Eğitimin Amacı ve Kapsamı
Kurumsal süreçlerdeki faturalar, sözleşmeler, banka dekontları ve taranmış formlar standart bir şablona uymaz; salt OCR metni çıkarmak çoğu zaman iş kurallarını beslemeye yetmez. Bu program, görüntü iyileştirme ve eğrilik düzeltmeden başlayarak modern OCR motorlarını (PaddleOCR, Surya, Tesseract) ve görsel-metinsel sayfa yerleşimi modellerini (LayoutLMv3, Donut, Docling) uçtan uca ele alır.
Çok sütunlu belgeler, karmaşık tablolar, imza/kaşe bölgeleri ve anahtar-değer çiftlerinin çıkarımı uygulamalı lab'larla işlenir. Katılımcılar kurumlarının örnek belge tipleri üzerinden doğrulama kuralları ve human-in-the-loop adımlarını içeren bir Document AI akışı tasarlar.
Kimler Katılmalı?
- Belge otomasyonu ve veri çıkarımı geliştiren yazılım ve yapay zeka mühendisleri
- Finans, sigorta, hukuk ve operasyon süreçlerini dijitalleştiren veri bilimciler
- RPA ve kurumsal iş akışı projelerinde teknik mimariden sorumlu uzmanlar
- Ön koşul: Python programlama ve temel derin öğrenme bilgisi
Kazanımlar
- Taranmış ve fotoğraflanmış belgeleri OCR öncesi gürültü ve perspektif açısından iyileştirmek
- Türkçe ve çok dilli belgelerde uygun OCR motorunu seçip doğruluk/hız ödünleşimini ölçmek
- Sayfa yerleşimi (layout) ve tablo yapılarını tespit ederek JSON/veritabanı şemasına dönüştürmek
- LayoutLMv3 veya OCR-free Donut modelleriyle form ve fatura alanlarını çıkarmak
- CER/WER ve alan bazlı F1 metrikleriyle uçtan uca Document AI pipeline'ını değerlendirmek
Konular
Belge Ön İşleme ve Görüntü İyileştirme
- Deskew, denoising, adaptif eşikleme ve perspektif düzeltme
- PDF katman analizi ve görüntü çözünürlüğü standartlaştırma
Modern OCR Mimarileri: Metin Tespiti ve Tanıma
- DBNet ve CRAFT ile metin bölgesi tespiti, CRNN ve SVTR ile karakter tanıma
- PaddleOCR, Surya ve Tesseract ile Türkçe karakter ve el yazısı performansı
Sayfa Yerleşimi (Layout) ve Tablo Çıkarımı
- Başlık, paragraf, tablo, imza ve kaşe bölgelerinin nesne tespitiyle ayrıştırılması
- Hücre birleşimli ve çizgisiz tablolardan yapısal veri üretimi (Docling, Table Transformer)
Multimodal Belge Anlama: LayoutLMv3 ve Donut
- 2D konumsal embedding'ler ile görsel ve metinsel bilginin birleştirilmesi
- OCR-free yaklaşımlar ve VLM'lerle şemasız fatura/sözleşme alanı çıkarımı
Üretimde Document AI Pipeline'ı ve Kalite Kontrol
- CER, WER ve alan bazlı F1 ile model değerlendirme
- Confidence eşikleri, iş kuralı doğrulaması ve human-in-the-loop yönlendirme
Bu Kategorideki Diğer Eğitimler
-
RTSP video akışları, GStreamer/FFmpeg, gerçek zamanlı tespit, ByteTrack/BoT-SORT ile multi-object tracking, hız/yoğunluk analizi ve NVIDIA DeepStream; kamera ağlarından canlı operasyonel içgörü üretmek isteyen ekipler için.
- Canlı Kurs
- 5 modül
-
3D CNN (SlowFast, X3D), VideoMAE/TimeSformer ve iskelet tabanlı (MMPose, ST-GCN) modellerle insan hareketi, ergonomi ve anomali tespiti; iş güvenliği, üretim hattı ve davranış analizi geliştiren ekipler için.
- Canlı Kurs
- 5 modül
-
CLIP/SigLIP ile ortak embedding uzayı, Qwen2.5-VL, LLaVA ve InternVL mimarileri, görsel soru-cevap, multimodal RAG ve QLoRA ile fine-tuning; görüntü ve metni birlikte işleyen sistemler geliştiren mühendisler için.
- Canlı Kurs
- 5 modül
-
Üretim hatlarında yüzey kusuru tespiti, anomalib (PatchCore, PaDiM, EfficientAd) ile unsupervised anomali yakalama, endüstriyel kamera/aydınlatma seçimi ve PLC entegrasyonu; kalite ve üretim mühendisliği ekipleri için.
- Canlı Kurs
- 5 modül
-
Yatan hasta düşme önleme, yoğun bakım izleme, el hijyeni ve KKD uyumu, ameliyathane cerrahi alet sayımı ve KVKK uyumlu edge anonimleştirme; hastane dijital dönüşüm ve sağlık teknolojisi ekipleri için.
- Canlı Kurs
- 5 modül
-
DICOM/NIfTI işleme, MONAI ve nnU-Net ile BT/MR/röntgen üzerinde 2D/3D lezyon ve organ segmentasyonu, tümör patolojisi (WSI) analizi ve klinik doğrulama; medikal görüntüleme ve biyomedikal yapay zeka ekipleri için.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
