Eğitimin Amacı ve Kapsamı
Kullanıcı etkileşimli asistanlarda, canlı müşteri destek ekranlarında ve sesli yapay zeka sistemlerinde yanıtın tamamlanmasını saniyelerce beklemek kullanıcı deneyimini bozar. Bu eğitim; Server-Sent Events (SSE), WebSockets ve WebRTC protokollerini, asenkron arka uç mimarisini, akış sırasında kısmi JSON ve tool call ayrıştırmayı ve gerçek zamanlı ses (Realtime API, STT–LLM–TTS pipeline) mimarilerini kapsar.
Katılımcılar time-to-first-token (TTFT) ve inter-token latency (ITL) metriklerini ölçer; kullanıcı söz kesme (barge-in), akış iptali, backpressure ve guardrail filtrelerini içeren gerçek zamanlı bir servis geliştirir.
Kimler Katılmalı?
- Gerçek zamanlı sohbet, yardımcı pilot (copilot) ve sesli asistan geliştiren backend ve full-stack mühendisler
- Düşük gecikmeli yapay zeka servisleri kuran yapay zeka mühendisleri
- Yüksek eşzamanlı bağlantı ve API ağ geçidi yöneten platform mühendisleri
- Ön koşul: Python (asyncio/FastAPI) veya Node.js/TypeScript ile asenkron programlama bilgisi
Kazanımlar
- SSE, WebSockets ve WebRTC protokollerinden senaryoya uygun olanı seçip uygular
- Streaming sırasında kısmi JSON çıktısını ve paralel tool çağrılarını güvenli şekilde işler
- Kullanıcı iptali, söz kesme (barge-in) ve bağlantı kopmalarında kaynak sızıntısını önler
- Gerçek zamanlı sesli asistanlar için uçtan uca gecikme bütçesi (VAD, STT, LLM, TTS) tasarlar
- Yük altında TTFT, ITL ve eşzamanlı akış kapasitesini ölçen performans testleri çalıştırır
Konular
Gerçek Zamanlı LLM İletişim Protokolleri
- Tek yönlü metin akışı için SSE, çift yönlü etkileşim için WebSockets ve medya için WebRTC
- Reverse proxy, load balancer buffering ve timeout ayarları
Asenkron Arka Uç ve Akış Kontrolü
- FastAPI/asyncio ve TypeScript ile non-blocking stream pipeline'ları
- İstemci bağlantıyı kapattığında upstream LLM üretiminin durdurulması
Akış Sırasında Yapılandırılmış Çıktı ve Tool Calling
- Incremental JSON parser'lar ile arayüzde anlık bileşen güncelleme
- Streaming sırasında gelen tool call parçalarının birleştirilmesi ve çalıştırılması
Gerçek Zamanlı Ses ve Konuşma Mimarileri
- Modüler STT–LLM–TTS zinciri ile native Realtime/Multimodal API karşılaştırması
- Voice Activity Detection (VAD), turn-taking ve barge-in (söz kesme) yönetimi
Streaming Ortamında Guardrail ve Gözlemlenebilirlik
- Token'lar akarken düşük gecikmeli güvenlik ve PII denetimi
- TTFT, time-per-output-token (TPOT) ve kesilen akış metriklerinin izlenmesi
Laboratuvar: Düşük Gecikmeli Etkileşimli Servis
- Kurum senaryosu için streaming metin/ses servisinin geliştirilmesi
- Eşzamanlı kullanıcı yükü altında gecikme profili analizi
Bu Kategorideki Diğer Eğitimler
-
Küçük Dil Modelleri (Small Language Models - SLM)
1B–14B parametreli küçük dil modelleriyle (Llama, Qwen, Gemma, Phi, Ministral) sınıflandırma, çıkarım, yönlendirme ve dar kapsamlı görevlerde düşük maliyetli ve hızlı çözümler geliştirme; distillation ve ince ayar programı.
- Canlı Kurs
- 6 modül
-
Açık Kaynak / Open-Weight Model Entegrasyonu ve Sunumu
Llama, Qwen, Mistral ve DeepSeek gibi open-weight modelleri vLLM, SGLang ve Ollama ile şirket içi veya özel bulutta OpenAI uyumlu API olarak sunma, GPU boyutlandırma, quantization ve güvenlik programı.
- Canlı Kurs
- 6 modül
-
LLM Maliyet ve Gecikme Optimizasyonu (Prompt Caching & Latency)
Üretimdeki LLM uygulamalarında token tüketimini, fatura maliyetini ve p95 gecikmeyi düşüren mühendislik teknikleri: prompt ve semantik caching, Batch API, çıktı kontrolü, model kademelendirme ve birim maliyet analizi.
- Canlı Kurs
- 6 modül
-
LangChain Temelleri ve Uygulama Geliştirme
LangChain v0.3+ ekosistemiyle (LCEL, ChatModel soyutlaması, prompt şablonları, structured output, tool calling, retriever entegrasyonu ve LangSmith izleme) modüler LLM uygulamaları geliştirmeyi öğreten program.
- Canlı Kurs
- 6 modül
-
Java ve .NET için LLM Geliştirme (Spring AI, LangChain4j, Semantic Kernel)
Kurumsal Java (Spring AI, LangChain4j) ve .NET (Microsoft.Extensions.AI, Semantic Kernel) ekosistemlerinde Python'a geçmeden tip güvenli LLM, RAG, tool calling ve MCP entegrasyonu geliştirmeyi öğreten program.
- Canlı Kurs
- 6 modül
-
Amazon Bedrock ile Kurumsal LLM Uygulamaları Geliştirme
AWS üzerinde Amazon Bedrock Converse API, Knowledge Bases, Bedrock Agents, Guardrails, Prompt Management, IAM/VPC güvenliği ve maliyet optimizasyonu ile kurumsal üretken yapay zeka çözümleri geliştirme programı.
- Canlı Kurs
- 6 modül
Bizimle iletişime geçin