Uygulamalı Yapay Zeka
Yapay zekanın çalışma mantığını öğrenerek projeler geliştirin, ileri seviye prompt teknikleriyle kariyerinize yön verin.
Kubilay Tuna
Senior AI Engineer & Technical Lead
Ex-Huawei
Kurs hakkında:
- TARIH:
3 Ekim -
14 Kasım 2024 - SÜRE:
6 Hafta /
12 Ders
Yapay zekayı işinizde ve günlük hayatınızda en verimli şekilde kullanmaya hazır mısınız?
Prompt mühendisliği ile başlayarak, üretken yapay zekanın gücünü nasıl optimize edeceğinizi keşfedeceksiniz. Bilgisayarlı görünün derinliklerine inecek, bulut hizmetlerini etkili bir şekilde kullanmayı ve dağıtmayı öğrenecek, ayrıca açık kaynak modellerle gelişmiş sohbet senaryoları yaratacaksınız.
Görüntü sentezi, görüntü tanıma ve daha birçok yapay zeka aracıyla tanışarak, teknoloji dünyasında öne çıkmak için gereken deneyimi kazanacaksınız. Kendinizi geleceğin teknolojisine hazırlayın ve sektördeki rekabet gücünüzü artırın!
KURS BOYUNCA KULLANILACAK ARAÇLAR
Aşağıdaki kişilere bu kursu öneririz:
Kursta aşağıdaki konuları analiz edeceğiz:
-
01
Uygulama temelli dersler ve ödevleri veririz
Derslerin materyallerini pekiştirmeniz için çok özel uygulama temelli alıştırmaları geliştirdik. Bu alıştırmalar sayesinde yapay zeka ve prompt mühendisliğini daha iyi kavrayacaksınız.
-
02
Yardım ve destek sağlarız
Kurs eğitmeni, kurs sırasında ortaya çıkan tüm soruları yanıtlayacak ve ekibimiz öğrenme sürecinde size yardımcı olacaktır.
-
03
Network kurarız
Eğitim ile ilgili tüm bilgi ve dökümanları hızlıca edinebileceğiniz Discord kanallarına dahil olacaksınız.
Eğitmen
Kubilay Tuna
Senior AI Engineer & Technical Lead
Ex-Huawei
-
4 yıllık Huawei kariyeri boyunca Huawei yapay zeka ekosistemini Avrupa, Türkiye ve Orta Doğu coğrafyalarında geliştirerek şirketin ulusal/uluslararası birçok projeye imza atmasını sağladı.
-
4 yıldan fazla süredir bilgisayarlı görü, doğal dil işleme gibi alanlarda son teknoloji uçtan uca yapay zeka çözümleri geliştirmektedir.
-
Huawei’nin Tech4Nature stratejisi kapsamında Norveç Somonu’nun korunması projesinde bilgisayarlı görü çözümlerinin geliştirilmesinde görev aldı. Bu başarı Bloomberg gibi global ve yerel birçok gazetede yayınlandı.
-
TEİAŞ’ın yüksek gerilim hatlarındaki hataların havadan kontrol ile belirlenmesi projesinde aktif görev aldı.
-
Aselsan MİLKED 3A3 elektronik harp projesinin gömülü elektromekanik kullanıcı arayüzü geliştirme projesinde rol aldı.
MÜFREDAT
-
01 Ders
Yapay Zeka Dünyası
- Yapay zekanın gelişim süreci
- Yapay zekanın ana bileşenleri
- Yapay zekanın endüstri trendleri ve kullanım alanları
- Yapay zekanın etik ve sosyal etkileri
- Çalışma ortamlarının hazırlanması (Gerekli araçların ve kütüphanelerin kurulumu, ilerleyiş hakkında kısa bilgilendirme)
-
02 Ders
Yapay Zekanın Yapısı
- Yapay ve biyolojik sinir ağları
- Yapay zeka, makine öğrenimi ve derin öğrenme arasındaki farklar
- Yapay zeka türkleri (Zayıf, güçlü, süper)
- Zorluklar ve limitler
- Yapay zekanın temel algoritmaları (denetimli, denetimsiz ve pekiştirmeli öğrenme) ve güncel uygulamaları
- Temel makine öğrenimi algoritmaları (lojistik regresyon, sınıflandırma, karar ağaçları)
- Python ve Scikit-Learn kütüphanesine genel bakış
-
03 Ders
Bilgisayarlı Görü: Temelleri
- Evrişimli sinir ağları (görsel analizin temeli)
- Bilgisayarlı görüyü anlama: Kullanılan modeller, uygulama alanları
- Single Stage (YOLO, SSD) ve Transformer Tabanlı (DERT) nesne tanıma modellerinin incelenmesi
- Bulut Bilişime (Cloud Computing) giriş ve Azure AI Vision’a genel bakış
- Önceden eğitilmiş modellerin kullanımı ve amaca göre düzenlenmeleri
-
04 Ders
Bilgisayarlı Görü: Kendi Modelinizi Eğitmek ve Uygulama
- Model eğitimi ve çıkarımı arasındaki temel farklar
- Teknik zorluklar (veri hazırlama, hesaplama gücü, entegrasyon) ve çözümleri
- Uçtan uca etkili bir bilgisayarlı görü modelini eğitme ve uygulama süreçleri
-
05 Ders
Bilgisayarlı Görü: Endüstriyel Uygulama
- Vektör veri tabanlarına (Faiss, Milvus) hızlı bir bakış ve ilişkisel veri tabanları (MySQL, PostgreSQL) arasındaki farkları inceleme
- Embedding (vektör gösterimi) modellerini ve kullanım senaryolarını anlama
- Yapay zeka modelinin dağıtım süreci (Rest API’lar ve mikro servislerle ölçeklenebilir uygulamalar oluşturma)
-
06 Ders
Generative AI: Çalışma Mantığı
- Üretken yapay zeka nasıl çalışır? (Gen AI Project Lifecycle)
- Büyük Dil Modelleri’ne (Large Language Models - LLMs ) genel bakış
- Görsel oluşturma (image to image, text to image)
- Modellerin sınırları
- Genel yapay zeka ve Responsible AI
-
07 Ders
Etkili Prompt Teknikleri
- LLM’ler neler yapabilir veya yapamaz
- Kullanım alanları
- Prompt Engineering ve prompting
- Prompting teknikleri
-
08 Ders
Generative AI: Büyük Dil Modellerinin (LLMs) Altyapısı
- Transformer mimarisi
- Bert, GPT ve Llama gibi temel (foundation) modellerin incelenmesi
- Zorluklar ve limitler
- LLM çıkarım (inference) ayarları (temperature, top-p, top-k vb.)
-
09 Ders
Generative AI: Büyük Dil Modellerinin (LLMs) Eğitimi - 1
- LLM fine-tuning süreci
- Training, Full Fine-Tuning ve Parameter Efficient Fine-Tuning (PEFT)
- Low Rank Adaptation (LoRA)
-
10 Ders
Generative AI: Büyük Dil Modellerinin (LLMs) Eğitimi - 2
- Quantization
- QLoRA
- Model Optimizasyonu (Distillation, Quantization, Pruning)
-
11 Ders
Uygulama Zekası
- LLM destekli uygulama yaşam döngüsü (life cycle)
- Retriever Augmented Generation (RAG)
- RAG kullanım alanları
- Program-aided Language (PAL) Modelleri
- LangChain
-
12 Ders
Kariyer Sohbeti ve Soru Cevap Oturumu
- Yapay zeka ve araçlarının geleceği
- Yapay zeka alanında uzmanlaşmak ve kariyer fırsatları
- Geleceğin trendleri ve fırsatları
- Soru cevap ve kariyer planları
Bilgi İstiyorum
Kursa kayıt olmak için formu doldurun, eğitim danışmanımız en kısa sürede sizlere ulaşarak kurs içeriği ve ücretlendirme hakkında detaylı bilgi verecektir.