Ankara Merkezli Büyük Dil Modelleri (LLMs) Eğitimleri

Bu Ankara'ta (online veya face-to-face) yapılan eğitmenin yönetimi altında gerçekleştirilen canlı eğitim, LLM'lerin ne olduğunu anlamak, işletmelerdeki potansiyel etkilerini keşfetmek ve içerik oluşturma, veri özetleme ve karar desteği gibi gerçek hayat görevleri için ChatGPT, Microsoft Copilot veya Grok gibi yapay zeka araçlarının pratik kullanımını değerlendirmek isteyen üst düzey yönetim profesyonelleri için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları başarabilecekler:

• LLM'lerin ne olduğu ve ChatGPT ve Copilot gibi araçların nasıl çalıştığı konusunu anlayacaklar.
• Pratik, güvenilir sonuçlar elde etmek için teşvik teknikleri kullanacaklar.
• E-posta yazımı, belgeleri özetleme ve üretkenlik otomasyonu gibi gerçek kullanım durumlarını değerlendirecekler.
• Yatırım fırsatlarını ve yapay zeka kullanımına yönelik stratejik uygulamaları tespit edebilecekler.

Bu Ankara'da (çevrimiçi veya yerel) yapılan, eğitmenin yönettiği canlı eğitim, büyük yönetim ekibi üyelerini LLM'lerin ve iş dünyası AI araçlarının stratejik değeri hakkında anlamaları için tasarlanmıştır. Katılımcılar, bu araçları yüksek düzeyli akışlara entegre etme, daha iyi istekler yazma ve AI kullanımını yoluyla artırılmış verimlilik ve ROI olanaklarını değerlendirme konularını keşfedecekler.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin nasıl işlediğini ve ChatGPT ve Copilot gibi araçların bunları nasıl kullandığını anlamak.
• İstek tabanlı etkileşimleri kullanarak görevleri otomatikleştirmeyi ve hızlandırmayı sağlamak.
• E-posta yazımı, rapor özetlemesi ve anlaşma incelemesi gibi gerçek senaryolarda AI araçlarını uygulamak.
• LLM'lerin Adoptionu için stratejik faydaları, sınırlılıklarını ve lisanslama düşüncelerini değerlendirmek.

Bu eğitmen yönetilen canlı eğitim (çevrimiçi veya yerel olarak), çeşitli NLP uygulamaları için Meta AI'nin Büyük Dil Modellerini anlamak, ayarlamak ve uygulamak isteyen orta düzeyli ila ileri düzey AI araştırmacıları, veri bilimcileri ve geliştiricilere yönelik olabilir.

Bu eğitim sonunda, katılımcılar şunları yapabilecek hale gelecektir:

• Meta AI'nin Büyük Dil Modellerinin mimarisini ve işleyişini anlamak.
• Belirli kullanımlar için Meta AI LLM'leri ayarlama ve fine-tuning yapma.
• Metin özetleme, sohbet botları ve duyarlılık analizi gibi LLM tabanlı uygulamaların uygulanması.
• Büyük dil modellerinin verimli şekilde optimize edilmesi ve dağıtılması.

Bu eğitmen tarafından yönetilen, canlı eğitim (Ankara'da ya da çevrimiçi) orta düzeyde AI profesyonellerine, iş analistlerine ve teknoloji liderlerine yönelik olup, üretken AI'nin ilkelerini ve büyük dil modellerinin (LLM'lerin) iş ortamlarındaki uygulamalarını anlamayı isteyen kişiler için tasarlanmıştır. Katılımcılar, dönüştürücüler, tetik mühendisliği ve bu modelleri gerçek dünya çözümlerine entegre etme etik considerasyonları hakkında bilgi edinecekler.

Bu eğitim sonunda, katılımcılar şunları yapabilecektir:

• Üretken AI ve büyük dil modellerinin temel ilkelerini anlamak.
• Belirli iş uygulamaları için LLM'leri uygulayarak ve ayarlamak.
• Optimal model çıktısı elde etmek için tetik mühendisliği tekniklerini uygulamak.
• LLM'lerin dağıtımındaki etik considerasyonları tanımak ve riskleri yönetmek.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), orta düzeydeki yapay zeka uzmanları ve etik uzmanları, veri bilimcileri ve mühendisleri ile politika yapıcılar ve paydaşlar için tasarlanmıştır. Amaç, büyük dil modellerinin (LLM'ler) etik ortamını anlamalarını ve bu ortamda yön almalarını sağlamaktır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerle ilişkili etik sorunları ve zorlukları belirleyebilecekler.
• LLM dağıtımına etik çerçeveleri ve ilkeleri uygulayabilecekler.
• LLM'lerin toplumsal etkisini değerlendirebilecek ve potansiyel riskleri azaltabilecekler.
• Sorumlu yapay zeka geliştirme ve kullanımı için stratejiler geliştirebilecekler.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), orta seviyedeki NLP uygulayıcıları ve veri bilimcileri, içerik oluşturucular ve çevirmenler ile dil çevirisi için LLM'leri kullanmak ve çok dilli içerik oluşturmak isteyen küresel işletmelere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerle çapraz dilli öğrenme ve çeviri prensiplerini anlayabilecektir.
• Çeşitli diller arasında içerik çevirmek için LLM'leri uygulayabilecektir.
• LLM'leri eğitmek için çok dilli veri kümeleri oluşturup yönetebilecektir.
• Çeviride tutarlılık ve kaliteyi korumak için stratejiler geliştirebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), finansal piyasa analizi ve tahmini için LLM'leri kullanmak isteyen orta düzey finans analistleri, veri bilimcileri ve yatırım profesyonellerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin finansal piyasa analizindeki uygulamasını anlayabilecektir.
• Piyasa içgörüleri için finansal haberleri, raporları ve verileri işlemek için LLM'leri kullanabilecektir.
• Hisse senedi fiyatları, piyasa trendleri ve ekonomik göstergeler için öngörüsel modeller geliştirebilecektir.
• LLM içgörülerini yatırım karar alma süreçlerine entegre edebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), orta düzeydeki çevre bilimcileri ve araştırmacıları, veri analistlerini, politika yapıcıları ve çevre savunucularını hedeflemektedir. Amaçları, Çevresel Modelleme ve Analiz için LLM'leri kullanmaktır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin çevre bilimindeki uygulamalarını anlayabilecekler.
• LLM'leri kullanarak çevresel verileri analiz edip modelleyebilecekler.
• Çevresel etki değerlendirmeleri için LLM çıktılarını yorumlayabilecekler.
• Politika ve koruma çabalarını bilgilendirmek için bulgularını etkili bir şekilde iletebilecekler.

Bu eğitmen tarafından yönetilen canlı eğitim Ankara (online veya yerinde) orta düzeyde VR ve AR geliştiricileri, oyun tasarımcıları ve AI mühendisleri için düzenlenmiştir. Katılımcılar, daha etkileyici ve yanıt veren ortamlar oluşturmak amacıyla LLM'leri VR ve AR uygulamalarına entegre etmeyi öğrenecektir.

Bu eğitimden sonra katılımcılar şunları yapabilecekler:

• İmmerzif VR ve AR deneyimleri oluşturmak için LLM'lerin rolünü anlamak.
• Etkileşimli diyaloglar ve içerik oluşturma amacıyla LLM'leri kullanan VR ve AR uygulamaları geliştirmek.
• Kullanıcı katılımını artırmak için LLM'leri VR ve AR geliştirme araçlarıyla entegre etmek.
• Sanal uzaylarda AI destekli hikaye ve etkileşim tasarımlarında en iyi uygulamaları uygulamak.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), ileri düzey yapay zeka uygulamaları için çok modlu verilere Large Language Models (LLMs)'i uygulamak isteyen orta seviyedeki veri bilimcileri, makine öğrenimi mühendisleri ve yazılım geliştiricilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerle çok modlu öğrenmenin prensiplerini anlayabilecektir.
• LLM'leri metin, görüntü ve ses verilerini işlemek ve analiz etmek için uygulayabilecektir.
• Çok modlu veri entegrasyonunun güçlü yönlerinden yararlanan uygulamalar geliştirebilecektir.
• Çok modlu LLM sistemlerinin performansını değerlendirebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), orta düzeydeki siber güvenlik uzmanları ve siber güvenlik önlemlerini ve tehdit istihbaratını geliştirmek için LLM'leri kullanmak isteyen veri bilimcilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin siber güvenlikteki rolünü anlayabilecektir.
• Tehdit algılama ve analizi için LLM'leri uygulayabilecektir.
• Güvenlik otomasyonu ve yanıtı için LLM'leri kullanabilecektir.
• LLM'leri mevcut güvenlik altyapısıyla entegre edebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), çeşitli sektörlerdeki eğilimleri ve davranışları tahmin etmek için büyük dil modellerini (LLM'ler) kullanmak isteyen orta düzeydeki veri bilimcileri ve iş analistlerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin temellerini ve tahmin analitiğindeki rollerini anlayabilecektir.
• LLM'leri çeşitli sektörlerdeki verileri analiz etmek ve tahmin etmek için uygulayabilecektir.
• LLM'ler kullanılarak oluşturulan tahmin modellerinin etkinliğini değerlendirebilecektir.
• LLM'leri mevcut veri işleme hatlarına entegre edebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara – çevrimiçi veya yerinde), hem Large Language Models (LLMs) hem de Reinforcement Learning (RL) konusunda kapsamlı bir anlayış ve pratik beceriler kazanmak isteyen orta seviyedeki veri bilimcilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Transformatör modellerinin bileşenlerini ve işlevselliğini anlayabilecektir.
• Belirli görevler ve uygulamalar için LLM'leri optimize edip ince ayar yapabilecektir.
• Pekiştirmeli öğrenmenin temel prensiplerini ve metodolojilerini anlayabilecektir.
• Pekiştirmeli öğrenme tekniklerinin LLM'lerin performansını nasıl artırabileceğini öğrenebilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), çeşitli alanlarda yüksek kaliteli, çeşitli ve ilgi çekici içerik oluşturmak için LLM'lerin gücünden yararlanmak isteyen orta seviyedeki içerik oluşturucular, pazarlamacılar ve eğitim teknolojistlerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin yeteneklerini ve içerik oluşturmadaki uygulamalarını anlayabilmek.
• Çeşitli içerik türleri oluşturmak için LLM'leri kurabilmek ve kullanabilmek.
• İstenen çıktıları elde etmek için LLM'leri isteme ve ince ayar yapma konusunda en iyi uygulamaları uygulayabilmek.
• Yapay zeka tarafından oluşturulan içeriğin kalitesini değerlendirebilmek ve belirli hedef kitleler için iyileştirebilmek.
• LLM'ler ile yaratıcı ve çok modlu içerik oluşturma için gelişmiş teknikleri keşfedebilmek.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), farklı deneyim ve uzmanlık seviyelerine sahip eğitimciler, EdTech profesyonelleri ve araştırmacılar için tasarlanmıştır; bunların amacı, kişiselleştirilmiş eğitim deneyimleri oluşturmak için LLM'leri kullanmaktır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin mimarisini ve yeteneklerini anlayabilecektir.
• LLM'leri kullanarak eğitim içeriğinde kişiselleştirme fırsatlarını belirleyebilecektir.
• LLM'leri içerik kişiselleştirmesi için kullanan uyarlanabilir öğrenme platformları tasarlayabilecektir.
• Öğrenci katılımını ve öğrenme sonuçlarını artırmak için LLM odaklı stratejiler uygulayabilecektir.
• LLM'lerin eğitim ortamlarındaki etkinliğini değerlendirebilecek ve veri odaklı kararlar alabilecektir.

Ankara'de (çevrimiçi veya yerel) yapılan bu eğitmen yönetimi altında gerçekleştirilen canlı eğitim, LLaMA, Mistral ve Qwen gibi açık ağırlık modellerini belirli iş veya iç uygulamalar için ayarlamak ve dağıtmak isteyen orta düzeyde ML uzmanları ve AI geliştiricilere yönelik olarak tasarlanmıştır.

Eğitim sonunda, katılımcılar şunları yapabileceklerdir:

• Açık kaynaklı LLM'lerin ekosistemi ve arasındaki farkları anlayacaklar.
• LLaMA, Mistral ve Qwen gibi modeller için veri kümelerini ve ayarlamayı hazırlayacaklar.
• Hugging Face Transformers ve PEFT kullanarak ayarlama akışlarını gerçekleştirecekler.
• Ayarlanmış modelleri güvenli ortamlarda değerlendirecek, kaydedecek ve dağıtacaklar.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), konuşma tanıma ve sentez sistemlerinde LLM'leri uygulamak isteyen başlangıç ​​seviyesinden orta seviyeye kadar yazılım geliştiricileri ve veri bilimcileri için tasarlanmıştır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin konuşma teknolojilerindeki rolünü anlayabilecektir.
• Doğru konuşma tanıma ve doğal sesli konuşma sentezi için LLM'leri uygulayabilecektir.
• LLM'leri konuşma tanıma motorları ve konuşma sentezleyicileriyle entegre edebilecektir.
• LLM'leri kullanarak konuşma sistemlerinin performansını değerlendirebilecek ve iyileştirebilecektir.
• Konuşma teknolojilerindeki mevcut trendler ve gelecekteki yönler hakkında bilgi sahibi olabilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), duyarlı ve akıllı müşteri desteği sohbet robotları oluşturmak için LLM'leri uygulamak isteyen, başlangıç ​​seviyesinden orta seviyeye kadar müşteri desteği ve BT profesyonellerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Large Language Models (LLMs)’nin temellerini ve mimarisini anlayabilecektir.
• LLM'leri müşteri destek sistemlerine tasarlayabilecek ve entegre edebilecektir.
• Sohbet robotlarının duyarlılığını ve kullanıcı deneyimini geliştirebilecektir.
• Etik hususları ele alabilecek ve sektör standartlarına uygunluğu sağlayabilecektir.
• Gerçek dünya uygulamaları için LLM tabanlı bir sohbet robotunu dağıtabilecek ve bakımını yapabilecektir.

Ankara'da (çevrimiçi veya yerel) yapılan bu eğitmen yönetimi altında gerçekleştirilen canlı eğitim, LoRA, Adapter Tuning ve Prefix Tuning gibi yöntemleri kullanarak büyük dil modellerini daha uygun ve verimli şekilde fine-tuning yapmak isteyen orta düzeyde veri bilimcileri ve yapay zeka mühendislerine yönelik olarak tasarlanmıştır.

Eğitim sonunda, katılımcılar şunları başarabilecekler:

• Parametre verimli fine-tuning yaklaşımlarının teorisini anlamak.
• Hugging Face PEFT kullanarak LoRA, Adapter Tuning ve Prefix Tuning'i uygulamak.
• PEFT yöntemleriyle tam fine-tuning arasındaki performans ve maliyet ödünlerini karşılaştırmak.
• Düzenlencek hesaplama ve depolama gereksinimleri ile fine-tuning edilmiş LLM'leri dağıtmak ve ölçeklendirmek.

Ankara'da (çevrimiçi veya yerel) yapılan bu eğitmen yönetimi altında gerçekleştirilen canlı eğitim, QLoRA'yı kullanarak büyük modelleri belirli görevler ve özelleştirmeler için etkin şekilde ayarlamayı öğrenmek isteyen orta düzeyden ileri düzey machine learning mühendisleri, AI geliştiricileri ve veri bilimcilerine yönelik olarak tasarlanmıştır.

Eğitim sonunda katılımcılar aşağıdaki becerilere sahip olacaktır:

• QLoRA'nın teorisini ve LLM'ler için nicelikleme tekniklerini anlayacaklar.
• Büyük dil modellerinin alanına özgü uygulamalar için QLoRA'yı nasıl uygulayacaklarını öğrenecekler.
• Nicelikleme kullanarak sınırlı hesaplama kaynakları üzerinde fine-tuning performansını optimize edecekler.
• İleri düzeyde fine-tuned modelleri gerçek dünya uygulamalarında dağıtabilecek ve değerlendirebilecekler.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), sosyal medya gönderileri, ürün incelemeleri ve müşteri geri bildirimi gibi çeşitli metin kaynaklarından halkın görüşlerini analiz etmek ve yorumlamak için LLM'leri uygulamak isteyen orta düzeydeki veri ve pazarlama profesyonellerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Duygu analizinin prensiplerini ve LLM'ler kullanılarak uygulanmasını anlayabilmek.
• Duygu analizi için veri kümelerini ön işlemek ve hazırlamak.
• LLM'leri, metindeki duyguları doğru bir şekilde yansıtacak şekilde eğitmek ve ince ayar yapmak.
• Sosyal medya ve diğer metin kaynaklarından gerçek zamanlı olarak duygu analizi yapmak.
• Duygu analizi bulgularını iş stratejilerine ve karar alma süreçlerine entegre etmek.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), LLM'leri kullanarak kodlama iş akışlarını hızlandırmak ve ayrıntılı, kapsamlı belgeler oluşturmak isteyen orta düzey yazılım geliştiricileri ve teknik yazarlar için tasarlanmıştır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin kod üretimi ve yazılım belgelemesini otomatikleştirmedeki rolünü anlayabilecektir.
• Doğru ve verimli kod parçacıkları ve belgeler oluşturmak için LLM'leri kullanabilecektir.
• Artan üretkenlik için LLM'leri yazılım geliştirme yaşam döngüsüne entegre edebilecektir.
• Otomatik araçlar kullanarak yüksek kaliteli belgeleme standartlarını koruyabilecektir.
• Yazılım geliştirmede yapay zeka kullanımının etik yönlerini ve en iyi uygulamalarını ele alabilecektir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), iş dünyası profesyonelleri ve veri analistlerinin, iş içgörüleri elde etmek için LLM'lerin gücünden yararlanmalarını amaçlamaktadır.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerin temellerini ve iş zekası bağlamındaki uygulamalarını anlayacaklardır.
• LLM'leri büyük veri kümelerini analiz etmek ve anlamlı içgörüler çıkarmak için uygulayabileceklerdir.
• LLM güdümlü analitiği stratejik iş karar alma süreçlerine entegre edebileceklerdir.
• LLM'leri iş dünyasında kullanmanın etik yönlerini ve en iyi uygulamalarını değerlendirebileceklerdir.
• Yapay zekadaki gelecekteki trendleri öngörebilecek ve iş zekası alanındaki değişen ortam için hazırlıklı olabileceklerdir.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), yenilikçi LLM destekli uygulamalar geliştirmek isteyen orta ve ileri düzeydeki geliştiriciler ve veri bilimcilerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'lerle kullanmak üzere LlamaIndex'i kurmak ve yapılandırmak.
• LLM işlevselliğini artırmak için özel veri kümelerini LlamaIndex kullanarak indekslemek ve sorgulamak.
• LlamaIndex ve LLM'leri kullanan gelişmiş uygulamalar tasarlamak ve geliştirmek.
• LLM'lerle ve LlamaIndex ile çalışırken en iyi uygulamaları anlamak ve uygulamak.
• LLM destekli uygulamaları dağıtırken etik hususları anlamak.

Bu eğitmen yönetilen canlı eğitim (çevrimiçi veya yerel) ortamında, orta düzeydeki yapay zeka araştırmacıları, makine öğrenimi profesyonelleri ve veri bilimcilerine yönelik olup, LlamaIndex'i kullanarak yapay zeka modellerinin yeteneklerini geliştirmeleri, çeşitli uygulamalar için daha doğru ve güvenilir hale getirmeleri amacıyla tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları başarabilecekler:

• LlamaIndex'in ilkelerini ve bileşenlerini anlamak.
• LLM'lerle kullanılacak verileri alıp yapılandırma.
bağlamsal artırımı uygulayarak yapay zeka model performansını iyileştirmek.
• Var olan yapay zeka sistemlerine ve iş akışlarına LlamaIndex entegre etmek.

Mistral AI, dilersen ve çok modallikten agentic uygulamalara kadar uzanan güçlü bir açık kaynaklı ve kurumsal hazır yapay zeka (AI) modelleri ailesidir.

Bu eğitmen-dirilen canlı eğitim (çevrimiçi veya yerinde), Mistral’ın Medium 3, Le Chat Kurumsal ve Devstral modellerini kullanarak AI ajanları oluşturma, dağıtma ve yönetmeyi isteyen orta seviye ile ileri düzey profesyoneller için düzenlenmiştir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Mistral Medium 3, Le Chat Kurumsal ve Devstral’ın mimarisi ve yeteneklerini anlamak.
• Kurumsal ve geliştirici kullanım senaryoları için Mistral modellerini kullanarak AI ajanları tasarlama ve uygulama.
• Kodlama sistemleri, bağlayıcılar ve kurumsal verileri ajan iş akışlarına entegre etme.
• Mistral destekli ajanların performansını, maliyetini ve uyumluluğunu optimize etme.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Birçok alıştırma ve uygulama.
• Canlı laboratuvar ortamında elden deneme.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümü için lütfen bize ulaşın.

Mistral AI, işletmelerin ve müşteri yönelimli iş akışlarına konuşma asistanları entegre etmesini sağlayan açık bir yapay zeka platformudur.

Bu eğitmen tarafından yönetilen canlı eğitim (çevrimiçi veya kuruma özel), başlangıç seviyesinden orta seviyeye kadar ürün yöneticileri, full-stack geliştiriciler ve entegrasyon mühendisleri için tasarlanmıştır. Katılımcılar Mistral bağlayıcıları ve entegrasyonlarını kullanarak konuşma asistanlarının tasarımını, entegrasyonunu ve ürünleştirilmesini öğrenecektir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Mistral konuşma modellerini işletmelerle ve SaaS bağlayıcılarıyla entegre etmek.
• Tabanlı yanıtlar için alıntı destekli üretim (RAG) uygulamak.
• İç ve dış sohbet asistanları için UX desenleri tasarlama.
• Gerçek dünyada kullanılacak ürün iş akışlarına asistanlar dağıtmak.

Eğitim Formatı

• Etkileşimli sunum ve tartışma.
• Eline kalem entegrasyon alıştırmaları.
• Konuşma asistanlarının canlı laboratuvar geliştirilmesi.

Eğitim Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim talep etmek için bizimle iletişime geçin.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), gerçek dünya uygulamaları için LLM performansını optimize etmek amacıyla istem mühendisliği ve az sayıda örnekle öğrenmenin gücünden yararlanmak isteyen orta düzeydeki profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• İstem mühendisliği ve az sayıda örnekle öğrenmenin prensiplerini anlayabilecektir.
• Çeşitli NLP görevleri için etkili istemler tasarlayabilecektir.
• LLM'leri asgari veriyle uyarlamak için az sayıda örnekle öğrenme tekniklerini kullanabilecektir.
• Pratik uygulamalar için LLM performansını optimize edebilecektir.

• Denetlenebilirlik ve uyumluluğu koruyan yasal özel LangGraph iş akışlarını tasarlamak.
• Yasal ontolojileri ve belge standartlarını grafik durumu ve işleme dahil etmek.
• Aşamaları, insan-döngü- içindeki onayları ve izlenebilir karar yollarını uygulamak.
• Öbservabilite ve maliyet kontrolleri ile LangGraph hizmetlerini üretimde dağıtma, izleme ve bakımı yapmak.

• Interaktif ders anlatımı ve tartışma.
• Birçok egzersiz ve uygulama.
• Canlı laboratuvar ortamında uygulama.

• Bu eğitimin özel bir eğitim talebinde bulunmak için lütfen bizimle iletişime geçin.

Mistral AI, güvenli, uyumlu ve sorumlu AI dağıtım için özellikler sunan açık kaynaklı ve kurumsal hazır bir AI platformudur.

Bu eğitmen yönlendirilen canlı eğitim (çevrimiçi veya yerinde) orta düzeyli uyumluluk liderleri, güvenlik mimarları ve hukuki/operasyonel paydaşlar için tasarlanmıştır. Bu kişiler Mistral'i kullanarak gizlilik, veri yerleşimi ve kurumsal kontrol mekanizmalarını optimize ederek sorumlu AI uygulamaları gerçekleştirmek isteyebilirler.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Mistral dağıtımlarında gizlilik koruma tekniklerini uygulayın.
• Yasal gereklilikleri karşılamak için veri yerleşimi stratejilerini uygulayın.
• Rol tabanlı erişim kontrolü (RBAC), tek oturum açma (SSO) ve denetim kayıtları gibi kurumsal seviye kontrolleri ayarlayın.
• Uyumluluğu sağlayacak tedarikçi ve dağıtım seçeneklerini değerlendirin.

Eğitim Formatı

• Etkileşimli sunum ve tartışma.
• Uyumluluk odaklı vaka çalışmalarını ve alıştırmalarını inceleyin.
• Kurumsal AI kontrollerinin uygulanması için elden deneme deneyimleri.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümünü talep etmek için lütfen bizimle iletişime geçin.

LangGraph, durumlu, çok aktörlü LLM uygulamalarını oluşturma için dayanıklı durum ve yürütme kontrolü ile bileşik grafikler olarak oluşturmaya yönelik bir kurgudur.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (online veya on-site) orta düzeyden uzman düzeyine kadar olan ve LangGraph tabanlı finans çözümünü tasarlamak, uygulamak ve işletmek isteyen profesyonelleri hedef alır. Bu süreçte doğru yönetim, gözlemlilik ve uyumluluğa önem verilmektedir.

Eğitim sonunda katılımcılar aşağıdaki becerileri kazanabilecekler:

• Yasal düzenlemelere ve denetim gereksinimlerine uygun finans için özel LangGraph iş akışlarını tasarlamak.
• Finansal veri standartlarını ve ontolojilerini graf durumu ve araçlara entegre etmek.
• Kritik işlemler için güvenilirlik, güvenlik ve insanlı döngü kontrolünü uygulamak.
• LangGraph sistemlerini performans, maliyet ve SLA'lar açısından dağıtımı, izlemeyi ve optimize etmeyi gerçekleştirmek.

Eğitim Formatı

• Aktif ders anlatımı ve tartışma.
• Çok sayıda alıştırma ve uygulama.
• Canlı laboratuvar ortamında elden deneyimler.

Eğitim Özel Talep Seçenekleri

• Bu kurs için özel bir eğitim talebi yapmak isterseniz, lütfen bize ulaşarak düzenleme yapın.

Vertex AI, metin, ses ve görüntü verilerini tek bir işlem hattına entegre eden çok modallik destekleyen güçlü araçlar sunar. Uzun bağlam pencere desteği ve Gemini API parametreleri ile, planlama, çıkarım ve çapraz modal zeka alanlarında gelişmiş uygulamalar mümkün hale gelir.

Bu eğitmen öncülünde, canlı eğitim (çevrimiçi veya yerinde) ara seviye ve üst düzey uzmanlar için tasarlanmış olup, Vertex AI'de çok modallik AI işlem hatları oluşturmayı, inşa etmeyi ve optimize etmeyi hedefler.

Bu eğitim sonunda katılımcılar şunları yapabilecek duruma gelecektir:

• Çok modallik girdileri ve çıktıları için Gemini modellerini kullanabilmek.
• Karmaşık çıkarım için uzun bağlamlı işlem hatları oluşturmak.
• Metin, ses ve görüntü analizlerini entegre eden işlem hatları tasarlamak.
• Performans ve maliyet verimliliği için Gemini API parametrelerini optimize etmek.

Eğitim Formatı

• Etkileşimli sunum ve tartışma.
• Çok modallık işlem hatları ile elden deneme laboratuvarları.
• Uygulanan çok modallık kullanımları için proje tabanlı alıştırmalar.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümünü talep etmek için lütfen bize ulaşın.

Mistral modelleri, dil ve görsel görevleri destekleyen çoklu modallık iş akışlarına uzanan açık kaynaklı yapay zeka teknolojileridir. Kurumsal ve araştırma uygulamaları için hem dil hem de görüş görevlerini destekler.

Bu eğitmen önderi, canlı eğitim (online veya yerinde) orta düzey ML araştirmacıları, uygulama mühendisleri ve ürün takımları için düzenlenmiştir. Bu grupların Mistral modelleriyle çoklu modallık uygulamalar,OCR ve belge anlama hava limanlarını oluşturmasını hedefler.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Çoklu modallık görevleri için Mistral modellerini ayarlamak ve yapılandırmak.
• OCR iş akışlarını uygulamak ve onları NLP hava limanlarıyla entegre etmek.
• Kurumsal kullanımlar için belge anlama uygulamaları tasarlamak.
• Görüş-setText arama ve yardımcı kullanıcı arayüzü işlevlerini geliştirmek.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Kolayca koda geçiş yapan alıştırmalar.
• Çoklu modallık hava limanlarının canlı laboratuvarda uygulanması.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümünü talep etmek için lütfen bize ulaşın.

Devstral ve Mistral modelleri, esnek dağıtım, ince ayar ve ölçeklenebilir entegrasyon için tasarlanmış açık kaynaklı AI teknolojileridir.

Bu eğitimcili, canlı eğitim (çevrimiçi veya kurum içi) orta düzeyden ileri düzeye kadar ML mühendisleri, platform takımları ve araştırma mühendislerinin üretim ortamlarında Mistral ve Devstral modellerini kendi sunucularında barındırma, ince ayarlama ve yönetmeyi öğrenmek için yöneliktir.

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Mistral ve Devstral modelleri için kendi sunucularında barındırma ortamlarını kurma ve yapılandırma.
• Alan spesifik performans için ince ayarlama teknikleri uygulama.
• Sürümleme, izleme ve yaşam döngüsü yönetimi uygulama.
• Açık kaynaklı modellerin güvenliğini, uyumluluğunu ve sorumlu kullanımını sağlama.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Kendi sunucularında barındırma ve ince ayarlama ile ilgili pratik alıştırmalar.
• Yönetim ve izleme ardışık işlemlerinin canlı laboratuvar uygulaması.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümünü talep etmek için lütfen bize iletişime geçin.

Eğitim Formatı

• Interaktif ders ve tartışma.
• Dünya genelindeki gerçek hayat durumları ile elden deneyler.
• Canlı-laboratuvar ortamında uygulama pratikleri.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talebinde bulunmak istiyorsanız, lütfen bizimle iletişime geçin ve düzenleme yapın.

LangGraph, durumlu, çok aktörlü LLM uygulamalarını oluşturmaya yönelik, kalıcı durumu ve yürütme kontrolünü sağlayan bileşik grafikler şeklinde bir framework'dür.

Bu eğitmen yönetilen canlı eğitim (çevrimiçi veya yerel), hızla optimize etmek, hata ayıklamak, izlemek ve üretim düzeyinde LangGraph sistemlerini işletmek isteyen ileri düzey AI platform mühendisleri, AI için DevOps'lar ve ML mimarları için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları yapabileceklerdir:

• Karmaşık LangGraph topolojilerini hız, maliyet ve ölçeklenebilirlik açısından tasarlama ve optimizasyonu.
• Tekrarlamalar, zaman aşımına uğramalar, idempotentlik ve kontrol noktasi tabanlı kurtarma ile güvenilirliği mühendisliği.
• Graf yürütümlerini hata ayıklama ve izleme, durumu inceleme ve sistemli olarak üretim sorunlarını yeniden üretme.
• Grafikleri günlükler, metrikler ve izlemeler ile donatma, üretim ortamına dağıtma ve SLA'ları ve maliyetleri izleme.

Eğitim Formatı

• Interaktif ders anlatımı ve tartışmalar.
• Birçok alıştırma ve uygulama.
• Canlı laboratuvar ortamında elden uygulama.

Eğitim Özelizzazione Seçenekleri

• Bu eğitim için özel bir eğitim talep etmek istiyorsanız, lütfen bize başvurun ve düzenleme yapın.

Bu eğitmen öncülkle yapılan canlı eğitim (online veya onsite), çeşitli görevler ve alanlarda büyük dil modelleri (LLM) ile üretken yapay zeka kullanmayı öğrenmek isteyen orta seviye geliştiricilere yönelik olup, Ankara地区进行。

Bu eğitim sonunda katılımcılar şunları yapabilecekler:

• Üretken yapay zekanın ne olduğunu ve nasıl çalıştığını açıklayabilirler.
• LLM'leri güçlendiren aktörlü yapıyı tanımlayabilirler.
-------------

• Farklı görevler ve kısıtlamalar için LLM'leri optimize etmek üzere empirik ölçekleme yasalarını kullanabilirler.
-------------

• -------------
  LLM'leri eğitmek, fine-tuning yapmak ve dağıtmak için en son araçları ve yöntemleri uygulayabilirler.-------------
  
-------------

• -------------
  Üretken yapay zeka'nın toplum ve iş dünyası için fırsatlarını ve risklerini tartışabilirler.-------------
  
-------------

LLMs ve otomatik arac_framework'leri gibi AutoGen ve CrewAI, değişim izlemesi, test üretimi ve uyarı triajı gibi DevOps ekiplerinin görevlerini otomasyonla yeniden tanımlıyorlar. Bu, insan benzeri işbirliği ve karar verme simülasyonlarını kullanarak mümkün hale getiriliyor.

Bu eğitmen öncülü canlı eğitim (online veya onsite), büyük dil modelleri (LLMs) ve çoklu arac_sistemleri ile güçlendirilmiş DevOps otomasyon iş akışları tasarlamak ve uygulamak isteyen ileri düzey mühendisler için tasarlanmıştır.

Eğitim bittikten sonra, katılımcılar:

• LLM tabanlı araçları CI/CD iş akışlarına entegre etmek için akıllı otomasyonu sağlayacak şekilde.
• Araçları kullanarak test üretimi, commit analizi ve değişim özeti otomatikleştirecek şekilde.
• Birden fazla aracı uyarı triajı, yanıt üretimini ve DevOps önerileri sağlamak için koordinasyon yapacak şekilde.
• Açık kaynak çerçevelerini kullanarak güvenli ve bakımı kolay araç_güçlendirilmiş iş akışları oluşturacak şekilde.

Eğitim Biçimi

• Interaktif ders ve tartışma.
• Birçok alıştırma ve uygulama.
• Kanlı-laboratuvar ortamında el ile uygulama.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talep etmek istiyorsanız, bize ulaşarak düzenleme yapabilirsiniz.

Mistral, maliyet etkinliği ve ölçeklendirilebilirlik için optimize edilmiş yüksek performanslı büyük dil modelleri ailesidir.

Bu eğitmen öncülüğündeki canlı eğitim (çevrimiçi veya kurum içi) yüksek düzeyde altyapı mühendisleri, bulut mimarları ve MLOps liderlerinin Mistral temelli mimarileri en üst düzey verimlilik ve en düşük maliyet için tasarlamayı, dağıtmayı ve optimize etmeyi öğrenmelerine yöneliktir.

Bu eğitim sonunda katılımcılar şunları yapabilecek olacaklardır:

• Mistral Medium 3 için ölçeklenebilir dağıtım desenleri uygulayın.
• Toplu işleme, kuantizasyon ve verimli hizmet sunma stratejilerini uygulayın.
• Performansı korurken çıkarım maliyetlerini optimize edin.
• Kurumsal yükler için üretim-hazır hizmet sunma topolojileri tasarlayın.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Birçok alıştırma ve uygulama.
• Canlı-lab ortamında elden állı uygulama.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümünü talep etmek için lütfen bize iletişime geçin.

This instructor-led, live training in Ankara (online or onsite) is aimed at intermediate-level to advanced-level AI developers, architects, and product managers who wish to identify and mitigate risks associated with LLM-powered applications, including prompt injection, data leakage, and unfiltered output, while incorporating security controls like input validation, human-in-the-loop oversight, and output guardrails.

By the end of this training, participants will be able to:

• Understand the core vulnerabilities of LLM-based systems.
• Apply secure design principles to LLM app architecture.
• Use tools such as Guardrails AI and LangChain for validation, filtering, and safety.
• Integrate techniques like sandboxing, red teaming, and human-in-the-loop review into production-grade pipelines.

LangGraph, koşullu, çok adımlı LLM ve araç akışlarını etkinleştirme graf tabanlı bir orkestrasyon çerçevesidir. İçerik boru hattlarının otomasyonu ve kişiselleştirilmesi için idealdir.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (çevrimiçi veya yerel) orta düzeyli pazarlama uzmanları, içerik stratejileri geliştiricileri ve otomasyon geliştirmenleri için tasarlanmıştır. Bu gruplar LangGraph kullanarak dinamik, dallanmış e-posta kampanyaları ve içerik oluşturma boru hattlarını uygulamayı amaçlamaktadır.

Eğitim sonunda 참가자는 다음과 같은 작업을 할 수 있습니다:

• Koşullu mantık ile graf yapısı içeren içerik ve e-posta akışları tasarlamak.
• Otomatik kişiselleştirme için LLM'leri, API'leri ve veri kaynaklarını entegre etmek.
• Birkaç adımlık kampanyalar arasında durum, hafızayı ve bağlamı yönetmek.
• Akış performansını ve teslimat sonuçlarını değerlendirmek, izlemek ve optimize etmek.

Eğitim Formatı

• Interaktif dersler ve grup tartışmaları.
• E-posta akışları ve içerik boru hattlarını uygulayan pratik laboratuvarlar.
• Kişiselleştirme, segmentasyon ve dallanma mantığı üzerine senaryo tabanlı egzersizler.

Eğitim Özelleştirmesi Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talep etmek için bize ulaşınız.

Le Chat Enterprise, organizasyonlar için güvenli, özelleştirilebilir ve yönetilen sohbet AI yetenekleri sağlayan özel bir ChatOps çözümüdür. RBAC, SSO, bağlayıcılar ve kurumsal uygulama entegrasyonları desteği sunar.

Bu eğitmen-led, canlı eğitim (çevrimiçi veya kurum içi) orta seviye ürün yöneticileri, IT liderleri, çözüm mühendisleri ve güvenlik/değerlendirme ekibinin Le Chat Enterprise'ı kurumsal ortamlarda dağıtmak, yapılandırmak ve yönetmek için kullanmalarını amaçlamaktadır.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Le Chat Enterprise'ı güvenli dağıtımlar için kurmak ve yapılandırmak.
• RBAC, SSO ve uyumluluk odaklı kontrolleri etkinleştirmek.
• Le Chat'ı kurumsal uygulamalar ve veri depolarıyla entegre etmek.
• ChatOps için yönetişim ve admin playbooklarını tasarlama ve uygulama.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Birçok alıştırma ve uygulama.
• Canlı-lab ortamında elden deneme ile uygulama.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir sürümünü talep etmek için bizimle iletişime geçin.

Devstral, kod tabanlarıyla, geliştirici araçlarıyla ve API'lerle etkileşim kurabilen kodlama aracısı oluşturma ve çalıştırma için tasarlanmış bir açık kaynaklı çerçevedir. Bu çerçeve, mühendislik üretkenliğini artırmayı amaçlar.

Bu eğitmen led, canlı eğitim (çevrimiçi veya yerinde) ara düzeyden ileri seviyeye kadar ML mühendisleri, geliştirici araçları ekipleri ve SRE'ler için tasarlanmıştır. Bu gruplar Devstral kullanarak kodlama aracısı tasarlama, uygulama ve optimize etmeyi öğrenmek ister.

Eğitimin sonunda katılımcılar şunları yapabilecektir:

• Devstral'ı kodlama aracı geliştirme için yapılandırma.
• Kod tabanı keşif ve düzenleme için ajanlık akışları tasarlama.
• Kodlama aracısını geliştirici araçlarıyla ve API'lerle entegre etme.
• Güvenli ve verimli aracı dağıtımında en iyi uygulamaları uygulama.

Eğitim Formatı

• Etkileşimli sunum ve tartışma.
• Birçok alıştırma ve pratik.
• Canlı laboratuvar ortamında elden deneme uygulaması.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talep etmek isterseniz, lütfen bize ulaşın.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), belirli görevler ve veri kümeleri için önceden eğitilmiş modelleri özelleştirmek isteyen orta ve ileri düzey profesyonellere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• İnce ayar prensiplerini ve uygulamalarını anlayabilecektir.
• Önceden eğitilmiş modelleri ince ayar için veri kümeleri hazırlayabilecektir.
• Büyük dil modellerini (LLM'ler) NLP görevleri için ince ayar yapabilecektir.
• Model performansını optimize edebilecek ve yaygın zorlukların üstesinden gelebilecektir.

LangGraph, dalgaçılığı, araç kullanımı, bellek ve denetlenebilir yürütümeyi destekleyen graf yapısında LLM workflow'ları oluşturmak için bir çerçeve olarak kullanılır.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (online veya face-to-face) orta düzeyli mühendisler ve ürün ekibi için tasarlanmıştır. Bu grup, LangGraph'in graf mantığını LLM aracılıklı döngülerle birleştirerek, müşteri destek aracısı, karar ağacı ve bilgi edinme sistemleri gibi dinamik, bağlam bilen uygulamalar geliştirmeyi hedefler.

Eğitim sonunda katılımcılar aşağıdaki yetenekleri kazanacaklardır:

• Graf tabanlı workflow'ları tasarlayarak LLM araçlarını, araçları ve belleği koordine edebilirler.
• Kararlı yürütümeyi sağlamak için koşullu yönlendirme, yeniden denemeler ve plan B uygulamalarını gerçekleştirebilirler.
• Araç döngülerine edinme, API'ler ve yapılandırılmış çıktıları entegre edebilirler.
• Araç davranışlarını değerlendirmeyi, izlemeyi ve güvenilirlik ve güvenlik açısından güçlendirebilirler.

Eğitim Formatı

• Interaktif ders anlatımı ve yönlendirilmiş tartışmalar.
• Sandık ortamında yönetilen laboratuvarlar ve kod yürütmeleri.
• Komutanın tasarımı ve eş değerlendirmeleri temel alan senaryo tabanlı egzersizler.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talebinde bulunmak isterseniz, lütfen bize ulaşın ve düzenleme yapınız.

Kod Anlayışı, Yeniden Yapılandırma ve Documentation için Büyük Dil Modelleri (LLMs), kod kalitesini iyileştirmek, teknik borçları azaltmak ve yazılım ekibleri arasında otomatik belgeleme görevlerini gerçekleştirmek amacıyla büyük dil modellerinin uygulanmasına odaklanan bir teknik kursudur.

Yöneticili bu canlı eğitim (çevrimiçi veya yerel olarak) orta seviyeden uzman seviyesine kadar yazılım profesyonellere, GPT gibi LLM'leri karmaşık veya tarihi kod tabanlarını daha etkili bir şekilde analiz etmek, yeniden yapılandırmak ve belgelemek için kullanmak isteyenlere yönelik olmaktadır.

Eğitim sonunda katılımcılar şunları yapabilecekler:

• Bilinmeyen depolardaki kodu, bağımlılıkları ve mantığı açıklamak için LLM'leri kullanmak.
• Kod okurluluğunu artırmak için anti-desenleri belirlemek ve yeniden yapılandırmak.
• İç yorumları, README dosyalarını ve API dokümantasyonunu otomatik olarak oluşturup sürdürmek.
• Mevcut CI/CD ve gözden geçirme iş akışlarına LLM ile sağlanan bilgileri entegre etmek.

Eğitim Formatı

• Interaktif ders anlatımı ve tartışmalar.
• Fazla egzersiz ve uygulama.
• Hayat boyu laboratuvar ortamında el ile uygulama.

Eğitim Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim talep etmek için lütfen bize başvurunuz.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), çeşitli NLP görevlerini gerçekleştirmek ve farklı amaçlar için yeni ve çeşitli içerikler oluşturmak amacıyla LLM'leri kullanmak isteyen orta seviyedeki veri bilimcileri, yapay zeka geliştiricileri ve yapay zeka meraklılarına yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• LLM'ler ve temel araçlarla bir geliştirme ortamı kurmak.
• LLM'ler ile NLU ve NLI görevlerini uzmanlıkla gerçekleştirmek.
• Bilgi grafiklerini etkili bir şekilde çıkarmak, çıkarım yapmak ve kullanmak.
• Konuşma uygulamaları için LLM'leri kullanarak diyaloglar oluşturmak ve yönetmek.
• LLM'ler ve üretken yapay zeka tarafından oluşturulan içerik kalitesini ve çeşitliliğini değerlendirmek.
• Etik ilkeleri uygulamak, LLM'lerin adil ve sorumlu kullanımını sağlamak.

LangGraph, planlama, dalga geçme, araç kullanımını, belleği ve denetlenebilir yürütümü destekleyen çizge yapılı LLM uygulamaları oluşturmak için bir çerçevedir.

Bu eğitmen yönetilen canlı eğitim (online veya on-site), LangGraph kullanarak güvenilir, çok aşamalı LLM iş akışları tasarlamak ve incelemek isteyen yeni başlayan geliştiriciler, tetikleyici mühendisleri ve veri uygulayıcılarına yönelik olabilir.

Eğitim sonunda katılımcılar şu becerilere sahip olacaktır:

• Temel LangGraph kavramlarını (düğüm, kenar, durum) ve ne zaman kullanacaklarını açıklamak.
• Dalga geçme, araç çağırma ve bellek koruma özelliğine sahip tetik zinciri oluşturma.
• Sorgulama ve harici API'leri çizge iş akışlarına entegre etme.
• LangGraph uygulamalarını güvenilirlik ve güvenlik açısından test etme, hata ayıklama ve değerlendirme.

Eğitim Formatı

• Tartışma destekli etkileşimli ders anlatımı.
• Sandık ortamında yönlendirilmiş laboratuvarlar ve kod yürütmeleri.
• Tasarım, test ve değerlendirme konularında senaryoya dayalı egzersizler.

Eğitim özelleştirme seçenekleri

• Bu eğitim için özel bir eğitim talep etmek için bize başvurunuz.

Bu eğitmen liderliğindeki, canlı eğitim (Ankara çevrimiçi veya yerinde), çeşitli doğal dil görevleri için Büyük Dil Modelleri kullanmak isteyen başlangıç ​​seviyesinden orta seviyeye kadar olan geliştiricilere yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Popüler bir LLM içeren bir geliştirme ortamı kurmak.
• Temel bir LLM oluşturmak ve özel bir veri kümesi üzerinde ince ayar yapmak.
• Metin özetleme, soru cevaplama, metin oluşturma ve daha fazlası gibi farklı doğal dil görevleri için LLM'leri kullanmak.
• TensorBoard, PyTorch Lightning ve Hugging Face Datasets gibi araçları kullanarak LLM'leri ayıklamak ve değerlendirmek.

Mistral Medium 3, yüksek performanslı ve çok modlu büyük dil modeli olup, kurumsal ortamlarda üretim kalitesinde dağıtım için tasarlanmıştır.

Bu eğitimcili live eğitim (çevrimiçi veya yerinde) orta seviye ile ileri seviye AI/ML mühendisleri, platform mimarları ve MLOps ekibine yönelik olup, Mistral Medium 3’ü kurumsal kullanım senaryoları için dağıtmayı, optimize etmeyi ve güvenli hale getirmeyi amaçlar.

Bu eğitim sonunda katılımcılar şunları yapabilecektir:

• Mistral Medium 3’ü API ve kendi ana bilgisayarında dağıtım seçenekleriyle dağıtmak.
• Çıkış performansını ve maliyetlerini optimize etmek.
• Mistral Medium 3 ile çok modlu kullanım senaryoları uygulamak.
• Kurumsal ortamlar için güvenlik ve uyumluluk en iyi uygulamalarını uygulamak.

Eğitim Formatı

• Etkileşimli ders ve tartışma.
• Birçok egzersiz ve pratik.
• Canlı-lab ortamında el ile uygulama.

Eğitim Özelleştirme Seçenekleri

• Bu eğitimin özelleştirilmiş bir versiyonunu talep etmek için lütfen bizimle iletişime geçin.

Bu eğitmen-destekli canlı eğitim (online veya face-to-face), yerel bilgisayarlarında AI modellerini çalıştırmak için Ollama platformunu yüklemek, yapılandırmak ve kullanmak isteyen başlangıç düzeyinde profesyonellere yönelik olup, Ankara konumunda gerçekleştirilir.

Bu eğitim sonunda katılımcılar şunları yapabilecek hale gelecekler:

• Ollama'nin temellerini ve yeteneklerini anlamak.
• Yerel AI modelleri çalıştırmak için Ollama’yi kurmak.
• Ollama kullanarak LLM'leri (Large Language Models) dağıtmak ve etkileşimde bulunmak.
• AI yükleri için performansı ve kaynak kullanımını optimize etmek.
• Yerel AI dağıtımının çeşitli sektörlerdeki kullanımlarını keşfetmek.