Eğitim İçeriği

Modül 1: Giriş ve AI Teorisi

  • Model Tabanlı Yaklaşım: AI'nin bir mühendislik sorunu olarak ele alınması.
  • Makinenin "Ruhu"sünün Gizemi: Ne olduğu ve ne olmadığını anlama.
  • Teknolojinin Evrimi: BERT'ten Transformeleyicilere.
  • Üretebilir Alanlar: Analiz, Yaratıcı, Araştırma, Görüntü, Müzik ve Video.
  • Veri Yönetimi: Temeller, denetimler ve araştırma trendleri (Çoklu Modlulilik, Ajanlar, RAG, LLM vs. SLM).
  • Karanlık Taraflar: Etik, telif hakkı, önyargılar, hayal power'i ve sosyal mühendislik.
  • Risk Değerlendirme: Veri zehirlemesi, Nepenthes ve insan yeteneklerinin "aptallaşması" riski.
  • Model Taksonomisi: Temel vs. Görev-spesifik; Kapalı ağırlıklı vs. Açık ağırlıklı modeller.

Modül 2: Mevcut Manzara ve Araç Seti

  • Dil Modelleri Arenası: Performans ve beklenti karşılaştırmaları.
  • Profesyonel Satın Alma Kriterleri: Maliyet, gecikme, gizlilik ve tedarikçi kilitlenmesi.
  • Büyük Modeller Genel Bakışı: OpenAI ChatGPT, Perplexity, Gemini ve Grok.
  • Niche & Küçük Modeller: Manus, SpecKit.
  • Grafik Üretimi: Perchance
  • Teknik Kısıtlamalar: Kontekst bozulması vs. Token maliyeti.

Modül 3: Etkileşim - Prompt & Kontekst Mühendisliği

  • Doğrulama Çerçevesi: Tamamlanma, tutarlılık ve doğrulanabilirlik.
  • RAG Stratejisi: Retrieval-Augmented Generation'ın ne zaman kullanması gerektiğini ve fine-tuning'e göre avantajlarını anlama.
  • AI'nin İhracatı: Bakım maliyetleri vs. üretkenlik kazançları.
  • İleri Teknikler: 20+ Prompt & RAG yöntemleri ve gerçek dünya örnekleri.
  • Deneysel Araziler: Üçgensel değerlendirmeler, Harita & Alan genel bakışı ve Model tabanlı üretim.

Modül 4: AI'de Agile Proje Yönetimi

  • Süper Bilgisayar Pilotu: AI'nin bir otomasyon motoru olarak kullanımı.
  • Karar Verme: İnsan sorumluluğu vs. AI desteğinin dengesi.
  • AIOps & GitOps: İş akışına AI'yi entegre etme.
  • Araç Zincirleri & Pipelines: Sıvı bir AI destekli ortam oluşturma.
  • Agile Arifmetikler: Backlog, rota haritası ve gereksinim mühendisliği.
  • Hassasiyet Yönetimi: Kapasite planlaması ve tahmin (Doğruluk vs. Hassasiyet).
  • Ürün Sahipliği: Fikir üretim, özellik analizi ve Vibe-kodlama riskleri.
  • Risk & Senaryolar: "Eğer" senaryolarını planlama ve otomatik risk yönetimi.
  • Refineman: Use Case ve User Story tanımlama & iyileştirme.

 

Kurs İçin Gerekli Önbilgiler

  • Agile Manifesto ve Scrum çerçevesine temel bir anlayış.
  • Proje yönetimi, ürün sahipliği veya takım liderliği deneyimi.
  • Programlama veya AI mühendisliği deneyimi gerekmez, ancak dijital araçlarla genel bir aşina olma tavsiye edilir.

Hedef Kitle

  • Agile Proje Yöneticileri ve Scrum Master'lar.
  • Ürün Sahipleri ve Ürün Yöneticileri.
  • IT Takım Liderleri ve Teslimat Yöneticileri.
  • Agile ortamlarda çalışan İş Analistleri.
  • AIOps'e ilgisi olan Operasyon Yöneticileri.

 

 7 Saatler

Katılımcı Sayısı


Katılımcı başına fiyat

Danışanlarımızın Yorumları (2)

Yaklaşan Etkinlikler

İlgili Kategoriler