Kurumsal Vektör Veritabanları Eğitimi Hakkında
Semantik arama ve RAG uygulamaları geliştiren ekipler için 2 günlük eğitim
Vektör Veritabanları Eğitimi; metin ve görüntü gibi içeriklerden embedding oluşturmayı, elde edilen vektörleri indekslemeyi ve benzerlik araması için kullanmayı ele alır. Programda Chroma, pgvector, Milvus, Weaviate ve Oracle 23ai gibi seçenekler ile FAISS tabanlı indeksleme yaklaşımı incelenir.
Katılımcılar içerikleri uygun parçalara ayırma, metadata şeması oluşturma, uzaklık metriği ve indeks seçme, anahtar kelime aramasıyla vektör aramasını birleştirme ve sonuçları yeniden sıralama konularında uygulamalar yapar. Eğitim, bu geri getirme adımlarının RAG (Retrieval-Augmented Generation) akışına nasıl bağlandığını; sonuç kalitesi, gecikme, maliyet ve veri erişimi açısından nasıl değerlendirileceğini de kapsar.
Eğitim sonunda katılımcılar:
- Farklı içerikler için embedding üretip vektörleri uygun bir depolama ve indeksleme çözümüne aktarabilir.
- Chunking, metadata ve erişim filtrelerini arama ihtiyacına göre tasarlayabilir.
- Cosine, L2 ve dot product gibi benzerlik ölçülerinin kullanımını değerlendirebilir.
- Hibrit arama ve yeniden sıralama içeren bir geri getirme akışı oluşturabilir.
- RAG uygulamalarında geri getirme sonuçlarının kalitesini ve performansını ölçebilir.
- Kişisel veri maskeleme ve rol tabanlı filtreleme gibi kurumsal gereksinimleri değerlendirebilir.
Vektör Veritabanları Eğitimi İçeriği
Vektör ve Bilgi Getirme Temelleri: Uygulamalı Bölüm
- Embedding temelleri: Model seçimi, vektör boyutu ve normalizasyon
- İçerik parçalama (chunking) ve pencereleme; başlık ve belge hiyerarşisini koruma
- Uzaklık ve benzerlik ölçüleri: Cosine, L2 ve dot product
- Normalizasyon seçiminin arama sonuçlarına etkisi
- İndeks türleri: Flat, IVF ve HNSW; parametre seçiminin temel mantığı
- Vektör saklama ve arama seçenekleri: pgvector, Oracle 23ai, Chroma ve Milvus
- Metadata şeması, filtreleme ve birden fazla kuruma hizmet veren uygulamalarda veri ayrımı
- Hibrit arama: Anahtar kelime ve vektör sonuçlarının birleştirilmesi
- Basit yeniden sıralama (re-ranking) senaryosu
- Uygulama: pgvector ile SQL tabanlı benzerlik araması
- Arama kalitesinin değerlendirilmesi: Referans örnek kümesi, negatif örnekler, precision@k ve recall@k
pgvector uygulamasında kullanılan SQL ve PostgreSQL geliştirme temellerini ayrıca çalışmak isteyen ekipler PostgreSQL Development Eğitimi içeriğini inceleyebilir.
RAG Entegrasyonu, Ölçek ve Kurumsal Kullanım: Uygulamalı Bölüm
- RAG mimarisi: İlgili bilgiyi getirip yanıt üretiminde kullanma
- Bağlam penceresi ve yanıt biçiminin tasarlanması
- Tablo, JSON ve PDF gibi yapılar için gelişmiş parçalama yöntemleri
- Alan temelli bölme ve metadata ile kaynak bilgisini koruma
- Yeniden sıralama, skorların birleştirilmesi ve MMR yaklaşımına giriş
- Toplu veri ekleme, önbellekleme ve sorgu gecikmesini yönetme
- Yanıt kalitesi, performans ve maliyet arasındaki dengenin değerlendirilmesi
- Sorgu logları, isabet analizi ve hatalı sonuçların incelenmesi
- Kişisel veri maskeleme ile erişim ve rol tabanlı filtreleme
- Uygulama: Bilgi getirme ve yanıt üretme adımlarından oluşan RAG akışı
- Uygulama: Hibrit arama ve yeniden sıralamayla sonuç kalitesini karşılaştırma
RAG bileşenlerini agent uygulamalarında kullanmak isteyen ekipler AI Agent Geliştirme ve Kullanma Eğitimi içeriğine bakabilir. Vektör veritabanı, RAG ve bellek bileşenlerinin birlikte kullanıldığı bir örnek için n8n ile şirket chatbotu kurma rehberi de ilgili bir kaynaktır.
Kurumsal Vektör Veritabanları Eğitimine Kimler Katılmalı?
Eğitim; backend geliştiriciler, veri mühendisleri, arama sistemleri geliştiren ekipler ve kurumsal dokümanlarla çalışan RAG uygulamaları hazırlayan yazılım ekipleri için uygundur. Semantik arama ve bilgi getirme altyapısını değerlendiren teknik liderler de programdan yararlanabilir.
Eğitim Katılım Ön Koşulları
Katılımcıların temel programlama bilgisine ve veri yapılarına aşina olması beklenir.
Eğitim Süresi ve Formatı
Vektör Veritabanları Eğitimi 2 gün sürer ve online sanal sınıf formatında sunulur. Kurumsal eğitim kapsamı ve ekiplerin teknik ihtiyaçları hakkında bilgi almak için BlueMark Academy ile iletişime geçebilirsiniz.
Kurumsal Vektör Veritabanları Eğitimi Hakkında Sık Sorulan Sorular
Vektör Veritabanları Eğitimi kaç gün sürüyor?
Eğitim 2 gün sürer ve online sanal sınıf formatında sunulur.
Vektör veritabanı eğitimine katılmak için hangi bilgiler gerekir?
Katılımcıların temel programlama bilgisine ve veri yapılarına aşina olması beklenir.
Eğitimde hangi vektör veritabanları ele alınıyor?
Programda pgvector, Oracle 23ai, Chroma ve Milvus gibi seçenekler incelenir. Ayrıca FAISS tabanlı indeksleme ve benzerlik araması yaklaşımı ele alınır.
Eğitimde RAG uygulaması geliştiriliyor mu?
Evet. Eğitimde ilgili bilgiyi getirme ve yanıt üretme adımlarından oluşan bir RAG akışı uygulamalı olarak ele alınır.
Hibrit arama ve yeniden sıralama konuları işleniyor mu?
Evet. Anahtar kelime ve vektör aramasının birleştirilmesi, yeniden sıralama ve sonuç kalitesinin karşılaştırılması programın konuları arasındadır.
Vektör aramasının kalitesi nasıl değerlendiriliyor?
Eğitimde referans örnek kümesi, negatif örnekler, precision@k ve recall@k gibi ölçüler; sorgu logları ve hatalı sonuçların incelenmesiyle birlikte ele alınır.
Eğitim kurumsal veri güvenliği konularını kapsıyor mu?
Evet. Kişisel veri maskeleme, metadata filtreleri, erişim ve rol tabanlı filtreleme ile birden fazla kuruma hizmet veren uygulamalarda veri ayrımı incelenir.
Kurumumuz için Vektör Veritabanları Eğitimi hakkında nasıl bilgi alabiliriz?
Kurumsal eğitim kapsamı, uygulamalar ve katılım planlaması hakkında bilgi almak için BlueMark Academy ile iletişime geçebilirsiniz.