Eğitimin Amacı ve Kapsamı
Yapay zeka artık yalnızca metin okuyup yazan modellerden ibaret değil; fatura ve saha fotoğraflarını anlayan, çağrı merkezi ses kayıtlarını analiz eden ve video içerikleri özetleyen çok modlu (multimodal) sistemler iş süreçlerinin merkezine yerleşiyor. Bu program, metin, görsel, ses ve video modellerinin nasıl çalıştığını ve hangi iş problemlerini çözdüğünü anlaşılır bir çerçevede sunar.
Katılımcılar OpenAI, Claude, Gemini ve açık ağırlıklı (Qwen-VL, Llama, Whisper) modelleri canlı örneklerle dener; kendi kurumlarından bir vaka için uygun modalite ve model seçimini yapar ve kalite, gecikme ve maliyet ölçüm planı hazırlar.
Kimler Katılmalı?
- Çok modlu yapay zeka projelerini değerlendiren iş birimi yöneticileri ve ürün sahipleri
- Dijital dönüşüm, inovasyon ve iş analitiği ekipleri
- Çok modlu ekosistemde hızlı bir genel bakış arayan teknik uzmanlar
- Teknik ön koşul yoktur
Kazanımlar
- Tek modlu boru hatları ile uçtan uca (native) multimodal modellerin farkını açıklamak
- Görsel anlama, belge okuma, ses işleme ve video analizi için doğru model ailesini seçmek
- Token hesaplamasının görsel, ses ve videoda maliyeti nasıl etkilediğini hesaplamak
- Halüsinasyon, OCR hataları, deepfake ve telif/KVKK risklerini değerlendirmek
- Kurum içi bir çok modlu proje için vaka taslağı ve başarı ölçütleri oluşturmak
Konular
Çok Modlu Yapay Zeka Ekosistemi
- Modüler boru hatları (OCR/STT + LLM) vs native omni modeller
- Kapalı ve açık ağırlıklı model ailelerinin güncel haritası
Görsel ve Belge Anlama Modelleri
- Fotoğraf, diyagram, tablo ve el yazısı okuma senaryoları
- Görsel üretim ve düzenleme modellerinin kurumsal sınırları
Ses ve Konuşma Modelleri
- Speech-to-Text (STT), Text-to-Speech (TTS) ve doğrudan Speech-to-Speech
- Çağrı analizi, toplantı özeti ve sesli asistan kullanım alanları
Video Anlama ve Üretim
- Uzun videoları indeksleme, olay tespiti ve zaman damgalı sorgulama
- Eğitim, pazarlama ve saha denetiminde video yapay zeka
Maliyet, Gecikme ve Güvenli Kullanım
- Görsel çözünürlük, ses süresi ve kare hızının maliyete etkisi
- Gizlilik, biyometrik veri (KVKK) ve model seçim kontrol listesi
Bu Kategorideki Diğer Eğitimler
-
Metin, görsel, ses ve belge girdilerini birleştiren kurumsal uygulamaların uçtan uca tasarımı: medya ön işleme, structured output, hibrit model yönlendirme ve maliyet/gecikme optimizasyonu.
- Canlı Kurs
- 5 modül
-
Karmaşık PDF, fatura, sözleşme, tablo ve formlardan VLM'ler ve modern belge ayrıştırma araçlarıyla yüksek doğruluklu veri çıkarma: mizanpaj anlama, şema doğrulama, kanıt eşleme ve insan onaylı iş akışı.
- Canlı Kurs
- 5 modül
-
Tablo, grafik, diyagram ve görseller içeren kurumsal dokümanlar üzerinde Çok Modlu RAG (Multimodal RAG) mimarisi: görsel-metin indeksleme, ColPali/görüntü embedding'leri, hibrit retrieval ve görsel kanıtlı yanıt üretimi.
- Canlı Kurs
- 5 modül
-
LLM tabanlı yazılı ve sesli asistanlar için konuşma tasarımı (conversation design): persona ve ton kuralları, çok turlu diyalog akışı, belirsizlik giderme, onarım stratejileri ve canlı temsilciye devir deneyimi.
- Canlı Kurs
- 5 modül
-
Müşteri hizmetleri ve çağrı merkezleri için bilgi tabanı (RAG), CRM/sipariş araçları ve politika kurallarıyla çalışan akıllı müşteri temsilcisi tasarımı, temsilci asistanı (agent assist) ve canlıya geçiş mimarisi.
- Canlı Kurs
- 5 modül
-
Kurumsal sesli yapay zeka uygulamaları için Speech-to-Text (STT), LLM ve Text-to-Speech (TTS) boru hatları: Whisper, Deepgram, ElevenLabs ve Cartesia ile düşük gecikmeli ses işleme, akustik zorluklar ve telefon entegrasyonu.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
