Eğitimin Amacı ve Kapsamı
Kurumsal bilginin büyük bölümü ilişkisel tablolarda değil; sözleşmelerde, teknik kılavuzlarda, ses kayıtlarında ve görsellerde tutulur. Bu verileri olduğu gibi bir LLM'e veya vektör veri tabanına aktarmak, bozuk tablolar, kaybolan başlık hiyerarşisi ve düşük retrieval kalitesiyle sonuçlanır. Bu program, yapısal olmayan çoklu ortam (multimodal) verilerini üretime hazır veri hatlarına dönüştürmeyi öğretir.
Docling ve Unstructured ile layout-aware doküman ayrıştırma, VLM/OCR ile karmaşık tablo ve görsel okuma, Whisper ile ses transkripsiyonu ve konuşmacı ayrıştırma, semantik chunking, metadata çıkarma ve incremental indeksleme uygulamalı olarak işlenir. Katılımcılar kurumun kendi doküman ve medya örnekleri üzerinde çalışan uçtan uca bir ingestion pipeline'ı ve AI-ready kalite kontrol listesi oluşturur.
Kimler Katılmalı?
- RAG, kurumsal arama ve doküman zekası sistemleri geliştiren AI ve veri mühendisleri
- Çağrı merkezi, hukuk, finans ve teknik dokümantasyon verilerini işleyen yazılım geliştiriciler
- Multimodal veri setleri hazırlayan veri bilimciler
- Ön koşul: Python programlama ve temel API/veri işleme deneyimi
Kazanımlar
- PDF, DOCX, HTML ve taranmış belgeleri başlık, tablo ve sayfa yapısını koruyarak ayrıştırır
- Ses kayıtlarını ASR ve diarization ile zaman damgalı, aranabilir metin bloklarına dönüştürür
- Görsel ve diyagramları multimodal modellerle betimleyip metin akışıyla ilişkilendirir
- Doküman tipine uygun chunking, zengin metadata ve PII temizleme adımlarını uygular
- Dosya değişikliklerini izleyerek vektör ve arama indekslerini yalnızca fark (delta) bazında günceller
Konular
Yapısal Olmayan Veri Mimarisi ve Depolama
- Object storage (S3/MinIO) düzeni, içerik hash'leme ve versiyon takibi
- Batch ve event-driven ingestion desenleri
Layout-Aware Doküman ve Tablo Ayrıştırma
- Docling, Unstructured ve OCR/VLM ile PDF, tablo ve form okuma
- Markdown/JSON ara temsili ve bozuk karakter/sayfa bilgisi temizliği
Ses ve Görüntü Verisi İşleme Hatları
- Whisper ile konuşmadan metne (ASR), diarization ve zaman damgalı parçalama
- Görsel, grafik ve teknik çizimlerden VLM ile özet ve metadata üretimi
Chunking, Metadata Zenginleştirme ve PII Maskeleme
- Hiyerarşik, tablo duyarlı ve semantik chunking stratejileri
- Otomatik etki alanı/tarih/yetki metadata'sı çıkarma ve kişisel veri temizliği
Embedding, İndeksleme ve Kalite Doğrulama
- Vektör ve hibrit arama (BM25 + dense) indekslerine idempotent yazım
- Ayrıştırma kalitesi metrikleri ve bozuk doküman karantina akışı
Bu Kategorideki Diğer Eğitimler
-
Apache Iceberg tabanlı lakehouse depolama, dbt ile modüler ve testli veri dönüşümü ve Apache Airflow ile orkestrasyon; ölçeklenebilir ve açık standartlı veri platformu kuran mühendisler için.
- Canlı Kurs
- 5 modül
-
Analitik, klasik ML, RAG ve otonom agent iş yüklerini aynı çatı altında destekleyen kurumsal veri mimarisi: lakehouse, semantic layer, feature store, vektör indeksleri ve yönetişim katmanı tasarımı.
- Canlı Kurs
- 5 modül
-
dbt tests, Soda Core ve Great Expectations ile veri hatlarında şema, iş kuralı, referans bütünlüğü ve istatistiksel dağılım testleri yazma; hatalı veriyi CI/CD ve staging aşamasında yakalama.
- Canlı Kurs
- 5 modül
-
Yazılım ekipleri ile veri/AI ekipleri arasındaki veri alışverişini OpenDataContractStandard (ODCS), Schema Registry ve CI/CD kontrolleriyle güvenceye alan uygulamalı data contract eğitimi.
- Canlı Kurs
- 5 modül
-
OpenMetadata ve DataHub ile kurumsal veri kataloğu kurulumu, iş terimleri sözlüğü, otomatik metadata hasadı ve OpenLineage ile kaynaktan BI/AI çıktısına kadar kolon bazlı lineage takibi.
- Canlı Kurs
- 5 modül
-
Veri hatlarında tazelik, hacim, şema ve dağılım anomalilerini otomatik yakalama, alert yorgunluğunu önleme, kök neden analizi ve veri olay (incident) yönetimi; veri ve AI platform ekipleri için.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
