Sizi "Hello World"'den "Model Deployed" seviyesine taşıyacak, sektör standartlarında yoğun eğitim programları.
Eğitimde, Büyük Dil Modellerinin (LLM) temel çalışma prensipleri ve sınırları açıklanarak RAG (Retrieval-Augmented Generation) mimarisinin standart aşamaları anlatılmıştır. Standart sistemlerin eksikliklerini gidermek amacıyla Semantic ve Agentic Chunking gibi gelişmiş veri parçalama yöntemleri ile Hybrid Search ve Reranking arama stratejileri ele alınmıştır. Son olarak, veriler arasındaki mantıksal ilişkileri bir ağ yapısında tutan Knowledge Graphs kavramı ve bu yapının vektör aramalarıyla entegre çalıştığı GraphRAG mimarisi incelenmiştir.
Bu sunum, yapay zekanın tıpkı insan beyni gibi farklı duyulardan gelen verileri (metin, ses, görüntü) birleştirerek dünyayı daha bütüncül kavramasını sağlayan Multimodal (Çok Modlu) sistemleri anlatıyor. Eskiden sadece tek bir veri türüyle kısıtlı kalan sistemlerin aksine, bu gelişmiş modellerin farklı verileri ortak bir matematiksel uzayda nasıl hizaladığını adım adım açıklıyor. Son olarak da bu teknolojinin otonom araçlardan medikal görüntülemeye kadar hayatımızın hangi alanlarında karşımıza çıktığını somut örneklerle özetleniyor.
Bu eğitimde büyük dil modellerinin nasıl değerlendirildiğini ve neden değerlendirmenin model geliştirme sürecinin vazgeçilmez bir parçası olduğunu ele aldık. LLM tabanlı değerlendirme yöntemlerinin nasıl çalıştığını, neden ölçeklenebilir ve esnek bir yaklaşım sunduğunu inceledik. Bunun yanında insan değerlendirmesi, klasik metrikler ve benchmark’ların güçlü ve zayıf yönlerini karşılaştırarak tek bir yöntemin yeterli olmadığını gördük. Sonuç olarak, en sağlıklı değerlendirme sürecinin; farklı tekniklerin birlikte kullanıldığı, dengeli, şeffaf ve sorumlu bir yaklaşımla mümkün olduğunu vurguladık.
Bu workshop'ta AI Agent'ların ne olduğunu, klasik LLM'lerden farkını ve arkasındaki temel kavramları (Chain-of-Thought, ReAct, Tool Use, MCP protokolü) anlattım. THY MCP Server ve doğal dille drone kontrolü gibi gerçek dünya örnekleriyle agent'ların günlük hayatta nasıl kullanıldığını gösterdim. Google'ın yeni açık kaynak framework'ü ADK'yı detaylıca inceledik; LangChain, CrewAI ve n8n gibi alternatiflerle karşılaştırarak hangi durumda hangisinin tercih edilmesi gerektiğini tartıştık. Son olarak ADK'nın Session, State ve Memory gibi built-in özelliklerinin agent geliştirmeyi nasıl kolaylaştırdığını hands-on örneklerle deneyimledik.
Sky Lab Bootcamp kapsamında AI Research ekibimizin düzenlediği AI Bootcamp Veri Biliminde Dengesiz Veri Yaklaşımları eğitimi ile başladı. Dengesiz veri nedir, güncel hayatta nerelerde karşımıza çıkar, bu soruna nasıl çözümler üretiriz sorularına yanıtlar vermeye çalıştım. Sunuma ve notebooka linkten erişim sağlayabilirsiniz.
Gecenin Yıldızı etkinliği kapsamında ekip arkadaşlarımız Yusuf İbin ve Berin Sudem Yıldırım “Yapay Zeka Gibi Düşünmek” adlı workshop’ımızı gerçekleştirdi. Katılımcılarla birlikte yapay zekanın temel kavramlarını, nasıl “düşündüğünü”, bazı etik problemlerini ve günümüzde hayatımızda nasıl yer bulduğunu konuştular. Hem eğlenceli hem öğretici bir deneyim oldu. Etkileşimli bir ortamda, birlikte düşünmek ve öğrenmek gerçekten çok keyifliydi! Destek olan, katılan ve merakla dinleyen herkese çok teşekkür ederiz.
SKY LAB: Yıldız Teknik Üniversitesi Bilgisayar Bilimleri Kulübü ile “NLP: Makineler Nasıl Konuşur?” adlı workshopta bir araya geldik. Ekip arkadaşımız Özge Günay bu teknolojinin nasıl çalıştığından, metinlerin anlamını makinelerin nasıl öğrendiğinden ve bizlerle nasıl konuştuklarından bahsetti. Bu alanı paylaşmak ve merak edenlerle üzerine konuşmak onun için gerçekten çok keyifliydi.
SkyLab Akademi’nin 4 haftalık yapay zekâ eğitim serisinin son haftasında, AIR LAB eş lideri olarak katılımcılara “Görüntü Tanıma ve Sınıflandırma” konulu sunumumu gerçekleştirdim. Bu oturumda bilgisayarların bir görüntüyü nasıl “gördüğünü” ve anlamlandırdığını; piksel düzeyinden başlayarak Convolutional Neural Network (CNN) yapısına kadar adım adım inceledik. Yüz tanıma, tıbbi görüntü analizi ve otonom sistemler gibi uygulamalara değinerek, yapay zekânın gerçek dünyadaki kullanım alanlarını tartıştık. AIR LAB ekibi olarak dört hafta boyunca; yapay zekânın matematiksel temellerinden başlayıp, makine öğrenimi, derin öğrenme, doğal dil işleme ve görüntü işleme gibi alanlarda katılımcılarla birlikte dolu dolu bir öğrenme süreci geçirdik. Bu süreçte emeği geçen tüm ekip arkadaşlarıma, katılımcılara ve projesini bizimle paylaşan Arda Fırat Gök’e teşekkür ederim.
Skylab Akademi'deki 4 haftalık programın dörtte üçünü bitirdik bile. Airlab ekibi eş lideri olarak, bu hafta katılımcılarımızla bir araya geldim ve Doğal Dil İşleme (NLP) dünyasındaki bazı temel taşlara değindik. Eğitimde, kelimelerin anlamını matematiksel olarak yakalayan Word2Vec algoritmalarından başlayarak, günümüzün en güçlü mimarisi olan Transformers'a giden yolu konuştuk. Bu yolculukta, modelin cümledeki kritik yerlere odaklanmasını sağlayan Attention mekanizmasının nasıl çalıştığını ve kelime sırasının bilgisini koruyan Positional Encoding çözümünü inceledik. Umarım katılımcılar için hem keyifli hem de ufuk açıcı bir oturum olmuştur. Gelen sorular ve gösterilen ilgi için teşekkürler! 🙏
Geçtiğimiz hafta SKY LAB: Yıldız Teknik Üniversitesi Bilgisayar Bilimleri Kulübü olarak düzenlediğimiz SKY LAB Akademi kapsamında “Makine Öğrenmesinin Temelleri ve Derin Öğrenmeye Geçiş” konulu eğitimi ben gerçekleştirdim. Bu eğitimde, katılımcılara makine öğrenmesinin temel prensiplerini anlatarak, modellerin veriden nasıl öğrendiğini ve bu sürecin ardındaki matematiksel yapıyı açıkladım. Gradient Descent algoritmasının matematiksel temelini detaylı biçimde ele alarak Python üzerinden uygulamasını gösterdim. Ayrıca, makine öğrenmesi modellerini (Lineer Regresyon, Lojistik Regresyon, Decision Tree vb.) karşılaştırarak, hangi durumlarda hangi modellerin daha etkili olduğunu değerlendirdik. Eğitime ilgi gösteren ve aktif katılım sağlayan herkese teşekkür ederim. 🤖 🔗 Uygulama Linkleri: Gradient Descent: https://lnkd.in/dh33W-en Makine Öğrenmesi Modelleri Karşılaştırması: https://lnkd.in/dW55Yccj
SKY LAB: Yıldız Teknik Üniversitesi Bilgisayar Bilimleri Kulübü olarak düzenlediğimiz SKY LAB Akademi kapsamında "Yapay Zekanın Matematiksel Temelleri" konulu eğitimini arkadaşımız Muhammed Ali Özdemir gerçekleştirdi. Bu eğitimde, yapay zekanın aslında bir sihir değil, temelde matematiksel bir problem çözme süreci olduğunu anlattı. Lineer cebir, istatistik, olasılık ve optimizasyon gibi alanların; modellerin öğrenme, genelleme ve tahmin yapma süreçlerindeki rolünü örneklerle aktardı. Bir matematik mühendisliği öğrencisi olarak, eğitime hazırlanırken matematiğin soyut kavramlarının yapay zekada nasıl somut sonuçlar ürettiğini yeniden görme fırsatı buldu.
Yıldız Teknik Üniversitesi'nin “Yıldız Pusulam” projesi kapsamında Sky lab Air ekibi olarak Mehmet Niyazi Altuğ Anadolu Lisesi’ndeydik. Değerli ekip arkadaşlarımız ile genç arkadaşlarımızla bir araya gelip, yapay zekâ nedir ve hayatın içinde nerelerde karşımıza çıkıyor örneklerle anlattık. Instagram keşfet algoritmasından Netflix önerilerine, FIFA’daki botlardan Spotify’ın yıl sonu özetine kadar; yapay zekânın yalnızca teknik değil, aynı zamanda günlük yaşamın bir parçası olduğunu anlattık. “Yapay zekâ artık geleceğin değil, bugünün konusu” ve bu teknolojiyi sadece kullanan değil, yönlendiren, düşünen ve geliştiren bir gençliğe ihtiyaç olduğuna inandık. Böyle etkinliklerde hem biz öğrendiklerimizi paylaşıyoruz, hem de gençlerin soruları, ilgisi ve heyecanı bize ilham oluyor.
Python ve Makine Öğrenimi hakkında girişten temele bir yotube canlı yayını
