Generative AI ve LLM’e Giriş

• Generative AI kavramının gelişimi

• Yapay zekanın üretken modellerle dönüşümü

• LLM nedir? Nasıl çalışır?

• LLM ekosistemi: OpenAI, GPT, Claude, Gemini, LLaMA vb.

  
  

Temel Kavramlar ve Mimariler

• Token, embedding, attention, transformer yapısı

• Parametre, katman, bağlam penceresi (context window) kavramları

• Eğitim (pre-training) ve ince ayar (fine-tuning) süreçleri

• Prompting vs. model eğitimi farkları

  
  

Prompt Engineering – Etkili Komut Yazımı

• Prompt tasarımının temelleri

• Sistem – kullanıcı – asistan rolleri

• Chain-of-thought, few-shot, zero-shot teknikleri

• Hata azaltma, iyileştirme ve iteratif prompt geliştirme

  
  

LLM Tabanlı Uygulamalar ve Kullanım Alanları

• Metin üretimi, özetleme, sınıflandırma

• Bilgi çıkarımı ve soru-cevap sistemleri

• Kod oluşturma ve hata tespiti

• Arama motoru iyileştirme (RAG tabanlı çözümler)

• Chatbot, sanal asistan ve süreç otomasyonları

  
  

RAG (Retrieval Augmented Generation) Yaklaşımı

• RAG mantığı ve neden ihtiyaç duyulur

• Vektör veri tabanları (Pinecone, Chroma, FAISS vb.)

• Doküman indeksleme ve embedding yapıları

• Gerçek bir RAG iş akışı örneği

  
  

Kurumsal Dünyada LLM Kullanım Modelleri

• Müşteri hizmetleri otomasyonu

• Satış & pazarlama içerik üretimi

• Operasyon ve süreç optimizasyonu

• Bilgi yönetimi ve çalışan verimliliği

• Sektörel uygulamalar: finans, sağlık, üretim, lojistik, teknoloji

  
  

Güvenlik, Etik ve Riskler

• Model halüsinasyonu

• Veri gizliliği ve kurumsal LLM kullanımı

• Güvenli prompt tasarımı

• Regülasyonlar ve yasal çerçeveler