Python ile Yapay Zekâ Ajanları (AI Agent) Geliştirme Eğitimi

Python kullanarak akıllı tek ve çok ajanlı sistemlerin tasarımı ve geliştirilmesini öğreneceksiniz.
Eğitim boyunca hafıza yönetimi, araç entegrasyonu, akıl yürütme, planlama ve etik yönetim konularını derinlemesine keşfedeceksiniz.

Python, veri paketleri ve tercihen makine öğrenmesi geliştirme süreçleri, LLM mimarileri ve prompt engineering konularında mevcut bilgiye sahip katılımcılar için tasarlanmıştır.

Her modül, gerçek dünya kullanım senaryoları ve uygulamalarla öğrenmenizi pekiştiren uygulamalı laboratuvar çalışmaları içerir.

Ayrıca, eğitim kapsamında basit bir ön yüzü olan çalışan bir ajan tabanlı yapay zekâ sistemi tasarlayıp, inşa edip, yönetecek, test edecek ve değerlendireceğiniz bir proje yer almaktadır.
Bu projeyi yanınızda götürerek, kurumunuzda yapay zekânın neler mümkün kıldığını canlı bir şekilde gösterebilirsiniz.

• Yapay zekâ ajanlarını ve modern bağlamdaki bileşenlerini tanımlama
• Ajanların kurumsal problemleri nasıl çözdüğünü açıklama
• Ajan geliştirmede kullanılan güncel teknoloji yığınını özetleme
• Düşük kodlu çözümle ilk AI ajanınızı oluşturma
• Gerçek dünya ajan tabanlı yapay zekâ kullanım örneklerini tartışma

• Dil modellerini tanımlama
• Dil modellerinin geçmişi ve kullanım alanları
• Mimari, ölçek ve modaliteye göre dil modeli türlerini ayırt etme
• Dil modeli ile uygulamalı etkileşim demo’su yapma
• Prompt tasarımının model çıktılarına etkisini değerlendirme

• Tek ajanlı sistemler ve bileşenlerini tartışma
• Ajanlara hafıza entegrasyonu sağlama
• LangGraph kullanarak basit bir tek ajanlı sistem geliştirme

• LangGraph ile çok ajanlı sistem tasarımı ve ajan orkestrasyonu
• Çoklu ajanlar arasındaki roller ve etkileşimlerin planlanması
• Ajan iletişimi ve görev dağılımı için koordinasyon özelliklerini uygulama
• Çoklu ajan sistemlerinin avantajları, sınırlamaları ve olası sorunlarını tartışma
• AutoGen ve CrewAI gibi diğer çok ajanlı sistem geliştirme framework’lerini keşfetme

• Yapay zekâ ajanları bağlamında aksiyonlar ve araçların ne olduğunu tartışma
• Kendi araçlarınızı tanımlama ve özelleştirme öğrenimi
• Araçları ajanlara bağlama ve aksiyon almalarını sağlama
• Araç hatalarını ve yürütme sınırlarını yönetme
• Hızlı prototipleme için önceden hazırlanmış araçları deneme

• Ajan tabanlı yapay zekâ sistemlerinde yönetişimin neden kritik olduğunu ve eksikliğinin sonuçlarını açıklama
• AI ajan davranışlarını yönlendiren temel etik ilkeleri tanımlama
• Ajan seviyesindeki ana riskleri ve yönetişim stratejilerini fark etme
• Programatik koruyucuların ne olduğunu ve sorumlu davranışı nasıl sağladığını tartışma
• Gerçek dünya ajan uygulamalarını değerlendirip etik, yasal ve pratik boyutları farklı perspektiflerden tartışma
• Küresel AI yönetişim çerçevelerini ajan sistem tasarımına bağlama

• Prompt yapısının ve içeriğinin önemini tartışma ve etkili prompt’lar geliştirme
• Chain of Thought ve Tree of Thought prompting ile optimal ajan yanıtları oluşturma
• Ajanı bilgi tabanına bağlayabilen RAG sistemini uygulama 

• İzlemenin önemini ve ajanların arka planda ne yaptığını görmeye nasıl yardımcı olduğunu tartışma
• LangSmith kullanarak ajanları izleme, hata yakalama ve karar alma süreçlerini anlama
• İnsan geri bildirimi veya otomatik kontrollerle ajanları puanlama yöntemleri oluşturma
• Kullanıcı etkileşimlerine göre ajanları sürekli geliştiren geri bildirim döngüleri kurma
• Prompt’ları iyileştirme yöntemlerini deneyip değişiklikleri yayına almadan test etme
• Gerçek dünyaya hazır hale getirmek için uyarılar kurma ve kullanıcı deneyimini güvenceye alma 

• LLM, araçlar, hafıza ve çoklu ajan koordinasyonunu kullanarak kapsamlı bir ajan sistemi tasarlama
• Etik ilkeleri, güvenlik kontrollerini, izleme ve değerlendirme stratejilerini gerçek dünya, açık uçlu bir görevde uygulama
• RAG ve prompt engineering ile alaka düzeyi ve performansı artırma
• İsteğe bağlı olarak Streamlit kullanarak minimal bir ön yüz ile çalışan prototipi yayına alma