Agentic AI Giriş Programı

Agentic AI Giriş Programı

Agentic AI, büyük dil modellerinin (LLM) yalnızca soru yanıtlamakla kalmayıp araçları kullanarak, kararlar alarak ve çok adımlı görevleri otonom biçimde yürüterek gerçek iş değeri ürettiği yeni nesil bir yapay zeka yapısıdır.

Eğitim Gereksinimleri

• Eğitim, teknik geçmişi olmayan katılımcılara da hitap edecek şekilde tasarlanmış olup uygulamalı demolar ve gerçek kullanım senaryolarıyla desteklenmektedir.
• Yapay zeka / ChatGPT benzeri araçlar hakkında genel bir farkındalık (zorunlu değil)
• Python temel bilgisi (yalnızca teknik katılımcılar için, opsiyonel)

Katılımcılar ile Paylaşılacak Eğitim Materyalleri

• Eğitim sunumları ve ders notları
• Demo ve hands-on alıştırma dosyaları
• Araç karşılaştırma rehberleri ve kaynak listesi
• Okuma parçaları, makaleler ve referans dokümanlar

Hedef Kitle

Bu eğitim; teknik ve teknik olmayan katılımcılara eşit ölçüde hitap eden geniş kapsamlı bir program olarak tasarlanmıştır:

• Agentic AI yetkinliklerini merak edenler
• Agentic AI çalışmalarına yeni başlayanlar
• Ürün yöneticileri ve iş analistleri
• Yazılım geliştiriciler ve mühendisler
• Veri bilimciler ve araştırmacılar
• Yöneticiler ve karar alıcılar
• AI danışmanları ve dijital dönüşüm uzmanları

Eğitim İçeriği

1. Gün – Agentic AI'ı Anlamak & Araç Ekosistemi

Modül 1.1 – Yapay Zeka'dan Agentic AI'a: Genel Resim

• LLM nedir? Neler yapabilir, neler yapamaz?
• 'Agent' kavramı: Otonom düşünen ve hareket eden sistemler
• Chatbot vs Copilot vs Agent: Farklar ve kullanım alanları
• Agentic AI'ın gerçek hayat etkileri ve iş dünyasındaki yeri
• Demo: Basit bir ajan uygulamasının canlı gösterimi

Modül 1.2 – Agentic AI'ın Temel Yapı Taşları

• Planlama (Planning): Ajanlarda hedef belirleme ve adım ayrıştırma
• Bellek (Memory): Kısa dönem ve uzun dönem bellek yönetimi
• Araç Kullanımı (Tool Use / Function Calling): API çağrısı, dosya okuma, arama
• Gözlem ve Geri Bildirim (Observation & Feedback): Ajanlarda döngüsel öğrenme
• ReAct, Chain-of-Thought ve Tree-of-Thought akıl yürütme teknikleri

Modül 1.3 – Popüler Araç ve Framework Tanıtımları

• LangChain – Bileşen tabanlı LLM uygulama çerçevesi
• LangGraph – Durum makinesi tabanlı çok adımlı ajan akışları
• AutoGen – Çok ajanlı iş birliği sistemi
• CrewAI – Rol tabanlı ajan ekipleri oluşturma
• n8n – Kod yazmadan ajan akışı oluşturma araçları
• Karşılaştırma rehberi: Hangi araç ne zaman kullanılmalı?
• Demo: LangGraph ajan örnekleri

Modül 1.4 – Araç Entegrasyonu ve MCP (Model Context Protocol)

• Tool/function calling mimarisi, tool/function calling nasıl çalışır?
• MCP nedir? Standart araç entegrasyonunun önemi
• Popüler MCP sunucuları: Tarayıcı, dosya sistemi, veritabanı, e-posta
• Güvenli araç kullanımı: İzinler, sandbox ve kısıtlamalar
• Demo: Bir ajanın web araması + takvim + e-posta araçlarını kullanması

2. Gün – Çok Ajanlı Sistemler, Tasarım Desenleri ve Uygulamalar

Modül 2.1 – Çok Ajanlı (Multi-Agent) Sistem Mimarisi

• Tek ajan vs çok ajan: Avantajlar ve dezavantajlar
• Orchestrator – Worker ajanların yönetimi
• Paralel ajan yürütme ve görev dağıtımı
• Ajanlar arası iletişim ve koordinasyon
• Hata yönetimi ve geri dönüş stratejileri
• Demo: Araştırma + özetleme + raporlama yapan 3 ajanlı bir sistem

Modül 2.2 – İnsan-Ajan İş Birliği (Human-in-the-Loop)

• Otonom ajan ile insan denetimli ajan arasındaki denge
• Onay mekanizmaları: Ajanın duraklaması ve kullanıcıdan onay alması
• Güven skorlama
• Kurumsal ortamlarda Agentic AI: Uyumluluk ve denetlenebilirlik

Modül 2.3 – Gerçek Dünyada Kullanım Senaryoları

• Müşteri hizmetleri: Tam otonom destek ajanı
• Kod asistanı: GitHub entegrasyonu ile hata bulma ve düzeltme
• Veri analisti ajan: Veri çekme, temizleme, rapor üretme
• Satış & CRM ajan: Müşteri takibi ve e-posta otomasyonu
• Araştırma ajan: Web tarama, kaynak sentezi, özet oluşturma
• Sektörel kullanım örnekleri: Finans, sağlık, hukuk, e-ticaret

Modül 2.4 – Prompt Engineering for Agents

• Ajan için system prompt tasarımı
• Görev tanımı, kısıtlama ve persona belirleme
• Hata durumu yönetimi için prompt teknikleri
• Az örnekli (few-shot) yönlendirme ve şablon kullanımı

Modül 2.5 – Güvenlik, Etik ve Sorumluluk

• Prompt injection ve jailbreak riskleri
• Ajan güvenliğinde katmanlı savunma stratejileri
• Veri gizliliği: Ajanlara ne kadar güvenilmeli?
• AI Act ve düzenleyici çerçeveler: Uyumluluk zorunlulukları
• Sorumlu Agentic AI tasarımı için kontrol listesi