AI AGENTS (YAPAY ZEKA AJANLARI) EĞİTİMİ
Yapay zeka ajanları ile tekrarlayan iş süreçlerini otomatikleştirmeyi öğrenin. Bu kapsamlı AI Agents Eğitimi ile n8n, Dify, LLM API, RAG ve MCP gibi güncel teknolojileri kullanarak akıllı iş akışları geliştirin, farklı sistemleri entegre edin ve gerçek iş problemlerine çözüm üreten AI Agent'lar tasarlayın.
Mehmet Nur Yıldırım
Yapay Zeka Mühendisi,
Ziraat Teknoloji
KURS HAKKINDA:
AI Agents Eğitimi, gerçek iş problemlerine çözüm üreten yapay zekâ ajanları geliştirmek isteyen profesyoneller için hazırlanmış uygulamalı bir programdır. Eğitim boyunca n8n, Dify ve LLM API kullanarak çok adımlı workflow'lar oluşturmayı, farklı sistemler arasında entegrasyon kurmayı, RAG tabanlı bilgi asistanları geliştirmeyi ve tool calling ile kontrollü aksiyon alan AI Agent'lar tasarlamayı öğrenirsiniz. Eğitim sonunda kendi iş süreçlerinizde kullanabileceğiniz çalışan bir AI Agent prototipi ve uygulanabilir bir proje planıyla programı tamamlarsınız.
-
Eğitmenden birebir geri bildirim
-
Final projesi: Kendi AI Agent'ınız
-
n8n ve Dify ile uygulamalı eğitim
- Bilgi İstiyorum
AI AGENT'LAR ŞU DURUMLARDA FARK YARATIR:
BU AI AGENTS EĞİTİMİ SİZE UYGUN, EĞER:
-
Sürekli manuel veri işlemleri yapıyorsanız
CRM, Google Sheets ve diğer sistemler arasında veri doğrulama, kayıt oluşturma ve raporlama süreçlerini otomatikleştiren AI Agent'lar geliştirmeyi öğrenin.
-
Operasyonel süreçleriniz kişilere bağımlıysa
Tekrarlayan görevleri yöneten, bildirim gönderen ve gerektiğinde insan onayına başvuran kontrollü workflow'lar tasarlayın.
-
Farklı araçları tek sistem altında birleştirmek istiyorsanız
n8n, Dify, API'ler ve LLM'leri kullanarak uygulamalar arasında veri alışverişi yapan, RAG ve tool calling destekli AI Agent sistemleri geliştirin.
-
Kendi AI Agent'ınızı geliştirmek istiyorsanız
Gerçek bir iş problemini çözen, çalışan bir AI Agent prototipi oluşturun ve eğitim sonunda şirketinizde geliştirmeye devam edebileceğiniz uygulanabilir bir proje planıyla mezun olun.
Eğitmen:
Mehmet Nur Yıldırım
Yapay Zeka Mühendisi, Ziraat Teknoloji
-
Yapay zeka mühendisi; üretken yapay zeka (Generative AI), büyük dil modelleri (LLM), AI Agents ve makine öğrenmesi alanlarında uzmanlaşmıştır.
-
Orta Doğu Teknik Üniversitesi Endüstri Mühendisliği mezunudur.
-
Ziraat Teknoloji'de yapay zeka danışmanı olarak, kurum içi yazılım geliştirme ve kalite güvence süreçlerini hızlandıran LLM tabanlı çözümler geliştirmektedir.
-
Yapay zeka destekli kod inceleme, geliştirici geri bildirim sistemleri ve otomatik test senaryosu üretimi üzerine çalışmaktadır.
-
Türkiye'nin önde gelen perakende şirketlerinden biri için kullanıcı davranışlarını analiz eden ve LLM tabanlı otomatik test senaryoları üreten yapay zeka motorunu tasarlayıp geliştirmiştir.
-
Finans, perakende ve enerji sektörlerinde üretim ortamında çalışan uçtan uca yapay zeka sistemleri geliştirmiştir.
-
Elektrik kaçaklarının tespitine yönelik geliştirdiği makine öğrenmesi projesi, Future of AI & Cloud Summit'te ""Yılın En İyi Makine Öğrenmesi Projesi"" ödülüne layık görülmüştür.
-
Rüzgar ve güneş enerjisi üretim tahmini, elektrik talep tahmini ve optimizasyon projelerinde görev almıştır.
-
Kurumsal AI Agent mimarileri, LLM tabanlı uygulamalar ve yapay zeka otomasyon sistemleri üzerine çalışmalarını sürdürmektedir.
MÜFREDAT
-
01 Ders
İş Süreçleri için AI Agent Mimarisi Tasarlama
- Tek adımlı LLM kullanımından uçtan uca AI Agent sistemlerine geçiş
- Workflow, LLM destekli workflow ve AI Agent arasındaki farklar
- AI Agent sistemlerinde hedef, veri, karar, araç ve aksiyon katmanları
- Kontrollü ve yüksek otonomili Agent yaklaşımları
- Tool kullanan, hafıza taşıyan ve farklı sistemlerle çalışan Agent örnekleri
- Sabit iş kuralları, yapay zekâ analizi ve insan kararları arasındaki görev paylaşımı
- Bir iş sürecinin AI Agent ile çözülmeye uygun olup olmadığının değerlendirilmesi
- n8n ve Dify'ın eğitim içindeki rolleri
- Eğitim boyunca geliştirilecek örnek sistemlerin tanıtılması
- Sınıf İçi Uygulama: Gerçek bir müşteri talebi veya operasyon süreci ele alınarak hedef, veri, karar, araç ve aksiyon katmanlarını içeren görsel bir AI Agent mimarisi hazırlanır.
-
02 Ders
n8n ile Veri, Tetikleyici ve Aksiyon Akışları Kurma
- n8n arayüzü ve görsel workflow tasarımı
- Trigger, node ve action yapıları
- Form, webhook ve manuel veri girişleri
- Workflow içerisindeki verilerin görüntülenmesi ve düzenlenmesi
- Google Sheets üzerinde kayıt oluşturma ve güncelleme
- Uygulamalar arasında veri aktarımı
- Bildirim ve sonuç paylaşımı
- Workflow çalışma geçmişinin ve temel hataların incelenmesi
- Sınıf İçi Uygulama: Bir formdan gelen kullanıcı talebini alan, veriyi düzenleyen, Google Sheets üzerinde kayıt altına alan ve ilgili ekibe bildirim gönderen çok adımlı bir workflow geliştirilir.
-
03 Ders
Kontrollü Süreçler ve Akıllı İş Kuralları
- AI Agent sistemlerinde deterministik iş kurallarının rolü
- Koşullar ve farklı akışlara yönlendirme
- Eksik veya hatalı verilerin kontrol edilmesi
- Veri temizleme ve standardizasyon
- Tekrarlayan kayıtların önlenmesi
- Taleplerin tür, öncelik ve risk seviyesine göre ayrılması
- Sabit kurallar ile LLM analizlerinin birlikte kullanılması
- Otomatik tamamlanabilecek işlemler ile insan müdahalesi gerektiren işlemlerin ayrılması
- Sınıf İçi Uygulama: Gelen talepleri veri kalitesi, kategori, öncelik ve risk seviyesine göre farklı süreçlere yönlendiren kontrollü bir operasyon akışı geliştirilir.
-
04 Ders
API, Webhook ve Dış Sistem Entegrasyonları
- Webhook ile gerçek zamanlı veri alma
- Hazır n8n entegrasyonlarının kullanılması
- REST API ve HTTP isteklerinin çalışma mantığı
- API anahtarıyla bağlantı kurma
- GET ve POST isteklerinin temel kullanımı
- Dış sistemlerden veri alma
- Alınan veriyi workflow içinde kullanma
- Dış bir uygulamada kayıt veya bildirim oluşturma
- API anahtarlarının güvenli saklanması
- Sınıf İçi Uygulama: Webhook üzerinden talep alan, harici bir servisten bilgi getiren ve sonucu başka bir uygulamada kayıt veya bildirim olarak kullanan entegrasyon geliştirilir.
-
05 Ders
LLM ile Analiz, Prompt Tasarımı ve Yapılandırılmış Çıktılar
- LLM'in AI Agent sistemindeki rolü
- Kullanıcı mesajlarını sınıflandırma, özetleme ve bilgi çıkarma
- Öncelik, konu ve risk analizi
- System instruction ve kullanıcı girdisinin ayrılması
- Agent rolü, hedefi ve görev sınırlarının tanımlanması
- Dinamik değişkenler ve prompt şablonları
- Model çıktısının yapılandırılmış formatta üretilmesi
- Zorunlu alanların kontrol edilmesi
- LLM kullanılmaması gereken işlemler
- Hız, maliyet ve kaliteye göre temel model seçimi
- Sınıf İçi Uygulama: Kullanıcı mesajlarını kategori, özet, öncelik, risk seviyesi ve önerilen aksiyon alanlarına dönüştüren LLM tabanlı bir analiz sistemi geliştirilir.
-
06 Ders
Tool Calling ile Aksiyon Alan AI Agent Geliştirme
- Metin üreten sistem ile aksiyon alan AI Agent arasındaki fark
- Function calling ve tool calling yaklaşımı
- Agent'a kullanabileceği araçların tanımlanması
- Araçların görev ve kullanım sınırlarının açıklanması
- Agent'ın kullanıcı talebine göre uygun aracı seçmesi
- Araç sonucunun tekrar Agent'a veya workflow'a aktarılması
- Birden fazla araç arasından seçim yapılması
- Hatalı veya riskli araç çağrılarının sınırlandırılması
- Yüksek riskli aksiyonlarda insan onayı
- Sınıf İçi Uygulama: Kullanıcı talebine göre bilgi sorgulama, kayıt oluşturma veya bildirim gönderme araçlarından uygun olanı seçen kontrollü bir AI Agent geliştirilir.
-
07 Ders
Dify ile Kurumsal Bilgi Asistanı ve RAG
- Genel model bilgisi ile kurumsal bilgi arasındaki fark
- RAG sistemlerinin çalışma yaklaşımı
- Dify üzerinde bilgi tabanı oluşturma
- PDF, DOCX ve metin dokümanlarının sisteme yüklenmesi
- Dokümanların bilgi tabanı için hazırlanması
- Dokümanların parçalara ayrılması ve ilgili içeriğin bulunması
- Kullanıcı sorusuna kaynaklı cevap üretilmesi
- Dokümanda cevap bulunmadığında güvenli yanıt verilmesi
- Doküman kalitesinin sonuçlara etkisi
- RAG uygulamasının web arayüzü veya API olarak kullanılması
- Sınıf İçi Uygulama: Örnek şirket prosedürleri veya ürün dokümanları kullanılarak kaynak gösteren ve dokümanlarda bulunmayan bilgiler için güvenli yanıt veren kurumsal bilgi asistanı geliştirilir. Ders süresi ve teknik koşulların uygun olması halinde RAGFlow'un gelişmiş doküman işleme ve kaynak takibi özellikleri eğitmen tarafından hazırlanmış bir ortam üzerinden kısa bir demonstrasyonla gösterilebilir.
-
08 Ders
Context, Hafıza ve Kullanıcı Oturumları
- Conversation context ve kullanıcı oturumu
- Kullanıcı ve konuşma kimliğinin korunması
- Kısa süreli konuşma bağlamı
- Önceki işlem durumlarının saklanması
- RAG ile hafıza arasındaki fark
- Kullanıcının önceki taleplerinin yeni işlemlerde kullanılması
- Yalnızca gerekli geçmiş bilgilerin modele gönderilmesi
- Bağlam maliyeti ve veri güvenliği
- Sınıf İçi Uygulama: Kullanıcı kimliğine göre konuşma oturumunu ve önceki işlem durumunu koruyan basit bir destek Agent'ı geliştirilir.
-
09 Ders
Human-in-the-Loop ve Gerçek Kullanıcı Kanalları
- Kullanıcı kanallarının Agent mimarisindeki rolü
- Telegram üzerinden mesaj alma ve cevap gönderme
- Slack üzerinden ekip bildirimi oluşturma
- Otomatik tamamlanabilecek ve onay gerektiren işlemlerin ayrılması
- Human-in-the-loop tasarımı
- Onay, ret ve yeniden değerlendirme akışları
- Gerektiğinde insan temsilciye yönlendirme
- İşlem sonuçlarının kayıt altına alınması
- WhatsApp ve diğer iletişim kanallarına genişleme yaklaşımı
- Sınıf İçi Uygulama: Telegram üzerinden gelen kullanıcı mesajını analiz eden ve sonucu kullanıcıya ileten bir sistem geliştirilir. Riskli bir aksiyon ekip onayına gönderilir ve onay sonucuna göre workflow devam ettirilir.
-
10 Ders
Güvenli, Dayanıklı ve İzlenebilir Agent Sistemleri
- Güvenlik ve Kontrol
- AI Agent sistemlerindeki temel güvenlik riskleri
- Prompt injection ve manipülatif girdiler
- Hassas ve kişisel verilerin korunması
- Kurumsal verilerin dış LLM servislerinde kullanılması
- Input ve output kontrolleri
- Agent yetkilerinin sınırlandırılması
- İnsan onayı gerektiren işlemler
- Testlerde sentetik veya anonimleştirilmiş veri kullanımı
- Hata Yönetimi ve İzleme
- Başarısız API ve araç çağrılarının yönetilmesi
- Retry ve alternatif akışlar
- Workflow geçmişi ve hata kayıtları
- Temel başarı, hata, süre ve maliyet göstergeleri
- Küçük bir test veri setiyle Agent davranışının kontrol edilmesi
- Production ortamına geçiş için temel kontrol listesi
- Sınıf İçi Uygulama: Düşük riskli işlemleri otomatik tamamlayan, riskli işlemleri insan onayına gönderen ve hata durumlarında alternatif akış çalıştıran kontrollü bir sistem test edilir.
-
11 Ders
İleri Seviye Atölye; MCP ile Araç ve Veri Erişimi
- Model Context Protocol'ün kullanım amacı
- MCP Client ve MCP Server rolleri
- MCP üzerinden Agent'a araç ve veri kaynakları sunulması
- MCP, REST API ve hazır entegrasyonların karşılaştırılması
- Function calling ile MCP arasındaki ilişki
- Hazır MCP Server örnekleri
- Dosya, doküman, veritabanı ve iş uygulamalarına erişim senaryoları
- Salt okunur ve işlem yapabilen araçların ayrılması
- Yetkilendirme ve güvenilmeyen MCP Server riskleri
- Dify ve n8n ile MCP kullanım seçenekleri
- Workshop Uygulaması: Eğitmen tarafından hazırlanmış bir MCP ortamında farklı araçlar AI Agent'a sunulur. Katılımcılar: Agent'a sunulan araçları inceler, farklı taleplerde Agent'ın seçtiği araçları gözlemler, araç açıklamalarında yapılan değişikliklerin Agent davranışına etkisini değerlendirir, riskli araçların nasıl sınırlandırıldığını görür ve MCP ile klasik API entegrasyonlarını karşılaştırır.
-
12 Ders
Final Projesi; Uçtan Uca AI Agent Geliştirme Atölyesi
- Gerçek bir iş probleminin seçilmesi
- Kullanıcı ve süreç ihtiyaçlarının belirlenmesi
- Workflow, LLM destekli workflow veya AI Agent yaklaşımının seçilmesi
- Basit sistem mimarisinin hazırlanması
- Veri, karar, araç ve aksiyon katmanlarının belirlenmesi
- Veri girişinin ve temel entegrasyonların kurulması
- LLM analizinin ve prompt yapısının hazırlanması
- İhtiyaç halinde RAG veya harici araç kullanılması
- Kullanıcı kanalı veya ekip bildiriminin eklenmesi
- İnsan onayı veya hata akışının oluşturulması
- Sistemin farklı girdilerle test edilmesi
- Temel risk, performans ve maliyet değerlendirmesi
- Sunum ve canlı demo
- Final Proje Seçenekleri: Müşteri taleplerini analiz eden ve ilgili ekibe yönlendiren operasyon Agent'ı; kurumsal dokümanlardan kaynak göstererek cevap veren bilgi asistanı; satış taleplerini değerlendiren ve kayıt altına alan lead Agent'ı; içerik hazırlayan ve insan onayına gönderen içerik Agent'ı; operasyon taleplerini sınıflandıran departman asistanı; Telegram üzerinden çalışan destek Agent'ı; ekip onaylarını yöneten iş süreci Agent'ı; kayıt sorgulayan ve gerekli aksiyonları başlatan operasyon Agent'ı
Bilgi İstiyorum
Yapay zeka ajanlarını iş süreçlerinde kullanarak operasyonlarınızı otomatikleştirmek, farklı sistemleri birbirine bağlamak ve AI destekli iş akışları geliştirmek için başvurun. AI Agents Eğitimi hakkında eğitim içeriği, ücretlendirme ve kayıt süreciyle ilgili detaylı bilgi almak için eğitim danışmanımız en kısa sürede sizinle iletişime geçecektir.