Google Vertex AI Eğitimi | Digital Vizyon Akademi

Eğitim Hakkında

Bu eğitim, Google Cloud Vertex AI üzerinde hem tahmine dayalı makine öğrenmesi modellerini hem de Gemini tabanlı üretken YZ uygulamalarını geliştirmek ve üretime almak isteyen teknik ekipler için tasarlanmış orta düzey bir programdır. Katılımcılar özel eğitim, Pipelines ile MLOps, model izleme, RAG Engine, değerlendirme ve ajan geliştirmeyi Python ile uygular.

Neden Bu Eğitim?

İki Dünya Bir Arada. Klasik makine öğrenmesi yaşam döngüsü ile Gemini tabanlı üretken YZ geliştirmeyi aynı platformda öğrenin.

Üretim Odaklı MLOps. Vertex AI Pipelines, Model Registry ve Model Monitoring ile tekrarlanabilir ve izlenebilir akışlar kurun.

Ajan ve RAG Uygulamaları. RAG Engine, Vector Search ve Agent Development Kit ile kurumsal veriye bağlı YZ ajanları geliştirin.

“Tahmin eden modellerle üreten modelleri aynı disiplinle yöneten ekipler, yapay zekayı deneyden kurumsal değere dönüştürür.”

Ön Koşullar

Python Deneyimi — Python, pandas ve Jupyter ile veri işleme ve fonksiyon yazma deneyimine sahip olmak.
Makine Öğrenmesi — Model eğitimi, doğrulama ve temel metrikler ile scikit-learn kullanımına aşinalık.
Google Cloud Temelleri — Proje, IAM rolleri, Cloud Storage ve BigQuery kavramlarına temel düzeyde aşinalık.
Vertex AI Erişimi — Vertex AI API'si etkin, faturalandırması açık bir Google Cloud projesi veya eğitim ortamı.

Eğitim İçeriği

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

Günün hedefiVertex AI mimarisini ve geliştirme ortamlarını kavramak, veriyi BigQuery ve Cloud Storage üzerinden hazırlamak, AutoML ve özel eğitim işleriyle modeller geliştirmek.

Modül 1

Vertex AI Mimarisi ve Geliştirme Ortamları

Vertex AI bileşen haritası: eğitim, sunum, MLOps, Gen AI
Colab Enterprise ve Vertex AI Workbench karşılaştırması
Vertex AI SDK for Python ile kimlik doğrulama ve başlatma
Hizmet hesapları, bölge seçimi ve kota yönetimi
Maliyet kalemleri: eğitim, uç nokta ve token kullanımı
Laboratuvar: Colab Enterprise not defteri ve SDK kurulumu

Modül 2

Veri Hazırlama ve Özellik Yönetimi

BigQuery ve Cloud Storage ile veri kaynağı tasarımı
Vertex AI veri kümeleri: tablo, görüntü ve metin
Dataflow ve BigQuery SQL ile ölçekli ön işleme
Vertex AI Feature Store: BigQuery tabanlı özellik sunumu
Veri sızıntısı ve zamana dayalı bölme ilkeleri
Laboratuvar: BigQuery'den eğitim veri kümesi oluşturma

Modül 3

AutoML ile Model Geliştirme

AutoML tablo, görüntü ve metin görevleri
Eğitim bütçesi, optimizasyon hedefi ve bölme ayarları
Model değerlendirme: karışıklık matrisi ve özellik önemi
Vertex Explainable AI ile tahmin açıklamaları
AutoML ile BigQuery ML arasında seçim ölçütleri
Laboratuvar: AutoML ile müşteri kaybı sınıflandırması

Modül 4

Özel Eğitim İşleri ve Hiperparametre Ayarı

CustomTrainingJob: hazır ve özel konteynerler
Artifact Registry ile eğitim imajı yönetimi
GPU seçimi ve dağıtık eğitim yapılandırması
Vertex AI Vizier ile hiperparametre ayarlama işleri
Vertex AI Experiments ve TensorBoard ile deney takibi
Laboratuvar: XGBoost özel eğitimi ve günün değerlendirmesi

Günün hedefiModelleri Model Registry üzerinden sürümleyip uç noktalara dağıtmak, Vertex AI Pipelines ile otomatik iş akışları kurmak ve üretimdeki modelleri izleyip yönetmek.

Modül 1

Model Registry ve Çevrimiçi Sunum

Vertex AI Model Registry: sürüm, takma ad ve etiketler
Uç nokta oluşturma, makine türü ve otomatik ölçekleme
Trafik bölüştürme ile kanarya ve A/B dağıtımı
Toplu tahmin (batch prediction) ve BigQuery çıktısı
Özel tahmin rutinleri ve özel sunum konteynerleri
Laboratuvar: Modeli uç noktaya dağıtıp çevrimiçi test

Modül 2

Vertex AI Pipelines ile Otomasyon

Kubeflow Pipelines (KFP) SDK ile bileşen tanımlama
Google Cloud Pipeline Components kullanımı
Pipeline parametreleri, önbellekleme ve artefakt soy ağacı
Koşullu adımlar: metrik eşiğine göre model kaydı
Zamanlanmış ve olay tetiklemeli pipeline çalıştırma
Laboratuvar: Eğitimden dağıtıma uçtan uca pipeline

Modül 3

CI/CD, Güvenlik ve Yönetişim

Cloud Build ve Git depolarıyla ML için CI/CD
Terraform ile Vertex AI kaynaklarını kodla yönetme
VPC Service Controls ve özel uç nokta yapılandırması
Müşteri tarafından yönetilen şifreleme anahtarları (CMEK)
Cloud Logging ve Cloud Monitoring ile operasyon takibi
Demo: Git değişikliğiyle tetiklenen yeniden eğitim akışı

Modül 4

Model İzleme ve Sürekli İyileştirme

Vertex AI Model Monitoring: eğitim-sunum sapması
Tahmin kayması ve özellik dağılımı izleme
İzleme uyarıları ve e-posta, Pub/Sub bildirimleri
Özellik katkısı kayması ile açıklanabilirlik izleme
Yeniden eğitim tetikleme ve model sürüm değişimi
Laboratuvar: Uç nokta izleme işi ve günün değerlendirmesi

Günün hedefiGemini modellerini kodla kullanmak, gerektiğinde ince ayar yapmak, RAG ve değerlendirme ile güvenilir yanıtlar üretmek ve ajan tabanlı uygulamayı uçtan uca geliştirmek.

Modül 1

Gemini API ve Model Garden

Google Gen AI SDK ile Gemini modellerine kod ile erişim
Çok kipli girdiler: metin, görsel, PDF ve ses işleme
Yapılandırılmış çıktı, fonksiyon çağırma ve araç kullanımı
Model Garden'dan açık modelleri (Gemma, Llama) dağıtma
Denetimli ince ayar (supervised tuning) ne zaman gerekir?
Laboratuvar: Gemini ile fatura verisini JSON'a dönüştürme

Modül 2

RAG Engine, Vector Search ve Temellendirme

Bilgi erişimi destekli üretim (RAG) mimari seçenekleri
Vertex AI RAG Engine ile korpus oluşturma ve sorgulama
Metin gömme modelleri ve Vertex AI Vector Search
Google Arama ve kurumsal veri ile temellendirme
Parçalama stratejisi ve yeniden sıralama (reranking)
Laboratuvar: Teknik dokümanlar için RAG asistanı

Modül 3

Değerlendirme, Güvenlik ve Ajan Geliştirme

Gen AI evaluation service ile yanıt kalitesi ölçümü
Güvenlik filtreleri, istem enjeksiyonu ve veri koruma
Agent Development Kit (ADK) ile ajan tasarımı
Vertex AI Agent Engine üzerinde ajanı yönetilen sunma
Model Context Protocol (MCP) ile araç entegrasyonu
Laboratuvar: Sipariş sorgulayan araç destekli ajan

Modül 4

Uçtan Uca Proje ve Kapanış

Grup projesi: tahmine dayalı model ve Gemini ajanı
Proje sunumları, mimari ve maliyet incelemesi
Üretime geçiş kontrol listesi: güvenlik, izleme, maliyet
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve laboratuvar kodlarının teslimi
Google Cloud ML sertifika yolları ve ileri kaynaklar

Eğitim Kazanımları

Platform Hakimiyeti — Vertex AI bileşenlerini ve geliştirme ortamlarını tanıyarak projeniz için doğru mimariyi kurgulayabileceksiniz.
Model Eğitimi — AutoML ve özel konteynerli eğitim işleriyle modeller geliştirip Vizier ile hiperparametreleri ayarlayabileceksiniz.
Model Sunumu — Model Registry üzerinden sürümlenen modelleri uç noktalara dağıtıp toplu tahmin işleri çalıştırabileceksiniz.
Pipeline Otomasyonu — Kubeflow Pipelines SDK ile eğitimden dağıtıma kadar koşullu ve zamanlanmış ML akışları kurabileceksiniz.
Üretim İzleme — Model Monitoring ile eğitim-sunum sapmasını ve tahmin kaymasını izleyip uyarı mekanizmaları kuracaksınız.
Gemini Uygulamaları — Gen AI SDK ile çok kipli girdi işleyen, yapılandırılmış çıktı ve fonksiyon çağrısı üreten uygulamalar yazabileceksiniz.
RAG ve Değerlendirme — RAG Engine ve Vector Search ile temellendirilmiş yanıtlar üretip kaliteyi sistematik olarak ölçebileceksiniz.
Ajan Geliştirme — Agent Development Kit ile araç kullanan bir ajan geliştirip Agent Engine üzerinde yönetilen biçimde sunabileceksiniz.

Kimler İçin Uygundur?

Google Cloud kullanan veri bilimciler
makine öğrenmesi mühendisleri
üretken YZ uygulama geliştiricileri
MLOps ve platform mühendisleri ile teknik çözüm mimarları.

Sıkça Sorulan Sorular

Google Vertex AI Eğitimi kimler için uygundur?

Program; Google Cloud kullanan veri bilimciler, makine öğrenmesi mühendisleri, üretken YZ uygulama geliştiricileri, MLOps ve platform mühendisleri ile teknik çözüm mimarları için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi konuları kapsar?

Eğitim 3 tam gün ve 12 modülden oluşur. İlk gün veri ve model eğitimi, ikinci gün sunum, Pipelines ve izleme, üçüncü gün Gemini, RAG Engine, değerlendirme ve ajan geliştirme ile uçtan uca proje işlenir.

Bu eğitim Google Cloud Yapay Zeka Hizmetlerine Giriş Eğitiminden nasıl ayrılır?

Giriş eğitimi hazır API'ler, BigQuery ML ve konsol tabanlı ilk adımlara odaklanır. Vertex AI Eğitimi ise Python ile özel eğitim, MLOps, üretim izleme ve ajan geliştirme konularında derinleşen kod tabanlı bir programdır.

Katılım için hangi teknik bilgiler gerekiyor?

Python ve pandas ile çalışma deneyimi, temel makine öğrenmesi bilgisi ve Google Cloud proje, IAM ile Cloud Storage kavramlarına aşinalık beklenir. Laboratuvarlar için Vertex AI API'si etkin bir proje gerekir.

Eğitim sonunda sertifika veriliyor mu, içerik uyarlanabilir mi?

Programı tamamlayan katılımcılar Digital Vizyon Akademi sertifikası alır. Kapalı kurum gruplarında proje çalışması kurumun kendi kullanım senaryosuna ve anonimleştirilmiş verisine göre uyarlanabilir.

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

GOOGLE VERTEX AI EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Vertex AI Mimarisi ve Geliştirme Ortamları

Veri Hazırlama ve Özellik Yönetimi

AutoML ile Model Geliştirme

Özel Eğitim İşleri ve Hiperparametre Ayarı

Model Registry ve Çevrimiçi Sunum

Vertex AI Pipelines ile Otomasyon

CI/CD, Güvenlik ve Yönetişim

Model İzleme ve Sürekli İyileştirme

Gemini API ve Model Garden

RAG Engine, Vector Search ve Temellendirme

Değerlendirme, Güvenlik ve Ajan Geliştirme

Uçtan Uca Proje 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