Eğitim İçeriği
Eğitim Süresi: 10 Gün (09:00–12:00 Teori, 13:00–16:00 Uygulama)
Seviye: Başlangıç + Orta Teknik
Katılımcı Profili: Yazılım geliştiriciler, veri analistleri, mühendisler, üniversite öğrencileri, kurum çalışanları
Ön Koşul: Hazırlık kursları (Programlama / OS / Ağ) tamamlanmış olmalı; ayrıca temel matematik (özellikle istatistik, olasılık) bilgisi önerilir.
Başlangıç Seviyesi (Gün 1-5)
Gün 1: Temeller ve Veri Hazırlama
• Yapay zekâ ve makine öğrenmesi kavramları; türleri
• Temel istatistik ve olasılık: ortalama, varyans, dağılımlar, hipotez testleri
• Veri toplama / veri seti yapısı, veri temizleme, kategorik vs sayısal veri dönüştürme
Gün 2: Keşifsel Veri Analizi & Görselleştirme
• Veri görselleştirme teknikleri: grafikleri anlama, çıkarımlarda bulunma
• Feature mühendisliği: özellik seçimi, yaratıcı özellik üretimi
Gün 3: Temel Algoritmalar ve Model Değerlendirme
• Lineer regresyon, lojistik regresyon, karar ağaçları, k-NN gibi algoritmalar
• Performans değerlendirme metrikleri: doğruluk, precision, recall, F1, ROC AUC
Gün 4: İleri Temel Teknikler + Basit NLP / Zaman Serisi
• Naive Bayes, SVM, kümeleme (clustering) teknikleri
• Zaman serisi temelleri
• Temel doğal dil işleme: metin ön işleme, kelime vektörleri
Gün 5: Mini Proje ve Portfolyo Çalışması
• Katılımcıların seçtiği alan için veri seti seçimi ve model çıkarma
• Model oluşturma, değerlendirme, sunum
Orta Seviye Teknik (Gün 6-10)
Gün 6: Derin Öğrenmeye Giriş
• Yapay sinir ağları, katmanlar, aktivasyon fonksiyonları, ileri-geri yayılım
• CNN: temel görüntü işleme uygulamaları
Gün 7: Gelişmiş Modeller & NLP
• Transformer mimarileri, dil modelleri, BERT / GPT tipi kavramlar (örneklerle, konsept düzeyinde)
• Zaman serisi modelleri, anomali tespiti
Gün 8: Model Optimizasyonu ve Dağıtım (Deployment)
• Hiperparametre ayarlama, overfitting/underfitting, düzenleme (regularization)
• Basit model deploy etme: API’ya çıkarma / web hizmeti olarak kullanım
Gün 9: Prompt Teknikleri ve Prompt Mühendisliği
• Few-shot / zero-shot / chain-of-thought prompt teknikleri
• Iteratif prompt iyileştirme, çıktı kalibrasyonu
• Meslek / sektör özel prompt şablonları
Gün 10: Etik, Uyumluluk ve Kariyer Uygulamaları + Kapanış Projesi
• KVKK, GDPR, etik kullanımlar, veri gizliliği
• AI sistemlerinde sorumluluk, bias, adalet, şeffaflık
• Katılımcıların proje sunumları + değerlendirme
Eğitim Çıktıları
• Katılımcılar temel ve orta seviye makine öğrenmesi tekniklerini öğrenir.
• Gerçek veri setleri üzerinde uygulama deneyimi kazanır.
• AI projelerini başlatma, yönetme ve raporlama becerisi edinir.
• Etik ve yasal çerçeveler konusunda bilinç kazanır.
Eğitim Notları
• Eğitmen, içerikleri katılımcı grubunun seviyesine göre uyarlayabilir.
• Program teknoloji bağımlılığından bağımsızdır, genel prensipleri esas alır.
• Eğitim sonunda katılımcılar üniversite onaylı sertifika alır.