Notebook'tan canlı sisteme.
1.5 günde, kendi sunucunda.
API anahtarına değil, kendi mimarine güven. Veri dışarı çıkmadan, sana tahsis edilen gerçek bir sunucuda uçtan uca, %100 offline bir RAG sistemi kur.
Neden DataBeta
Academy?
Aynı süreyi izlemeye değil, kurmaya harcarsın. Farkı dört net cümlede topladık.
Deneyimli mühendisler eşliğinde canlı kodlama, anında soru-cevap.
1.5 günde çalışan bir sistemle çıkarsın.
Sana tahsis edilen gerçek, izole bir sunucuda hands-on.
%100 offline, veri dışarı çıkmaz — KVKK uyumu mimariden gelir.
Notebook'tan çıkın,
production'a girin.
AI altyapısını öğrenmek için localhost yetmez. 1.5 günün sonunda elinizde teoriden değil, gerçek bir sunucuda ayağa kalkmış bir sistemden gelen somut çıktılar olur.
Dağıtılabilir RAG sistemi
Bootcamp sonunda elinizde çalışan, kuruma teslim edilebilir bir kurumsal RAG sistemi olacak — sadece bilgi değil, somut bir ürün.
Tamamen offline mimari
Açık kaynak modeller kendi donanımınızda konteynerleşir; veriniz hiçbir 3. parti API'ye gitmez. Güvenlik mimaride.
CI/CD & telemetri
Kod güncellemelerini otomatik dağıtan bir pipeline ve yanıt sürelerini izleyen kurumsal bir dashboard kurarsınız.
1.5 günlük yoğun "Senior" sürüşü
7 modül, 35 adım. Gerçek sunucularda, gerçek senaryolarla — kaydedilmiş video değil, canlı ve mentor eşliğinde.
Temeller ve Mimari Kurulum
Kurumsal bir ortama bağlanıp sıfırdan servisleri ayağa kaldırıyoruz.
SSH, Linux & uv ile izole geliştirme ortamı.
Docker & Ollama ile model konteynerleştirme.
Vektör veritabanı ve RAG veri işleme.
FastAPI, API Key Auth ve MLflow loglama.
Ölçekleme ve Dağıtım
Sistemi izole konteynerlerden çıkarıp otomatik bir pipeline'a dönüştürüyoruz.
Open WebUI ile kurumsal chat arayüzü kurulumu.
Dockerfile & multi-container Docker Compose.
Kod güncellemeleri için otomatik build ve dağıtım.
Challenge Dinamik Ingestion
Yeni bir İK belgesi yükleyin ve sistemi baştan kurmadan sadece CI/CD pipeline'ını tetikleyerek yeni veriyi yapay zekaya öğretin.
Challenge Rate Limiting
FastAPI'ye 'slowapi' ekleyerek API'yi dakikada 30 istek ile sınırlandırın. Sınırı aşan istekleri MLflow üzerinde loglayın.
Challenge Multi-Model A/B Testi
İkinci bir yerel model çekin (Gemma 2). Aynı soruları her iki modele gönderip yanıt kalitesini MLflow'da karşılaştırın.
Kimden
öğreneceksiniz?
Her iki kurucu da Koç Üniversitesi'nde yapay zeka üzerine doktora çalışmalarını sürdüren araştırmacılardır. Teoriyi değil, ürettikleri sistemleri öğretirler.
Avrupa ve Türkiye'de farklı şirketlere Data ve ML Engineer olarak danışmanlık verirken, Koç Üniversitesi Hesaplamalı Bilimler ve Mühendislik bölümünde doktora çalışmalarını sürdürmektedir. Kubernetes kümelerinin yönetimi, CI/CD süreçlerinin kurgulanması ve uçtan uca data pipeline tasarımı konularında derin teknik uzmanlığa sahiptir.
Kurumsal uygulamalar için güvenli, lokal ML pipeline'ları geliştiriyor. KUIS AI'da araştırma görevlisi olarak derin öğrenme üzerine çalışıyor. Bootcamp'te öğretilen sistemlerin mimarı.
Merak
edilenler
Bootcamp hakkında en çok sorulan soruları derledik. Aradığınız cevabı bulamazsanız bize e-posta gönderin.