EĞİTİMİN İÇERİĞİ

Doğal Dil İşlemeye (NLP) Giriş
NLP nedir? NLP kullanım alanları; metin sınıflandırması, duygu analizi, NER, summarization, question answering, text generation
Metin Ön İşleme & Tokenization
Text cleaning; token kavramı; vocabulary; tokenization yöntemleri; word/subword tokenization; sequence; padding/truncation; OOV; tokenizer mantığı; LLM tokenizer'larına giriş
Word Embeddings
One-hot encoding problemi; dense vector kavramı; embedding nedir?; semantic similarity; Word2Vec/GloVe mantığı; Keras Embedding katmanı; contextual embedding kavramına geçiş
Sequence Models
RNN, LSTM & GRU: Sequential data; RNN çalışma mantığı; hidden state; vanishing gradient; LSTM ve GRU; bidirectional modeller; sequence classification; klasik sequence modellerinin sınırlılıkları
Attention Mekanizması & Transformer Mimarisi
RNN/LSTM neden yeterli olmadı?; attention fikri; Transformer'ın ortaya çıkışı; encoder/decoder; self-attention; multi-head attention; positional encoding; feed-forward network; residual connections; layer normalization; encoder-only, decoder-only ve encoder-decoder modeller; BERT, GPT ve T5 ailelerinin farkları
Large Language Models (LLM)
LLM nedir?; Transformer → Foundation Model → LLM; pretraining; next-token prediction; instruction tuning; context window; tokenizer; inference; temperature, top-k/top-p; hallucination; LLM'lerin güçlü ve zayıf yönleri
RAG & Final Büyük Dil Modelleri (LLM) Uygulaması
LLM'lerin bilgi problemi; RAG nedir?; document chunking; embeddings; semantic search; vector database kavramı; retrieval; context oluşturma; prompt + retrieved context; hallucination azaltma; evaluation; uygulamanın sunulması

Eğitimde Python programı kullanılacaktır.
Eğitim zoom üzerinden gerçekleştirilecektir.

EĞİTMEN
Doç. Dr. Ezgi DEMİR

EĞİTİM TARİHLERİ
5-6 Aralık 2026 (2 gün 12 saat)