Yakında — Bu içerik hazırlanıyor.
AI Engineer
LLM tabanlı ürünler, RAG pipeline'ları ve GenAI deployment
AI Engineer rotası, büyük dil modellerini gerçek ürünlere dönüştürmeyi öğretir. LangChain ve LlamaIndex ile RAG sistemi kur, embedding ve vektör veritabanlarını yönet, fine-tuning uygula ve modeli production'a taşı.
~10 hafta
20 Lab
Öğrenme Adımları
01
Prompt Mühendisliği
Chain-of-thought, few-shot ve sistem promptlarıyla LLM çıktısını kontrol et.
Chain-of-thought prompting
Few-shot öğrenme şablonları
Prompt güvenlik testleri
02
RAG Sistemi
Dokümanları embedding'e çevir, vektör veritabanında sakla ve LLM ile birleştir.
LangChain + Pinecone RAG
Hibrit arama (dense + sparse)
RAG kalite değerlendirmesi
03
Agent & Tool Use
LLM agent'larını araçlarla donat: web arama, kod çalıştırma, API çağrısı.
ReAct agent tasarımı
Custom tool entegrasyonu
Multi-agent orkestrasyon
04
Fine-tuning
Küçük veri setiyle LoRA/QLoRA ile domain-specific model ince ayarı yap.
LoRA fine-tuning pipeline
Veri seti hazırlama
Model kalite değerlendirmesi
05
Production Deployment
Modeli API olarak yayınla, rate limiting ekle ve maliyeti optimize et.
FastAPI + model serving
Token maliyeti optimizasyonu
Streaming yanıt entegrasyonu