İleri Düzey Sohbet Botu Geliştirme Eğitimi

Eğitim Hakkında

Bu eğitim, LLM tabanlı sohbet botları ve sanal asistanları kurumsal ölçekte geliştirecek yazılım ve yapay zeka ekipleri için tasarlanmış dört günlük ileri düzey bir programdır. Katılımcılar diyalog durumu yönetimi, RAG, fonksiyon çağırma, LangGraph ile ajan akışları, temsilciye devir, güvenlik bariyerleri, sistematik değerlendirme, sesli arayüzler ve üretime almayı proje üzerinde uygular.

Neden Bu Eğitim?

Ajan Mimarisi. Yanıt veren botlardan araç kullanan, planlayan ve kurumsal sistemlerde işlem yapan ajanlara geçin.

Güvenlik ve Kalite. İstem enjeksiyonu, veri sızıntısı ve halüsinasyona karşı koruma bariyerleri ve test hatları kurun.

Üretime Hazır Yaklaşım. Gözlemlenebilirlik, maliyet optimizasyonu ve temsilciye devirle gerçek müşteri trafiğine hazır sistemler tasarlayın.

“Gerçek bir konuşma asistanı, müşterinin sorusunu anlayıp işini tamamlayan ve sınırını bildiği anda doğru insana devreden sistemdir.”

Ön Koşullar

Python Yetkinliği — Python ile modüler kod yazabilmek, asenkron programlama ve paket yönetimine aşinalık.
API ve Web Temeli — REST API, JSON, HTTP istekleri ve temel web servis kavramlarıyla çalışma deneyimi.
LLM Deneyimi — Bir LLM API'si ile basit uygulama geliştirmiş olmak ve prompt kavramlarını bilmek.
Geliştirme Ortamı — Python 3, Docker, Git ve bir LLM sağlayıcısına veya kurumsal bulut hesabına erişim.

Eğitim İçeriği

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

Günün hedefiKural tabanlı akışlardan LLM tabanlı ajanlara geçişin mimari sonuçlarını kavramak, diyalog durumunu yönetmek ve güvenilir bir sohbet çekirdeği kurmak.

Modül 1

Konuşma Arayüzü Mimarilerinin Evrimi

NLU akış tabanlı, LLM tabanlı ve hibrit bot mimarileri
Deterministik akış ile üretken yanıt arasında denge kurma
Rasa, Copilot Studio ve Dialogflow CX yaklaşımları
Ajan (agent) kavramı: planlama, araç kullanımı ve hafıza
Kurumsal sohbet botu referans mimarisi ve bileşenleri
Vaka: Akış tabanlı bir botun LLM ile modernizasyonu

Modül 2

İleri Konuşma Tasarımı

Çok turlu diyalog, bağlam taşıma ve konu değiştirme
Slot doldurma, netleştirme soruları ve onay adımları
Belirsizlik, reddetme ve kapsam dışı taleplerin yönetimi
Sistem promptu tasarımı: persona, kurallar ve sınırlar
Sesli ve yazılı kanal için farklı konuşma tasarımı ilkeleri
Atölye: Kart işlemleri için diyalog tasarım dokümanı

Modül 3

LLM API'leri ve Yapılandırılmış Çıktı

Sohbet tamamlama API'leri, mesaj rolleri ve parametreler
JSON şema ile yapılandırılmış çıktı ve Pydantic doğrulaması
Akış (streaming) yanıt ve kullanıcı arayüzü deneyimi
Model seçimi: kapalı ve açık ağırlıklı modellerin kıyası
Token maliyeti, gecikme ve bağlam penceresi yönetimi
Laboratuvar: Niyet ve slot çıkaran LLM çekirdeği

Modül 4

Diyalog Durumu ve Hafıza Yönetimi

Kısa süreli hafıza: konuşma geçmişi ve özetleme
Uzun süreli hafıza: kullanıcı tercihleri ve profil
Durum makinesi ile LLM kararlarının birlikte kullanımı
Oturum yönetimi ve Redis ile durum saklama
Laboratuvar: Hafızalı çok turlu sohbet uygulaması
Günün değerlendirmesi ve bilgi erişimi gününe köprü

Günün hedefiKurumsal kaynaklardan doğru yanıt üreten RAG hattı kurmak, fonksiyon çağırma ile botu arka uç sistemlere bağlamak ve LangGraph ile çok adımlı ajanlar geliştirmek.

Modül 1

Bilgi Erişimi Destekli Üretim (RAG)

Belge ayrıştırma ve parçalama (chunking) stratejileri
Gömme modelleri ve vektör veritabanları: pgvector, Qdrant
Hibrit arama: BM25 ve anlamsal aramanın birleştirilmesi
Yeniden sıralama (reranking) ve kaynak gösterimi
Soru yeniden yazma ve sohbet geçmişine duyarlı erişim
Laboratuvar: SSS ve prosedür dokümanları üzerinde RAG

Modül 2

Fonksiyon Çağırma ve Kurumsal Entegrasyon

Araç (tool) tanımları ve fonksiyon çağırma mekanizması
CRM, sipariş ve randevu API'lerine güvenli bağlantı
Model Context Protocol (MCP) ile araç ekosistemi
Kimlik doğrulama, yetkilendirme ve işlem onayı adımları
Hata yönetimi, zaman aşımı ve idempotent işlemler
Laboratuvar: Sipariş sorgulayan ve iade başlatan bot

Modül 3

LangGraph ile Ajan İş Akışları

Graf tabanlı ajan tasarımı: düğüm, kenar ve durum
Koşullu yönlendirme ve döngü kontrolü mekanizmaları
Uzman ajanlar arası devir (handoff) ve yönlendirici ajan
İnsan onayı için kesme noktaları (human-in-the-loop)
Kalıcı durum, kontrol noktaları ve konuşmayı sürdürme
Laboratuvar: Bilgi, işlem ve şikayet ajanlı çoklu yapı

Modül 4

Temsilciye Devir ve Omnichannel Entegrasyon

Devir tetikleyicileri: duygu, başarısızlık ve talep türü
Temsilciye bağlam özetiyle sıcak devir (warm transfer)
WhatsApp Business Platform ve web widget entegrasyonu
Microsoft Teams ve Azure AI Bot Service ile kurumsal kanal
Demo: Bottan temsilci ekranına bağlamlı devir akışı
Günün değerlendirmesi ve güvenlik gününe köprü

Günün hedefiLLM tabanlı sohbet botlarına yönelik güvenlik tehditlerini yönetmek, koruma bariyerleri kurmak, sistematik değerlendirme hattı oluşturmak ve gözlemlenebilirlik sağlamak.

Modül 1

LLM Güvenliği ve Tehdit Modelleme

OWASP Top 10 for LLM Applications risk listesi
Doğrudan ve dolaylı istem enjeksiyonu (prompt injection)
Sistem promptu sızıntısı ve jailbreak girişimleri
Araç kullanımında aşırı yetki ve veri sızdırma riskleri
Kırmızı takım (red teaming) senaryolarının hazırlanması
Laboratuvar: Kendi botumuza saldırı ve savunma denemesi

Modül 2

Koruma Bariyerleri ve Uyum

Girdi ve çıktı filtreleri, konu sınırlandırma kuralları
NeMo Guardrails ve Guardrails AI yaklaşımları
Microsoft Presidio ile kişisel veri tespiti ve maskeleme
KVKK aydınlatması ve yapay zeka ile konuşma bildirimi
AB Yapay Zeka Yasası kapsamında sohbet botu şeffaflığı
Laboratuvar: Çok katmanlı koruma bariyeri uygulaması

Modül 3

Sohbet Botu Değerlendirme ve Test

Altın veri seti ve senaryo tabanlı test kümesi oluşturma
RAG metrikleri: bağlama sadakat ve yanıt ilgililiği
LLM'i yargıç olarak kullanma (LLM-as-a-judge) ve sınırları
Ragas ve promptfoo ile otomatik değerlendirme hatları
Çok turlu diyalogda görev tamamlama başarısının ölçümü
Laboratuvar: Sürekli entegrasyonda regresyon testleri

Modül 4

Gözlemlenebilirlik ve Sürekli İyileştirme

Langfuse ve LangSmith ile iz (trace) ve maliyet takibi
Konuşma kayıtlarından başarısızlık örüntülerinin analizi
Kullanıcı geri bildirimi ve memnuniyet sinyallerini toplama
Prompt ve model sürümlerinin A/B testi ile kıyaslanması
Laboratuvar: Üretim izleme panosunun kurulumu
Günün değerlendirmesi ve ses ile proje gününe köprü

Günün hedefiSesli asistan bileşenlerini entegre etmek, sohbet botunu ölçeklenebilir biçimde üretime almak, maliyeti optimize etmek ve uçtan uca final projesini sunmak.

Modül 1

Sesli Konuşma Arayüzleri

ASR, LLM ve TTS bileşenleriyle sesli asistan hattı
Gerçek zamanlı ses API'leri ve düşük gecikme tasarımı
Söz kesme (barge-in), sessizlik ve sıra alma yönetimi
Sesli kanalda kısa yanıt ve doğrulama stratejileri
Menü tabanlı IVR yerine doğal dil ile çağrı yönlendirme
Laboratuvar: Telefon kanalı için sesli bot prototipi

Modül 2

Üretime Alma ve Ölçeklendirme

FastAPI ile bot servisi ve Docker ile paketleme
Azure AI Foundry, Amazon Bedrock ve Vertex AI seçenekleri
Anlamsal önbellek, model yönlendirme ve maliyet kontrolü
Hız sınırları, yedek model ve kesintiye dayanıklılık
Yayın stratejisi: kademeli açılış ve geri alma planı
Demo: Bulutta ölçeklenen sohbet botu dağıtımı

Modül 3

Final Projesi: Uçtan Uca Konuşma Asistanı

Proje kapsamı: bilgi, işlem ve temsilciye devir senaryosu
Takım çalışması: RAG, araçlar ve LangGraph akışı
Koruma bariyerleri ve değerlendirme setinin eklenmesi
İzleme, maliyet ve performans metriklerinin raporlanması
Mentor desteğiyle mimari gözden geçirme oturumu
Uygulama: Canlı demo için son entegrasyon ve testler

Modül 4

Proje Sunumları, Değerlendirme ve Kapanış

Takım proje sunumları ve canlı bot demoları
Mimari kararlar üzerine teknik geri bildirim
Kurumsal konuşma yapay zekası yol haritası taslağı
İleri öğrenme kaynakları ve geliştirici toplulukları
Genel değerlendirme ve Soru-Cevap oturumu
Sertifikaların takdimi ve kapanış oturumu

Eğitim Kazanımları

Mimari Tasarım — Akış tabanlı, LLM tabanlı ve hibrit yaklaşımları iş ihtiyacına göre birleştiren bot mimarisi tasarlayabileceksiniz.
Diyalog Yönetimi — Çok turlu konuşmalarda bağlamı, slotları ve hafızayı tutarlı biçimde yöneten bir sohbet çekirdeği kurabileceksiniz.
Kurumsal RAG — Hibrit arama ve yeniden sıralama ile kaynak gösteren, doğruluğu yüksek bilgi erişim hattı geliştirebileceksiniz.
Araç Kullanan Ajan — Fonksiyon çağırma, MCP ve LangGraph ile kurumsal sistemlerde güvenli işlem yapan ajanlar geliştirebileceksiniz.
Güvenlik Bariyerleri — İstem enjeksiyonu ve veri sızıntısına karşı çok katmanlı koruma ve kişisel veri maskeleme uygulayabileceksiniz.
Sistematik Test — Altın veri setleri, Ragas ve promptfoo ile her değişikliği ölçen otomatik değerlendirme hattı kuracaksınız.
Sesli Arayüz — ASR, LLM ve TTS bileşenlerini düşük gecikmeyle birleştiren sesli asistan prototipi geliştirebileceksiniz.
Üretim Yetkinliği — İzlenen, maliyeti kontrol edilen ve temsilciye devredebilen konuşma asistanını üretime alabileceksiniz.

Kimler İçin Uygundur?

Yapay zeka ve yazılım mühendisleri
konuşma arayüzü geliştiricileri
çözüm mimarları
müşteri hizmetleri dijitalleşme ekipleri ve LLM uygulama geliştiricileri.

Sıkça Sorulan Sorular

İleri Düzey Konuşma Arayüzleri ve Sohbet Botu Geliştirme Eğitimi kimler için uygundur?

Program; LLM tabanlı sohbet botu ve sanal asistan geliştirecek yapay zeka ve yazılım mühendisleri, çözüm mimarları ve müşteri hizmetleri dijitalleşme ekiplerinin teknik üyeleri için tasarlanmıştır.

Eğitim ne kadar sürer ve hangi formatta verilir?

Eğitim 4 tam gün sürer ve 16 modülden oluşur. Kurumun tercihine göre Digital Vizyon Akademi sınıflarında, kurum lokasyonunda veya online olarak gerçekleştirilir.

Eğitime katılmak için hangi ön koşullar gerekiyor?

Python ile modüler kod yazabilmek, REST API ve JSON ile çalışmış olmak ve bir LLM API'si ile basit uygulama geliştirmiş olmak beklenir. Temel chatbot kavramları için ayrıca başlangıç seviyesinde bir eğitim de sunulmaktadır.

Eğitimde hangi araç ve çerçeveler kullanılıyor?

Uygulamalarda LangGraph, pgvector ve Qdrant, Model Context Protocol, NeMo Guardrails, Microsoft Presidio, Ragas, promptfoo, Langfuse, FastAPI ve Docker kullanılır; bulut tarafında Azure AI Foundry, Amazon Bedrock ve Vertex AI seçenekleri ele alınır.

Eğitim kurumun kullandığı platforma göre uyarlanabilir mi?

Evet. Eğitim öncesi yapılan teknik ihtiyaç analiziyle kurumun LLM sağlayıcısı, bulut ortamı ve kanal altyapısı belirlenir; laboratuvarlar ve final projesi bu tercihlere göre yapılandırılır.

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

İLERİ DÜZEY KONUŞMA ARAYÜZLERİ VE SOHBET BOTU GELİŞTİRME EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Konuşma Arayüzü Mimarilerinin Evrimi

İleri Konuşma Tasarımı

LLM API'leri ve Yapılandırılmış Çıktı

Diyalog Durumu ve Hafıza Yönetimi

Bilgi Erişimi Destekli Üretim (RAG)

Fonksiyon Çağırma ve Kurumsal Entegrasyon

LangGraph ile Ajan İş Akışları

Temsilciye Devir ve Omnichannel Entegrasyon

LLM Güvenliği ve Tehdit Modelleme

Koruma Bariyerleri ve Uyum

Sohbet Botu Değerlendirme ve Test

Gözlemlenebilirlik ve Sürekli İyileştirme

Sesli Konuşma Arayüzleri

Üretime Alma ve Ölçeklendirme

Final Projesi: Uçtan Uca Konuşma Asistanı

Proje Sunumları, Değerlendirme 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