Bu eğitimde Retrieval Augmented Generation (RAG) sistemlerinin temel çalışma mantığını teoriden pratiğe öğreneceğiz. RAG’in neden gerekli olduğunu, veri hazırlama, chunking, metadata, embedding, vector database ve retrieval süreçleriyle birlikte ele alacağız. Ardından query rewriting, hybrid search, reranking, context compression ve conversational RAG gibi gelişmiş yöntemlerle retrieval kalitesini nasıl artırabileceğimizi göreceğiz. Uygulama bölümünde hem Google Gemini ve FAISS kullanarak cloud tabanlı bir RAG sistemi, hem de Qwen, Milvus ve vLLM kullanarak on-prem bir RAG sistemi geliştireceğiz. Eğitimin sonunda katılımcılar, kendi veri setleri üzerinde çalışan, değerlendirilebilen ve gerçek hayatta kullanılabilecek RAG projeleri geliştirebilir hale gelecekler.

Eğitim İçeriği:

- RAG nedir, neden gereklidir ve uzun context window’lara rağmen neden hâlâ önemlidir
- Veri kaynakları, doküman hazırlama, metin çıkarımı, chunking stratejileri ve metadata kullanımı
- Embedding mantığı, semantic similarity, cosine similarity ve embedding modeli seçimi
- Vector database kavramı, vector search, index yapıları ve popüler vector DB çözümleri
- Retrieval süreci, Top-K, similarity threshold ve retrieval sonuçlarının değerlendirilmesi
- Query rewriting, hybrid search, reranking ve context compression ile retrieval kalitesini artırma
- Conversational RAG, RAG evaluation, güvenlik, semantic caching, performans ve mimari seçimleri
- Google Gemini + FAISS ile cloud RAG projesi ve Qwen + Milvus ile on-prem RAG projesi

Eğitim Kazanımları:

- RAG sistemlerinin temel bileşenlerini ve uçtan uca çalışma mantığını açıklayabilme
- Dokümanlardan chunk üretip metadata ve embedding tabanlı retrieval sistemi geliştirebilme
- FAISS, Milvus gibi altyapılarla çalışan RAG projeleri kurabilme
- Query rewriting, hybrid search ve reranking gibi yöntemlerle retrieval kalitesini artırabilme
- Hit@K ve MRR gibi metriklerle RAG sistemlerini test edip karşılaştırabilme
- Hem cloud tabanlı hem de on-prem mimarilerde gerçek RAG uygulamaları geliştirebilme

Eğitim Ön Koşulları:

- Büyük Dil Modelleri (LLM)