LEVERAGING LLMS: BUILDING & SECURING RAG, CONTEXTUAL RAG, AND AGENTIC RAG (SEC495) EĞİTİMİ

Kurumsal Bilgiyi Güvenli RAG ile Kullanın

SEC495 RAG ve LLM Uygulama Eğitimi, Digital Vizyon Akademi tarafından kurumlara verilen 4 günlük bir yetkinlik programıdır. Katılımcılar gömme ve vektör arama mantığını, belge alım hattını ve parçalama stratejilerini, geri getirme kalitesini, değerlendirme öl…

4 gün Orta Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

SEC495 Sınav Müfredatıyla Uyumlu Dört Günlük RAG ve Ajan Programı

Bu eğitim, kurumsal bilgiyi büyük dil modelleriyle buluşturan erişim artırılmış üretim (RAG) çözümlerini kurabilen ve aynı mimariyi güvenli kılabilen ekipler yetiştirmek üzere kurgulanmış dört günlük bir yetkinlik programıdır. SEC495 sınav müfredatıyla uyumlu başlıklar; geri getirme, bağlamsal zenginleştirme ve ajan güvenliği atölyeleriyle pekiştirilir.

Süre ve Format

4 Tam Gün. Kavramsal anlatım, RAG hattı atölyeleri, güvenlik laboratuvarları ve senaryo tabanlı vaka çalışmalarıyla işlenir.

Seviye

Orta Seviye — Python düzeyinde geliştirme deneyimi ve temel dil modeli kavramlarına aşinalık beklenir.

Öğrenme Metodu

RAG hattı kurma atölyeleri, geri getirme kalitesi ölçüm çalışmaları, güvenlik laboratuvarları ve grup vakaları.

Neden Bu Eğitim?

📚Kurumsal Bilgi Odağı

Modelin genel bilgisini kurumun kendi belgeleriyle birleştirerek doğrulanabilir yanıt üretmeyi öğrenirsiniz.

🧩Üç Aşamalı İlerleyiş

Klasik, bağlamsal ve ajansal RAG mimarileri aynı akış içinde adım adım kurulur ve karşılaştırılır.

🔐Kurarken Güvenli Kılma

Erişim denetimi, kaynak doğrulama ve çıktı denetimi hattın içine baştan yerleştirilerek çalışılır.

Bu Eğitim Hangi Rollere Hazırlar?

Yapay Zeka Uygulama MühendisiLLM Çözüm MimarıVeri ve Bilgi MühendisiYapay Zeka Güvenliği UzmanıMakine Öğrenmesi MühendisiÜrün Güvenliği Mühendisi

Sarı Takım: Güvenli yapay zeka çözümlerini kurgulayıp teslim hattına gömen geliştirme ekibi

“Kurumsal bilgiyi modele açarken doğru soruyu sormak kadar, kimin neyi görebileceğini tasarlamak da sizin sorumluluğunuzdur.”

Ön Koşullar

Programdan Verim Almanız İçin Beklenen Temel Bilgi ve Deneyim

1
Programlama Deneyimi

Python ile uygulama veya betik geliştirme düzeyinde pratik deneyim beklenir.

2
Dil Modeli Kavramları

İstem, bağlam penceresi ve model çağrısı kavramlarına temel düzeyde aşinalık.

3
Veri ve API Bilgisi

JSON, REST arayüzleri ve yapılandırılmış veri işleme konusunda temel bilgi.

4
Etik Sorumluluk Taahhüdü

Öğrenilen tekniklerin yalnızca yazılı yetki verilen sistemlerde kullanılacağının kabulü.

Eğitim İçeriği

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

Günün hedefiBüyük dil modeli davranışını ve istem tasarımını kavramak, gömme ile vektör araması mantığını öğrenmek ve RAG mimarisinin bileşenlerini tanımlamak.
Modül 1
Dil Modeli ve İstem Tasarımı Temelleri
  • Büyük dil modeli çalışma mantığı ve çıkarım süreci
  • Bağlam penceresi, belirteç maliyeti ve yanıt kalitesi ilişkisi
  • Sistem yönergesi ile kullanıcı girdisinin ayrıştırılması
  • Halüsinasyon nedenleri ve RAG ile azaltılma mantığı
  • Model seçimi: barındırma, gecikme ve maliyet ödünleşimleri
  • Atölye: Aynı görev için istem tasarımlarının karşılaştırılması
Modül 2
Gömme, Benzerlik ve Vektör Veritabanları
  • Gömme (embedding) kavramı ve anlamsal temsil mantığı
  • Benzerlik ölçütleri ve yakın komşu arama yaklaşımları
  • Vektör veritabanı seçimi ve indeks türlerinin etkisi
  • Gömme modeli değişiminin yeniden indeksleme maliyeti
  • Gömme verisinin gizlilik ve saklama açısından değerlendirmesi
  • Lab: Örnek belge kümesi için vektör indeksinin oluşturulması
Modül 3
RAG Mimarisinin Bileşenleri ve Akışı
  • Erişim artırılmış üretim akışının uçtan uca şeması
  • Geri getirme, sıralama ve üretim aşamalarının rolleri
  • Bağlam birleştirme ve yönerge şablonu tasarımı
  • Güven sınırlarının RAG hattı üzerinde işaretlenmesi
  • Gecikme, maliyet ve doğruluk arasındaki denge kararları
  • Atölye: Kurumsal senaryo için RAG akış şemasının çizilmesi
Modül 4
Belge Alım Hattı ve Parçalama
  • Kaynak envanteri ve belge biçimlerinin ayrıştırılması
  • Parçalama stratejileri ve örtüşme oranının etkisi
  • Üst veri zenginleştirme ve kaynak izlenebilirliği
  • Güvenilmeyen içeriğin alım aşamasında temizlenmesi
  • Artımlı güncelleme, tazeleme ve silme akışları
  • Lab: Farklı parçalama ayarlarının sonuçlara etkisinin ölçümü
Günün hedefiGeri getirme kalitesini artırmak, kaynak gösterimli üretim kurgulamak, değerlendirme ölçütleri tanımlamak ve RAG katmanına güvenlik denetimleri yerleştirmek.
Modül 1
Geri Getirme Kalitesi ve Sorgu Tasarımı
  • Sorgu yeniden yazma ve genişletme tekniklerinin etkisi
  • Üst k değeri, eşik ve filtre parametrelerinin ayarlanması
  • Üst veri filtreleriyle arama uzayının daraltılması
  • Çok dilli içerikte geri getirme davranışının yönetimi
  • Boş veya zayıf sonuç durumlarının güvenli ele alınması
  • Lab: Geri getirme ayarlarının test sorgularıyla iyileştirilmesi
Modül 2
Üretim Katmanı ve Kaynak Gösterimi
  • Bağlamın yönergeye güvenli biçimde yerleştirilmesi
  • Kaynak gösterimi ve alıntı doğrulama mekanizmaları
  • Yanıt verilemeyen durumlarda kaçınma davranışı tasarımı
  • Yapılandırılmış çıktı şeması ile tutarlılığın sağlanması
  • Bağlam taşması ve bilgi kaybının önlenmesi yöntemleri
  • Atölye: Kaynak gösterimli yanıt şablonunun kurgulanması
Modül 3
RAG Değerlendirme ve Ölçütleri
  • Değerlendirme veri setinin kurumsal içerikten üretilmesi
  • Geri getirme ve üretim ölçütlerinin ayrı değerlendirilmesi
  • Temellendirme ve alıntı doğruluğunun ölçülmesi
  • İnsan değerlendirmesi ile otomatik ölçümün birleştirilmesi
  • Gerileme testi ile sürüm geçişlerinin güvenceye alınması
  • Lab: Değerlendirme setiyle iki RAG kurgusunun karşılaştırılması
Modül 4
RAG Katmanında Güvenlik Denetimleri
  • Dolaylı istem enjeksiyonunun belge içeriğinden gelmesi
  • Alınan içeriğin veri olarak etiketlenmesi ve yalıtılması
  • İndeks zehirlenmesi ve kaynak bütünlüğünün korunması
  • Çıktının güvenilmeyen girdi kabul edilerek işlenmesi
  • Korkuluk katmanının hattın hangi noktalarına yerleştirileceği
  • Lab: Zehirli belge senaryosuna karşı savunmanın denenmesi
Günün hedefiBağlamsal zenginleştirme ve yeniden sıralama yöntemlerini uygulamak, hibrit aramayı kurgulamak ve yetki farkındalıklı erişim denetimini veri yönetişimiyle bütünlemek.
Modül 1
Bağlamsal Zenginleştirme ve Yeniden Sıralama
  • Bağlamsal RAG yaklaşımının klasik kurgudan farkları
  • Parça başına bağlam özeti üretiminin sonuçlara etkisi
  • Yeniden sıralama modelleriyle sonuç kalitesinin artırılması
  • Çok adımlı geri getirme ve soru ayrıştırma yaklaşımı
  • Zenginleştirmenin maliyet ve gecikme üzerindeki etkisi
  • Lab: Yeniden sıralama eklenmiş hattın ölçütlerle sınanması
Modül 2
Hibrit Arama ve Bilgi Grafiği Desteği
  • Anahtar kelime ve anlamsal aramanın birlikte kullanımı
  • Sonuç birleştirme ve puanlama stratejilerinin tasarımı
  • Bilgi grafiği ile varlık ilişkilerinin bağlama katılması
  • Yapılandırılmış veri kaynaklarının hatta bağlanması
  • Kaynak güvenilirliğine göre ağırlıklandırma yaklaşımı
  • Atölye: Hibrit arama kurgusunun senaryo üzerinde tasarımı
Modül 3
Yetki Farkındalıklı Erişim Denetimi
  • Kullanıcı yetkisinin geri getirme aşamasına taşınması
  • Belge ve parça düzeyinde erişim etiketlerinin tasarımı
  • Çok kiracılı indekslerde izolasyon desenlerinin kurulması
  • Yetki değişimlerinin indekse yansıma gecikmesinin yönetimi
  • Yanıt üzerinden dolaylı bilgi sızıntısı senaryoları
  • Lab: Yetki filtreli geri getirme akışının sınanması
Modül 4
Veri Yönetişimi, Gizlilik ve Uyum
  • Veri sınıflandırmasının RAG kaynaklarına uygulanması
  • KVKK kapsamında hukuki dayanak ve aydınlatma yükümlülüğü
  • Kişisel verinin maskelenmesi ve takma ad verme seçenekleri
  • Saklama, silme ve veri sahibi taleplerinin teknik karşılığı
  • Kayıt tutma ile gizlilik arasındaki dengenin kurulması
  • Vaka: Kurumsal bilgi tabanı için yönetişim planının çıkarımı
Günün hedefiAjansal RAG mimarisini kurgulamak, araç çağırma yetkilerini sınırlamak, güvenlik testi ve izlemeyi kurmak ve programı uçtan uca vakayla tamamlamak.
Modül 1
Ajansal RAG Mimarisi ve Planlama Döngüsü
  • Ajansal RAG kavramı ve klasik kurgudan ayrılan yönleri
  • Planlama, yürütme ve gözden geçirme döngüsünün işleyişi
  • Çok adımlı görevlerde durum yönetimi ve bellek tasarımı
  • Döngü sınırları, zaman aşımı ve durdurma ölçütleri
  • Çoklu ajan kurgularında görev ve sorumluluk dağılımı
  • Atölye: Ajansal akışın karar noktalarıyla şemalandırılması
Modül 2
Araç Çağırma ve Yetki Sınırları
  • Araç tanımlarının en az yetki ilkesiyle yazılması
  • Okuma ve yazma işlemlerinin ayrıştırılarak sınırlandırılması
  • İnsan onayı gerektiren yüksek etkili adımların belirlenmesi
  • Yürütme ortamının yalıtımı ve ağ erişiminin kısıtlanması
  • Araç çıktılarının doğrulanarak bağlama alınması
  • Lab: Ajan araç setinin yetki matrisiyle yeniden tasarlanması
Modül 3
Güvenlik Testi, İzleme ve Maliyet
  • Senaryo tabanlı yapay zeka güvenlik testinin kurgulanması
  • İstem enjeksiyonu denemelerinin yetki çerçevesinde yürütülmesi
  • Kullanım kaydı, izleme ve anormal davranış tespiti
  • Belirteç tüketimi, kota ve maliyet denetimlerinin kurulması
  • Yasal çerçeve: TCK bilişim suçları ve yetkilendirme belgesi
  • Lab: Ajansal akış için güvenlik test senaryolarının çalıştırılması
Modül 4
RAG Vakası, Sınav Stratejisi ve Kapanış
  • Uçtan uca RAG çözümü vakasının takımlarla yürütülmesi
  • Çözümün mimari ve güvenlik gerekçeleriyle sunulması
  • SEC495 sınav stratejisi, konu tekrarı ve zaman yönetimi
  • Kurumsal yapay zeka çözüm yol haritasının çıkarılması
  • Eğitim değerlendirmesi ve interaktif Soru-Cevap oturumu
  • Digital Vizyon Akademi Katılım ve Başarı Sertifikası takdimi

Eğitim Kazanımları

Program sonunda katılımcılar:

🧱
RAG Mimarisi

Erişim artırılmış üretim hattını bileşenleri ve güven sınırlarıyla birlikte tasarlayabileceksiniz.

🗂️
Belge Alım Hattı

Parçalama, üst veri zenginleştirme ve tazeleme akışlarını kurumsal içeriğe göre kurabileceksiniz.

🔎
Geri Getirme Kalitesi

Sorgu tasarımı, filtreleme ve yeniden sıralama ile yanıt isabetini ölçülebilir biçimde artırabileceksiniz.

📏
Değerlendirme

Değerlendirme setleri ve ölçütlerle RAG kurgularını karşılaştırıp gerileme testi yapabileceksiniz.

🧭
Bağlamsal RAG

Bağlam özeti, hibrit arama ve bilgi grafiği desteğiyle daha zengin yanıtlar üretebileceksiniz.

🔐
Erişim Denetimi

Yetki farkındalıklı geri getirme ile kullanıcıya kapalı içeriğin sızmasını engelleyebileceksiniz.

🤖
Ajansal Akışlar

Araç çağıran ajan kurgularını yetki sınırları ve onay noktalarıyla güvenli tasarlayabileceksiniz.

🛡️
Güvenlik Testi

İstem enjeksiyonu ve içerik zehirlenmesi senaryolarına karşı hattı sistemli biçimde sınayabileceksiniz.

Kimler İçin Uygundur?

  • Yapay zeka çözümleri geliştiren yazılım mühendisleri
  • veri mühendisleri
  • çözüm mimarları
  • bilgi yönetimi ekipleri
  • kurumsal yapay zeka projelerini denetleyen güvenlik uzmanları

Sıkça Sorulan Sorular

SEC495 RAG eğitimi kimler için uygundur?
Program; yapay zeka çözümleri geliştiren yazılım mühendisleri, veri mühendisleri, çözüm mimarları, bilgi yönetimi ekipleri ve kurumsal yapay zeka projelerini denetleyen güvenlik uzmanları için tasarlanmıştır. Python düzeyinde geliştirme deneyimi beklenir.
Eğitim ne kadar sürer ve kaç modülden oluşur?
Eğitim 4 tam gün sürer ve 16 modülden oluşur. Kurumun tercihine göre Digital Vizyon Akademi sınıflarında, kurum lokasyonunda veya çevrim içi olarak gerçekleştirilir; her modülde laboratuvar, atölye veya vaka uygulaması yer alır.
Bu eğitim SEC495 sınavına hazırlık sağlıyor mu?
Program, SEC495 sınav müfredatıyla uyumlu bir sınava hazırlık ve yetkinlik eğitimidir. Sınav başvurusu ve güncel koşulları sınavı düzenleyen kurum tarafından belirlenir; sınav ücreti katılımcıya aittir ve eğitim ücretine dahil değildir.
Klasik RAG, bağlamsal RAG ve ajansal RAG arasındaki fark nedir?
Klasik RAG sorguya en yakın belge parçalarını getirip yanıt üretir. Bağlamsal RAG parçaları ek bağlamla zenginleştirir, yeniden sıralama ve hibrit arama kullanır. Ajansal RAG ise planlama döngüsü ve araç çağırma ile çok adımlı görevleri yürütür; bu nedenle yetki sınırları kritik hale gelir.
Eğitim sonunda hangi belge veriliyor?
Programı başarıyla tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası almaya hak kazanır. Bu belge, sınavı düzenleyen kurumun verdiği sınav sertifikasından ayrı bir katılım ve başarı belgesidir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı 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 d Digital Vizyon AKADEMİ KATILIM SERTİFİKASI Bu sertifika [Katılımcı Adı Soyadı] adlı katılımcının aşağıdaki eğitim programını başarıyla tamamladığını belgeler. Leveraging LLMs: Building & Securing RAG, Contextual RAG, an Sertifika Kodu DV-2026XX00 Tarih 15.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre4 gün
SeviyeOrta Seviye
FormatOnline / Yüz Yüze / Hibrit
Kurs KoduSEC495
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Sarı TakımGenAI and LLM Application Security (SEC545) Eğitimi
Siber Güvenlik Eğitimleri

GenAI and LLM Application Security (SEC545) Eğitimi

5 günOrtaOnline / Yüz Yüze / Hibrit

5 günlük SEC545 GenAI ve LLM uygulama güvenliği eğitimi: istem enjeksiyonu, çıktı doğrulama, RAG güvenliği, ajan yetkileri, model tedarik zinciri ve uyum.

Detayları Gör →
Sarı TakımAI Security Principles and Practices: GenAI and LLM Defense (SEC411) Eğitimi
Siber Güvenlik Eğitimleri

AI Security Principles and Practices: GenAI and LLM Defense (SEC411) Eğitimi

5 günOrtaOnline / Yüz Yüze / Hibrit

5 günlük SEC411 eğitimi: üretken yapay zeka güvenliği, istem enjeksiyonu savunması, getirim mimarisi, ajan yetkileri, koruma bariyerleri ve uyum.

Detayları Gör →
Sarı TakımAWS Secure Builder (SEC480) Eğitimi
Siber Güvenlik Eğitimleri

AWS Secure Builder (SEC480) Eğitimi

5 günOrtaOnline / Yüz Yüze / Hibrit

5 günlük SEC480 AWS Secure Builder eğitimi: hesap yönetişimi, IAM yetki tasarımı, VPC bölümleme, KMS şifreleme, tehdit tespiti ve olay müdahalesi.

Detayları Gör →
Sarı TakımCloud Native Security and DevSecOps Automation (DEV540) Eğitimi
Siber Güvenlik Eğitimleri

Cloud Native Security and DevSecOps Automation (DEV540) Eğitimi

5 günOrtaOnline / Yüz Yüze / Hibrit

5 günlük DEV540 eğitimi: DevSecOps otomasyonu, güvenli CI/CD hattı, gizli bilgi yönetimi, altyapı kodu taraması, konteyner ve Kubernetes güvenliği.

Detayları Gör →
Sarı TakımCloud Native Security and DevSecOps Automation (SEC540) Eğitimi
Siber Güvenlik Eğitimleri

Cloud Native Security and DevSecOps Automation (SEC540) Eğitimi

5 günOrtaOnline / Yüz Yüze / Hibrit

5 günlük SEC540 bulut yerel güvenlik ve DevSecOps otomasyonu eğitimi: CI/CD güvenliği, sır yönetimi, konteyner, Kubernetes, altyapı kodu ve politika kodu.

Detayları Gör →
Sarı TakımApplication Security: Securing Web Applications, APIs, and Microservices (SEC522) Eğitimi
Siber Güvenlik Eğitimleri

Application Security: Securing Web Applications, APIs, and Microservices (SEC522) Eğitimi

6 günOrtaOnline / Yüz Yüze / Hibrit

6 günlük SEC522 uygulama güvenliği eğitimi: tehdit modelleme, OWASP Top 10, kimlik ve oturum, API güvenliği, mikroservis ve DevSecOps test otomasyonu.

Detayları Gör →
+90 (501) 369 40 14 WhatsApp [email protected] LinkedIn