MLOps ve LLMOps ile modelleri üretime almayı, performansını izlemeyi, güncelleyeyi ve tüm süreci otomatikleştirmeyi öğreneceksiniz. Klasik ML modellerinden büyük dil modellerine (LLM) kadar uçtan uca deployment süreçlerini, Docker ve Kubernetes üzerinde dağıtımı, CI/CD süreçlerini ve AWS üzerinde gerçek senaryoları deneyimleyeceksiniz.
Bu 13 haftalık bootcamp eğitiminde makine öğrenimi modellerinin üretim ortamlarında güvenli, ölçeklenebilir ve sürdürülebilir şekilde çalıştırılmasını öğreneceksiniz. MLOps ve LLMOps ile modelleri üretime almayı, performansını izlemeyi, güncelleyeyi ve tüm süreci otomatikleştirmeyi öğreneceksiniz. Klasik ML modellerinden büyük dil modellerine (LLM) kadar uçtan uca deployment süreçlerini, Docker ve Kubernetes üzerinde dağıtımı, CI/CD süreçlerini ve AWS üzerinde gerçek senaryoları deneyimleyeceksiniz. Veri bilimi ve yapay zekanın prod ortamında nasıl çalıştığını, gerçek değer sunmayı ve fark yaratmayı öğreneceksiniz.
Computer Networking Basic
Linux Basic, Bash Script
Git Basic ve Crontab
PostgreSQL & SQL Basic
Docker
Python Programming
Machine Learning with Python
Introduction to MLOps
Model development environments, tools
Model deployment methods
Prepare environment (VM, Docker, AWS CLI)
S3 compatible object storage: MinIO
Building a basic ML model (Classification + Regression)
MLflow experiment tracking and model registry
Introduction to Large Language Models (LLMs)
Getting Started with LLMs Locally (Ollama/HuggingFace)
Vector Database: Document indexing and querying
Connecting an LLM to External Tools
LLM Orchestration with LangChain
Retrieval-Augmented Generation (RAG)
Building an LLM-Powered Travel Assistant Application
SQLModel
Introduction to FastAPI
FastAPI Path parameters, Query parameters, Response model
Data validation with Pydantic
FastAPI Database CRUD Operations
FastAPI API Router ve Login Auth
Introduction to NGINX
Reverse Proxy, Load Balancing ve TLS termination with NGINX
Model storage and loading
Developing a web UI with Streamlit
Loading models from MLflow
Writing prediction results in database
Deploy Deeplearning Model
Docker image creation for ML model
Deployment on Docker
Kubernetes Intro, setup and deployment
Infrastructure as Code (IaC) Terraform
Deploy ML model on Docker with Terraform
Deployment on AWS EC2 Instance
Deploy ML model on AWS EC2 with Terraform
ML Pipelines
Requesting from Python
Jenkins Intro
CI/CD with Jenkins and Ansible
End to end project
Final Projects (self-study)
Mentorship hours ve proje sunumları
Veri Bilimciler, ML Engineer'lar, AI Engineer'lar
MLOps süreçlerini öğrenmek isteyen yazılım ve DevOps mühendisleri
LLM tabanlı uygulamalar geliştirmek isteyen profesyoneller
Docker çalıştırabilen bir bilgisayara sahip olanlar (iş bilgisayarları tavsiye edilmez)
Derslerin en az %70'ine katılım
Ödevlerin en az %70'ini tamamlama
Bitirme projesinden 100 üzerinden en az 70 puan alma koşullarıyla sertifika verilir
Makine öğrenmesi modellerini prod ortamında çalıştırma yetkinliği
MLOps ve LLMOps süreçlerinde uzmanlaşma
Docker, Kubernetes, AWS gibi teknolojilerde deneyim
CI/CD süreçlerini ML projeleri için uygulayabilme
LLM tabanlı chatbot ve yapay zeka asistanı geliştirme becerisi
MLOps araçları (MLflow, FastAPI, Jenkins, Terraform) kullanımı
Gerçek dünya senaryolarında model deployment deneyimi
Erkan Şirin (Senior Data/ML Engineer, AWS Solution Architect)
Başarı / Katılım Sertifikası
Veri Bilimi Okulu
Bootcamp
Canlı Online
Türkçe
Bootcamp TOP 10
En yeni haberler, fırsatlar ve gelişmelerden haberdar olun.
