Model Online/Fiziksel
Süre
Modüller 6 modül

Eğitimin Amacı ve Kapsamı

Vektör tabanlı RAG, tekil paragraflarda geçen bilgileri bulmakta başarılıdır; ancak "Bu tedarikçinin gecikmesi hangi alt projeleri ve hangi müşteri sözleşmelerini dolaylı olarak etkiler?" gibi varlıklar arası ilişkisel sorularda veya tüm veri kümesi üzerinden tema/özet çıkaran (global) sorularda yetersiz kalır. Bu eğitim; bilgi grafiği (Knowledge Graph) destekli RAG yaklaşımlarını, Microsoft GraphRAG (topluluk algılama ve hiyerarşik özetler) mimarisini ve Neo4j/Property Graph ile vektör+graf hibrit aramayı ele alır.

Katılımcılar yapılandırılmış veritabanı tabloları ile yapılandırılmamış metinlerden ontoloji güdümlü bir grafik inşa eder; indeksleme maliyetini kontrol ederek ne zaman GraphRAG kullanılacağını belirler.

Kimler Katılmalı?

  • Karmaşık kurumsal ilişkiler (tedarik zinciri, hukuk, finans/uyum, BT varlıkları) üzerinde AI çözümleri kuran yapay zeka mühendisleri
  • Bilgi grafiği (Knowledge Graph), Neo4j ve RAG sistemlerini birleştiren veri bilimciler ve veri mimarları
  • Çoklu belge sentezi ve kurumsal hafıza projeleri yürüten teknik ekipler
  • Ön koşul: RAG/embedding bilgisi, Python ve temel veritabanı/sorgulama deneyimi

Kazanımlar

  • Standart vektör RAG'ın çözemediği çok atlamalı (multi-hop) ve küresel (global sensemaking) soru tiplerini belirler
  • Alan ontolojisine bağlı kalarak LLM ile metinlerden varlık (entity) ve ilişki (relation) çıkarımı yapar
  • Aynı varlığın farklı yazılımlarını birleştiren varlık tekilleştirme (entity resolution) adımlarını uygular
  • Neo4j / Property Graph üzerinde vektör benzerliği ile grafik komşuluk gezinmesini (traversal) birleştirir
  • Microsoft GraphRAG / LightRAG yaklaşımlarının indeksleme token maliyetini ve güncelleme stratejisini yönetir

Konular

Neden GraphRAG? Vektör Uzayının Sınırları ve Grafik Düşüncesi
  • Benzerlik (similarity) ile bağlantılılık (connectedness) farkı: multi-hop ve global sorular
  • İki ana yaklaşım: Property Graph + Vector hibrit arama vs Leiden topluluk özetli GraphRAG
Ontoloji Tasarımı, Varlık/İlişki Çıkarımı ve Entity Resolution
  • Şemaya bağlı (schema-guided) LLM çıkarımı ile düğüm ve kenar tiplerini sınırlandırma
  • Farklı belgelerde geçen aynı kişi, şirket veya ürün adlarının tekilleştirilmesi (entity disambiguation)
Neo4j ve Property Graph Üzerinde Vektör + Graf Hibrit Retrieval
  • Lexical graph (Belge -> Parça -> Varlık) yapısı ve vektör aramasıyla giriş düğümlerini bulma
  • k-hop komşuluk gezinmesi (subgraph retrieval) ve güvenli Text-to-Cypher şablonları
Topluluk Algılama ve Global Arama (Microsoft GraphRAG & LightRAG)
  • Hierarchical Leiden algoritması ile graf topluluklarının bulunması ve topluluk raporlarının üretimi
  • Local Search, Global Search (Map-Reduce) ve daha düşük maliyetli LightRAG/hibrit alternatifler
Üretim Zorlukları: Maliyet, Artımlı Güncelleme ve Yetkilendirme
  • LLM tabanlı graf inşa maliyetini SLM ve hibrit NLP (GLiNER) ile düşürme
  • Yeni belge eklendiğinde graf güncelleme ve topluluk özetlerinde belge bazlı erişim kontrolü
Laboratuvar: İlişkisel Kurumsal Veri ve Belgeler Üzerinde GraphRAG
  • Kurum senaryosu için metin + tablo verisinden hibrit bilgi grafiği oluşturma
  • Multi-hop sorularda standart vektör RAG ile GraphRAG sonuçlarının karşılaştırması

Bu Kategorideki Diğer Eğitimler

  • 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
  • Semantik Katman ve Metrik Tanımları ile Güvenilir Text-to-SQL

    Text-to-SQL sistemlerinin her soruda farklı formül uydurmasını önlemek için dbt Semantic Layer, Cube, LookML ve YAML metrik sözlükleriyle yönetişimli analitik ve Text-to-Semantic-Query mimarisi kurma programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele

Bizimle iletişime geçin