•Üretken Yapay Zeka (GenAI) ve Büyük Dil Modellerine (LLM) Giriş
•Açık Kaynak (Open-Source) ve Kapalı (Proprietary) Modellerin Karşılaştırması
•Kurumsal Veri Gizliliği, Veri Sızıntısı (Data Leakage) ve Güvenlik Riskleri
•Yerel (On-Premise/Air-gapped) ve Bulut (Cloud) LLM Dağıtım Stratejileri
•AI Güvenlik Çerçeveleri ve Korkuluklar (Guardrails) Yerel LLM Çalıştırma ve Donanım Yönetimi
•Ollama, vLLM ve LM Studio ile Yerel Model Çalıştırma
•Model Kuantizasyonu (Quantization: GGUF, AWQ, GPTQ) ve Donanım (GPU/VRAM) İhtiyaçları
•Kurum İçin Doğru Açık Kaynak Modelin Seçimi (Llama 3, Mistral, Qwen vb.)
•API Üzerinden Yerel Modellere Erişim ve Uygulama Entegrasyonu RAG (Retrieval-Augmented Generation) Mimarisi
•RAG Nedir? Halüsinasyonu (Hallucination) Önleme ve Modele Güncel Bilgi Sağlama
•Vektör Veritabanlarına Giriş ve Karşılaştırma (ChromaDB, Qdrant, Milvus, pgvector)
•Gömme Modelleri (Embedding Models) ve Anlamsal Arama (Semantic Search)
•Veri Hazırlığı: Belge Ayrıştırma (Parsing) ve Metin Bölme (Chunking) Stratejileri
•Gelişmiş RAG Teknikleri (Hybrid Search, Re-ranking, Query Transformation)
•AnythingLLM Mimarisi, Kurulumu ve Güvenli Yapılandırması
•Çoklu Kullanıcı Yönetimi ve Rol Bazlı Erişim Kontrolü (RBAC) Ayarları
•Kurum İçi Dokümanların (PDF, Word, Confluence, Web, DB) Sisteme Aktarılması
•Çalışma Alanları (Workspaces) Oluşturma ve Veri İzolasyonu
•Yerel LLM'lerin (Örn: Ollama) ve Vektör Veritabanlarının AnythingLLM'e Bağlanması
•Güvenli Kurumsal Asistan (Chatbot) Arayüzünün Personele Sunulması Veriseti Hazırlama ve Prompt Mühendisliği
•Prompt Engineering vs. RAG vs. Fine-Tuning: Hangi Durumda Hangisi Seçilmeli?
•Sistem İstemi (System Prompt) Tasarımı ve Kurumsal Persona Yaratma
•Veri Temizleme, Anonimleştirme (PII Masking) ve Formatlama (JSONL)
•Sentetik Veri Üretimi ile Eğitim Veriseti Büyütme (Data Augmentation)
•Fine-Tuning Temelleri: Tam Parametre Eğitimi vs. PEFT (Parameter-Efficient Fine-Tuning)
•LoRA ve QLoRA Teknikleriyle Düşük Donanımlı (Tek GPU) Model Eğitim Stratejileri
•Unsloth, Hugging Face TRL veya Axolotl ile Fine-Tuning Süreci ve Hiperparametreler
•Fazla Uydurma (Overfitting) Sorunu ve Catastrophic Forgetting (Yıkıcı Unutma) ile Başa Çıkma
•Eğitilen Modelin Değerlendirilmesi (Evaluation), Ağırlıkların Birleştirilmesi (Merging) ve Dağıtım