Model Online/Fiziksel
Süre
Modüller 6 modül

Eğitimin Amacı ve Kapsamı

RAG projelerinde düşük yanıt kalitesinin en yaygın nedeni model veya vektör veritabanı değil; bozuk ayrıştırılmış PDF tabloları, ortadan bölünmüş maddeler ve bağlamını kaybetmiş metin parçalarıdır (chunks). Bu eğitim; kurumsal belge formatlarından (çok sütunlu PDF, taranmış evrak, Excel/tablo, HTML, Confluence/SharePoint) yapı koruyarak veri çıkarmayı ve gelişmiş chunking stratejilerini ele alır.

Katılımcılar Docling, Marker/Unstructured ve VLM tabanlı ayrıştırıcıları kurumlarının gerçek ve zorlu dokümanları üzerinde dener; yapısal, parent-child ve contextual retrieval (bağlam zenginleştirmeli) parçalama boru hattı kurar.

Kimler Katılmalı?

  • RAG ve kurumsal bilgi tabanı projelerinde ingestion pipeline'ı geliştiren veri ve yapay zeka mühendisleri
  • Mevzuat, sözleşme, teknik katalog ve finansal rapor gibi karmaşık belgeleri işleyen yazılım geliştiriciler
  • Arama ve retrieval kalitesini veri katmanında iyileştirmek isteyen veri bilimciler
  • Ön koşul: Python ile veri işleme deneyimi ve temel RAG kavramları

Kazanımlar

  • Çok sütunlu PDF, iç içe tablo ve taranmış belgeler için doğru ayrıştırma (parsing) aracını seçer
  • Tablo ve şekilleri anlamını kaybetmeden Markdown/JSON ve doğal dil özetiyle birlikte indeksler
  • Belge tipine göre başlık hiyerarşili, parent-child veya contextual chunking stratejisini uygular
  • Üstbilgi/altbilgi gürültüsünü temizler, mükerrer (duplicate) içerikleri eler ve zengin metadata üretir
  • Artımlı (incremental) güncelleme ve kaynak belge değiştiğinde eski parçaları temizleme akışı kurar

Konular

Belge Ayrıştırma (Document Parsing) ve Layout Analizi
  • Basit PDF okuyucuların neden başarısız olduğu: okuma sırası, sütunlar ve dipnotlar
  • Docling, Unstructured, Surya/Marker ve VLM tabanlı ayrıştırma araçlarının karşılaştırması
Tablo, Liste ve Görsel İçeriklerin İndekslenmesi
  • Tabloların bütünlüğünü koruma: HTML/Markdown temsili, satır-sütun bağlamı ve özet embedding'i
  • Şema, diyagram ve gömülü görsellerin VLM açıklamalarıyla arama indeksine eklenmesi
Chunking Stratejileri: Sabit, Yapısal ve Semantik
  • Token/karakter bazlı, recursive ve Markdown/HTML başlık hiyerarşisine duyarlı parçalama
  • Embedding değişim noktalarına göre semantik chunking ve ne zaman değer kattığı
İleri Bağlam Koruma: Parent-Child, Late Chunking ve Contextual Retrieval
  • Küçük parçayla arama yapıp modele üst bölümü (parent document / sentence window) verme
  • Anthropic Contextual Retrieval yaklaşımı (parça başına belge bağlamı ekleme) ve late chunking
Temizleme, Tekilleştirme ve Artımlı Ingestion Pipeline'ı
  • Tekrarlayan antet/altbilgi temizliği, MinHash/SimHash ile yakın kopya tespiti ve PII maskeleme
  • Belge hash takibiyle yalnızca değişen bölümleri yeniden indeksleme ve silinenleri temizleme
Laboratuvar: Zorlu Kurumsal Belgeler Üzerinde Ingestion Hattı
  • Kurumun gerçek PDF/Word tabloları üzerinde ayrıştırma ve chunking deneyi
  • Farklı chunking stratejilerinin retrieval isabet oranına etkisinin ölçülmesi

Bu Kategorideki Diğer Eğitimler

  • RAG Sistemlerinde Kaynak Gösterimi, Grounding ve Halüsinasyon Kontrolü

    Kurumsal RAG asistanlarında yanıtların yalnızca getirilen kanıtlara dayanmasını (grounding), satır içi doğrulanabilir kaynak atfı (citation) üretmesini, çelişkili bilgileri yönetmesini ve kanıt yoksa çekimser kalmasını sağlayan program.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • İleri Seviye RAG İleri Seviye RAG

    BM25-dense hibrit arama, ColBERT, neural reranking, kendi kendini doğrulayan Agentic RAG, GraphRAG, Text-to-SQL ve GPU hızlandırmalı kurumsal RAG mimarileri.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal, Bireysel
    Canlı Kurs
    10 modül
    İncele
  • Hibrit Arama ve Yeniden Sıralama (Hybrid Search & Reranking)

    BM25/SPLADE anahtar kelime araması ile vektör aramasını RRF/ağırlıklı füzyonla birleştiren, sorgu genişletme (HyDE, multi-query) ve cross-encoder/ColBERT reranker modelleriyle RAG isabetini yükselten program.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • Metadata Tasarımı ve Erişim Kontrollü (Permission-Aware) RAG

    Kurumsal RAG sistemlerinde departman, rol, belge güncelliği ve kategori filtreleme için metadata şeması tasarımı, self-querying ve RBAC/ABAC/ReBAC yetki kontrollü (security-trimmed) belge getirme programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • Agentic RAG: Çok Adımlı ve Otonom Bilgi Getirme Mimarileri

    Tek seferlik vektör aramasının yetmediği karmaşık sorularda sorgu planlama, çoklu kaynak yönlendirme, getirilen kanıtı değerlendirme, sorgu düzeltme (Corrective/Self-RAG) ve LangGraph ile döngüsel Agentic RAG programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele
  • GraphRAG ve Bilgi Grafiği Destekli RAG Sistemleri

    Varlıklar arası çok adımlı ilişkileri ve tüm doküman kümesini kapsayan bütüncül soruları yanıtlamak için bilgi grafiği (Knowledge Graph), Neo4j, topluluk özetleri (Microsoft GraphRAG) ve vektör+graf hibrit mimarileri programı.

    RAG ve Kurumsal Bilgi Sistemleri Kurumsal
    Canlı Kurs
    6 modül
    İncele

Bizimle iletişime geçin