Çok Etmenli Yapay Zeka Sistemi Geliştirme Eğitimi

Eğitim Hakkında

Bu eğitim, birden fazla özerk etmenin işbirliği, rekabet ve müzakere yoluyla karmaşık görevleri çözdüğü yapay zeka sistemlerini tasarlamak isteyen Ar-Ge ekipleri için hazırlanmış ileri düzey bir programdır. Katılımcılar oyun teorisi ve çok etmenli pekiştirmeli öğrenmeden LLM tabanlı etmen orkestrasyonuna ve çok robotlu koordinasyona uzanan yöntemleri laboratuvarlarda uygular.

Neden Bu Eğitim?

İki Dünyayı Birleştirir. Klasik çok etmenli sistemler ve MARL ile LLM tabanlı etmen orkestrasyonunu tek müfredatta bütünleştirin.

Fiziksel Sistemlere Uzanır. Yazılım etmenlerinin ötesine geçip ROS 2 ve simülasyonla çok robotlu koordinasyon senaryoları kurgulayın.

Güvenilir Otonomi. Hata modları, güvenlik tehditleri ve insan gözetimini baştan tasarıma katan sağlam etmen sistemleri geliştirin.

“Tek bir etmenin çözemediği problemler, iyi tasarlanmış iletişim ve koordinasyonla çalışan etmen topluluklarında çözüme kavuşur.”

Ön Koşullar

İleri Python — Nesne yönelimli Python, sanal ortam yönetimi ve NumPy ile rahatça kod yazabilmek.
Makine Öğrenmesi — Sinir ağları, kayıp fonksiyonu ve PyTorch ile model eğitimi konusunda deneyim sahibi olmak.
Pekiştirmeli Öğrenme — Durum, eylem, ödül ve politika kavramlarını ve temel Q-öğrenme mantığını bilmek.
Çalışma Ortamı — GPU erişimli bulut not defteri veya Docker kurulu, en az 16 GB belleğe sahip bir bilgisayar.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiEtmen mimarilerini ve çok etmenli etkileşim türlerini kavramak, oyun teorisiyle stratejik davranışı modellemek ve koordinasyon ile görev dağıtımı protokollerini uygulamak.

Modül 1

Etmen ve Çok Etmenli Sistem Kavramları

Etmen (agent) tanımı: özerklik, tepkisellik ve proaktiflik
Çok etmenli sistem (MAS) ile merkezi sistemlerin farkı
Etmen mimarileri: tepkisel, müzakereci ve hibrit yapılar
İnanç-Arzu-Niyet (BDI) modeli ve pratik akıl yürütme
Kullanım alanları: lojistik, enerji şebekesi, sürü robotik
Vaka: Depo robotlarında merkezi ve dağıtık koordinasyon

Modül 2

Etmen Ortamları ve Etkileşim Modelleri

Ortam özellikleri: gözlemlenebilirlik, belirlenimcilik, dinamizm
İşbirlikçi, rekabetçi ve karma etkileşim senaryoları
Etmen iletişim dilleri: FIPA-ACL ve performatifler
Blackboard ve mesajlaşma tabanlı iletişim mimarileri
Mesa ile etmen tabanlı modelleme ve simülasyon
Laboratuvar: Mesa ile kaynak paylaşımı simülasyonu

Modül 3

Oyun Teorisi ve Stratejik Etkileşim

Normal biçim oyunlar, baskın strateji ve Nash dengesi
Tutsak ikilemi, koordinasyon oyunları ve tekrarlı oyunlar
Pareto optimallik ve sosyal refah ölçütleri
Mekanizma tasarımı ve teşvik uyumluluğu temelleri
OpenSpiel ile oyun ortamlarının modellenmesi
Laboratuvar: Tekrarlı oyunda strateji karşılaştırması

Modül 4

Koordinasyon, Müzakere ve Görev Dağıtımı

Sözleşme ağı (Contract Net) protokolü ile görev ihalesi
Açık artırma tabanlı kaynak tahsisi yöntemleri
Dağıtık kısıt optimizasyonu (DCOP) problemlerine giriş
Uzlaşma (consensus) algoritmaları ve dağıtık karar
Uygulama: Çok robotlu görev atamasında ihale mekanizması
Günün değerlendirmesi ve pekiştirmeli öğrenme gününe köprü

Günün hedefiTek etmenli pekiştirmeli öğrenme temellerini pekiştirmek, çok etmenli öğrenmenin özgün zorluklarını çözmek ve CTDE yaklaşımıyla işbirlikçi politikalar eğitmek.

Modül 1

Pekiştirmeli Öğrenme Temellerinin Tekrarı

Markov karar süreçleri (MDP), politika ve değer fonksiyonu
Q-öğrenme, politika gradyanı ve aktör-kritik yöntemler
PPO algoritması ve kararlı politika güncellemesi
Gymnasium arayüzü ve ortam-etmen etkileşim döngüsü
Stable-Baselines3 ile tek etmenli referans eğitim
Laboratuvar: PPO ile tek etmenli kontrol görevi

Modül 2

Çok Etmenli RL Problemleri ve Zorluklar

Markov oyunları ve kısmi gözlemlenebilir Dec-POMDP
Durağan olmayan ortam sorunu ve eş zamanlı öğrenme
Kredi atama problemi ve ortak ödül tasarımı
Bağımsız öğrenen yaklaşımları: IQL ve IPPO
PettingZoo AEC ve paralel API yapıları
Laboratuvar: PettingZoo ortamında bağımsız öğrenenler

Modül 3

Merkezi Eğitim, Dağıtık Yürütme (CTDE)

CTDE paradigması ve merkezi kritik yaklaşımı
MADDPG ve MAPPO algoritmalarının mimarisi
Değer ayrıştırma yöntemleri: VDN ve QMIX
Parametre paylaşımı ve etmen kimliği kodlaması
Ray RLlib ile çok etmenli eğitim yapılandırması
Laboratuvar: MAPPO ile işbirlikçi görev eğitimi

Modül 4

Öğrenilmiş İletişim ve Ölçeklenme

Etmenler arası öğrenilmiş iletişim kanalları
Dikkat mekanizmalı ve graf tabanlı MARL mimarileri
Ortalama alan (mean-field) yaklaşımıyla büyük popülasyonlar
Öz-oyun (self-play) ve popülasyon tabanlı eğitim
Vaka: Trafik sinyali kontrolünde çok etmenli RL
Günün özeti ve LLM tabanlı etmenler gününe hazırlık

Günün hedefiLLM tabanlı etmenlerin bileşenlerini tasarlamak, LangGraph ve alternatif çerçevelerle çok etmenli iş akışları kurmak ve kolektif akıl yürütme desenlerini uygulamak.

Modül 1

Büyük Dil Modeli Tabanlı Etmen Mimarisi

Algı, planlama, bellek ve eylem bileşenleri
ReAct deseni ile akıl yürütme ve araç kullanımı
Fonksiyon çağırma (function calling) ve yapılandırılmış çıktı
Kısa ve uzun süreli bellek, vektör veritabanı kullanımı
Model Bağlam Protokolü (MCP) ile araç entegrasyonu
Laboratuvar: Araç kullanan tek bir LLM etmeni kurma

Modül 2

LangGraph ile Durumlu Çok Etmenli Akışlar

Graf tabanlı iş akışı: düğüm, kenar ve paylaşılan durum
Süpervizör ve hiyerarşik etmen desenleri
Koşullu yönlendirme, döngüler ve görev devri (handoff)
Kontrol noktaları (checkpointing) ve kalıcı durum
İnsan onayı gerektiren adımlar (human-in-the-loop)
Laboratuvar: Araştırma, yazım ve denetim etmen ekibi

Modül 3

Alternatif Çerçeveler ve Etmen Protokolleri

AutoGen ile konuşma tabanlı çok etmenli sistemler
CrewAI ile rol ve görev odaklı ekip tanımı
OpenAI Agents SDK ile etmen devri ve koruma katmanları
Agent2Agent (A2A) protokolü ile birlikte çalışabilirlik
Çerçeve seçimi: kontrol, gözlemlenebilirlik ve ekosistem
Karşılaştırmalı demo: Aynı görevin üç çerçevede kurgusu

Modül 4

Tartışma, Uzlaşı ve Kolektif Akıl Yürütme

Çok etmenli tartışma (debate) ile doğruluğu iyileştirme
Eleştirmen-üretici döngüleri ve öz değerlendirme
Oylama, uzlaşı ve hakem etmen mekanizmaları
Rol çeşitliliği ve grup düşüncesi (groupthink) riski
Uygulama: Tartışma tabanlı kod inceleme sistemi
Günün değerlendirmesi ve otonom sistemler gününe köprü

Günün hedefiÇok robotlu koordinasyon yöntemlerini simülasyonda uygulamak, sim-to-real aktarım sorunlarını yönetmek ve çok etmenli sistemleri ölçülebilir biçimde değerlendirmek.

Modül 1

Çok Robotlu Koordinasyon

Sürü zekası: ayrılma, hizalanma ve birleşme kuralları
Çok etmenli yol planlama (MAPF) ve çakışma çözümü
Formasyon kontrolü ve dağıtık konum tahmini
ROS 2 ile çoklu robot iletişimi ve isim alanları
Merkezi ve dağıtık görev planlamanın karşılaştırılması
Demo: Gazebo ortamında çoklu robot keşif senaryosu

Modül 2

Simülasyondan Gerçeğe Aktarım

Fizik tabanlı simülatörler: Gazebo, Isaac Sim ve MuJoCo
Alan rastgeleleştirme (domain randomization) teknikleri
Sim-to-real farkı ve sensör gürültüsünün modellenmesi
Paralel simülasyon ile ölçekli etmen eğitimi
İletişim gecikmesi ve paket kaybına dayanıklılık
Laboratuvar: Gürültülü ortamda politika dayanıklılık testi

Modül 3

Çok Etmenli Sistemlerin Değerlendirilmesi

Görev başarısı, verimlilik ve maliyet metrikleri
Ortaya çıkan (emergent) davranışların analizi
Kıyaslama ortamları: SMACv2, Melting Pot ve Overcooked-AI
LLM etmenleri için iz (trace) tabanlı değerlendirme
LangSmith ve OpenTelemetry ile gözlemlenebilirlik
Laboratuvar: Etmen ekibi için değerlendirme hattı

Modül 4

Hata Modları ve Dayanıklılık

Sonsuz döngü, görev kayması ve sorumluluk belirsizliği
Hatalı etmenin sisteme yayılması ve izolasyon
Bizans hata toleransı ve güvenilmez etmenler
Zaman aşımı, yeniden deneme ve bütçe sınırları
Vaka: Çok etmenli sistem hata taksonomisinin analizi
Günün özeti ve güvenlik ile üretim gününe hazırlık

Günün hedefiÇok etmenli sistemleri güvenlik tehditlerine karşı korumak, ölçeklenebilir biçimde üretime almak, yönetişim çerçevesini kurmak ve Ar-Ge prototipini sunmak.

Modül 1

Çok Etmenli Sistemlerde Güvenlik

Dolaylı istem enjeksiyonu ve etmenler arası yayılım
En az yetki ilkesi ile araç ve veri erişim kontrolü
Yalıtılmış kum havuzu (sandbox) içinde kod yürütme
OWASP LLM Top 10 ve etmen tabanlı tehditler
Denetim izi, kayıt tutma ve sorumluluk zinciri
Uygulama: Etmen ekibine kırmızı takım senaryosu

Modül 2

Üretime Alma ve Maliyet Yönetimi

Etmen servislerinin konteyner ve mikroservis mimarisi
Asenkron görev kuyrukları ve paralel etmen yürütme
Token maliyeti, gecikme ve model yönlendirme stratejisi
Açık ağırlıklı modellerin vLLM ile yerel servislenmesi
Sürümleme, geri alma ve kademeli dağıtım
Demo: Etmen hattının servis olarak yayınlanması

Modül 3

Yönetişim ve Sorumlu Otonomi

Otonomi seviyeleri ve insan gözetimi tasarımı
EU AI Act kapsamında otonom sistem yükümlülükleri
ISO/IEC 42001 ve NIST AI RMF ile risk yönetimi
Etmen kararlarında açıklanabilirlik ve izlenebilirlik
KVKK açısından etmenlerin kişisel veri işlemesi
Tartışma: Ar-Ge süreçlerinde otonom etmenlerin sınırları

Modül 4

Ar-Ge Prototip Projesi ve Kapanış

Grup projesi: MARL veya LLM tabanlı çok etmenli prototip
Mimari tasarım dokümanı ve değerlendirme sonuçları
Proje sunumları ve teknik geri bildirim oturumu
Kurumsal çok etmenli sistem yol haritası taslağı
Eğitim değerlendirmesi, Soru-Cevap ve sertifika takdimi
İleri araştırma kaynakları ve kapanış oturumu

Eğitim Kazanımları

Etmen Mimarisi — Görevin doğasına uygun tepkisel, müzakereci veya hibrit etmen mimarisini gerekçelendirerek seçebileceksiniz.
Stratejik Modelleme — Oyun teorisi ve mekanizma tasarımıyla etmenler arası rekabet ve işbirliğini matematiksel olarak modelleyebileceksiniz.
MARL Uygulaması — PettingZoo ve RLlib ile MAPPO ve QMIX gibi algoritmaları kullanarak işbirlikçi politikalar eğitebileceksiniz.
LLM Orkestrasyonu — LangGraph, AutoGen ve CrewAI ile araç kullanan, durumlu ve denetlenebilir etmen ekipleri kurabileceksiniz.
Protokol Bilgisi — MCP ve A2A protokolleriyle farklı etmen ve araçları birlikte çalışabilir biçimde entegre edebileceksiniz.
Çok Robotlu Sistemler — ROS 2 ve simülatörlerle çok robotlu koordinasyon senaryoları kurgulayıp sim-to-real riskini yönetebileceksiniz.
Değerlendirme — Kıyaslama ortamları ve iz tabanlı analizle etmen sistemlerinin başarısını ve hata modlarını ölçebileceksiniz.
Sorumlu Otonomi — Güvenlik, insan gözetimi ve yönetişim gerekliliklerini karşılayan üretime hazır bir prototip tasarlayacaksınız.

Kimler İçin Uygundur?

Ar-Ge mühendisleri
yapay zeka araştırmacıları
robotik ve otonom sistem geliştiricileri
makine öğrenmesi mühendisleri ve LLM tabanlı etmen platformu kuran yazılım mimarları.

Sıkça Sorulan Sorular

Çok Etmenli Yapay Zeka Sistemi Geliştirme Eğitimi kimler için uygundur?

Program; Ar-Ge mühendisleri, yapay zeka araştırmacıları, robotik ve otonom sistem geliştiricileri, makine öğrenmesi mühendisleri ve LLM tabanlı etmen platformları kuran yazılım mimarları için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi konular işlenir?

Eğitim 5 tam gün ve 20 modülden oluşur. Çok etmenli sistem temelleri ve oyun teorisi, çok etmenli pekiştirmeli öğrenme, LLM tabanlı etmenler, çok robotlu sistemler ile değerlendirme ve son gün güvenlik, üretime alma ve prototip projesi işlenir.

Katılım için hangi ön bilgiler gerekiyor?

İleri düzey Python, PyTorch ile model eğitimi deneyimi ve temel pekiştirmeli öğrenme kavramlarına aşinalık beklenir. Laboratuvarlar için GPU erişimli bir bulut not defteri veya Docker kurulu bir bilgisayar önerilir.

Eğitimde hangi çerçeve ve araçlar kullanılıyor?

Mesa, OpenSpiel, Gymnasium, PettingZoo, Stable-Baselines3 ve Ray RLlib ile MARL laboratuvarları; LangGraph, AutoGen, CrewAI, MCP ve A2A ile LLM etmen uygulamaları; ROS 2, Gazebo ve Isaac Sim ile çok robotlu senaryolar kullanılır.

Eğitim kurumun Ar-Ge projelerine göre uyarlanabilir mi, sertifika veriliyor mu?

Evet. Ön görüşmede kurumun lojistik, üretim, savunma veya yazılım gibi alanlardaki Ar-Ge senaryoları belirlenir ve prototip projesi bu senaryolara göre kurgulanır. Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

ÇOK ETMENLİ YAPAY ZEKA SİSTEMİ GELİŞTİRME EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Etmen ve Çok Etmenli Sistem Kavramları

Etmen Ortamları ve Etkileşim Modelleri

Oyun Teorisi ve Stratejik Etkileşim

Koordinasyon, Müzakere ve Görev Dağıtımı

Pekiştirmeli Öğrenme Temellerinin Tekrarı

Çok Etmenli RL Problemleri ve Zorluklar

Merkezi Eğitim, Dağıtık Yürütme (CTDE)

Öğrenilmiş İletişim ve Ölçeklenme

Büyük Dil Modeli Tabanlı Etmen Mimarisi

LangGraph ile Durumlu Çok Etmenli Akışlar

Alternatif Çerçeveler ve Etmen Protokolleri

Tartışma, Uzlaşı ve Kolektif Akıl Yürütme

Çok Robotlu Koordinasyon

Simülasyondan Gerçeğe Aktarım

Çok Etmenli Sistemlerin Değerlendirilmesi

Hata Modları ve Dayanıklılık

Çok Etmenli Sistemlerde Güvenlik

Üretime Alma ve Maliyet Yönetimi

Yönetişim ve Sorumlu Otonomi

Ar-Ge Prototip Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi