Eğitimin Amacı ve Kapsamı
Yönetilen API'lerin (Bedrock gibi) ötesine geçip kendi özel makine öğrenmesi modellerini eğitmek, açık ağırlıklı LLM'lere fine-tuning uygulamak veya yüksek hacimli düşük gecikmeli çıkarım (inference) sunmak isteyen ekiplerin tam kontrol sağlayan bir platforma ihtiyacı vardır. Bu program, Amazon SageMaker AI ve ilgili AWS AI servisleriyle uçtan uca model yaşam döngüsünü yönetmeyi öğretir.
SageMaker Studio / Unified Studio ortamı, Processing ve Data Wrangler ile veri hazırlama, dağıtık eğitim ve LoRA fine-tuning işleri, SageMaker JumpStart ile açık ağırlıklı model dağıtımı, SageMaker Pipelines ve Model Registry ile MLOps otomasyonu ve gerçek zamanlı/serverless/batch endpoint optimizasyonu uygulamalı işlenir. Katılımcılar kurum içi bir ML/LLM senaryosu için çalışan bir SageMaker pipeline örneği hazırlar.
Kimler Katılmalı?
- AWS üzerinde model eğiten, fine-tuning yapan ve canlıya alan veri bilimciler ve ML mühendisleri
- Kurumsal MLOps/LLMOps altyapısını kuran platform ve bulut mühendisleri
- SageMaker ve Bedrock servisleri arasında mimari karar veren çözüm mimarları
- Ön koşul: Python programlama, temel makine öğrenmesi bilgisi ve AWS temelleri
Kazanımlar
- İş gereksinimine göre Amazon Bedrock, SageMaker JumpStart ve özel SageMaker eğitimi arasında doğru mimari seçimi yapar
- SageMaker Training ve Processing job'larıyla ölçeklenebilir veri işleme, model eğitimi ve PEFT/LoRA fine-tuning çalıştırır
- SageMaker Pipelines ve Model Registry ile tekrarlanabilir eğitim, değerlendirme ve onay akışı kurar
- Gerçek zamanlı, asenkron, batch ve multi-model/inference component endpoint'leriyle GPU maliyetini optimize eder
- Model Monitor ve Clarify ile canlıdaki modellerde veri/tahmin kaymasını (drift) ve önyargıyı izler
Konular
AWS AI Ekosistemi ve SageMaker AI Mimarisi
- Hazır AI servisleri (Rekognition, Textract, Transcribe), Bedrock ve SageMaker AI konumlandırması
- SageMaker Unified Studio, IAM rolleri, VPC izolasyonu ve SageMaker Python SDK
Veri Hazırlama, Feature Store ve Model Eğitimi
- SageMaker Processing, Feature Store (online/offline) ve yerleşik algoritmalar
- Script mode, özel Docker container'lar, Spot instance kullanımı ve deney takibi (Experiments)
SageMaker JumpStart ve Açık Ağırlıklı LLM Fine-Tuning
- JumpStart ve Hugging Face entegrasyonuyla Llama, Qwen ve Mistral modellerini dağıtma
- QLoRA/LoRA ile ince ayar (fine-tuning) ve eğitim kümesi (HyperPod) kavramları
Model Sunma (Inference) ve GPU Maliyet Optimizasyonu
- Real-time, Serverless, Asynchronous ve Batch Transform dağıtım seçenekleri
- LMI/vLLM/TGI container'ları, Inference Components (çoklu model/LoRA adaptörü) ve otomatik ölçekleme
SageMaker Pipelines, Model Registry ve İzleme
- Adım adım MLOps DAG'ları, Model Registry versiyon/onay süreci ve CI/CD tetikleyicileri
- Data Capture, Model Monitor (drift tespiti) ve Clarify ile açıklanabilirlik
Bu Kategorideki Diğer Eğitimler
-
Google Cloud Vertex AI ve Gemini modelleriyle kurumsal AI ve agent geliştirme: Google Gen AI SDK, Vertex AI Search ile grounding, context caching, güvenlik kontrolleri ve kurumsal dağıtım.
- Canlı Kurs
- 5 modül
-
Google'ın açık kaynaklı Agent Development Kit (ADK) framework'ü ile modüler multi-agent sistemler geliştirme: LlmAgent, Sequential/Parallel/Loop iş akışı agent'ları, MCP araçları, yerel değerlendirme ve dağıtım.
- Canlı Kurs
- 5 modül
-
Google Cloud Vertex AI Agent Engine ve Agent Development Kit (ADK) kullanarak ölçeklenebilir, güvenli ve yönetilen kurumsal agent mimarileri tasarlamayı, devreye almayı ve işletmeyi uygulamalı olarak öğrenin.
- Canlı Kurs
- 4 modül
-
Vertex AI Model Garden üzerindeki Gemini, ortaklık modelleri ve açık ağırlıklı (open-weight) modelleri değerlendirme, özelleştirme, güvenli endpoint olarak devreye alma ve maliyet-performans optimizasyonu süreçlerini öğrenin.
- Canlı Kurs
- 4 modül
-
Kurumsal bulut agent sistemlerinde uçtan uca tracing, telemetri, otomatik değerlendirme (evaluation), güvenlik guardrail katmanları ve IAM tabanlı erişim yönetişimini tasarım ve uygulama boyutuyla öğrenin.
- Canlı Kurs
- 4 modül
-
IBM watsonx.ai, watsonx.data ve watsonx.governance bileşenlerini kullanarak kurumsal yapay zeka modellerini geliştirme, hibrit veri mimarileriyle besleme ve regülasyonlara uyumlu biçimde yönetme süreçlerini öğrenin.
- Canlı Kurs
- 4 modül
Bizimle iletişime geçin
