Renkler tuhaf mı görünüyor? Samsung Internet tarayıcısı koyu modda site renklerini değiştiriyor olabilir. Kapatmak için Internet menüsünden Ayarlar → Kullanışlı Özellikler → Labs → Web site koyu temasını kullan seçeneğini etkinleştirebilirsiniz.
Teknik kurumsal eğitim · RuneLab Akademi
Şirket bilginize kaynağıyla yanıt veren sistemler kurun.
Dokümanlarınızdan kaynak göstererek yanıt üreten RAG sistemlerini uçtan uca kurmayı öğreten uygulamalı eğitim. Veri hazırlamadan hybrid retrieval'a kadar ekibiniz bir RAG servisi kurar; onu production'a taşımak için gereken evaluation ve güvenlik katmanlarını uygular.
Demo çalışır, production zorlar. Eğitim bir RAG sisteminin altı aşamasını tek tek kurar; her aşamada en sık yapılan hatayı ölçerek bulmayı ve düzeltmeyi öğretir.
PDF, wiki ve proje dokümanlarını sisteme alma, parse etme ve temizleme.
Sık hataTablolar ve başlıklar parse sırasında kaybolur.
Dokümanı anlamlı parçalara bölme; kaynak, tarih ve birim gibi alanları ekleme.
Sık hataBir tablo iki chunk'a bölünür, yanıt yarım kalır.
Embedding modelini ve vektör veritabanını veri hacmine ve dile göre seçme.
Sık hataTürkçe sorgularda zayıf kalan bir embedding modeli seçilir.
BM25 ve semantic aramayı birleştiren hybrid retrieval; sonuçları reranker ile sıralama.
Sık hataDoğru parça bulunur ama ilk sıralara çıkmaz.
Getirilen bağlamdan, her iddiayı kaynağına bağlayarak yanıt üretme.
Sık hataModel kaynakta olmayan bilgiyi yanıta ekler.
Retrieval ve yanıt kalitesini ölçme; prompt injection ve veri sızıntısına karşı koruma.
Sık hataKalite ölçülmez; sorunlar kullanıcı şikayetiyle fark edilir.
Her kurumsal bilgi problemi RAG ile çözülmez. Eğitim, üç yaklaşım arasındaki seçimi problemin yapısına göre yapmayı öğretir.
Üç yaklaşım birbirini dışlamaz: RAG, üslup ve format için fine-tune edilmiş bir modelle, tekrarlanan bağlam için prompt caching ile birlikte kullanılabilir.
Kurumsal arama, doküman arama ya da bilgi asistanı geliştirecek teknik ekipler için. Python ile çalışabilmek yeterli; LLM ve RAG kavramları baştan ele alınır.
Kurumsal arama, doküman asistanı ya da bilgi servisi geliştirecek ekipler.
Mevcut bir RAG prototipini ölçülebilir kaliteyle production'a taşımak isteyenler.
Retrieval kalitesini ölçmek, evaluation kurgulamak ve iyileştirmek isteyenler.
RAG mimarisi, maliyet ve güvenlik kararlarını verecek ve ekibini yönlendirecek liderler.
On modül. Temel pipeline'dan agentic RAG'e kadar her modül uygulamayla ilerler; modüllerin ağırlığı ekibinizin seviyesine ve hedefine göre belirlenir.
RAG neden gerekir, hangi senaryolarda fine-tuning yerine tercih edilir; grounded ve kaynaklı yanıt; doğruluk, güncellik ve izlenebilirlik ihtiyacı.
PDF, wiki ve markdown ingestion, parsing ve temizleme; chunking stratejileri, metadata tasarımı; embedding modeli ve vektör veritabanı seçimi.
Ingestion'dan yanıta uçtan uca akış; retrieval sonucunu prompt'a bağlama, kaynak gösterme ve hallucination'ı azaltmada retrieval'ın rolü.
FastAPI, bir LLM API'si ve vektör veritabanıyla çalışan soru-cevap servisi: doküman yükleme, embedding, retrieval ve generation.
Atölye Her katılımcı kendi mini RAG servisini ayağa kaldırır.
RAG için prompt yapıları ve structured output; recall@k ve MRR ile retrieval, faithfulness ve LLM-as-judge ile yanıt kalitesini ölçme; golden set ve regression testleri.
Hybrid retrieval, reranking, multi-query ve query rewriting; Türkçe için BM25 analyzer ve stemming; context compression ve filtering; GraphRAG'e giriş.
Klasik RAG ile agent farkı; tool calling, planlama ve farklı veri kaynaklarını birlikte kullanan çok adımlı bilgi erişimi.
Harici API ve webhook entegrasyonu, rate limit ve hata yönetimi; kritik adımlarda human-in-the-loop onayı.
API-first servis, latency ve token maliyeti; prompt injection ve data leakage'a karşı guardrail katmanı; retrieval sırasında doküman düzeyinde yetki filtresi ve role-based access control.
Farklı kaynaklardaki dokümanlardan kaynaklı yanıt veren bir bilgi asistanının mimarisi, geliştirilmesi ve sunumu.
Çıktı Kurumunuzun senaryosuna uyarlanabilir, çalışan bir prototip.
Ofisinizde; uygulamalar kurumunuzun altyapısına ve kullanım senaryolarına göre hazırlanır.
Farklı lokasyonlardaki ekipler için canlı oturumlar; yarım günlere bölünebilir.
Kavramsal modüller online, atölye modülleri yerinde; büyük gruplar için.
Tüm katılımcılara RuneLab Akademi katılım belgesi verilir. Talep halinde eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülür ve belge BÜYEM onaylı düzenlenir.
Bu program kurumsal ekipler için hazırlanır. Kısa bir girişle başlamak ya da belirli bir konuda derinleşmek isteyenler için bireysel katılıma da açık eğitimlerimiz var.
RAG mimarisini sıfırdan kurup günün sonunda çalışan bir doküman chatbot'u geliştiren giriş atölyesi.
Kursu inceleyin →Metnin yanında tablo ve görselleri de anlayan, karmaşık dokümanlarla konuşan bir RAG sistemi.
Kursu inceleyin →Hybrid search, ColBERT, reranking, GraphRAG, self-correcting ve agentic RAG; güvenlik ve performans.
Kursu inceleyin →RuneLab'in ürünleri bu eğitimde öğretilen mimarinin üzerine kurulu. Kendi sistemini geliştiren ekipler için bir referans, hızlı başlamak isteyenler için hazır bir çözüm.
Dokümanlarınız için hazır RAG asistanı: her yanıt kaynak sayfasıyla birlikte gelir.
İnceleyin →
RAG sisteminizi kurum içinde çalıştıran GPU altyapısı; dokümanlar ve yanıtlar dışarı çıkmaz.
İnceleyin →
Bulut model kullanan RAG sistemlerinde prompt'a giren hassas veriyi maskeler, her isteği doğru modele yönlendirir.
İnceleyin →RAG, yani Retrieval-Augmented Generation, bir dil modelinin yanıt üretmeden önce ilgili bilgiyi kurumun kendi dokümanlarından getirmesi ve yanıtı bu kaynaklara dayandırmasıdır. Model yeniden eğitilmez; dokümanlar güncellendikçe yanıtlar da güncellenir ve her yanıt kaynağını gösterebilir.
Python ile çalışabilmek ve bir API'ye istek göndermeyi bilmek yeterli. LLM ve RAG kavramları ilk modülde baştan ele alınır; deneyimli ekipler için program advanced RAG ve agentic RAG modüllerine ağırlık verecek şekilde uyarlanır.
Program ekibin seviyesine ve hedefine göre kurgulanır. Temel pipeline ve mini RAG servisine odaklanan program iki günde; advanced RAG, agentic RAG, entegrasyon ve capstone projesini kapsayan tam program beş günde tamamlanır.
Uygulamalar LangChain veya LlamaIndex, BGE-M3 gibi embedding modelleri ve Qdrant, Milvus, Weaviate, pgvector ya da FAISS ile yapılır; seçenekler kullanım senaryosuna göre karşılaştırılır. Evaluation için RAGAS kullanılır. Kurumunuz bulut modellerini kullanamıyorsa uygulamalar kurum içinde çalışan açık kaynak modellerle de yapılabilir.
Hayır. Uygulamalar bizim hazırladığımız örnek doküman setleriyle yapılır; gerçek şirket verisi hiçbir araca girilmez. Capstone projesi kurumunuzun senaryosuna göre kurgulanır.
Bu eğitim, kurumsal bilgiye kaynaklı erişim sağlayan sistemlerin tasarımına odaklanır ve bulutta ya da kurum içinde çalışan her modelle uygulanabilir. Local LLM Eğitimi ise modelin kendisini kurumunuzun sunucularında çalıştırmayı öğretir. Verisini dışarı çıkaramayan kurumlar iki programı birlikte planlayabilir. Local LLM Eğitimi'ni inceleyin.
RuneDesk, RuneLab'ın geliştirdiği ve kurumunuzda kurulup hemen kullanılan eksiksiz bir yazılım ürünüdür. Kullanıcı girişi ve yetkilendirme, yönetim paneli ve kaynak gösteren yanıtlarla gelir; SharePoint, Confluence ve SAP gibi kaynaklara, veri tabanlarına ve Microsoft Teams ya da Slack gibi kanallara bağlanır; bulutta ya da kurum içinde çalışır. RAG eğitimi ise ekibinizin bu tür sistemlerin nasıl çalıştığını anlamasını, kendi ürünlerine RAG tabanlı özellikler eklemesini ve bir RAG çözümünü doğru ölçütlerle değerlendirmesini sağlar. Amacı hazır bir ürünün yerini almak değil, ekibinizin bu alanda doğru kararlar vermesi ve kendi ihtiyaçlarına özel çözümler geliştirebilmesidir. Kurumsal doküman asistanı ihtiyacı için RuneDesk, ekibinizin yetkinliği için eğitim; iki yol birbirini tamamlar.
Tüm katılımcılara RuneLab Akademi katılım belgesi verilir. Talep ettiğiniz durumda eğitim Boğaziçi Üniversitesi Yaşamboyu Eğitim Merkezi ile birlikte yürütülebilir ve katılım belgesi BÜYEM onaylı düzenlenebilir.
Eğitimi, RuneLab'de kurumsal AI projeleri yürüten, sektörde deneyimli senior AI engineer ve data scientist'ler verir.
Evet. Eğitim öncesi kısa bir görüşmeyle ekibinizin seviyesini, doküman kaynaklarınızı ve çözmek istediğiniz senaryoları öğreniyor, modülleri ve capstone projesini buna göre hazırlıyoruz.
Katılımcı sayısı, format ve içerik uyarlamasının kapsamına göre kurumunuza özel bir teklif hazırlıyoruz. Formu doldurun, bir iş günü içinde dönüş yapalım.
Katılımcı sayısını, ekibin teknik profilini, format ve tarih tercihinizi yazın; bir iş günü içinde dönüş yapalım.
