Model Online/Fiziksel
Süre
Modüller 6 modül

Eğitimin Amacı ve Kapsamı

Standart (naive) RAG; tek bir arama yapıp gelen parçaları doğrudan modele verir. Oysa "2024 ve 2025 tedarikçi sözleşmelerindeki fesih maddelerini karşılaştırıp mevcut SLA tablosuna göre riskimizi çıkar" gibi çok adımlı kurumsal sorular; alt sorgulara bölme, birden fazla veri kaynağını (vektör indeksi, SQL, API) çağırma ve ilk aramada eksik kanıt geldiğinde sorguyu değiştirip yeniden arama yapma yeteneği gerektirir.

Bu eğitim; Adaptive RAG, Corrective RAG (CRAG) ve Self-RAG kalıplarını, LangGraph/LlamaIndex Workflows ile durum makineli (stateful) arama döngülerini ve sonsuz döngü/gecikme bütçesi kontrollerini uygulamalı olarak ele alır.

Kimler Katılmalı?

  • Tek adımlı RAG'ın yetersiz kaldığı karmaşık araştırma ve analiz asistanları geliştiren yapay zeka mühendisleri
  • Doküman aramasını SQL, API ve iç araçlarla birleştiren yazılım mühendisleri ve mimarlar
  • İleri seviye RAG ve agent mimarileri üzerinde çalışan veri bilimciler
  • Ön koşul: RAG temelleri, tool calling ve Python ile uygulama geliştirme deneyimi

Kazanımlar

  • Basit soruları hızlı RAG'a, çok adımlı soruları agentic döngüye yönlendiren Adaptive RAG kurar
  • Karmaşık soruları bağımsız veya sıralı alt sorgulara (query decomposition / multi-hop) ayırır
  • Getirilen parçaların alaka düzeyini değerlendirip (document grading) yetersizse sorguyu yeniden yazar
  • Vektör veritabanı, tam metin arama, SQL ve iç API'leri araç olarak kullanan birleşik bir ajan tasarlar
  • Maksimum adım, token bütçesi ve erken çıkış (early stopping) kurallarıyla latency ve maliyeti sınırlar

Konular

Doğrusal RAG'dan Döngüsel Agentic RAG'a Geçiş
  • Tek adımlı retrieval'ın sınırları: karşılaştırma, çoklu kanıt birleştirme (multi-hop) ve belirsiz sorgular
  • Serbest otonom ajan (ReAct) ile kontrollü durum grafiği (state graph) yaklaşımlarının farkı
Sorgu Planlama, Ayrıştırma ve Kaynak Yönlendirme
  • Paralel alt sorgu üretimi ve bir önceki adımdan gelen cevaba göre ikinci adımı sorma (multi-hop)
  • Vektör indeksi, ilişkisel veritabanı ve harici API'ler arasında akıllı yönlendirme (routing)
Corrective RAG (CRAG) ve Self-RAG Kalıpları
  • Getirilen belgelerin alaka kontrolü (relevance grader) ve düşük skorda sorgu yeniden yazımı
  • Üretilen yanıtın kanıta sadakatini ve soruyu tam yanıtlayıp yanıtlamadığını denetleyen öz-düzeltme döngüsü
LangGraph ile Durumlu (Stateful) Agentic RAG İnşası
  • Graf durumu (state schema), düğümler, koşullu kenarlar ve paralel Map-Reduce arama dalları
  • Kullanıcıya ara adımları ("Şu kaynaklar taranıyor...") canlı akışla (streaming) bildirme
Maliyet, Gecikme ve Döngü Güvenliği
  • Sonsuz yeniden yazma döngülerini önleme, maksimum iterasyon ve token bütçesi sınırı
  • Ara değerlendirme adımlarında hızlı küçük modeller (SLM) kullanarak gecikmeyi düşürme
Uygulama: Çok Kaynaklı Kurumsal Araştırma Asistanı
  • Kurum senaryosu üzerinde doküman + yapısal veri kullanan LangGraph tabanlı Agentic RAG
  • Tek adımlı RAG ile çok adımlı Agentic RAG'ın doğruluk ve latency karşılaştırması

Bu Kategorideki Diğer Eğitimler

  • GraphRAG ve Bilgi Grafiği Destekli RAG Sistemleri

    Varlıklar arası çok adımlı ilişkileri ve tüm doküman kümesini kapsayan bütüncül soruları yanıtlamak için bilgi grafiği (Knowledge Graph), Neo4j, topluluk özetleri (Microsoft GraphRAG) ve vektör+graf hibrit mimarileri programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • RAG Değerlendirme ve Kalite Güvencesi (RAG Evaluation / RAG Evals)

    RAG sistemlerini ”göz kararı” denemekten çıkarıp altın test veri seti (golden dataset), sentetik test üretimi, RAGAS/DeepEval/Promptfoo, CI/CD regresyon kapıları ve canlı trafik izleme ile sistematik değerlendirme programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • RAG Sistemlerinde Getirme ve Üretim Metrikleri (Retrieval & Generation Metrics)

    RAG performansını sayısal olarak ölçen IR metriklerini (Recall@k, Precision@k, MRR, NDCG@k) ve üretim metriklerini (Faithfulness, Answer Relevance, Context Precision, Citation F1) formül, kod ve eşik değerleriyle işleyen program.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • Üretim Ortamı RAG Mimarisi (Production RAG Architecture)

    RAG prototiplerini milyonlarca belge ve yüksek eşzamanlı kullanıcıya ölçekleyen üretim mimarisi: olay güdümlü artımlı indeksleme, kesintisiz re-indexing, önbellekleme, güvenlik ve LLMOps gözlemlenebilirliği.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • Kurumsal Bilgi Asistanı Geliştirme (Enterprise Knowledge Assistant)

    SharePoint, Confluence, Drive, Jira ve iç dokümanları birleştiren; çok turlu konuşma, belirsizlik giderme, yetki kontrolü, kaynak kartları ve geri bildirim döngüsü içeren kurumsal bilgi asistanı geliştirme programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • Text-to-SQL ve Konuşmalı Analitik (Conversational Analytics)

    Doğal dildeki iş sorularını ilişkisel veritabanları ve veri ambarları (PostgreSQL, BigQuery, Snowflake, MSSQL) üzerinde doğru SQL sorgularına, tablolara ve grafiklere dönüştüren Text-to-SQL mühendisliği programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele

Bizimle iletişime geçin