaları Kritik görevlerin izlenmesi
- **Earned Value (Kazanılmış Değer) Analizi**: Earned Value Temelleri EV, PV, AC kavramları Proje performans göstergeleri Uygulama Basit Earned Value hesaplamaları Proje performansının yorumlanması
- **İleri Görünümler ve Raporlama**: İleri Görünümler Değişikliklerin projeye yansıtılması Revizyon yönetimi Raporlama İleri seviye proje raporları Yönetici ve paydaş sunumları
- **Uygulamalı İleri Seviye Proje Çalışması**: Uçtan Uca Senaryo Karmaşık bir proje planının oluşturulması Zaman, kaynak ve maliyetin birlikte yönetilmesi Değerlendirme Proje performansının analiz edilmesi Sık yapılan hatalar ve iyi uygulamalar

### Microsoft Project Temel Eğitimi

Kaynak: https://runelab.ai/course/microsoft-project-temel-egitimi

**Eğitim Hakkında** Temel Seviye Microsoft Project Eğitimi, proje yönetimine yeni başlayan veya Microsoft Project’i ilk kez kullanacak katılımcılara, projelerin planlanması ve takibine yönelik temel bilgi ve becerileri kazandırmayı amaçlar. Eğitim kapsamında proje oluşturma, görev tanımlama, süre ve kaynak planlaması gibi temel konular ele alınır.
**Hedef Kitle** Proje yönetimine yeni başlayanlar Microsoft Project programını ilk kez kullanacak olanlar Proje planlama ve takip süreçlerinde yer alan çalışanlar Proje yönetimi konusunda temel bilgi edinmek isteyen profesyoneller
**Kazanımlar** Microsoft Project arayüzünü ve temel kullanım mantığını öğrenmek Proje planı oluşturmak ve görevleri tanımlayabilmek Görev süreleri ve bağımlılıkları yönetebilmek Temel kaynak ve zaman planlaması yapabilmek Projelerin ilerleme durumunu takip edebilmek

Modüller:
- **Microsoft Project’e Giriş**: Microsoft Project Nedir? Proje yönetim yazılımlarının amacı Microsoft Project’in kullanım alanları Temel proje yönetimi kavramları Arayüz ve Temel Ayarlar Menü ve görünümler Proje dosyası oluşturma Takvim ve çalışma zamanı ayarları
- **Proje Planı ve Görev Yapısının Oluşturulması**: Görev Tanımlama Görev oluşturma ve düzenleme Süre (duration) kavramı İş Kırılım Yapısı (WBS) Alt görevler oluşturma Görev hiyerarşisi ve yapılandırma
- **Görev İlişkileri ve Zamanlama**: Bağımlılık Türleri Finish-to-Start (FS) Start-to-Start (SS) Finish-to-Finish (FF) Zamanlama Otomatik ve manuel zamanlama Gecikme (lag) ve öne alma (lead) kullanımı
- **Kaynak Yönetimine Giriş**: Kaynak Türleri İnsan kaynakları Malzeme ve maliyet kaynakları Kaynak Atama Görevlere kaynak atama Kaynak kullanımını görüntüleme
- **Proje Takibi ve İlerleme İzleme**: İlerleme Takibi Tamamlanma yüzdesi girme Gerçekleşen süre ve tarihlerin takibi Sapmaların Görülmesi Gantt Chart üzerinden izleme Basit gecikme analizleri
- **Görünümler ve Raporlama**: Görünümler Gantt Chart Task Sheet Resource Sheet Raporlama Temel proje raporları Proje durumunun görselleştirilmesi
- **Proje Güncelleme ve Revizyonlar**: Plan Güncelleme Değişikliklerin projeye yansıtılması Revizyon yönetimi İyi Uygulamalar Proje planını sürdürülebilir kılma Sık yapılan hatalar
- **Uygulamalı Proje Çalışması**: Uçtan Uca Uygulama Örnek bir proje planı oluşturma Görev, kaynak ve zaman çizelgesinin kurulması Değerlendirme Proje planının gözden geçirilmesi Katılımcı soruları ve geri bildirim

### Microsoft Excel İleri Eğitimi

Kaynak: https://runelab.ai/course/microsoft-excel-i-leri-egitimi

**Eğitim Hakkında** İleri Seviye Excel Eğitimi, Excel’i ileri düzeyde kullanan katılımcıların veri analizi, raporlama ve otomasyon becerilerini geliştirmeyi hedefler. Eğitim kapsamında karmaşık formüller, ileri analiz araçları, PivotTable uygulamaları ve makrolar ele alınarak iş süreçlerinin daha hızlı ve etkin yönetilmesi amaçlanır.
**Hedef Kitle** Orta seviye Excel bilgisine sahip olanlar Yoğun veri analizi ve raporlama yapan profesyoneller Finans, muhasebe, insan kaynakları ve operasyon ekipleri Excel ile otomasyon ve ileri analiz yapmak isteyen kullanıcılar
**Kazanımlar** Karmaşık formül ve fonksiyonları etkin şekilde kullanabilmek PivotTable ve PivotChart ile ileri düzey raporlar hazırlayabilmek Veri analizi araçlarını kullanarak büyük veri setlerini analiz edebilmek Makrolar ile tekrarlayan işlemleri otomatikleştirebilmek İş süreçlerine yönelik gelişmiş ve profesyonel Excel çözümleri üretebilmek

Modüller:
- **Tablolar ve Veri Yönetimi**: Veri Sekmesi Kullanımı (Data Ribbon) Tabloyu Sıralamak ve Özel Ölçüte Göre Tabloyu Sıralamak (Sort-Custom Sort) Filtre Uygulamak (Auto Filter) Gelişmiş Filtre Özelliği İle Tabloyu Filtrelemek (Advanced Filter) Veri Birleştir (Data…
- **Koşullu Biçimlendirme**: Metin, Sayı ve Tarihlere Koşullu Biçimlendirme Uygulama (Conditional Formatting) Veri Çubukları, Renk Ölçekleri, Simge Kümeleriyle Çalışmak Özel Kural Tanımlamak (New Rule) Kuralı Düzenlemek – Silmek (Manages Rules)
- **Fonksiyonlar**: Arama ve Veritabanı Fonksiyonları Düşeyara, Yatayara, ÇaprazAra, İndis, Kaçıncı (Vlookup, Hlookup, Xlookup, Index, Match) Mantıksal Fonksiyonlar Eğer, İçiçe Eğer, Ve, Yada, Eğerhata (If, And, Or, Iferror) Metinsel Fonksiyonlar BüyükHarf…
- **Excel Tablolarıyla Çalışma**: Dinamik Tablolar Oluşturma Dinamik Tablo Özelliklerini Kullanma Toplam Satırı Özelliğini Kullanma Tanımlı Adlar Oluşturma Ad Yöneticisini Kullanma
- **PivotTable & PivotCharts**: PivotTable Oluşturmak PivotTable Üzerinde Değişiklik Yapmak Tabloyu Güncelleştirmek Veri Aralığını Güncellemek Raporlama Sayfalarını Kullanmak Tablolar Arasında İlişki Rapor Bağlantıları Dilimleyici ve Zaman Çizelgesi Ekle Kullanımı…
- **Güvenlik**: Çalışma Kitabını, Çalışma Sayfasını ve Hücreleri Koruma Çalışma Kitabında Güvenliği Sağlamak Excel Dosyasını Şifreleme İzin Ayarları
- **Kayıt Makroları**: Kayıt Makrosu Oluşturmak Kayıt Makrosunu Çalıştırmak Kayıt Makrosunu Düzenlemek
- **Tips ve Tricks**: Kısa yol Tuşları Fonksiyonlarda ve Veri Analizinde Pratik Yöntemler

### Microsoft Excel Orta Eğitimi

Kaynak: https://runelab.ai/course/microsoft-excel-orta-egitimi

**Eğitim Hakkında** Orta Seviye Excel Eğitimi, temel Excel bilgisine sahip katılımcıların veri analizi ve raporlama becerilerini geliştirmeyi amaçlar. Eğitim kapsamında gelişmiş formüller, veri analizi araçları ve görsel raporlama teknikleri ele alınır. Katılımcıların Excel’i daha etkin ve profesyonel şekilde kullanmaları hedeflenir.
**Hedef Kitle** Temel Excel bilgisine sahip olanlar Excel’i iş süreçlerinde aktif olarak kullanan ofis çalışanları Raporlama ve veri analizi yapan personeller Excel bilgisini bir üst seviyeye taşımak isteyen profesyoneller
**Kazanımlar** Gelişmiş formül ve fonksiyonları etkin şekilde kullanabilmek Veri analizi ve raporlama işlemlerini gerçekleştirebilmek Koşullu biçimlendirme ve veri doğrulama uygulamalarını kullanabilmek Büyük veri setleri üzerinde daha hızlı ve doğru çalışabilmek İş süreçlerine yönelik profesyonel Excel raporları hazırlayabilmek

Modüller:
- **Giriş**: Excel Arayüzü Dosya Menüsü Kullanımı Yardım Menüsünü Kullanmak (Ne Yapmak İstediğinizi Söyleyin) Hızlı Erişim Araç Çubuğu Kullanımı Hızlı Erişim Araç Çubuğunu Özelleştirmek
- **Biçimlendirme**: Giriş Sekmesi Kullanımı Yazı Tipi, Tarih ve Sayı Biçimlendirmeleri Özel Sayı Biçimleri Tanımlama Tarih Kullanımı ve Tarih Ayarları Excel Tablolarını Biçimlendirmek Bul, Değiştir, Özel Git
- **Çalışma Sayfaları ile Çalışmak**: Hücre, Sütun, Satır Eklemek ve Silmek Çalışma Kitabında Sayfaların Taşımak-Kopyalamak Çalışma Sayfası Eklemek ve Silmek Çalışma Sayfalarını Çalışma Kitapları Arasında Taşımak-Kopyalamak Özel Listeler Oluşturmak Hızlı Doldurma
- **Çalışma Kitabını Yazdırmak**: Excel Görünümlerini Kullanmak Sığdırma Ayarlarını Kullanmak Kenar Boşluklarını Ayarlamak Başlıkları Yazdırmak Yazdırma Aralığı Belirlemek Üstbilgi ve Altbilgi Seçenekleri Sayfa Düzeni Görünümünü Kullanma Açıklama Eklemek- Göstermek-Silmek…
- **Çalışma Sayfasının Kullanımı**: Çalışma Sayfasını Bölmek, Gizlemek ve Göstermek Satır ve Sütunları Dondurmak
- **Koşullu Biçimlendirme**: Metin, Sayı ve Tarihlere Koşullu Biçimlendirme Uygulama Veri Çubukları, Renk Ölçekleri, Simge Kümeleriyle Çalışmak
- **Grafikler**: Grafik Oluşturmak Önerilen Grafikleri Kullanmak Grafiğe Veri Eklemek ve Çıkartmak Grafik Seçeneklerini Kullanmak Trend Grafikleri Oluşturmak Mini Grafikleri Kullanmak
- **Tablolar ve Veri Yönetimi**: Tabloyu Sıralamak ve Özel Ölçüte Göre Tabloyu Sıralamak Filtre Uygulamak – Gelişmiş Filtre Özelliği İle Tabloyu Filtrelemek Ad Tanımlama ve Ad Yöneticisini Kullanma
- **Formül ve Fonksiyon Kullanımı**: Formül Oluşturmak Fonksiyonları Kullanarak Hesaplama Yapmak Formülleri ve Fonksiyonları Kopyalamak Mutlak Referans Kullanımı
- **Fonksiyonlar**: Arama ve Veritabanı Fonksiyonları (Düşeyara-Yatayara) Koşullu Fonksiyonlar (Etopla,Eğerortalama, Eğersay)

### Microsoft Excel Temel Eğitimi

Kaynak: https://runelab.ai/course/microsoft-excel-temel-egitimi

**Eğitim Hakkında** Temel Excel Eğitimi, katılımcılara Excel’in temel kullanımını öğretmeyi amaçlayan bir eğitimdir. Eğitim kapsamında temel formüller, tablo oluşturma ve verileri düzenleme gibi günlük işlerde sık kullanılan konular ele alınır. Bu eğitim, Excel’i daha etkin ve verimli kullanmak isteyen herkes için uygundur.
**Hedef Kitle** Excel’i hiç bilmeyen ya da çok sınırlı kullananlar Ofis çalışanları ve yeni işe başlayanlar Öğrenciler ve yeni mezunlar Kendi işini yapanlar / girişimciler
**Kazanımlar** Excel’in temel arayüzü ve çalışma yapısına hâkim olmak Temel formül ve fonksiyonları etkin şekilde kullanabilmek Veri girişi, tablo oluşturma ve düzenleme işlemlerini gerçekleştirebilmek Veriler üzerinde sıralama ve filtreleme işlemleri yapabilmek İş süreçlerinde Excel’i daha verimli ve doğru kullanabilmek

Modüller:
- **Giriş**: Excel Arayüzü Dosya Menüsü Kullanımı Yardım Menüsünü Kullanmak (Ne Yapmak İstediğinizi Söyleyin) Hızlı Erişim Araç Çubuğu Kullanımı Hızlı Erişim Araç Çubuğunu Özelleştirmek
- **Biçimlendirme**: Giriş Sekmesi Kullanımı Yazı Tipi, Tarih ve Sayı Biçimlendirmeleri Özel Sayı Biçimleri Tanımlama Tarih Kullanımı ve Tarih Ayarları Excel Tablolarını Biçimlendirmek Bul, Değiştir, Özel Git
- **Çalışma Sayfaları**: Hücre, Sütun, Satır Eklemek ve Silmek Çalışma Kitabında Sayfaların Taşımak-Kopyalamak Çalışma Sayfası Eklemek ve Silmek Çalışma Sayfalarını Çalışma Kitapları Arasında Taşımak-Kopyalamak Özel Listeler Oluşturmak Hızlı Doldurma
- **Çalışma Kitabını Yazdırmak**: Excel Görünümlerini Kullanmak Sığdırma Ayarlarını Kullanmak Kenar Boşluklarını Ayarlamak Başlıkları Yazdırmak Yazdırma Aralığı Belirlemek Üstbilgi ve Altbilgi Seçenekleri Sayfa Düzeni Görünümünü Kullanma Açıklama Eklemek- Göstermek-Silmek…
- **Çalışma Sayfasının Kullanımı**: Çalışma Sayfasını Bölmek, Gizlemek ve Göstermek Satır ve Sütunları Dondurmak
- **Koşullu Biçimlendirme**: Metin, Sayı ve Tarihlere Koşullu Biçimlendirme Uygulama Veri Çubukları, Renk Ölçekleri, Simge Kümeleriyle Çalışmak
- **Grafikler**: Grafik Oluşturmak Önerilen Grafikleri Kullanmak Grafiğe Veri Eklemek ve Çıkartmak Grafik Seçeneklerini Kullanmak Trend Grafikleri Oluşturmak Mini Grafikleri Kullanmak
- **Excel Formüllerinin Kullanımı**: Formül Oluşturmak Fonksiyonları Kullanarak Hesaplama Yapmak Formülleri ve Fonksiyonları Kopyalamak Mutlak Referans Kullanımı
- **Tips ve Tricks**: Kısa yol Tuşları Fonksiyonlarda ve Veri Analizinde Pratik Yöntemler

### Yapay Zeka Ufukları

Kaynak: https://runelab.ai/course/yapay-zekaya-giris

**Kurs Açıklaması** Yapay Zekâ Ufukları Workshop’u, katılımcılara yapay zekanın ne olduğunu, nasıl çalıştığını ve günlük yaşam ile iş dünyasında hangi alanlarda kullanıldığını kapsamlı bir şekilde öğretmeyi hedefleyen, hem teorik hem de uygulamalı içeriklerle desteklenen ileri düzey bir eğitim programıdır. Eğitimde, temel kavramlardan başlayarak makine öğrenmesi, derin öğrenme, doğal dil işleme ve robotik gibi konulara giriş yapılmakta; ayrıca yapay zekanın etik boyutları ve geleceğe yönelik trendleri de incelenmektedir.
**Nedir?** Bu workshop, yapay zekanın temel prensiplerini ve uygulama alanlarını anlaşılır bir dille sunarak, katılımcıların algoritmik düşünce, problem çözme ve yenilikçi çözümler geliştirme becerilerini artırmayı amaçlar. Yapay zeka kavramının tarihçesi, temel terimleri, öğrenme algoritmaları, veri işleme yöntemleri ve pratik uygulama örnekleri üzerinden konular derinlemesine ele alınır. Eğitim kapsamında ayrıca, yapay zekanın endüstrideki uygulamaları, sosyal ve etik etkileri ile gelecekteki trendler de tartışılacaktır.
**Kimler içindir?** Bu workshop, aşağıdaki bireyler için uygundur: Yazılım geliştiriciler ve veri bilimciler Sistem mühendisleri, IT yöneticileri ve proje yöneticileri Akademisyenler, araştırmacılar ve teknoloji meraklıları İş analistleri ve dijital dönüşüm süreçlerinde yer alan profesyoneller Yapay zeka teknolojilerine ilgi duyan ve bu alanda temel bilgi edinmek isteyen herkes
**Neden AI Horizons: Yapay Zekâ Ufukları Workshop’u?** Temel Bilgi ve Kavrayış: Yapay zekanın temel prensipleri, algoritmaları ve uygulama alanları hakkında sağlam bir temel oluşturur. Uygulamalı Deneyim: Canlı demo seansları, interaktif atölyeler ve vaka çalışmaları ile teorik bilgilerin pratikte nasıl kullanılacağını deneyimlersiniz. Geleceğe Hazırlık: Yapay zeka, günümüz ve geleceğin en önemli teknolojik trendlerinden biridir; bu eğitim, kariyerinizde ve iş süreçlerinizde rekabet avantajı sağlar. Etik ve Sosyal Boyut: Yapay zekanın etik, sosyal ve güvenlik boyutlarını da ele alarak, sorumlu ve bilinçli bir yaklaşım geliştirilmesine katkı sağlar. Kapsamlı ve Güncel İçerik: Endüstri standartlarına uygun araçlar, metodolojiler ve güncel trendlerle donatılmış kapsamlı bir müfredat sunar.

Modüller:
- **Yapay Zekanın Tanımı ve Temel Kavramlar**: Temel Tanımlar ve Kavramlar Yapay zeka (YZ) nedir?
- **Yapay Zekanın Tarihçesi: 1950’lerden Günümüze**: Erken Dönem (1950-1970) Turing Testi, ilk algoritmalar ve deneysel uygulamalar İlk uzman sistemlerin ortaya çıkışı ve simgesel AI yaklaşımı Gelişim Süreçleri (1970-1990) Klasik yapay zeka araştırmaları, kural tabanlı sistemler…
- **Yapay Zeka Paradigmaları: Makine Öğrenimi, Derin Öğrenme, Uzman Sistemler**: Makine Öğrenimi Denetimli, denetimsiz ve pekiştirmeli öğrenme yaklaşımları Sınıflandırma, regresyon, kümeleme algoritmalarına genel bakış Temel algoritma örnekleri ve uygulama senaryoları Derin Öğrenme Derin sinir ağları, CNN, RNN, LSTM ve…
- **Etik ve Güvenlik: Yapay Zekanın Sınırları ve Tehditleri**: Yapay Zeka Etiği Etik ilkeler: Adalet, şeffaflık, hesap verebilirlik ve gizlilik Yapay zekanın sosyal etkileri, önyargı ve ayrımcılık konuları Sorumlu AI uygulamaları: Model açıklanabilirliği, etik rehberler ve regülasyonlar Güvenlik ve…
- **Gelecek Perspektifi: Yapay Zeka Trendleri ve Potansiyel Kullanım Alanları**: Geleceğin Teknolojik Trendleri Yeni nesil yapay zeka teknolojileri: Explainable AI, federated learning, quantum computing Gelişmekte olan algoritmalar, yeni mimari yaklaşımlar ve veri yönetimi stratejileri Potansiyel Kullanım Alanları…

### Uygulamalı Makine Öğrenmesi

Kaynak: https://runelab.ai/course/uygulamali-makine-ogrenmesi

**Kurs Açıklaması** Veri çağında rekabet avantajı sağlamanın anahtarı, veriden anlamlı içgörüler çıkarabilmektir. Bu kapsamlı eğitim, katılımcılara makine öğrenmesinin temellerinden başlayarak gerçek dünya problemlerini çözebilecek seviyeye kadar pratik bir yolculuk sunar. Python ve scikit-learn ekosistemiyle veri ön işleme, model kurma, hiperparametre optimizasyonu ve model değerlendirme süreçlerini uygulamalı olarak öğreneceksiniz. XGBoost, LightGBM gibi modern algoritmaları kullanarak tahmin modelleri geliştirebilir, SHAP ile modellerinizi açıklayabilir ve dengesiz veri setleriyle başa çıkabilir hale geleceksiniz.
**Hedef Kitle** Bu eğitim, veri odaklı karar verme süreçlerinde aktif rol almak isteyen ve makine öğrenmesi ile iş değeri yaratmak isteyen profesyoneller için tasarlanmıştır. Veri analistleri ve bilimcileri: ML becerilerini derinleştirmek ve modern algoritmalarla tanışmak isteyenler için idealdir. Yazılım geliştiriciler: Uygulamalarına tahmin ve sınıflandırma yetenekleri eklemek isteyenler faydalanabilir. İş analistleri ve ürün yöneticileri: Veri odaklı stratejiler geliştirmek ve ML projelerini daha iyi yönetmek için teknik altyapı kazanabilir. Mühendisler, araştırmacılar ve akademisyenler: Üretim optimizasyonu, kalite kontrol veya bilimsel araştırmalarda ML kullanmak için sağlam bir temel oluşturabilir. Finans, pazarlama, satış ve operasyon departmanlarında çalışan profesyoneller: Tahmin modelleri ile süreçlerini iyileştirmek isteyen herkes yararlanabilir.
**Ön Koşul** Python programlama dilinde temel seviye bilgi (değişkenler, döngüler, fonksiyonlar) Temel istatistik kavramlarına aşinalık (ortalama, standart sapma, korelasyon) Pandas kütüphanelerinde başlangıç düzeyi deneyim (tercih edilir, gerekli değil)
**Kazanımlar** Makine öğrenmesinin temellerini kavrayıp farklı ML öğrenme türlerini ayırt edebilmek Train/validation/test split mantığını uygulayıp overfitting/underfitting problemlerini tespit ve çözebilmek Farklı cross-validation stratejilerini (K-Fold, StratifiedKFold, TimeSeriesSplit) seçip uygulayabilmek Eksik veri ve aykırı gözlemleri tespit edip modele hazır hale getirebilmek Özellik mühendisliği ile yeni özellikler türetebilmek, kategorik değişkenleri encoding yöntemleriyle dönüştürebilmek Modern ML algoritmalarını (Linear/Logistic Regression, Decision Trees, Random Forest, XGBoost, LightGBM, CatBoost) kurup optimize edebilmek Optuna ile hiperparametre optimizasyonu yapabilmek; Grid Search ve Bayesian Optimization arasında seçim yapabilmek Dengesiz veri setlerinde (SMOTE, class weights, threshold optimization) başarılı modeller geliştirebilmek Model açıklanabilirliğini (SHAP, LIME, Permutation Importance) sağlayarak iş birimlerine aktarabilmek Scikit-learn Pipeline ve ColumnTransformer ile end-to-end ML süreçleri tasarlayabilmek ve data leakage’ı önleyebilmek Confusion matrix, ROC-AUC, PR-AUC, learning curves ile model performansını analiz edip yorumlayabilmek

Modüller:
- **Makine Öğrenmesi Temelleri**: Makine Öğrenmesi(ML) Giriş Makine Öğrenmesi Nedir?
- **Veriyi Bölme ve Ön İşleme**: Veri Bölme Üçlü Bölme Training set Validation set Test set - kilitli tutulur Sadece train/test split'in neden tehlikeli olduğu Cross-Validation'a Giriş K-fold cross-validation nedir Doğru K değerini seçme Hesaplama maliyeti dengesi…
- **ML Model Kurma**: Pipeline Mantığı ve Baz Model Pipeline Oluşturma Scikit-learn Pipeline ve ColumnTransformer Doğru pipeline tasarımı ile data leakage'ı önleme Custom transformer'lar oluşturma Pipeline persistence ve versioning Baz Model Oluşturma Baz model…

### Python Programlama

Kaynak: https://runelab.ai/course/python-programlama

**Kurs Açıklaması** Dijital dünyanın temel yapı taşı olan programlama, artık her sektörde kritik bir yetkinlik haline gelmiştir. Bu kapsamlı Python eğitimi, katılımcılara sıfırdan başlayarak python programlama dilinde yetkinlik kazandırmayı hedeflemektedir. Python'un sade yapısı ve kapsamlı kütüphane ekosistemi sayesinde, katılımcılar ilk günden itibaren çalışan projeler geliştirebilir; veri analizi, web geliştirme, otomasyon ve yapay zeka gibi modern teknolojileri alanlarında Python’ı kullanmaya başlayabilirler. Program sonunda katılımcılar, Python ekosisteminde özgüvenle hareket edebilir, karmaşık problemlere algoritmik çözümler üretebilir ve modern yazılım geliştirme pratiklerini uygulamaya başlayabilir hale gelirler.
**Hedef Kitle** Bu eğitim, programlama dünyasına adım atmak isteyen veya Python dilini profesyonel seviyede öğrenmek isteyen herkes için tasarlanmıştır. Yazılım geliştirmeye yeni başlayanlar, kariyerinde teknoloji odaklı dönüşüm yapmak isteyenler, veri analizi ve otomasyon süreçlerinde Python kullanmayı hedefleyen profesyoneller için idealdir. Teknik altyapısı olmayan ama iş süreçlerinde veri analizi, görselleştirme gibi konularda programlama yaklaşımını kullanmak isteyen İK ve satış gibi departmanlar için de uygundur. Mühendisler, analistler, araştırmacılar, proje yöneticileri ve dijital becerileriyle fark yaratmak isteyen tüm profesyoneller bu eğitimden faydalanabilir. Özellikle veri ile çalışacaklar, analiz, görselleştirme, tahmin modelleri kuracaklar veya web geliştirme alanlarına yönelecekler için sağlam bir temel oluşturur.
**Ön Koşul** Herhangi bir programlama deneyimi gerekmemektedir Temel bilgisayar kullanım becerileri yeterlidir Mantıksal düşünme ve problem çözme ilgisi beklenmektedir Öğrenmeye açık ve pratik yapmaya istekli olmak yeterlidir
**Kazanımlar** Bu kursu tamamlayan katılımcılar aşağıdaki konularda yetkin olacaklardır: Python'un temel yapılarını (değişkenler, veri tipleri, kontrol yapıları, döngüler) etkin bir şekilde kullanabilir ve algoritma mantığını kavrayabilir Liste, dictionary, set gibi veri yapılarını doğru senaryolarda seçip, verimli bir şekilde manipüle edebilir Fonksiyonel programlama paradigmasını anlayıp, modüler ve tekrar kullanılabilir kod yazabilir Object Oriented Programming (OOP) prensiplerini uygulayarak, gerçek dünya problemlerini sınıf ve objelerle modelleyebilir List comprehension, generator, decorator gibi Python'a özgü ileri düzey özellikleri kullanarak performanslı kod geliştirebilir Hata yönetimi ve debugging teknikleriyle güvenilir ve sürdürülebilir uygulamalar oluşturabilir pip ve conda gibi paket yöneticilerini kullanarak Python ekosisteminde özgürce hareket edebilir Virtual environment'lar oluşturup, proje bağımlılıklarını profesyonel şekilde yönetebilir Edindikleri pratik deneyim sayesinde iş süreçlerinde programlama gerektiren veya verim artışı yaratacak yerlerde Python kullanabilir

Modüller:
- **Ortam Kurulumu ve Giriş**: Python Ekosistemi Python Ekosistemi ve Kurulum Veri bilimi, web geliştirme ve otomasyonda Python Veri analizi ve görselleştirmede sağladığı avantajlar Diğer programlama dilleri ile karşılaştırma Python 3.x ve eski versiyonlar Topluluk ve…
- **Yazım Kuralları ve Temel Veri Yapıları**: Yazım Kuralları Temel Sözdizimi(Syntax) ve Yapısı Indentation ve kod blokları Yorum satırları ve documentation string'leri Değişken isimlendirme kuralları Temel Veri Yapıları ve Stringler Temel Veri Tipleri ve İşlemleri Temel veri tipler…
- **Koleksiyon(Collection) Veri Tipleri**: Dahili Koleksiyon Veri Tipleri Sıralı Koleksiyon Veri Yapıları List'ler: oluşturma, indexing, slicing List metodları ve işlemleri Elemanlara anında erişim mantığı Tuple'lar ve immutability faydaları List vs tuple ne zaman kullanılır…
- **Kontrol Yapıları ve Döngüler**: Kontrol Yapıları Elamanları Karşılaştırma Büyüktür, küçüktür, büyük eşittir...
- **İleri Düzey İterasyon Teknikleri ve Manipülasyon**: İleri Düzey İterasyon ve Manipülasyon Dahili Fonksiyonlar İle enumerate() ile index ve değer birlikte zip() ile çoklu sequence iterasyonu reversed() ile ters sırada iterasyon sorted() ile sıralı iterasyon iter() ve next() kullanımı List…
- **Fonksiyonlar**: Fonksiyon Temelleri Fonksiyon Nedir ve Neden Kullanılır?
- **Object Oriented Programming (OOP)**: OOP Temelleri Sınıflar(Class) ve Objeler(Object) OOP yaklaşımının faydaları neler OOP vs fonksiyonel programlama Sınıf ve obje kavramı OOP'nin temel prensipleri (Encapsulation, Inheritance, Polymorphism, Abstraction) Sınıf tanımlama…
- **Hata Yönetimi ve Dosya İşlemleri**: Exception Handling Hata Yönetimi try/except/else/finally blokları Yaygın exception tipleri Custom exception'lar oluşturma Exception hiyerarşileri Hata yönetimi en iyi uygulamaları Debug Teknikleri Debugging nedir?
- **Kütüphaneler**: Paket Yönetimi Temelleri pip Kullanımı pip nedir ve nasıl çalışır pip install komutu ve parametreleri pip list ve kurulu paketleri görüntüleme pip show ile paket detaylarını inceleme pip uninstall ile paket kaldırma pip freeze ve…

### Veri Bilimi İçin Python

Kaynak: https://runelab.ai/course/veri-bilimi-i-cin-python

**Kurs Açıklaması** Günümüzün dijital çağında veri, şirketler için en stratejik varlık haline gelmiştir. Bu yoğunlaştırılmış eğitim programı katılımcılara ham veriyi anlamlı iş kararlarına dönüştürmek için gerekli yetileri kazandırır. Program sonunda Python programlama temellerine hakim katılımcılar, modern veri bilimi ekosisteminin en güncel araçları ve kütüphaneleriyle tanışmış olurlar. Katılımcılar, eğitim süresince gerçek dünya veri problemlerini çözmek için pandas/Polars, scikit-learn ve görselleştirme kütüphanelerinin en son sürümlerini kullanmayı öğrenirler. Bu eğitimin sonunda katılımcılar, modern veri odaklı kararları yönlendiren temel araç ve tekniklere hakim hale gelirler.
**Hedef Kitle** Bu kurs, halihazırda Python diline hakim olan ve veri bilimi alanına geçiş yapmak veya bu alandaki becerilerini geliştirmek isteyen yazılımcılar, analistler ve bu konuyla ilgili profesyoneller için özel olarak hazırlanmıştır. İşlerinde temel programlamanın ötesine geçerek veri işleme, analiz etme ve makine öğrenmesi ile modellemeyi öğrenmek isteyenler için idealdir.
**Ön Koşul** Veri yapıları (lists, dictionaries, tuples), kontrol akışı (loops, conditionals) ve fonksiyonlar dahil olmak üzere Python programlamanın temellerine sağlam bir hakimiyet. Python script'leri yazma ve çalıştırma konusunda önceden deneyim. Veri bilimi ve makine öğrenmesi konularında önceden deneyim gerekmemektedir.
**Kazanımlar** Bu kursu tamamlayan katılımcılar aşağıdaki konularda yetkin olacaklardır: Pandas kütüphanesini kullanarak farklı kaynaklardan veri okuyabilir, temizleyebilir ve manipüle edebilir. Keşifsel Veri Analizi (EDA) yaparak verideki gizli kalmış desenleri, ilişkileri ve aykırı değerleri ortaya çıkarabilir. Matplotlib ve Seaborn ile etkili ve anlaşılır veri görselleştirmeleri oluşturabilir. Makine öğrenmesinin temel mantığını ve iş akışını (veri ön işleme, model eğitimi, değerlendirme) anlayabilir. Scikit-learn kütüphanesini kullanarak regresyon ve sınıflandırma gibi temel makine öğrenmesi modelleri kurabilir. Model performansını doğru metriklerle (Accuracy, R-squared, Confusion Matrix vb.) ölçebilir ve yorumlayabilir. Gerçek dünya veri setleri üzerinde uçtan uca bir veri bilimi projesi gerçekleştirebilir.

Modüller:
- **Veri İşleme ve Görselleştirmenin Temelleri**: Veri Bilimi Temelleri Veri Bilimi akışı Problemi tanımlamak Veri edinimi ve temizleme Keşifsel veri analizi Modelleme Sonuçları yorumlama ve geliştirme döngüsü Ortam Kurulumu İnteraktif veri bilimi için Jupyter Notebook Temel kütüphanelere…
- **İleri Düzey Veri İşleme ve Görselleştirme**: Pandas ile İleri Düzey Veri İşleme (Opsiyonel Olarak Polars) Gruplama ve Birleştirme (Aggregation) Split-apply-combine yaklaşımı Custom aggregation fonksiyonları Window functions ve rolling işlemler Zaman bazlı resampling Verileri…
- **Keşifsel Veri Analizi**: Veri Profilleme Veri Ön Değerlendirmesi Veri setinin özelliklerine bakılması: shape, size, memory footprint.
- **Scikit-learn ile Makine Öğrenmesine Giriş**: Makine Öğrenmesi Temelleri Temel Kavramlar Geleneksel programlamadan farkı ve modern dünyadaki yeri (öneri sistemleri, sahtekarlık tespiti, tıbbi teşhis vb.).

### İleri Seviye RAG

Kaynak: https://runelab.ai/course/i-leri-seviye-rag

**Kurs Açıklaması** Bu ileri seviye kurs, kurumsal düzeyde kullanılan sofistike RAG mimarilerini ele almaktadır. Modern bir retrieval pipeline'ını temel alarak hibrit arama, ColBERT ve yeniden sıralama (reranking) gibi teknikleri derinlemesine göreceksiniz Ardından, kendi kendini düzelten Agentic RAG yapılarıyla sisteminize otonom akıl yürütme ve doğrulama yetenekleri kazandırıp, GraphRAG ile yapılandırılmış bilgiyi bu sisteme nasıl entegre edeceğinizi öğreneceksiniz. GPU hızlandırma, caching ve güvenlik gibi kritik üretim gereksinimlerini uygulamalı laboratuvarlarda ele alarak üretim seviyesinde iler düzey bir sistem inşa etmeyi öğreneceksiniz.
**Hedef Kitle** RAG sistemlerini üretime alan ML mühendisleri Mevcut RAG implementasyonlarını optimize eden kıdemli yazılım geliştiriciler Güvenli ve uyumlu bilgi sistemleri tasarlayan yapay zeka mühendisleri Büyük ölçekli RAG altyapılarını yöneten teknik liderler LLM uygulamalarını güçlendiren güvenlik mühendisleri
**Ön Koşul** Güçlü Python programlama becerisi Temel RAG implementasyonları ile deneyim Vektör veritabanları ve embedding modelleri hakkında genel anlayış LLM API'larına ve prompt mühendisliğine aşinalık Dağıtık sistemler ve önbellekleme (caching) stratejileri hakkında bilgi
**Kazanımlar** Bu kursu tamamlayan katılımcılar aşağıdaki konularda yetkin olacaklardır: BM25-dense füzyonu ve neural reranking ile hibrit geri getirme sistemleri tasarlama ve uygulama RAG ve uzun bağlamlı (long-context) işleme arasında akıllıca seçim yapan adaptif yönlendiriciler (router) oluşturma Tüm bilgi havuzunu bütünsel olarak anlamlandırmak ve verilerdeki lokal bağlantılar temelinde çıkarımlar yapmak için GraphRAG'in kullanılması. Zamana duyarlı sorgular ve gerçek zamanlı güncellemeler için zamansal olarak duyarlı geri getirme sistemleri kurma Alıntı doğrulama (citation verification) ile temel metriklerin ötesinde kapsamlı değerlendirme çerçeveleri oluşturma RAG sistemlerini prompt enjeksiyonuna karşı güçlendirme ve OWASP LLM Top 10 savunma stratejilerini uygulama GPU hızlandırmalı arama ve akıllı önbellekleme (caching) stratejileri ile performansı optimize etme

Modüller:
- **Modern Hibrit Retrieval ve Routing**: Hibrit Arama Temelleri BM25-Dense Fusion Stratejileri Anahtar kelime ve anlamsal arama kombinasyonu Reciprocal rank fusion algoritmaları Ağırlıklı puanlama yaklaşımları Sorguya bağlı ağırlık ayarlaması Performans kıyaslama yöntemleri…
- **Kendi Kendini Düzelten ve Adaptif RAG**: Self-RAG Mimarisi Retrieval Necessity Gates Retrieval ihtiyacı için sorgu sınıflandırması Güven puanlama mekanizmaları Dinamik retrieval tetikleyicileri Seçici retrieval yoluyla maliyet optimizasyonu Performans etki analizi Doğrulama ve…
- **GraphRAG ve Yapılandırılmış Bilgi**: GraphRAG Uygulaması Entity Graph (Varlık Grafiği) Oluşturma Varlık ve ilişki çıkarımı Grafik şema tasarımı Community detection algoritmaları Hiyerarşik özetleme Ölçeklenebilirlik hususları Graph-Enhanced Retrieval Yerel ve global retrieval…
- **Text-to-SQL RAG**: SQL ile RAG Temelleri Şema Bağlam Yönetimi Veritabanı şeması embedding stratejileri Tablo ve sütun açıklamalarının indekslenmesi İlişki grafiği temsili Şema sürümleme ve güncellemeleri Çoklu veritabanı koordinasyonu SQL Üretim Pipleline Az…
- **Sorgu İşleme ve Anlama**: İleri Seviye Sorgu Genişletme HyDE ve Sorgu Üretimi Hypothetical document embeddings Çoklu sorgu çeşitlendirmesi Sorgu ayrıştırma (decomposition) stratejileri Sorgunun niyetini koruma teknikleri Performans etki analizi Sorguyu Yeniden…
- **Zamansal ve Gerçek Zamanlı Getirme**: Zamana Duyarlı İndeksleme Zamansal Bölümleme Stratejileri (Temporal Partitioning) Zaman tabanlı parçalama (sharding) Kayan pencere (rolling window) indeksleri Olay güdümlü (event-driven) bölme Arşiv yönetimi Zaman aralığına göre sorgu…
- **Performans Artırma Yöntemleri**: GPU Hızlandırmalı Arama Vektör İndeksi Optimizasyonu HNSW ve IVF-PQ seçimi GPU bellek yönetimi Toplu işleme (batch processing) optimizasyonu Çoklu GPU ile ölçeklendirme Maliyet-performans analizi Donanım Seçimi GPU ve CPU arasındaki denge…
- **Değerlendirme ve Kalite Güvencesi**: İleri Seviye Değerlendirme Metrikleri Alıntı Sadakati Doğrulaması (Citation Fidelity Verification) Kaynak atfı doğruluğu Alıntı çıkarma doğrulaması Bağlam koruma kontrolü Halüsinasyon tespiti Tutarlılık puanlaması RAGAS Metriklerinin Ötesi…
- **Güvenlik ve Uyumluluk**: Prompt Injection Savunması Saldırı Vektörü Azaltma Doğrudan enjeksiyonun önlenmesi Belgeler aracılığıyla dolaylı enjeksiyon Girdi temizleme (input sanitization) stratejileri Çıktı doğrulama (output validation) framework Tespit ve loglama…
- **Uygulamalı Laboratuvar Çalışması**: Kurumsal Kullanıma Hazır RAG Oluşturma Çekirdek Sistem Uygulaması (Core System) Yeniden sıralama ile hibrit getirme kurulumu Kendi kendini düzelten RAG konfigürasyonu GraphRAG pipeline inşası Yönlendirici motor geliştirme Güvenlik…

### Computer Vision Bootcamp

Kaynak: https://runelab.ai/course/computer-vision-bilgisayarli-goru-bootcamp

**Kurs Açıklaması** Günümüzün hızla dijitalleşen dünyasında, görsel veriler (resimler, videolar ve üç boyutlu sahneler) her zamankinden daha yoğun üretiliyor. Bu kapsamlı eğitim, bilgisayarlı görü (Computer Vision) ve görüntü işleme alanında katılımcıları temel ilkelerden en yeni derin öğrenme modellerine uzanan geniş bir yelpazeyle tanıştırmayı amaçlıyor. Eğitim boyunca katılımcılar, görüntülerin nasıl temsil edildiğini ve işlendiğini öğrenecek; klasik görüntü işleme yöntemlerinden başlayarak yapay sinir ağları, evrişimli sinir ağları (CNN), Transformer tabanlı modeller ve ileri seviye uygulamalara kadar kapsamlı bir bilgi birikimi edinecekler. Böylece katılımcılar, görsel verilerden anlamlı özellikler çıkarmayı, karmaşık görevler (nesne algılama, segmentasyon, eylem tanıma vb.) için modelleri eğitmeyi ve bu modelleri gerçek hayatta dağıtılabilir hale getirmeyi deneyimleyecekler.
**Kursun Amacı** Bu kurs, bilgisayarlı görü ve görüntü işleme ekosistemine derinlemesine bir yolculuk sunarak katılımcılara aşağıdaki kazanımları hedefler: Görüntü İşleme Temelleri: Piksel düzeyindeki temel işlemlerden (dönüşümler, filtreler) başlayarak, histogram eşitleme ve kenar/cisim tespiti gibi klasik teknikleri uygulayabilmek. Makine Öğrenmesi ve Derin Öğrenme Altyapısı: Yapay sinir ağlarının temellerini, geri yayılım, optimizasyon yöntemlerini ve PyTorch ile basit ağların nasıl eğitileceğini kavramak. Evrişimli Sinir Ağları (CNN) ve Transfer Öğrenme: CNN mimarilerinin nasıl çalıştığını, görüntü sınıflandırma için popüler modelleri (ResNet, VGG, vb.) inceleyerek pratik örneklerle öğrenmek ve büyük veri kümelerinde eğitilmiş modelleri kendi veri setine uyarlamak (transfer learning). Modern Modeller ve Transformer Tabanlı Yaklaşımlar: Vision Transformer (ViT) ve Swin Transformer gibi yeni nesil modellerin prensiplerini, çok ölçekli özellik öğrenmeyi ve ConvNeXt gibi modernleştirilmiş CNN mimarilerini anlamak. İleri Düzey Uygulamalar: Nesne Tespiti (Object Detection): YOLO, DETR gibi güncel yöntemleri kullanarak gerçek zamanlı veya yüksek doğruluklu nesne algılama çözümleri geliştirmek. Görüntü Segmentasyonu (Semantic, Instance, Panoptic): FCN, U-Net, Mask R-CNN ve Segment Anything Model (SAM) gibi önde gelen modellerle piksel düzeyinde bölütleme yapmak. Video Analizi: Eylem tanıma (action recognition), nesne takibi (tracking), 3D hareket ve derinlik bilgisi gibi zaman boyutunun eklendiği senaryolara değinmek. 3D Bilgisayarlı Görü: Nokta bulutları (point clouds), NeRF ve 3D modelleme gibi konularla üç boyutlu verileri işlemek ve temsil etmek. Generative Modeller Diffusion tabanlı metinden-görüntüye (text-to-image) üretim teknikleri, GAN mimarileri ve görüntü düzenleme (inpainting, ControlNet) gibi yaratıcı uygulamalar. Uçtan Uca Projeler ve Dağıtım: PyTorch ekosisteminde eğitilen modelleri hızlandırma (quantization, ONNX, TensorRT), mobil/edge ortamlara veya buluta dağıtma ve API olarak sunma becerileri kazanmak. Kurs sonunda katılımcılar; temel görüntü işleme ve bilgisayarlı görü prensiplerinden derin öğrenmeye, modern mimarilerden nesne algılama/segmentasyona kadar geniş bir yelpazede uygulama deneyimi edinmiş olacak. Ayrıca son teknoloji (SOTA) modellerin nasıl kullanılacağını, nasıl özelleştirilebileceğini (fine-tuning) ve üretici/geliştirici araçlarıyla gerçek dünya projelerini nasıl hayata geçirebileceğini öğrenerek, akademiden endüstriye pek çok alanda yetkinliğini artırabilecek düzeye gelecekler.

Modüller:
- **Bilgisayarlı Görü (Computer Vision) Temelleri**: Bilgisayarlı Görü kurs içeriğinde CV olarak kısaltılacaktır. Kurs CV'nin kapsamını, görüntülerin dijital olarak nasıl temsil edildiğini anlayın ve klasik teknikler kullanarak temel görüntü işleme ve özellik çıkarımı gerçekleştirin.
- **Deep Learning Temelleri**: Neural networks'ün temel kavramlarını, gradient descent yoluyla nasıl öğrendiklerini kavrayın ve PyTorch kullanarak temel bir eğitim pipeline'ı uygulayın.
- **Convolutional Neural Networks (CNNs)**: CNN'lerin motivasyonunu ve mekanizmalarını anlayın, standart CNN mimarileri oluşturun ve bunları PyTorch kullanarak veri artırma (data augmentation) dahil ederek görüntü sınıflandırmaya uygulayın. Neden Görüntü İşleme için CNN'ler?
- **Modern Temel Mimariler (Foundational Architectures)**: Görüntü işlemede Transformer'lara yönelik paradigma kaymasını, ViT'lerin ve Swin Transformer'ların mimarisini ve ConvNeXt gibi modernize edilmiş CNN'lerin nasıl rekabet ettiğini anlayın.
- **Gelişmiş Görüntü Sınıflandırma & Transfer Learning**: Büyük önceden eğitilmiş PyTorch modellerini belirli sınıflandırma görevlerine uyarlamak için fine-tuning tekniklerinde ustalaşın, gelişmiş eğitim stratejilerini anlayın ve performansı titizlikle değerlendirin.
- **Object Detection**: Object detection görevini anlayın, baskın mimariler (tek aşamalı, iki aşamalı, Transformer tabanlı) hakkında bilgi edinin ve PyTorch kullanarak YOLOv8 ve DETR varyantları gibi SOTA detector'ları eğitme ve değerlendirme konusunda uygulamalı…
- **Image Segmentation**: Farklı segmentation görevlerini anlayın, temel mimariler (FCN, U-Net, Mask R-CNN, Transformer tabanlı) hakkında bilgi edinin ve PyTorch kullanarak Segment Anything Model (SAM) dahil SOTA modelleri kullanın.
- **Video Analizi**: Video verilerinin zorluklarını anlayın ve action recognition, object tracking ve temporal reasoning için SOTA tekniklerini, öncelikle PyTorch çerçevelerini kullanarak öğrenin.
- **3D Computer Vision**: Farklı 3D veri temsillerini anlayın, 3D reconstruction, point cloud analizi ve novel view synthesis (NeRF/Gaussian Splatting) için SOTA tekniklerini, PyTorch implementasyonlarına odaklanarak öğrenin.
- **Görsel Veriler için Generative Modeller**: Diffusion Modelleri ve GAN'ların ardındaki prensipleri anlayın ve PyTorch kütüphanelerini kullanarak text-to-image generation ve temel image editing için SOTA modelleri kullanma deneyimi kazanın.
- **Gelişen Öğrenme Paradigmları**: Self-Supervised Learning (SSL), Contrastive Learning, Multimodal Learning (Vision-Language Models) ve Few/Zero-Shot Learning'in ardındaki motivasyonu ve mekanizmaları, PyTorch araçlarına ve kütüphanelerine odaklanarak anlayın.
- **Model Verimliliği & Dağıtımı (Deployment)**: Eğitilmiş PyTorch modellerini daha küçük, daha hızlı ve çeşitli platformlarda gerçek dünya dağıtımı için uygun hale getirme tekniklerini öğrenin.
- **Bitirme Projesi (Bitirme Project)**: Bitirme Projesi - Teklif & Planlama SOTA tekniklerini (PyTorch kullanarak) uygulayan zorlu ve anlamlı bir computer vision projesi tanımlayın, planı, veri kümesini, metodolojiyi ve değerlendirme stratejisini ana hatlarıyla belirtin.

### MS Power Platform

Kaynak: https://runelab.ai/course/ms-power-platform

**Genel Tanım** MS Power Platform, Microsoft’un veri analizi, uygulama geliştirme, iş süreçlerini otomatikleştirme ve sohbet botları oluşturma gibi iş zekası çözümlerini düşük kodlu (low-code/no-code) yaklaşımla sunan kapsamlı bir platformudur. Bu eğitim, Power BI, Power Apps, Power Automate ve Power Virtual Agents gibi bileşenleri derinlemesine ele alarak, katılımcıların veri odaklı, uygulama ve iş süreçlerini dijitalleştiren çözümler geliştirmelerine olanak tanır.
**Nedir?** MS Power Platform; Power BI ile gelişmiş veri analizi ve görselleştirme, Power Apps ile hızlı uygulama geliştirme, Power Automate ile iş akışı otomasyonu ve Power Virtual Agents ile sohbet botları oluşturma yeteneklerini bir araya getirir. Eğitimde her bir bileşenin temel kavramları, yapılandırması, kullanım senaryoları ve entegrasyon teknikleri detaylı olarak incelenecektir.
**Kimler İçindir?** Bu eğitim, aşağıdaki bireyler için uygundur: • İş analistleri ve veri analistleri, • Uygulama geliştiriciler ve IT profesyonelleri, • İş süreçlerini dijitalleştirmek ve otomatikleştirmek isteyen yöneticiler, • Düşük kodlu geliştirme çözümlerine ilgi duyan kullanıcılar, • MS Power Platform bileşenleriyle projeler geliştirmek isteyen tüm teknoloji meraklıları.
**Neden MS Power Platform Eğitimi?** • Hızlı Prototipleme: Düşük kodlu yaklaşımla iş süreçlerine ve uygulamalara hızlıca çözüm üretme imkânı sağlar. • Entegre Çözümler: Power Platform bileşenlerinin birbirleriyle sorunsuz entegrasyonu sayesinde uçtan uca iş zekası çözümleri geliştirilir. • Veriye Dayalı Karar Alma: Power BI ile güçlü veri analizi ve görselleştirme, iş stratejilerinde doğru kararlar alınmasına destek olur. • Otomasyon ve Verimlilik: Power Automate ile iş akışları otomatikleştirilir, zaman ve kaynak tasarrufu sağlanır. • Uygulama Geliştirme: Power Apps ile kod bilgisi sınırlı kullanıcılar bile işlevsel uygulamalar geliştirebilir. • Maliyet ve Esneklik: Düşük kodlu çözümler, geliştirme maliyetlerini düşürür ve organizasyonların esnekliğini artırır.

Modüller:
- **Giriş ve Temel Kavramlar**: Eğitimin Tanıtımı ve Hedefler Eğitimin kapsamı · amaçları · öğrenme çıktıları · beklenen kazanımlar Katılımcı profili · sektör örnekleri · uygulama alanları Eğitim metodolojisi: teorik dersler · interaktif atölyeler · vaka çalışmaları ·…
- **Power BI ile Gelişmiş Veri Analizi ve Görselleştirme**: Power BI Temelleri ve İleri Veri Modelleme Veri kaynaklarına bağlantı · Power Query ile veri temizleme & hazırlama Gelişmiş modelleme teknikleri · hesaplanan sütunlar · ölçüler · DAX ifadeleri İleri Raporlama ve Dashboard Tasarımı…
- **Power Apps ile Uygulama Geliştirme**: Power Apps Temelleri ve Uygulama Tasarımı Power Apps Studio · temel bileşenler · ekran & form tasarımı Canvas vs Model-driven uygulamaların farkları Veri Kaynakları Entegrasyonu ve Form İşlevleri SharePoint · Excel · SQL Server … veri…
- **Power Automate ile İş Akışı Otomasyonu**: Power Automate Temelleri ve İş Akışları Akış türleri (bulut · masaüstü) · tetikleyiciler Akış oluşturma · düzenleme · hata yönetimi Veri Entegrasyonu ve API Kullanımı Uygulamalar arası otomatik veri akışı API entegrasyonları · özel…
- **Power Virtual Agents ile Chatbot Geliştirme**: Power Virtual Agents Temelleri Chatbot geliştirme platformuna giriş Bot tasarımı · topic oluşturma · diyalog akışları Entegrasyon ve Gelişmiş Bot Özellikleri Power Platform & API entegrasyonları Gelişmiş iş mantığı · NLP özellikleri ·…
- **Entegrasyon · Yönetim · Güvenlik**: Platform Entegrasyonu ve Ortak Veri Modelleri Bileşenler arası entegrasyon · ortak veri modeli · API kullanımı Güvenlik · Uyumluluk · Yönetişim Rol tabanlı erişim · veri güvenliği · GDPR / HIPAA uyumluluğu Uygulama & akış yönetimi · izleme…
- **Uygulamalı Projeler · Vaka İncelemeleri · Atölyeler**: End-to-End Power Platform Projesi Power BI · Power Apps · Power Automate · Power Virtual Agents entegrasyonu Proje planı · takım çalışması · zaman çizelgesi · sunumlar Vaka İncelemeleri ve Grup Çalışmaları Sektörel örnekler · başarı…
- **Gelecek Trendleri · Araştırma Konuları · Sürekli Öğrenme**: Gelecek Trendleri ve Teknolojik Gelişmeler Power Platform yeni özellikleri · yapay zeka entegrasyonları Bulut · edge computing · veri odaklı dönüşüm trendleri Araştırma Konuları ve İnovasyon Akademik yayınlar · konferanslar · endüstri…
- **Sonuç · Değerlendirme · Yol Haritası**: Eğitimin Özeti ve Kritik Öğrenme Noktaları Bileşen entegrasyonu · ileri veri analizi · uygulama geliştirme · otomasyon · chatbot çözümleri Platformun iş stratejilerine ve dijital dönüşüme katkısı Performans Değerlendirmesi ve Geri Bildirim…

### MLOps – İleri Seviye

Kaynak: https://runelab.ai/course/mlops-i-leri-seviye

**Genel Tanım** İleri seviye MLOps eğitimi, makine öğrenimi modellerinin üretime alımından, gerçek zamanlı izleme, otomatik güncellemeler, ölçeklenebilirlik, güvenlik ve performans optimizasyonuna kadar tüm yaşam döngüsünü kapsamlı bir biçimde yönetmeye yönelik stratejileri ve uygulamaları derinlemesine ele alır. Bu eğitim, kurumsal düzeyde karmaşık MLOps altyapılarının tasarımı ve yönetimi için gerekli ileri düzey kavramları ve teknikleri katılımcılara kazandırmayı hedefler.
**Nedir?** İleri seviye MLOps, temel MLOps süreçlerinin ötesine geçerek; model drift izleme, A/B testleri, canary deployment, gelişmiş CI/CD pipeline’ları, otomatik model yeniden eğitimi, gerçek zamanlı veri akışlarının yönetimi ve güvenlik politikaları gibi karmaşık konuları içerir. Bu eğitim, büyük ölçekli ve kritik makine öğrenimi projelerinin sürekli entegrasyonunu, dağıtımını ve izlenmesini optimize etmeye yönelik stratejik yaklaşımları ortaya koyar.
**Kimler İçindir?** Bu eğitim, aşağıdaki bireyler için uygundur: Deneyimli veri bilimcileri, makine öğrenimi mühendisleri ve DevOps uzmanları Kurumsal düzeyde MLOps altyapısını yöneten sistem mühendisleri Üretime alınan modellerin performansını ve güvenliğini optimize etmek isteyen IT yöneticileri Gelişmiş model yönetimi, izleme ve otomasyon süreçlerini öğrenmek isteyen profesyoneller Büyük ölçekli makine öğrenimi projelerinde çalışan tüm teknoloji liderleri
**Neden İleri Seviye MLOps Eğitimi?** Stratejik Model Yönetimi: Karmaşık model yaşam döngüsünü, otomatik güncellemeleri ve model drift izlemeyi optimize eder. Gerçek Zamanlı İzleme ve Güncelleme: Üretime alınan modellerin performansını sürekli kontrol eder, gerektiğinde otomatik müdahaleler sağlar. Ölçeklenebilirlik ve Güvenlik: Büyük veri akışlarını ve yüksek trafik gereksinimlerini karşılayacak altyapı tasarımı, güvenlik ve uyumluluk standartlarını güçlendirir. İleri Otomasyon: A/B testleri, canary deployment, rollback stratejileri ve otomatik yeniden eğitim süreçleriyle üretim süreçlerini hızlandırır. Kurumsal Uygulama: Endüstri liderlerinin uyguladığı ileri seviye MLOps yaklaşımlarını öğrenerek, projelerin sürdürülebilirliğini ve verimliliğini artırır.

Modüller:
- **İleri Seviye MLOps Stratejileri ve Kavramları**: Gelişmiş Model Yaşam Döngüsü Yönetimi Model geliştirme · eğitim · dağıtım · sürekli iyileştirme döngüsünün detaylandırılması Model drift Verimlilik ölçümü Kalite kontrol stratejileri A/B Testleri ve Canary Deployment Farklı model…
- **Ölçeklenebilir MLOps Altyapısı Tasarımı**: Büyük Veri İşleme ve Gerçek Zamanlı Veri Akışları Gerçek zamanlı veri işleme teknikleri Veri akış yönetimi Apache Kafka Spark Streaming entegrasyonu Konteynerizasyon ve Orkestrasyon Docker Kubernetes kullanarak ölçeklenebilir ortamlar…
- **İleri Otomasyon ve CI/CD Stratejileri**: Gelişmiş CI/CD Pipeline'ları CI/CD süreçlerinde otomatik model entegrasyonu ve dağıtım Jenkins GitLab CI MLflow Kubeflow kullanımı Otomatik Test · Validasyon · Rollback Model doğrulama Performans testleri Otomatik geri dönüş mekanizmaları…
- **Model İzleme · Loglama · Performans Optimizasyonu**: Gerçek Zamanlı İzleme ve Anomali Tespiti Model performansı · gecikme Kaynak kullanımı metrikleri Anomali tespiti Model drift Performans düşüşü analizi Loglama · Uyarı Sistemleri · Dashboard Prometheus Grafana entegrasyonu Log analizi Uyarı…
- **Güvenlik · Uyumluluk · Etik Yaklaşımlar**: Gelişmiş Veri ve Model Güvenliği Veri şifreleme · erişim kontrolü Kimlik doğrulama mekanizmaları Adversarial saldırılar ve model manipülasyonlarına karşı önlemler Uyumluluk Standartları ve Regülasyonlar GDPR HIPAA gibi veri gizliliği ve…
- **Vaka Çalışmaları · Uygulamalı Atölyeler · Tartışma**: Gerçek Dünya Örnekleri ve Başarı Hikâyeleri Büyük ölçekli kurumsal MLOps projelerinden vaka incelemeleri Başarı faktörleri Zorluklar çözüm stratejileri Interaktif Uygulama Atölyeleri İleri seviye MLOps pipeline kurulumu ve simülasyonları…

### MLOps – Temel Seviye

Kaynak: https://runelab.ai/course/mlops-temel-seviye

**Genel Tanım** MLOps (Machine Learning Operations), makine öğrenimi modellerinin geliştirme, dağıtım, izleme ve bakım süreçlerini otomatikleştirerek, veri bilimciler ile operasyon ekipleri arasındaki işbirliğini güçlendiren bir disiplindir. Bu eğitim, MLOps'un temel kavramlarını, araçlarını ve süreçlerini tanıtarak, katılımcıların makine öğrenimi projelerini daha verimli, ölçeklenebilir ve sürdürülebilir hale getirmelerine olanak tanımayı hedefler.
**Nedir?** MLOps; model geliştirme, model eğitimi, dağıtım, izleme ve sürekli entegrasyon/sürekli dağıtım (CI/CD) süreçlerinin bir araya getirilmesiyle, makine öğrenimi modellerinin üretime alınması ve yaşam döngüsünün yönetilmesini sağlar. Bu eğitim, veri hazırlamadan model izlemeye kadar MLOps'un temel bileşenlerini ele alır.
**Kimler İçindir?** Bu eğitim, aşağıdaki bireyler için uygundur: • Veri bilimcileri ve makine öğrenimi mühendisleri • DevOps ve sistem yöneticileri • Yazılım geliştiriciler ve IT profesyonelleri • Proje yöneticileri ve iş analistleri • Makine öğrenimi projelerini üretime geçirmek isteyen tüm teknoloji meraklıları
**Neden Temel Seviye MLOps Eğitimi?** • Model Üretime Alımı: Geliştirilen modellerin sorunsuz bir şekilde dağıtılması ve ölçeklenebilir hale getirilmesi. • Otomasyon: Model eğitim, test, dağıtım ve izleme süreçlerinin otomatikleştirilmesi sayesinde verimliliğin artırılması. • İşbirliği: Veri bilimciler, mühendisler ve operasyon ekipleri arasındaki iş akışlarının iyileştirilmesi. • Performans ve İzleme: Üretime alınan modellerin performansının sürekli izlenmesi ve gerektiğinde güncellenmesi. • Sürdürülebilirlik: Sürekli entegrasyon ve dağıtım (CI/CD) araçları ile model yaşam döngüsünün yönetilmesi.

Modüller:
- **İleri Seviye MLOps Stratejileri ve Kavramları**: Gelişmiş Model Yaşam Döngüsü Yönetimi Model geliştirme · eğitim · dağıtım · sürekli iyileştirme döngüsünün detaylandırılması Model drift · verimlilik ölçümü · kalite kontrol stratejileri A/B Testleri ve Canary Deployment Farklı model…
- **Ölçeklenebilir MLOps Altyapısı Tasarımı**: Büyük Veri İşleme ve Gerçek Zamanlı Veri Akışları Gerçek zamanlı veri işleme teknikleri · veri akış yönetimi Apache Kafka · Spark Streaming entegrasyonu Konteynerizasyon ve Orkestrasyon Docker · Kubernetes kullanarak ölçeklenebilir…
- **İleri Otomasyon ve CI/CD Stratejileri**: Gelişmiş CI/CD Pipeline'ları CI/CD süreçlerinde otomatik model entegrasyonu ve dağıtım Jenkins · GitLab CI · MLflow · Kubeflow kullanımı Otomatik Test · Validasyon · Rollback Model doğrulama · performans testleri · otomatik geri dönüş…
- **Model İzleme · Loglama · Performans Optimizasyonu**: Gerçek Zamanlı İzleme ve Anomali Tespiti Model performansı · gecikme · kaynak kullanımı metrikleri Anomali tespiti · model drift · performans düşüşü analizi Loglama · Uyarı Sistemleri · Dashboard Prometheus · Grafana entegrasyonu Log…
- **Güvenlik · Uyumluluk · Etik Yaklaşımlar**: Gelişmiş Veri ve Model Güvenliği Veri şifreleme · erişim kontrolü · kimlik doğrulama mekanizmaları Adversarial saldırılar ve model manipülasyonlarına karşı önlemler Uyumluluk Standartları ve Regülasyonlar GDPR · HIPAA gibi veri gizliliği…
- **Vaka Çalışmaları · Uygulamalı Atölyeler · Tartışma**: Gerçek Dünya Örnekleri ve Başarı Hikâyeleri Büyük ölçekli kurumsal MLOps projelerinden vaka incelemeleri Başarı faktörleri · zorluklar · çözüm stratejileri Interaktif Uygulama Atölyeleri İleri seviye MLOps pipeline kurulumu ve…

### PyTorch ile Derin Öğrenme

Kaynak: https://runelab.ai/course/pytorch-ile-derin-ogrenme

**Genel Tanım** PyTorch ile Derin Öğrenme Eğitimi, derin öğrenme algoritmalarını dinamik, esnek ve kullanıcı dostu bir ortamda geliştirmek, eğitmek ve optimize etmek için PyTorch kütüphanesinin sunduğu tüm araçları kapsamlı bir biçimde ele alır. Bu eğitim, temel tensor işlemlerinden başlayarak, sinir ağı mimarilerinin oluşturulması, model eğitimi, hata geri yayılımı, optimizasyon, transfer öğrenme ve model dağıtımına kadar geniş bir yelpazede uygulamalı bilgi ve beceriler kazandırmayı hedefler.
**Nedir?** PyTorch, açık kaynaklı, dinamik hesaplama grafiğine sahip ve esnek bir derin öğrenme kütüphanesidir. Eğitimde, PyTorch’ın temel yapı taşları olan tensorlar, otomatik türev hesaplamaları (autograd), sinir ağı katmanları ve modüler yapı üzerine detaylı bilgi verilecek; ayrıca, CNN, RNN ve diğer klasik mimarilerle pratik örnekler üzerinden model geliştirme süreçleri ele alınacaktır.
**Kimler içindir?** Bu eğitim, aşağıdaki bireyler için uygundur: Yapay zeka ve makine öğrenmesi ile ilgilenenler, Veri bilimciler ve mühendisler, Yazılım geliştiriciler, derin öğrenme algoritmalarını projelerine entegre etmek isteyenler, Akademisyenler ve araştırmacılar, derin öğrenme tekniklerini çalışmalarında kullanmak isteyenler, Üniversite öğrencileri, derin öğrenme alanında kariyer yapmak isteyenler, Sağlık, finans, otomotiv ve perakende gibi sektörlerde çalışan profesyoneller, derin öğrenmenin iş süreçlerine nasıl entegre edileceğini öğrenmek isteyenler.
**Neden Pytorch ile Derin Öğrenme Eğitimi?** Derin öğrenme, günümüzün en heyecan verici ve talep gören teknolojilerinden biri olup, iş dünyasında ve akademik çevrelerde büyük bir etkiye sahiptir. Python ile derin öğrenme eğitimi almak, aşağıdaki avantajları sağlar: Yüksek Performans: Derin öğrenme modelleri, karmaşık problemlerde insan benzeri kararlar alabilmektedir. Geniş Kullanım Alanı: Görüntü işleme, doğal dil işleme (NLP), robotik ve öneri sistemleri gibi birçok alanda kullanılmaktadır. Güçlü Kütüphaneler: TensorFlow, Keras, PyTorch gibi güçlü derin öğrenme kütüphaneleri sayesinde hızlı prototipleme ve model geliştirme imkanı sunar. Büyük Veri Analizi: Derin öğrenme, büyük ve yapılandırılmamış verilerle etkili bir şekilde çalışabilir. Endüstri Talebi: Şirketler, otonom sistemlerden müşteri hizmetlerine kadar geniş bir yelpazede derin öğrenme uzmanlarına ihtiyaç duymaktadır.

Modüller:
- **Derin Öğrenme ve PyTorch’e Giriş**: Derin Öğrenmenin Arka Planı Perceptron → Backpropagation → AlexNet Transformer & Diffusion çağları Klasik ML ↔ Derin Öğrenme El yapımı özellik ⇄ öğrenilen özellik Veri ölçeği / hesaplama gereksinimi Lineer ayrılabilirlik / derin temsil…
- **PyTorch Derin Temelleri**: Tensor Yaşam Döngüsü pin_memory, paylaşılan bellek CPU ↔ GPU kopyalama & sabitleme Autograd Derinleşmesi GradFn zinciri, torch.autograd.profiler Gradient checkpointing, yarı-doğrusal hesap Dinamik Hesap Grafiği Eager Mode · TorchScript ·…
- **Veri Ekosistemi & Ön İşleme**: torch-data & DataPipes Akış verisi, WebDataset, tar-shard yapıları Görüntü, Metin & Ses Pipelineları Albumentations · Kornia augmentasyonları torchtext + SentencePiece tokenizasyonu torchaudio: MelSpectrogram, gürültü ekleme Büyük Veri &…
- **Eğitim Döngüsü & Temel Ağlar**: nn.Module Anatomisi Parametre vs buffer kaydı Modüler katman tasarımı Eğitim Döngüsü Batch / epoch mantığı Label smoothing Mixup CutMix Araç Setleri PyTorch Lightning, HF accelerate Callbacks: early stop, gradient clip
- **Konvolüsyonel Ağlar & Görüntü İşleme**: Modern CNN Blokları Inception · ResNet · DenseNet · EfficientNet-V2 Detection & Segmentation YOLOv8 · DETR · Mask R-CNN · SAM Self-Supervised Öğrenme SimCLR · BYOL · DINOv2 · MAE Vision Transformer & Hibritler ViT, Swin, conv-former…
- **Sıralı Modeller & Attention**: RNN Ailesi LSTM · GRU · Bi-RNN Vanishing / exploding gradient çözümleri Attention Mekanizmaları Bahdanau · Luong Additive vs dot-product · Multi-head Seq2Seq & Zaman Serisi Teacher forcing · Scheduled sampling Temporal Fusion Transformer…
- **Transformer & Büyük Dil Modelleri**: Temel Yapı Taşları Flash Attention-2 · SwiGLU · Rotary PE Uzun-kontekst yöntemleri Parameter-Efficient Tuning LoRA · p-LoRA · Q-LoRA Prefix / Prompt Tuning Dağıtık Eğitim DDP · FSDP · ZeRO-3 DeepSpeed · Megatron-LM LLM İyileştirme…
- **Generatif Modeller (GAN · VAE · Diffusion)**: GAN Ailesi CGAN · WGAN-GP · StyleGAN-3 VAE Varyantları β-VAE · VQ-VAE-2 Diffusion Modelleri DDPM · Latent Diffusion · Control-Net Uygulamalı Atölye PyTorch + diffusers ile metinden görüntü üretimi
- **Graph Neural Networks**: Temeller & Ekosistem Graph veri yapıları, PyG · DGL Çekirdek GNN Modelleri GCN · GraphSAGE · GAT · Graph Transformer Uygulamalı Lab Sosyal ağ link tahmini Tedarik zinciri risk grafı analizi
- **Hiperparametre Tuning & AutoML**: Arama Çerçeveleri Optuna · Ray Tune · Hyperband · PBT Neural Architecture Search DARTS · ProxylessNAS Uygulamalı Atölye Sweep ve WandB görselleştirme
- **Model Sıkıştırma, Hızlandırma & Dağıtım**: Sıkıştırma & Hızlandırma Quantization: PTQ · QAT · GPTQ · AWQ Pruning · Distillation Derleyiciler & Çalışma Zamanı Torch-TensorRT · ONNX · TVM · vLLM Edge & Mobil Dağıtım TorchLite · CoreML · WebGPU Mikro-Servis Mimarisi FastAPI · BentoML…
- **MLOps, İzleme & Sürekli Teslim**: CI/CD Boru Hatları GitHub Actions · GitLab CI · Jenkins İzleme & Drift Evidently · WhyLabs · Arize İzlenebilirlik & Profiling OpenTelemetry · PyTorch Profiler Güvenlik & Yönetişim Vault · SBOM · Cosign imza politikaları

### Apache Spark

Kaynak: https://runelab.ai/course/apache-spark

**Genel Tanım** Apache Spark, büyük veri işleme ve analitiği için tasarlanmış, dağıtık, bellek içi (in-memory) hesaplama gücü sunan ve çok çeşitli modülleri (Spark SQL, Spark Streaming, MLlib, GraphX) içeren, modern veri mühendisliği ve analitik uygulamalarında vazgeçilmez bir platformdur. Bu eğitim, Apache Spark’ın mimarisi, temel API’leri, performans optimizasyonu, dağıtık işleyişi ve ekosisteme entegrasyonu gibi konuları derinlemesine ele alarak, katılımcıların büyük veri uygulamalarında yüksek verimlilikle çözümler geliştirmelerini sağlamayı amaçlar.
**Nedir?** Apache Spark; verinin hızlı ve ölçeklenebilir biçimde işlenmesi için tasarlanmış, RDD, DataFrame, SQL, streaming, makine öğrenmesi ve graf analizi gibi modülleriyle geniş bir yelpazede veri işleme yetenekleri sunan açık kaynaklı bir çerçevedir. Eğitimde, Spark’ın temel prensipleri, API’leri, optimizasyon teknikleri ve gerçek dünya uygulamalarındaki rolü detaylı olarak incelenecektir.
**Kimler içindir?** Bu eğitim, aşağıdaki bireyler için uygundur: • Veri mühendisleri ve büyük veri analistleri, • Veri bilimcileri ve makine öğrenimi mühendisleri, • Yazılım geliştiriciler ve sistem mimarları, • Hadoop ve diğer büyük veri teknolojilerini kullanan profesyoneller, • Dağıtık hesaplama ve gerçek zamanlı veri işleme konularında uzmanlaşmak isteyenler, • Akademisyenler ve araştırmacılar.
**Neden Apache Spark Eğitimi?** • Hız ve Verimlilik: Bellek içi hesaplama sayesinde büyük veri setlerinin çok daha hızlı işlenmesini sağlar. • Ölçeklenebilirlik: Yatayda ölçeklenebilir mimarisi ile verinin artan hacmine uyum sağlar. • Çeşitli Modüller: Spark SQL, Spark Streaming, MLlib ve GraphX gibi modüller ile tüm veri işleme ve analiz ihtiyaçlarını karşılar. • Endüstri Standartı: Büyük veri ekosisteminde geniş kabul gören ve yaygın olarak kullanılan bir teknolojidir. • Entegrasyon: Hadoop, bulut platformları ve diğer modern veri araçlarıyla kolay entegrasyon imkanı sunar.

Modüller:
- **Giriş ve Temel Kavramlar**: Eğitimin Tanıtımı ve Hedefler Eğitim içeriğinin genel çerçevesi, öğrenme çıktıları ve beklenen kazanımlar Katılımcı beklentileri, uygulama alanları ve sektör örnekleri Apache Spark’ın Tarihçesi ve Evrimi Spark’ın ortaya çıkışı, gelişim…
- **Apache Spark Temelleri ve Kurulum**: Kurulum ve Ortam Yapılandırması Spark’ın yerel (local) ve dağıtık modda kurulumu İlgili araçlar: Spark Shell, PySpark, SparkR ve Not Defteri (Jupyter, Zeppelin) Spark Ekosistemi ve Modülleri Spark Core, Spark SQL, Spark Streaming, MLlib…
- **RDD (Resilient Distributed Datasets) ve Temel API’ler**: RDD Temelleri RDD’lerin tanımı, özellikleri ve faydaları RDD oluşturma yöntemleri (parallelize, textFile, transformations) RDD Dönüşümleri ve İşlemleri Map, filter, flatMap, reduce, union, join gibi temel dönüşümler Lazy evaluation (tembel…
- **DataFrame ve Spark SQL**: DataFrame Kavramı DataFrame’lerin tanımı, avantajları ve API yapısı Schema, sütun işlemleri ve veri tipleri Spark SQL ile Sorgulama SQL sorguları ve DataFrame API kullanarak veri analizi DataFrame işlemleri: select, filter, groupBy, join…
- **Apache Spark Streaming ve Structured Streaming**: Spark Streaming’e Giriş Spark Streaming mimarisi, micro-batch işleyişi DStream kavramı ve temel API’ler Structured Streaming Sürekli veri akışlarını gerçek zamanlı işleme Windowing, event-time processing ve stateful operations Streaming…
- **Machine Learning ve MLlib ile Uygulamalı Makine Öğrenmesi**: MLlib’e Giriş Spark MLlib kütüphanesinin tanıtımı, temel yapısı ve bileşenleri Veri ön işleme, feature extraction ve veri dönüştürme teknikleri Algoritmalar ve Modelleme Sınıflandırma, regresyon, kümeleme, öneri algoritmaları Örnek…
- **GraphX ile Grafik İşleme**: GraphX’e Giriş Grafik veri yapısı, RDD tabanlı graf temsil ve GraphX API’leri GraphFrame kavramı ve kullanım örnekleri Grafik Algoritmaları PageRank, connected components, triangle counting, shortest path Özel grafik algoritmaları…
- **Performans Tuning ve Optimizasyon**: Spark Uygulama Performansı DAG ve execution plan’ların analizi, Spark UI kullanımı RDD/DataFrame optimizasyon teknikleri ve bellek yönetimi stratejileri Partitioning ve Caching Stratejileri Veri bölümlendirme, repartition, coalesce…
- **Cluster Yönetimi ve Dağıtım Stratejileri**: Cluster Manager’lar ve Orkestrasyon Spark Standalone, YARN, Mesos ve Kubernetes karşılaştırması Her bir cluster manager’ın özellikleri ve en iyi uygulama örnekleri Dağıtım ve Üretime Alım Spark uygulamalarının paketlenmesi, deployment…
- **Spark Ekosistemi ve İleri Entegrasyonlar**: Diğer Büyük Veri Araçları ile Entegrasyon Hadoop, HDFS, Hive, HBase entegrasyonları Spark’ın diğer veri araçlarıyla uyumlu çalışması Bulut Tabanlı Çözümler AWS, Azure, Google Cloud üzerinde Spark uygulamalarının çalıştırılması Managed…

### İş Süreçlerinde Yapay Zeka

Kaynak: https://runelab.ai/course/yapay-zeka-ile-gelecegin-i-s-akislari-yapay-zekayi-i-s-sureclerine-uygulayin

**Kursun Amacı** Katılımcılar, Türkiye’nin en saygın üniversitelerinden biri olan Boğaziçi Üniversitesi'nin Yaşamboyu Eğitim Merkezi (BÜYEM) onaylı katılım veya başarı belgesi alacaklardır. Bu eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi (BÜYEM) ile iş birliği içinde geliştirilmiştir. Derslere Boğaziçi Üniversitesi akademisyenleri de dahil olacaktır. Katılımcılar, Türkiye’nin en saygın kurumlarından Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi (BÜYEM) onaylı katılım veya başarı belgesi almaya hak kazanacaktır. Program BÜYEM iş birliğiyle tasarlanmış olup derslere Boğaziçi Üniversitesi akademisyenleri de katkı sunacaktır. Bu eğitim, katılımcıların yapay zekanın (AI) karmaşık dünyasını teknik bir geçmişe ihtiyaç duymadan anlamalarını ve günlük iş süreçlerine doğrudan entegre edebilecekleri pratik beceriler kazanmalarını amaçlamaktadır. Temel hedefimiz, AI'ı bir "kara kutu" olmaktan çıkarıp, her seviyeden profesyonelin verimliliğini artıran, yaratıcılığını tetikleyen ve stratejik karar alma süreçlerini destekleyen güçlü bir yardımcı haline getirmektir. Bu kapsamda eğitimimiz şunları hedefler: AI Okuryazarlığı Geliştirmek: Katılımcılara yapay zekanın temel kavramlarını, türlerini ve iş dünyasındaki potansiyelini sade bir dille aktarmak. Pratik Araç Kullanım Yetkinliği Kazandırmak: ChatGPT, Copilot, Gemini gibi üretici AI araçlarını ve Imagen, Flux,Midjourney, DALL-E gibi görsel üretim platformlarını günlük işlerde etkin bir şekilde kullanabilmelerini sağlamak. Veo 3, Kling gibi video üretme modellerini kullanmak. Stratejik İletişim Becerisi (Prompt Mühendisliği) Oluşturmak: AI araçlarından en iyi verimi alabilmek için nasıl "konuşulacağını" (etkili prompt yazma) öğretmek. İş Süreçlerinde Somut Değer Yaratmak: E-posta yazımından rapor özetlemeye, içerik üretiminden basit veri analizine, şirket içi dokümanlarla etkileşimden (RAG) tekrarlayan görevlerin otomasyonuna kadar geniş bir yelpazede AI'ı kullanma becerisi kazandırmak. Elinizdeki Verilerden Raporlar/Analizler ve Çizimler Oluşturun: Teknik bir altyapıya ve kodlama becerisine sahip olmadan da verileriniz üzerinde yapay zeka kullanarak nasıl analizler yapabileceğinizi, raporlar oluşturabileceğinizi ve bu analizleri görselleştireceğinizi öğrenmek. Verimlilik ve Zaman Tasarrufu Sağlamak: AI destekli otomasyon ve hızlı çözüm üretme yetenekleriyle katılımcıların stratejik öneme sahip işlere daha fazla odaklanmalarını mümkün kılmak. Yenilikçi Düşünceyi Teşvik Etmek: AI'ı yeni fikirler üretme, problem çözme ve oryantasyon gibi süreçleri iyileştirme aracı olarak kullanma vizyonu kazandırmak. Sorumlu ve Etik Kullanım Farkındalığı Yaratmak: Yapay zekanın etik boyutları, veri gizliliği ve potansiyel önyargılar konusunda bilinçlendirerek, teknolojinin sorumlu bir şekilde kullanılmasını teşvik etmek. Kişiselleştirilmiş Uygulama Planları Geliştirmek: Her katılımcının kendi iş akışına özel, ölçülebilir ve uygulanabilir AI entegrasyon planları oluşturmasına rehberlik etmek. Sürekli Öğrenme ve Adaptasyon Kültürünü Desteklemek: Hızla gelişen AI alanında sürekli öğrenmeye ve yeniliklere adapte olmaya yönelik bir bakış açısı kazandırmak. Kısacası, bu eğitimle amacımız, katılımcıları yapay zekayı erişelemez bir teknoloji değil, işlerini kolaylaştıran ve onları geleceğe hazırlayan bir fırsat olarak görmelerini sağlamak ve bu fırsatı en etkin şekilde kullanmaları için gerekli bilgi ve becerilerle donatmaktır.
**Kazanımlar** Günlük iş süreçlerinde pratik AI kullanımı için temel ve ileri düzey yetkinlik kazanma. AI araçlarıyla etkin ve net iletişim becerisi kazanma Metin üretimi, görsel tasarım, şirket içi bilgiye anında erişim ve basit veri analizinde yapay zekayı doğrudan uygulayabilme Tekrarlayan görevleri otomatize ederek stratejik işlere odaklanma Şirketinizin özel bilgi birikimini yapay zekaya entegre ederek (RAG mantığı) anında ve doğru yanıtlara ulaşma mantığı (kavram olarak bahsedilecektir) Yapay zekanın etik ve sorumlu kullanımına dair derinlemesine farkındalık oluşturma Kendi iş akışlarında uygulayabilecekleri kişiselleştirilmiş ve ölçülebilir AI eylem planları hazırlayabilme
**Hedef Kitle** Yöneticiler, teknik ve teknik olmayan profesyoneller Operasyonel ekip üyeleri Günlük iş süreçlerinde ve kişisel hayatlarında AI araçları ile verimliliklerini artırmak isteyenler Pratik ve hemen sonuç veren yapay zeka kullanımı arayan kişiler

Modüller:
- **İş Süreçlerinde Yapay Zeka ve Stratejik Araçlar**: Yapay zeka nedir? Yapay zeka hangi problemler için uygulanır, hangileri için uygulanmaz? Üretici Yapay Zeka (Generative AI) vs.
- **En Güncel Yapay Zeka Modelleri**: Adı geçen modellerin uygulamalı gösterimi ileriki modüllerin ilgili bölümlerinde gösterilecektir.
- **İş Süreçlerinde AI Fırsatlarını Keşfetme**: Tipik iş süreçlerinin AI merceğinden incelenmesi: İletişim, toplantı yönetimi, doküman ve rapor oluşturma, temel veri analizi, içerik üretimi, müşteri hizmetleri, insan kaynakları (örneğin, şirket oryantasyon süreçlerinde AI kullanımı)…
- **Yapay Zeka ile İletişim - Prompt Mühendisliği ve Chatbotlar**: Multimodal chatbotlar Chatbotların araç kullanımı Prompt nedir, neden Yapay Zeka ile iletişimde çok önemlidir?
- **İletişim ve İçerik Üretiminde AI ile Yaratıcılığı Serbest Bırakma**: AI destekli profesyonel metin oluşturma (ikna edici mailler, etkileyici raporlar, hızlı özetler, viral sosyal medya içerikleri) Şirket içi dokümanları (el kitapları, SSS, politika metinleri) kullanarak anında soru yanıtlama ve bilgi…
- **Hızlı Tasarım ve Çarpıcı Görsel Üretim için Yapay Zeka**: AI ile saniyeler içinde görsel konsept oluşturma ve profesyonel sunum tasarımı Canva AI, Microsoft Designer gibi araçlarla pratik ve hızlı içerik üretimi Metinden görüntüye üretim araçları (Midjourney, DALL-E, Imagen, Flux) ile hızlı…
- **Kod Bilmeden AI Destekli Akıllı Veri Analizi ve İçgörü Keşfi**: AI kullanarak basit ve orta düzey veri analizi, trendleri ve içgörüleri yakalama Veri tabanı üzerinden doğal dil ile veri sorgulama (Örn: "Geçen ay en çok satan 3 ürünü göster ve grafiğini çiz") AI ile veri görselleştirme ve otomatik…
- **Sorumlu Yapay Zeka Kullanımı ve Etik**: AI kullanımında insan denetiminin kritik rolü: AI çıktılarının doğruluğunu, tarafsızlığını ve uygunluğunu değerlendirme Veri gizliliği, telif hakları ve AI araçlarında etik kullanım politikaları Yapay zeka kaynaklı önyargıların (bias)…
- **Yapay Zeka Entegrasyonu, Kişisel Uygulama Planı ve Yapay Zekayı Şirket Kültürüne Aşılama**: Yapay zeka deneylerinden sürdürülebilir kullanım ve iş süreçlerine derinlemesine entegrasyona geçiş stratejileri AI'ı Kendi İş Stilinize ve Verilerinize Göre Eğitme: Yapay zekaya özel jargonunuzu, tercihlerinizi ve sık kullandığınız…
- **İş Dünyasında AI ile Sürekli Gelişim, İşbirliği ve Geleceğe Liderlik**: AI ile ömür boyu öğrenme yaklaşımı: Güvenilir kaynaklar, topluluklar ve güncel kalma yöntemleri AI kullanımı konusunda ekip içi bilgi paylaşımı ve işbirliği kültürünü yeşertme Stratejik AI kullanıcıları olarak profesyonel dönüşümün…

### Multimodal RAG

Kaynak: https://runelab.ai/course/multimodal-rag-elinizdeki-tablolar-ve-gorseller-ile-konusun

**Multimodal RAG ile Elinizdeki Tablolar ve Görseller ile Konuşun** Günümüz yapay zeka uygulama çağında, kurumlar sadece metin tabanlı değil, aynı zamanda görsel ve tablo verileriyle zenginleştirilmiş kapsamlı bilgilere ulaşmakta ve bunlardan anlam çıkarmakta zorlanıyor. Geleneksel RAG mimarileri metin odaklıyken, gerçek dünya belgeleri (kılavuzlar, raporlar, teknik çizimler) karmaşık görsel ve tablo yapıları içerir. Bu yoğun tempolu 3 saatlik “LangChain ile Multimodal Retrieval-Augmented Generation (RAG) Atölyesi”, katılımcılara çok modlu bir RAG mimarisini sıfırdan hayata geçirmenin teori ve pratiğini bir arada sunuyor. Atölye; Multimodal RAG’in temel kavramlarını, LangChain ile farklı modalitelerin (metin, görsel, tablo) nasıl orkestre edileceğini ve günün sonunda canlı olarak çalışan, karmaşık dokümanları anlayan bir sohbet botu geliştirmeyi hedefliyor. Katılımcılar; çok modlu veri çıkarma, farklı embedding modelleri, birleştirilmiş vektör arama ve prompt mühendisliği zincirini uçtan uca deneyimleyerek, sadece metinle sınırlı kalmayan zenginleştirilmiş bilgiye erişimin gücünü doğrudan gözlemleyecekler.
**Kimler Katılmalı** Kimler Katılmalı Veri bilimciler, MLOps mühendisleri, yazılım geliştiriciler – karmaşık, çok modlu dokümanlardan anlam çıkarabilen LLM tabanlı uygulamalar inşa etmek isteyenler. Multimodal RAG mimarisinin pratik faydasını kurumuna taşımayı hedefleyen teknik liderler. Kısa sürede öğren-uygula-göster döngüsüyle somut çıktı elde etmek isteyen profesyoneller. Bu atölye, sıkı bir zaman diliminde yoğun öğrenme sağlayarak katılımcıları “çok modlu dokümanlardan akıllı bilgiye” giden RAG yolculuğunda hızla ileri taşıyacak; gerçek veriler üzerinde, canlı demosu yapılmış bir proje ile ayrılmanızı sağlayacaktır.

Modüller:
- **Multimodal RAG Giriş**: Neden Multimodal RAG?
- **Görselleri ve Tabloları Çıkarma ve Embedding**: Görsel Çıkarma (extraction) ve Embedding Örnek bir PDF’den görselleri çıkarma Görsel embedding modellerine giriş (CLIP, OpenAI modelleri vb.) Uygulama: Çıkarılan görseller için embedding üretimi Görsel embedding’lerini ve ilgili…
- **Multimodal Vector Store & Retrieval Stratejisi**: Vector Store Tasarımı Seçenek 1: Modaliteleri ayırt eden metadata ile tek bir vector store Seçenek 2: Her modalite için ayrı vector store’lar Artılar/eksiler (sadelik vs.
- **Multimodal RAG için Prompt**: Prompt’larda Multimodal Bağlamı Temsil Etme Görseller “gösterilmiyorsa” (vision-capable LLM kullanılmıyorsa) LLM’e nasıl “gösterilir”: görsel açıklamaları, başlıklar veya yer tutucular (örn.
- **Gradio ile Arayüz Oluşturma**: Veriyi Sisteme Alma: Kullanıcı PDF yükler Veri Çıkarma (metin, görsel, tablo) Embedding üretimi Vector store’da tutma Retrieval & Üretim: Kullanıcı sorgusunu al Multimodal retrieval yap Geri getirilen bağlamla prompt’u oluştur LLM’i çağır…
- **Kapanış**: Yapılanların özeti Soru-Cevap (Q&A)

### LangChain ile RAG

Kaynak: https://runelab.ai/course/langchain-ile-rag

**Kurs Açıklaması** Günümüz yapay zeka uygulama çağında bilgiye erişim hızı, ölçeği ve doğruluk beklentisi hiç olmadığı kadar yükseldi. Kurumlar, büyük dil modellerini (LLM’ler) kendi kurumsal verileriyle zenginleştirerek hem yanıt kalitesini artırmak hem de güvenilir, kaynak gösterilebilir çıktılar üretmek istiyor. Bu yoğun tempolu 3 saatlik “LangChain ile Retrieval-Augmented Generation (RAG) Atölyesi”, katılımcılara bir RAG mimarisini sıfırdan ayağa kaldırmanın teori-pratik birleşimini sunuyor. Atölye; RAG’in temel kavramlarını, LangChain ile bileşenleri nasıl orkestre edeceğimizi ve günün sonunda canlı olarak çalışan bir doküman tabanlı sohbet botu geliştirmeyi hedefliyor. Katılımcılar; doküman işleme-embedding-vektör arama zincirini uçtan uca deneyimleyerek, uzun bağlam ihtiyacına kıyasla RAG’in getirdiği hız, maliyet ve izlenebilirlik avantajlarını doğrudan gözlemleyecekler.
**Kimler Katılmalı** Veri bilimciler, MLOps mühendisleri, yazılım geliştiriciler – LLM tabanlı uygulamalar inşa etmek isteyenler RAG mimarisinin pratik faydasını kurumuna taşımayı hedefleyen teknik liderler Kısa sürede öğren-uygula-göster döngüsüyle somut çıktı elde etmek isteyen profesyoneller Bu atölye, sıkı bir zaman diliminde yoğun öğrenme sağlayarak katılımcıları “metinden bilgiye” giden RAG yolculuğunda hızla ileri taşıyacak; gerçek veriler üzerinde, canlı demosu yapılmış bir proje ile ayrılmanızı sağlayacaktır.

Modüller:
- **Neler Göreceğiz?**: Neler yapılacağı ve nelerin kapsam dışında kalacağı Canlı demo: Günün sonunda nasıl bir uygulama geliştirmiş olacağız Ortam kurulumu
- **Retrieval Augmented Generation Temelleri**: RAG mimarisini ve avantajlarını anlama RAG vs Long Context Modeller (uzun bağlam) Ana bileşenler: Doküman işleme, embedding'ler, vektör depolama ve retrieval Gerçek dünyadan RAG uygulama örnekleri ve kullanım alanları
- **LangChain Giriş**: LangChain temelleri Doküman yükleyiciler ve metin parçalama (chunking) stratejileri Embedding modelleri ve vektör veritabanları Retriever'lar ve sorgu dönüştürme yöntemleri LLM'lerle entegrasyon
- **Chatbot Oluşturma**: Proje yapısını oluşturma Doküman alım hattını oluşturma (Ingestion pipeline) Vektör deposu oluşturma ve yapılandırma Vektör benzerlik metrikleri RAG için etkili prompt'lar tasarlama Retrieval chain oluşturma Gradio ile uygulama arayüzünü…
- **Yayına Alma**: Uygulamanızı yayına hazır hale getirme Ortam değişkenleri ve güvenlik en iyi uygulamaları Modeli deploy etme API anahtarlarının güvenli yönetimi Canlı ortamınızı test etme
- **Kapanış ve Sonraki Adımlar**: Büyük doküman koleksiyonlarıyla başa çıkma Gecikmeyi azaltma stratejileri Maliyet optimizasyon yaklaşımları Kurumsal seviyede dikkat edilmesi gereken hususlar Multi Modal RAG Fine-Tuning Agentic RAG Yapılanların özeti Ek kaynaklar ve…

### Web Scraping (Web Kazıma)

Kaynak: https://runelab.ai/course/web-scraping-web-kazima

**Kurs Açıklaması** Günümüzün dijital ekonomisinde, neredeyse her web sitesi bir veri hazinesi sunuyor. Ürün fiyatlarından haber başlıklarına, kullanıcı yorumlarından sosyal ağ içeriklerine kadar web üzerinde bulunan yapılandırılmış ve yarı-yapılandırılmış veriler; doğru tekniklerle toplandığında işletmeler, araştırmacılar ve geliştiriciler için eşsiz fırsatlar barındırıyor. Bu yoğun eğitim kampı, web kazımanın (web scraping) temel prensiplerinden başlayarak, Playwright temelli headless tarayıcı otomasyonundan gelişmiş anti‑bot kaçınma stratejilerine, LLM destekli veri çıkarımından ölçeklenebilir dağıtık sistem mimarilerine kadar tam bir yol haritası sunuyor. Teorik altyapıyı her adımda uygulamalı laboratuvarlarla pekiştirerek, katılımcıların gerçek dünyada karşılaşacakları zorlukları çözme becerisi kazanmalarını hedefliyor.
**Kursun Amacı** Bu eğitim kampının sonunda katılımcılar: Statik ve dinamik verileri etkin şekilde toplayabilecek: Python ile Beautiful Soup, Scrapy ve Playwright kullanarak her türlü web kaynağından güvenilir biçimde veri elde edecek. Ölçeklenebilir kazıma projeleri tasarlayabilecek: Scrapy’nin mimarisini ve Celery/RQ gibi dağıtık görev kuyruklarını kullanarak büyük hacimli iş akışlarını yönetecek. Anti‑bot önlemlerini aşabilecek: IP rotasyonu, rastgele User‑Agent, stealth plugin’ler ve davranışsal taklit yöntemleriyle engelleme ve tespit sistemlerinden kaçınmayı öğrenecek. Veriyi temizleyip doğrulayabilecek: Pandas ile gelişmiş veri temizleme, Great Expectations ve Pydantic ile kalite kontrolü ve şema doğrulama uygulayacak. LLM destekli çıkarım & zenginleştirme yapabilecek: Web’den çekilen ham içerikleri GPT-4 veya benzeri modellerle yapılandırılmış JSON’a dönüştürüp özetleme ve sınıflandırma işlemleri gerçekleştirecek. Yasal ve etik sınırlar içinde çalışacak: CFAA, GDPR/CCPA ve sitelerin ToS kurallarına uygun, sorumlu ve şeffaf web kazıma pratikleri geliştirecek. Uçtan uca bir proje yürütebilecek: Bitirme projesi kapsamında veri toplama, işleme, doğrulama ve raporlama adımlarını birleştirerek gerçek dünyaya hazır bir kazıma çözümü oluşturacak. Bu amaçlar, kurs boyunca gerçekleştirilecek uygulamalı laboratuvarlar ve gerçek dünya senaryoları ile pekiştirilecek; katılımcılar her adımda “neden” ve “nasıl” sorularına cevap bularak uzmanlaşacak.

Modüller:
- **Temeller (Ön Çalışma)**: Önkoşulları Sağlama Tüm katılımcıların gerekli önkoşullara sahip olduğundan emin olunması. Python Temelleri Tekrarı Veri tipleri, döngüler, fonksiyonlar, temel OOP (Nesne Yönelimli Programlama), sanal ortamlar (virtual environments).
- **Statik Web Kazıma (Scraping) Temelleri**: Temel Kazıma Kavramları Statik HTML'i ayrıştırma (parse etme) ve HTTP istekleri yapma. Kazıma İş Akışı (Scraping Workflow) Fetch -> Parse -> Extract -> Store (Getir -> Ayrıştır -> Çıkart -> Sakla).
- **Kazıma Frameworklerine Giriş: Scrapy**: Framework Kullanmanın Faydaları Ölçeklenebilirlik (scalability), eşzamanlılık (concurrency), yerleşik özellikler. Scrapy Mimarisine Genel Bakış Spiders, Items, Pipelines, Middlewares, Engine, Scheduler, Downloader.
- **Dinamik Web Sitelerini Headless Tarayıcılarla Ele Alma (Playwright Odaklı)**: Geleneksel Yöntemlerin Neden Başarısız Olduğunu Anlama Dinamik sitelerde geleneksel yöntemlerin neden yetersiz kaldığını anlama, Playwright kullanarak headless tarayıcı otomasyonu temellerini öğrenme.
- **Gelişmiş Tarayıcı Otomasyonu & Ağ Trafiği Yakalama (Network Interception)**: Gelişmiş Playwright Özellikleri Karmaşık etkileşimler ve verimli kazıma için gelişmiş Playwright özelliklerinde ustalaşma.
- **Anti-Scraping Önlemlerinden Kaçınma Temelleri**: Web Sitelerinin Neden Kazıyıcıları Engellediği Sunucu yükü, veri koruma, rekabet avantajı. Yaygın Tespit Yöntemleri IP adresi takibi, hız sınırlaması (rate limiting), User-Agent filtreleme, temel header kontrolleri.
- **Gelişmiş Anti-Scraping & Gizlilik (Stealth) Teknikleri**: Gelişmiş Tespit Yöntemleri Browser Fingerprinting (Canvas, WebGL, Audio, Fonts, TLS/JA3), JavaScript çalıştırma kontrolleri ( navigator.webdriver ), CDP tespiti.
- **Kazımada Yapay Zeka (AI) & LLM'ler - Çıkarma & Analiz**: Seçici (Selector) Tabanlı Kazımanın Sınırlılıkları Düzen (layout) değişikliklerine karşı kırılganlık. Veri Çıkarma için LLM'ler Konsept HTML/metni doğal dil istemleriyle (prompts) modellere (GPT-4, Claude, vb.) gönderme.
- **Kazımada Yapay Zeka (AI) & LLM'ler - Otomasyon & Doğrulama**: Kazıyıcı (Scraper) Üretimi için Yapay Zeka Konsept URL + prompt'tan kazıyıcı kodu (selectors, logic) üreten araçlar. Araçlara Genel Bakış ScrapeGraphAI, Firecrawl, AutoScraper konsepti gibi kütüphanelerden bahsetme.
- **Ölçeklenebilir Kazıma Sistemleri Mimarisi**: Ölçek Zorlukları Hacim, frekans, performans darboğazları. Bulut Tabanlı (Cloud-Native) Yaklaşımlar Sunucusuz (Serverless - FaaS) AWS Lambda, Google Cloud Functions: Artıları/Eksileri, kullanım alanları (olay güdümlü, zamanlanmış).
- **Modern Veri İşleme, Temizleme & Doğrulama**: Depolama Stratejileri Yeniden Ziyaret Kazınmış veriler için SQL vs. NoSQL (kullanım senaryosu karşılaştırması). Performans için indeksleme (indexing). Veri arşivleme konseptleri.
- **Hukuki & Etik Ortamda Gezinme (2025)**: Bu çok önemlidir. Yasal kısıtlamaları, etik değerlendirmeleri ve sorumlu kazıma için en iyi uygulamaları anlama. Anahtar Mevzuat Özeti CFAA (HiQ vs.
- **Bitirme Projesi (Capstone) & Kapanış**: Proje Planlama Kapsamı tanımlama, hedef veriyi belirleme, araçları seçme, zorlukları tahmin etme (dinamik içerik, anti-bot). Geliştirme Zamanı Katılımcılar seçtikleri proje üzerinde bireysel veya küçük gruplar halinde çalışma.

### Big Data (Büyük Veri)

Kaynak: https://runelab.ai/course/big-data-buyuk-veri

**Kurs Açıklaması** Veri Mühendisliğinde Uzmanlaşın: Temellerden Modern Mimarilere Uçtan Uca Büyük Veri Yolculuğu Verinin en değerli kaynak olduğu günümüz dünyasında, bu verileri işleyebilen, depolayabilen ve değere dönüştürebilen profesyonellere olan talep hiç olmadığı kadar yüksek. Bu kapsamlı kurs, sizi Büyük Veri dünyasının temellerinden alıp, en modern bulut tabanlı veri platformlarını tasarlayıp yönetecek ileri düzey yetkinliklere taşıyor. İlişkisel veritabanlarından NoSQL'e, HDFS'ten bulut depolamaya (AWS/Azure), Batch işlemeden gerçek zamanlı akışa (Spark & Kafka), Data Lake'lerden Lakehouse mimarilerine kadar tüm kritik konuları derinlemesine ve uygulamalı olarak ele alıyoruz. Sadece teoride kalmayacak; Docker, Terraform (IaC), Apache Spark, Kafka, Airflow gibi endüstri standardı araçlarla laboratuvarlarda pratik deneyim kazanacak, veri boru hatları (pipelines) kuracak, optimize edecek ve operasyonel hale getireceksiniz. Veri kalitesi, güvenlik, yönetişim ve maliyet optimizasyonu gibi gerçek dünya zorluklarına çözümler üretebilen, aranan bir Veri Mühendisi olmak için gereken her şeyi bu kursta bulacaksınız. Kariyerinizde bir sonraki adımı atmaya hazırsanız veya bu konuda çalışıyor ve daha da yetkin hale gelmek istiyorsanız bu yolculuk tam da size göre!
**Kursun Amacı** Bu kursun temel amacı, katılımcılara modern veri ekosisteminde başarılı bir Veri Mühendisi olmak için gereken teorik bilgiyi, pratik becerileri ve stratejik bakış açısını kazandırmaktır. Kurs sonunda katılımcılar şunları yapabiliyor olacaktır: Büyük Veri kavramlarını (5V), yaşam döngüsünü ve modern veri mimarilerine (Data Lake, Lakehouse, Lambda/Kappa) hakim olacak ve sistem tasarımları yapabilecek. İlişkisel (SQL) ve NoSQL veritabanı sistemlerini anlayacak, modelleyecek ve projelerine entegre edebilecek. AWS/Azure gibi lider bulut platformlarında altyapıyı kod (IaC - Terraform) ile kurup yönetebilecek, temel bulut hizmetlerini (depolama, işlem) etkin bir şekilde kullanabilecek. Hadoop ekosistemini (HDFS, Hive) ve modern depolama formatlarını (Parquet, Avro) anlayacak ve uygulayabilecek. Apache Spark kullanarak büyük veri kümelerini etkin bir şekilde işleyebilecek (DataFrame API, Spark SQL), optimize edebilecek ve yönetebilecek. Apache Kafka ve Spark Structured Streaming gibi teknolojilerle gerçek zamanlı veri akışlarını işleyebilecek sistemler tasarlayabilecek ve kurabilecek. Veri alımı (ETL/ELT), orkestrasyon (Airflow/Bulut Araçları) ve veri boru hattı(pipeline) yönetimi süreçlerini tasarlayabilecek ve uygulayabilecek. Veri kalitesi, güvenlik, yönetişim prensiplerini anlayacak ve büyük veri sistemlerine entegre edebilecek. Büyük veri platformlarını izleyebilecek, test edebilecek, CI/CD süreçlerini uygulayabilecek ve maliyet optimizasyonu yapabilecek. Uçtan uca bir büyük veri projesini tasarlayıp hayata geçirebilecek yetkinliğe ulaşacak.

Modüller:
- **Büyük Veri Temelleri ve İlişkisel Veri Sistemleri**: Büyük Veri Nedir? Büyük Veri Tanımı ve Özellikleri (5V - Hacim, Hız, Çeşitlilik, Doğruluk, Değer) Hangi Veri "Büyük Veri"dir? Hangi iş süreçlerinde kullanılır?
- **Petabaytları Depolama: On-Prem ve Bulut Çözümler**: Geleneksel (On-Premise) Veri Depolama Çözümleri Yerel Dosya Sistemleri (HDFS - Hadoop Distributed File System) Hadoop Temelleri ve Ekosistemi Hadoop Cluster (YARN) Kurulumu ve Yönetimi Hadoop Ekosistem Araçları (HDFS, Hive, HBase) Bulut…
- **NoSQL ve Lakehouse Mimarisi**: NoSQL Veritabanları NoSQL Nedir? Ne Zaman Tercih Edilir?
- **Veri Alımı, Orkestrasyon ve ETL/ELT Süreçleri**: Veri Alımı Stratejileri (Data Ingestion) Batch Alım vs Streaming Alım ETL ve ELT Farkları CDC (Change Data Capture) Yaklaşımları (Debezium) API Tabanlı Alım Alım Araçları ve Teknolojiler Sqoop, Flume Apache Kafka ve Kafka Connect Bulut…
- **Veri İşlemek İçin Apache Spark**: Spark Mimarisi & Temel Kavramlar Temel Kavramlar (Driver, Executor, Cluster Manager) RDD, DataFrame ve Dataset Kavramları Catalyst Optimizer & Tungsten Lazy Evaluation Spark SQL & DataFrame API Farklı kaynakları okuma/yazma (Parquet…
- **Gerçek Zamanlı Akan Veri İşleme (Streaming)**: Gerçek Zamanlı Veri İşleme Kavramları Event Time, Processing Time, Windowing ve Watermarking Veri İşleme Garantileri (Exactly-once, At-least-once) Streaming Platformları ve Kafka Apache Kafka Detaylı Bakış (Broker, Topic, Partition…
- **Veri Kalitesi, Güvenlik ve Yönetişim**: Veri Kalitesi Yönetimi Veri Kalitesi Boyutları (Doğruluk, Tutarlılık, Tamlık vb.) Veri Kalitesi Araçları (Great Expectations, Deequ) Veri Yönetişimi Temelleri Metadata Yönetimi ve Veri Kataloğu (AWS Glue Catalog, Azure Purview) Veri Kökeni…
- **Veriyi Sunma - Analitik & BI Entegrasyonu**: Büyük Veri Analitiği Araçları Dağıtık SQL Motorları (Presto, Trino, AWS Athena, Google BigQuery) Bulut Veri Depoları (AWS Redshift, Azure Synapse, Google BigQuery) Modern Bulut Veri Deposusu AWS Redshift / Azure Synapse Dedicated SQL /…
- **Büyük Veri Pipeline Operasyonelleştirme**: İzleme, Günlükleme ve Alarm Yönetimi Dağıtık izleme kavramları Boru hatları için ana metrikler (Spark, Kafka, Depolama, Sorgu Motorları) Bulut İzleme Araçları (CloudWatch, Azure Monitor, Google Monitoring) Dağıtık Sistemlerde Loglama ve…
- **Güncel Trendler ve Kariyer**: Yeni Trendler Veri Mesh Konsepti ve Uygulamaları MLOps ve Özellik Mağazaları (Feature Store) Vektör Veritabanları ve Yapay Zeka Bağlantısı Kariyer ve Sürekli Öğrenme Veri Mühendisliği Kariyer Yolları Sürekli Öğrenme Stratejileri ve…
- **Capstone Projesi (Bitirme Projesi)**: Uçtan Uca Büyük Veri Projesi Gerçek Hayat Senaryosu ile Veri Alımı, Depolama, İşleme, Analitik ve Görselleştirme IaC, CI/CD, Güvenlik, İzleme, Maliyet Optimizasyonu Entegrasyonu Proje Dokümantasyonu ve Demo/Sunum

### Computer Vision (Bilgisayarlı Görü)

Kaynak: https://runelab.ai/course/computer-vision-bilgisayarli-goru

**Kurs Açıklaması** Günümüzün hızla dijitalleşen dünyasında, görsel veriler (resimler, videolar ve üç boyutlu sahneler) her zamankinden daha yoğun üretiliyor. Bu kapsamlı eğitim, bilgisayarlı görü (Computer Vision) ve görüntü işleme alanında katılımcıları temel ilkelerden en yeni derin öğrenme modellerine uzanan geniş bir yelpazeyle tanıştırmayı amaçlıyor. Eğitim boyunca katılımcılar, görüntülerin nasıl temsil edildiğini ve işlendiğini öğrenecek; klasik görüntü işleme yöntemlerinden başlayarak yapay sinir ağları, evrişimli sinir ağları (CNN), Transformer tabanlı modeller ve ileri seviye uygulamalara kadar kapsamlı bir bilgi birikimi edinecekler. Böylece katılımcılar, görsel verilerden anlamlı özellikler çıkarmayı, karmaşık görevler (nesne algılama, segmentasyon, eylem tanıma vb.) için modelleri eğitmeyi ve bu modelleri gerçek hayatta dağıtılabilir hale getirmeyi deneyimleyecekler.
**Kursun Amacı** Bu kurs, bilgisayarlı görü ve görüntü işleme ekosistemine derinlemesine bir yolculuk sunarak katılımcılara aşağıdaki kazanımları hedefler: Görüntü İşleme Temelleri: Piksel düzeyindeki temel işlemlerden (dönüşümler, filtreler) başlayarak, histogram eşitleme ve kenar/cisim tespiti gibi klasik teknikleri uygulayabilmek. Makine Öğrenmesi ve Derin Öğrenme Altyapısı: Yapay sinir ağlarının temellerini, geri yayılım, optimizasyon yöntemlerini ve PyTorch ile basit ağların nasıl eğitileceğini kavramak. Evrişimli Sinir Ağları (CNN) ve Transfer Öğrenme: CNN mimarilerinin nasıl çalıştığını, görüntü sınıflandırma için popüler modelleri (ResNet, VGG, vb.) inceleyerek pratik örneklerle öğrenmek ve büyük veri kümelerinde eğitilmiş modelleri kendi veri setine uyarlamak (transfer learning). Modern Modeller ve Transformer Tabanlı Yaklaşımlar: Vision Transformer (ViT) ve Swin Transformer gibi yeni nesil modellerin prensiplerini, çok ölçekli özellik öğrenmeyi ve ConvNeXt gibi modernleştirilmiş CNN mimarilerini anlamak. İleri Düzey Uygulamalar: Nesne Tespiti (Object Detection): YOLO, DETR gibi güncel yöntemleri kullanarak gerçek zamanlı veya yüksek doğruluklu nesne algılama çözümleri geliştirmek. Görüntü Segmentasyonu (Semantic, Instance, Panoptic): FCN, U-Net, Mask R-CNN ve Segment Anything Model (SAM) gibi önde gelen modellerle piksel düzeyinde bölütleme yapmak. Video Analizi: Eylem tanıma (action recognition), nesne takibi (tracking), 3D hareket ve derinlik bilgisi gibi zaman boyutunun eklendiği senaryolara değinmek. 3D Bilgisayarlı Görü: Nokta bulutları (point clouds), NeRF ve 3D modelleme gibi konularla üç boyutlu verileri işlemek ve temsil etmek. Generative Modeller Diffusion tabanlı metinden-görüntüye (text-to-image) üretim teknikleri, GAN mimarileri ve görüntü düzenleme (inpainting, ControlNet) gibi yaratıcı uygulamalar. Uçtan Uca Projeler ve Dağıtım: PyTorch ekosisteminde eğitilen modelleri hızlandırma (quantization, ONNX, TensorRT), mobil/edge ortamlara veya buluta dağıtma ve API olarak sunma becerileri kazanmak. Kurs sonunda katılımcılar; temel görüntü işleme ve bilgisayarlı görü prensiplerinden derin öğrenmeye, modern mimarilerden nesne algılama/segmentasyona kadar geniş bir yelpazede uygulama deneyimi edinmiş olacak. Ayrıca son teknoloji (SOTA) modellerin nasıl kullanılacağını, nasıl özelleştirilebileceğini (fine-tuning) ve üretici/geliştirici araçlarıyla gerçek dünya projelerini nasıl hayata geçirebileceğini öğrenerek, akademiden endüstriye pek çok alanda yetkinliğini artırabilecek düzeye gelecekler.

Modüller:
- **Bilgisayarlı Görü (Computer Vision) Temelleri**: Bilgisayarlı Görü kurs içeriğinde CV olarak kısaltılacaktır. Kurs CV'nin kapsamını, görüntülerin dijital olarak nasıl temsil edildiğini anlayın ve klasik teknikler kullanarak temel görüntü işleme ve özellik çıkarımı gerçekleştirin.
- **Deep Learning Temelleri**: Neural networks'ün temel kavramlarını, gradient descent yoluyla nasıl öğrendiklerini kavrayın ve PyTorch kullanarak temel bir eğitim pipeline'ı uygulayın.
- **Convolutional Neural Networks (CNNs)**: CNN'lerin motivasyonunu ve mekanizmalarını anlayın, standart CNN mimarileri oluşturun ve bunları PyTorch kullanarak veri artırma (data augmentation) dahil ederek görüntü sınıflandırmaya uygulayın. Neden Görüntü İşleme için CNN'ler?
- **Modern Temel Mimariler (Foundational Architectures)**: Görüntü işlemede Transformer'lara yönelik paradigma kaymasını, ViT'lerin ve Swin Transformer'ların mimarisini ve ConvNeXt gibi modernize edilmiş CNN'lerin nasıl rekabet ettiğini anlayın.
- **Gelişmiş Görüntü Sınıflandırma & Transfer Learning**: Büyük önceden eğitilmiş PyTorch modellerini belirli sınıflandırma görevlerine uyarlamak için fine-tuning tekniklerinde ustalaşın, gelişmiş eğitim stratejilerini anlayın ve performansı titizlikle değerlendirin.
- **Object Detection**: Object detection görevini anlayın, baskın mimariler (tek aşamalı, iki aşamalı, Transformer tabanlı) hakkında bilgi edinin ve PyTorch kullanarak YOLOv8 ve DETR varyantları gibi SOTA detector'ları eğitme ve değerlendirme konusunda uygulamalı…
- **Image Segmentation**: Farklı segmentation görevlerini anlayın, temel mimariler (FCN, U-Net, Mask R-CNN, Transformer tabanlı) hakkında bilgi edinin ve PyTorch kullanarak Segment Anything Model (SAM) dahil SOTA modelleri kullanın.
- **Video Analizi**: Video verilerinin zorluklarını anlayın ve action recognition, object tracking ve temporal reasoning için SOTA tekniklerini, öncelikle PyTorch çerçevelerini kullanarak öğrenin.
- **3D Computer Vision**: Farklı 3D veri temsillerini anlayın, 3D reconstruction, point cloud analizi ve novel view synthesis (NeRF/Gaussian Splatting) için SOTA tekniklerini, PyTorch implementasyonlarına odaklanarak öğrenin.
- **Görsel Veriler için Generative Modeller**: Diffusion Modelleri ve GAN'ların ardındaki prensipleri anlayın ve PyTorch kütüphanelerini kullanarak text-to-image generation ve temel image editing için SOTA modelleri kullanma deneyimi kazanın.
- **Gelişen Öğrenme Paradigmları**: Self-Supervised Learning (SSL), Contrastive Learning, Multimodal Learning (Vision-Language Models) ve Few/Zero-Shot Learning'in ardındaki motivasyonu ve mekanizmaları, PyTorch araçlarına ve kütüphanelerine odaklanarak anlayın.
- **Model Verimliliği & Dağıtımı (Deployment)**: Eğitilmiş PyTorch modellerini daha küçük, daha hızlı ve çeşitli platformlarda gerçek dünya dağıtımı için uygun hale getirme tekniklerini öğrenin.
- **Bitirme Projesi (Bitirme Project)**: Bitirme Projesi - Teklif & Planlama SOTA tekniklerini (PyTorch kullanarak) uygulayan zorlu ve anlamlı bir computer vision projesi tanımlayın, planı, veri kümesini, metodolojiyi ve değerlendirme stratejisini ana hatlarıyla belirtin.

### Yöneticiler İçin Yapay Zeka

Kaynak: https://runelab.ai/course/yoneticiler-i-cin-yapay-zeka

**Kurs Açıklaması** Yapay zekanın hızla yükseldiği günümüz iş dünyasında, yöneticilerin bu teknolojiyi anlaması ve etkin kullanması bir rekabet avantajı sağlamak için kritik hale gelmiştir. Bu yoğun eğitim kampı, yöneticilere yapay zekanın temel prensiplerinden ileri seviye uygulama alanlarına kadar kapsamlı bir perspektif sunmayı amaçlıyor. Tasarım departmanlarından insan kaynaklarına, üretim süreçlerinden stratejik planlamaya kadar çeşitli alanlarda yapay zekanın gücünü keşfederek, katılımcıların bu yenilikçi teknolojiyi stratejik bir avantaj olarak kullanma becerisini kazanmalarını sağlıyor. Kurs, teorik bilgiyi gerçek dünya örnekleri ve atölye çalışmalarıyla birleştirerek yönetim kadrolarına pratik ve aksiyon alınabilir bilgiler sunuyor.
**Kursun Amacı** Bu kurs, yöneticilerin yapay zekâ uygulamalarını stratejik bir araç olarak kullanarak şirketlerinde sürdürülebilir rekabet avantajı yaratmalarını sağlamayı hedeflemektedir. Katılımcılar eğitim sonunda aşağıdaki yetkinlikleri kazanacaktır: Yaratıcı süreçlerde verimliliği ve inovasyonu artırma Yapay zekâ destekli araçları kullanarak tasarım süreçlerini hızlandırma, ekiplerdeki yaratıcı potansiyeli ortaya çıkarma ve yenilikçi ürün geliştirme süreçlerini yönetme. Marka değerini ve iletişim gücünü yapay zekâ ile yükseltme Yapay zekâ temelli içerik üretimini etkin şekilde yöneterek marka tutarlılığını güçlendirme ve çok dilli, kişiselleştirilmiş pazarlama stratejileri geliştirme. İnsan kaynağı yönetiminde yapay zekâ destekli süreç optimizasyonu İşe alım, çalışan deneyimi ve yetenek geliştirme süreçlerinde yapay zekâ uygulamalarını etkin kullanarak doğru yetenekleri çekme, çalışan bağlılığını artırma ve insan kaynakları süreçlerinde verimlilik sağlama. Kurumsal yapay zekâ hazırlığını yönetme ve stratejik karar alma Şirketin yapay zekâ olgunluğunu değerlendirme, doğru projeleri seçme ve kaynakları etkin bir şekilde yöneterek yapay zekâ yatırımlarından maksimum fayda sağlama. Üretim ve operasyonlarda verimlilik ve maliyet avantajı sağlama Yapay zekâ destekli öngörücü bakım, kalite kontrol ve tedarik zinciri optimizasyonu sayesinde operasyonel riskleri azaltma, maliyetleri düşürme ve süreç kalitesini artırma. Etik ve sorumlu yapay zekâ yönetimi yetkinliği geliştirme Şirket içinde yapay zekâ uygulamalarının etik ve şeffaf şekilde yönetilmesini sağlama, veri güvenliği ve yasal düzenlemeler çerçevesinde yapay zekâyı etkin biçimde kullanma. Kurs sonunda yöneticiler, yapay zekâyı iş süreçlerine entegre ederek organizasyonlarını geleceğe hazır hale getirecek bilgi ve stratejik bakış açısına sahip olacaklardır.

Modüller:
- **Yapay Zekanın Stratejik Gücü: Söylemlerin Ötesinde Rekabet Avantajı**: Yapay zeka nedir? Yapay zeka ve geleneksel yazılım arasındaki farklar? Hangi problem için yapay zeka yaklaşımı seçilir? Makine öğrenmesi, derin öğrenme, yapay zeka arasındaki farklar nelerdir?
- **İş Süreçlerini Yapay Zekaya Hazırlık Açısından Değerlendirme**: Kurumsal yapay zeka hazırlık düzeyinin belirlenmesi Yüksek katma değerli YZ fırsatlarını tespit etme YZ çözümünü inşa etme vs.
- **Yapay Zeka ile Geleceğe Hazırlanma ve İnovasyon**: YZ teknolojisindeki güncel sınırlar YZ inovasyon kültürü oluşturma İş gücü dönüşümünü yönetme Uzun vadeli YZ yönetişimi
- **İnsan Kaynaklarında Yapay Zeka**: Yetenek Kazanımında Dönüşüm YZ destekli aday tarama ve eşleştirme İş gücü planlaması için öngörücü analiz İşe alım algoritmalarında önyargıyı azaltma Çalışan Deneyimi & Gelişim YZ tabanlı öğrenme önerileri ve beceri boşluğu analizi…
- **Tasarım Departmanlarında Yapay Zeka**: Yaratıcı Destek (Creative Augmentation) Konsept geliştirme için üretken YZ (generative AI) YZ destekli tasarım sistemleri ve bileşen kütüphaneleri Tasarım analizi ve ilham için bilgisayarlı görü Vaka Analizi: Önde gelen markalar tasarım iş…
- **Üretim & İmalatta Yapay Zeka**: Öngörücü Operasyonlar Öngörücü bakım ve arıza süresi azaltma Bilgisayarlı görü kullanarak kalite kontrol otomasyonu Dijital ikizler ve simülasyon optimizasyonu Vaka Analizi: Mercedes’in YZ odaklı üretim verimlilik artışları Tedarik Zinciri…
- **Veri Yönetimi ve Etik**: Sorumlu YZ Liderliği Veri yönetimi çerçeveleri YZ dağıtımında etik konular Önyargı, şeffaflık ve açıklanabilirlik YZ düzenlemeleri

### Data Science (Veri Bilimi)

Kaynak: https://runelab.ai/course/data-science-veri-bilimi

**Kurs Açıklaması** Günümüzün dijital ekosisteminde verinin üretim hızı ve çeşitliliği hızla artıyor. İşletmeler, bu devasa veri yığınlarını stratejik içgörülere ve aksiyon alınabilir analizlere dönüştürerek rekabet avantajı elde etmeye çalışıyor. Bu kapsamlı eğitim kampı, temel veri bilimi ve büyük veri teknolojilerinden derin öğrenmeye, bulut tabanlı büyük veri işleme araçlarından MLOps uygulamalarına kadar uzanan geniş bir müfredat sunuyor. Python programlama temelleriyle başlayan eğitim; NumPy, Pandas gibi kritik kütüphanelerde ustalaşmayı, SQL ve API entegrasyonlarını, keşifsel veri analizini (EDA) ve gelişmiş özellik mühendisliğini kapsayan pratik uygulamalarla devam ediyor. Yapay öğrenme alanında; denetimli ve denetimsiz makine öğrenimi, derin öğrenme (PyTorch/TensorFlow), bilgisayarlı görü (CNN, transfer learning), doğal dil işleme (transformer mimarileri, LLM’ler) ve generative modeller (GAN, Diffusion) gibi en güncel tekniklere derinlemesine değiniliyor. Büyük ölçekli verilerin yönetimi ve işlenmesi için Spark, Airflow, veri ambarları/veri gölleri gibi modern data engineering araç ve mimarileri inceleniyor. Eğitilen modellerin üretim ortamına alınması, izlenmesi ve yönetilmesini sağlayan MLOps prensipleriyle katılımcılar, uçtan uca bir veri projesinin tüm yaşam döngüsünü deneyimliyor. Kariyerlerinde fark yaratmak isteyen profesyoneller ile veri bilimi ve büyük veri alanına sağlam bir başlangıç yapmayı hedefleyenler için tasarlanan bu program; teorik altyapıyı pratik projelerle, laboratuvar çalışmalarıyla ve bitirme projesiyle birleştirerek kapsamlı bir öğrenme deneyimi sunuyor.
**Kursun Amacı** Bu eğitim, “veriyi bilgiye, bilgiyi aksiyona” dönüştürebilecek uzman veri bilimciler ve veri analitiği profesyonelleri yetiştirmeyi hedefliyor. Program sonunda katılımcıların: Python ile Veri Bilimi Temellerine Hakim Olması: Veri analizi ve modellemeye yönelik kodlama becerilerini, NumPy ve Pandas gibi kütüphanelerle pekiştirmesi Veri Yönetimi ve Mühendisliği Süreçlerini Yürütmesi: SQL, API, web scraping ve büyük veri ekosistemindeki modern araçlarla veri toplama, temizleme ve dönüştürme iş akışlarını kurabilmesi Keşifsel Veri Analizi ve Görselleştirme Kabiliyeti Geliştirmesi: İstatistiksel yöntemlerle verilere içgörü kazandırıp, Matplotlib, Seaborn ve Plotly gibi kütüphanelerle sonuçları etkili biçimde sunabilmesi Gelişmiş Özellik Mühendisliği ve Modelleme Becerilerine Sahip Olması: Denetimli/denetimsiz makine öğrenimi, ensemble yöntemler, derin öğrenme, bilgisayarlı görü ve NLP alanlarında pratik deneyim elde etmesi Büyük Veri ve Dağıtık İşleme Platformlarını Kullanmaya Başlaması: Apache Spark, veri ambarları/gölleri ve orkestrasyon araçlarıyla büyük ölçekli verileri yönetip analiz edebilmesi MLOps Prensipleriyle Model Dağıtımı ve Yönetimi Yapabilmesi: Model sürümleme, konteynerleştirme, CI/CD, deney ve performans izleme gibi uçtan uca süreci kavraması Etik, Açıklanabilirlik ve Nedensel Analiz Bilinci Geliştirmesi: Yapay öğrenme modellerindeki önyargıları azaltma, şeffaflığı sağlama ve nedensel ilişkileri anlama konularında yetkinleşmesi Profesyonel Portföy ve Kariyer Hazırlığını Tamamlaması: Bitirme projesi, sahte mülakat oturumları, özgeçmiş hazırlığı ve networking desteğiyle veri bilimi kariyerine güçlü bir adım atması Kurs sonunda katılımcılar, veri bilimi ve büyük veri ekosistemini uçtan uca uygulayabilecek düzeye gelecek; farklı sektörlerdeki (finans, sağlık, teknoloji, perakende vb.) zorlu veri problemlerini çözmeye hazır, kapsamlı bir bilgi birikimine sahip olacaklardır.

Modüller:
- **Bootcamp Hazırlığı & Ortam Kurulumu**: Ortak bir teknik temel oluşturmak için hazırlık.
- **Python ile Veri Bilimi için Programlama**: Python Temelleri Tekrarı & Derinlemesine İnceleme Veri bilimi bağlamında temel Python kavramlarını pekiştirme.
- **Veri Toplama & SQL Ustalığı**: İlişkisel Veritabanları & İleri Düzey SQL Veritabanı kavramları ve ileri düzey SQL sorguları.
- **Keşifsel Veri Analizi (EDA) & Görselleştirme**: EDA için İstatistiksel Temeller Veri özelliklerini anlamak için temel istatistik kavramları.
- **Özellik Mühendisliği (Feature Engineering) & Seçimi**: Veri Ön İşleme Teknikleri Ham veriyi modele hazırlama adımları.
- **Denetimli Öğrenme Temelleri**: Temel Machine Learning Kavramları Model eğitimi ve değerlendirme ilkeleri.
- **SOTA Ensemble Yöntemleri & Denetimsiz Öğrenme**: Ensemble Learning Teorisi & Teknikleri Ensemble yöntemlerinin çalışma mantığı ve uygulamaları.
- **İstatistiksel Çıkarım & Bayesian Düşünceye Giriş**: İleri İstatistiksel Çıkarım Daha titiz sonuçlar elde etmek için istatistiksel yöntemler.
- **PyTorch/TensorFlow ile Deep Learning Temelleri**: Sinir Ağlarına Giriş Sinir ağlarının temel yapı taşlarını ve eğitim sürecini öğrenme.
- **Computer Vision için İleri Deep Learning**: İleri CNN Mimarileri & Transfer Learning SOTA CNN mimarileri ve önceden eğitilmiş modellerin kullanımı.
- **Transformers & LLM’ler ile SOTA NLP**: RNN’lerden Attention & Transformerlara Dil modellerinde RNN’lerin sınırları ve Transformer’ın avantajları.
- **SOTA Generative Modeller (Diffusion Odaklı) & İleri Sıralı Modeller**: Generative Modellere Genel Bakış Generative ve discriminative modellerin genel farkları. GANs: Generator vs.
- **Data Engineering & Big Data Temelleri**: Veri Pipeline’ları & Orkestrasyonu Otomatik ve güvenilir veri iş akışlarının oluşturulması. ETL vs.
- **MLOps - Modelleri Dağıtma, İzleme & Yönetme**: MLOps’un Temelleri ML modellerini operasyonelleştirme süreçleri. Neden MLOps?
- **Nedensel Çıkarım, Açıklanabilirlik & Etik**: Nedensel Çıkarıma Giriş Korelasyon ve nedensellik arasındaki farklar ve yöntemler.
- **Bitirme Projesi - Bölüm 1**: Proje Fikri Geliştirme & Kapsam Belirleme Öğrenilen teknikleri uygulayan gerçek dünya problemlerini belirleme süreci.
- **Bitirme Projesi - Bölüm 2 & Kariyer Hazırlığı**: Bitirme Projesi için İleri Modelleme & Değerlendirme SOTA modelleri uygulayarak nihai çözümün değerlendirilmesi. Gelişmiş modellerin (Transformer, XGBoost/LightGBM, RAG, Diffusion) uygulanması İleri hiperparametre optimizasyonu (ör.
- **Bootcamp Sonrası Destek**: Sürekli Öğrenme & Topluluk Güncel kalmak ve destek sağlamak için kaynaklar ve networking.