Bu eğitimin amacı; metin/görüntü gibi içeriklerden embedding (vektör) üretmeyi, bu vektörleri farklı vektör veritabanlarında saklayıp (FAISS, Chroma, PgVector, Milvus/Weaviate vb.) verimli benzerlik araması yapmayı ve RAG gibi senaryolarla bütünleştirerek üretim düzeyinde çalıştırmayı öğretmektir. Katılımcılar; parçalama (chunking), metadata şeması, indeks ve uzaklık metrikleri seçimi, hibrit arama ve kalite/performans değerlendirmelerini uygulamalı (hands-on) olarak deneyimleyeceklerdir.
Eğitim Sonu Kazanımları
- Farklı içeriklerden embedding üreterek Oracle23Ai/Chroma/PgVector/Milvus gibi veritabanlarına yazma, indeksleme ve benzerlik araması kurabileceksiniz.
- Doğru parçalama (chunking) ve metadata şemasıyla hibrit arama (lexical + vector) ve yeniden sıralama (re-ranking) akışlarını tasarlayabileceksiniz.
- RAG entegrasyonu için geri getirme→birleştirme→değerlendirme sürecini kurup kalite ve performans iyileştirmelerini uygulayabileceksiniz.
Kimler Katılmalı
- Backend ve veri mühendisleri
- Arama/RAG ve doküman odaklı uygulamalar geliştiren ekipler
- LLM ile benzerlik araması, semantik arama ve bilgi getirme kurmak isteyenler