LangChain ile RAG
Bireysel sayfadasınız. Kurumsal sayfaya geçebilirsiniz.
Renkler tuhaf mı görünüyor? Samsung Internet tarayıcısı koyu modda site renklerini değiştiriyor olabilir. Kapatmak için Internet menüsünden Ayarlar → Kullanışlı Özellikler → Labs → Web site koyu temasını kullan seçeneğini etkinleştirebilirsiniz.
Bireysel sayfadasınız. Kurumsal sayfaya geçebilirsiniz.
Günümüz yapay zeka uygulama çağında bilgiye erişim hızı, ölçeği ve doğruluk beklentisi hiç olmadığı kadar yükseldi. Kurumlar, büyük dil modellerini (LLM’ler) kendi kurumsal verileriyle zenginleştirerek hem yanıt kalitesini artırmak hem de güvenilir, kaynak gösterilebilir çıktılar üretmek istiyor. Bu yoğun tempolu 3 saatlik “LangChain ile Retrieval-Augmented Generation (RAG) Atölyesi”, katılımcılara bir RAG mimarisini sıfırdan ayağa kaldırmanın teori-pratik birleşimini sunuyor.
Atölye; RAG’in temel kavramlarını, LangChain ile bileşenleri nasıl orkestre edeceğimizi ve günün sonunda canlı olarak çalışan bir doküman tabanlı sohbet botu geliştirmeyi hedefliyor. Katılımcılar; doküman işleme-embedding-vektör arama zincirini uçtan uca deneyimleyerek, uzun bağlam ihtiyacına kıyasla RAG’in getirdiği hız, maliyet ve izlenebilirlik avantajlarını doğrudan gözlemleyecekler.
Veri bilimciler, MLOps mühendisleri, yazılım geliştiriciler – LLM tabanlı uygulamalar inşa etmek isteyenler
RAG mimarisinin pratik faydasını kurumuna taşımayı hedefleyen teknik liderler
Kısa sürede öğren-uygula-göster döngüsüyle somut çıktı elde etmek isteyen profesyoneller
Bu atölye, sıkı bir zaman diliminde yoğun öğrenme sağlayarak katılımcıları “metinden bilgiye” giden RAG yolculuğunda hızla ileri taşıyacak; gerçek veriler üzerinde, canlı demosu yapılmış bir proje ile ayrılmanızı sağlayacaktır.
Neler yapılacağı ve nelerin kapsam dışında kalacağı
Canlı demo: Günün sonunda nasıl bir uygulama geliştirmiş olacağız
Ortam kurulumu
RAG mimarisini ve avantajlarını anlama
RAG vs Long Context Modeller (uzun bağlam)
Ana bileşenler: Doküman işleme, embedding'ler, vektör depolama ve retrieval
Gerçek dünyadan RAG uygulama örnekleri ve kullanım alanları
LangChain temelleri
Doküman yükleyiciler ve metin parçalama (chunking) stratejileri
Embedding modelleri ve vektör veritabanları
Retriever'lar ve sorgu dönüştürme yöntemleri
LLM'lerle entegrasyon
Proje yapısını oluşturma
Doküman alım hattını oluşturma (Ingestion pipeline)
Vektör deposu oluşturma ve yapılandırma
Vektör benzerlik metrikleri
RAG için etkili prompt'lar tasarlama
Retrieval chain oluşturma
Gradio ile uygulama arayüzünü uygulama
Uygulamanızı yayına hazır hale getirme
Ortam değişkenleri ve güvenlik en iyi uygulamaları
Modeli deploy etme
API anahtarlarının güvenli yönetimi
Canlı ortamınızı test etme
Büyük doküman koleksiyonlarıyla başa çıkma
Gecikmeyi azaltma stratejileri
Maliyet optimizasyon yaklaşımları
Kurumsal seviyede dikkat edilmesi gereken hususlar
Multi Modal RAG
Fine-Tuning
Agentic RAG
Yapılanların özeti
Ek kaynaklar ve dokümantasyon
Soru-Cevap oturumu