Eğitimin Amacı ve Kapsamı
Her proje ekibinin kendi veri boru hattını, vektör veritabanını ve LLM bağlantısını sıfırdan kurması; güvenlik açıklarına, tekrarlanan altyapı maliyetlerine ve üretime çıkamayan modellere yol açar. Bu ileri seviye akademi; hem klasik makine öğrenmesi hem de üretken AI (RAG ve agentic iş yükleri) uygulamalarını ölçekli ve güvenli biçimde destekleyen kurumsal bir Veri ve AI Platformu inşa etmeyi ele alır.
Modern lakehouse ve yapılandırılmamış veri işleme, vector/feature store katmanları, merkezi AI Gateway (yönlendirme, hız sınırlama, maliyet ve PII maskeleme), Kubernetes/vLLM/Triton üzerinde model sunumu, MLOps/LLMOps CI/CD boru hatları ve GPU/token FinOps yönetimi incelenir; katılımcılar kurumlarına uygun referans platform mimarisi ve yol haritası tasarlar.
Kimler Katılmalı?
- Veri platformu, ML platformu ve bulut altyapı mimarları ile mühendisleri
- Veri mühendisleri, MLOps/LLMOps mühendisleri ve SRE/DevOps ekipleri
- Kurumsal veri ve AI altyapı stratejisini yöneten teknik liderler ve mühendislik yöneticileri
- Ön koşul: Bulut/on-prem veri mimarileri, container/Kubernetes ve veri/ML iş akışları hakkında temel deneyim
Kazanımlar
- Tablosal analitik, ML eğitimi ve üretken AI (doküman/multimodal) iş yüklerini besleyen bütünleşik veri mimarisi tasarlamak
- Doküman ayrıştırma, embedding üretimi, erişim kontrolü (RBAC/ABAC) ve tazelik senkronizasyonu içeren kurumsal RAG veri boru hatları kurmak
- Ticari LLM API'leri ve şirket içi (self-hosted) modelleri tek noktadan yöneten bir AI Gateway katmanı kurgulamak
- MLflow, feature store, model kayıt defteri, otomatik değerlendirme ve CI/CD ile tekrarlanabilir MLOps/LLMOps akışları işletmek
- GPU kullanımı, önbellekleme, model boyutlandırma ve birim maliyet (chargeback/showback) için AI FinOps kontrolleri uygulamak
Konular
Modern Veri Mimarisi ve AI-Ready Veri Temeli
- Lakehouse (Iceberg/Delta), veri kontratları, veri kalitesi ve soykütüğü (lineage)
- Yapılandırılmış ve yapılandırılmamış (PDF, ses, görüntü) verileri AI iş yükleri için hazırlama
Kurumsal Context, Feature Store ve Vector Altyapısı
- Çevrimiçi/çevrimdışı feature store ve ölçeklenebilir vector database mimarileri (pgvector, Qdrant, Milvus, OpenSearch)
- Artımlı (incremental) doküman indeksleme ve kaynak sistem yetkilerinin (ACL/RBAC) retrieval katmanına taşınması
Merkezi AI Gateway ve Çoklu Model Orkestrasyonu
- Bulut API'leri (Azure AI Foundry, Bedrock, Vertex AI) ve iç modeller için birleşik API ağ geçidi
- Hız sınırlama, otomatik yedekleme (failover), PII maskeleme, semantic caching ve birim bazlı kota yönetimi
Model Serving, GPU Altyapısı ve Çıkarım Optimizasyonu
- Kubernetes üzerinde vLLM, SGLang, Triton ve KServe ile model sunumu
- Continuous batching, quantization, speculative decoding ve GPU paylaşımı (MIG / time-slicing)
Bütünleşik MLOps / LLMOps ve Gözlemlenebilirlik
- Deney takibi, model/prompt versiyonlama, otomatik eval/güvenlik kapıları ve kanarya (canary) dağıtımlar
- Veri kayması (drift), gecikme (TTFT/TPOT), hata oranları ve distributed tracing izleme
AI FinOps, Self-Service Deneyimi ve Mimari Capstone
- GPU ve token maliyet analizi, küçük/uzman model yönlendirmesi ve chargeback/showback modelleri
- Kurum için self-service Veri & AI Platformu referans mimarisi ve geçiş yol haritası tasarımı
Bu Kategorideki Diğer Eğitimler
-
AI çağında otomasyonun ikame edemediği beşeri yetkinlikler akademisi: problem çerçeveleme, AI çıktısını eleştirel sorgulama, etik muhakeme, paydaş etkileme, kolaylaştırıcılık ve adaptasyon çevikliği.
- Canlı Kurs
- 6 modül
-
Üst yönetim ve iş birimi liderleri için çok modüllü AI liderlik akademisi: AI stratejisi, use case portföyü ve birim ekonomisi, işletim modeli, EU AI Act/ISO 42001 yönetişimi ve kurumsal dönüşüm yol haritası.
- Canlı Kurs
- 6 modül
-
İş birimleri için kapsamlı AI okuryazarlığı ve üretkenlik akademisi: ileri prompt ve context engineering, doküman/veri analizi, özel asistan tasarımı, doğrulama protokolleri ve birime özel iş akışı dönüşüm projesi.
- Canlı Kurs
- 6 modül
-
Kural tabanlı otomasyondan otonom ve yarı-otonom AI agent iş akışlarına geçiş: süreç yeniden tasarımı, Copilot Studio/n8n/LangGraph ve MCP entegrasyonları, human-in-the-loop guardrail'leri ve çalışan prototip.
- Canlı Kurs
- 6 modül
-
Yazılım ve AI mühendisleri için uçtan uca üretim seviyesi GenAI geliştirme: LLM API ve açık ağırlıklı modeller, ileri RAG/reranking, LangGraph ile agent'lar, LoRA fine-tuning, LLM evaluation ve LLMOps/vLLM.
- Canlı Kurs
- 6 modül
-
Yazılım geliştirme yaşam döngüsünün (SDLC) tamamını AI-native pratiklerle dönüştüren akademi: context/rules dosyaları, IDE/CLI coding agent'ları, legacy refactoring, test/güvenlik otomasyonu ve mühendislik standartları.
- Canlı Kurs
- 6 modül
Bizimle iletişime geçin
