Huawei Cloud AI Bootcamp 2.Dönem
2019年07月24日 19:00:00 ～ 20:00:00
Event Details
🚀 Huawei Cloud AI Bootcamp Başlıyor!
Yapay zeka teknolojilerine ilgi duyan öğrenciler ve genç profesyoneller için harika bir fırsat!
📌 Son Başvuru Tarihi: 8 Ocak 2026
📆 Eğitim Başlangıcı: 12 Ocak 2026
📌Eğitim çevrim içi gerçekleşecek. Derslerin tamamı kayda alınacak. Dört hafta KooLab çözüm oturumları canlı yapılacak ve bu oturumların da kayıtları paylaşılacak.
Katılım Belgesi Şartları
📚 Haftalık verilen ödevlerden en az 2 tanesini tamamlayan
✍️ Ve 1 adet Medium makalesi yazan katılımcılara katılım belgesi verilecektir.
🎥 Dersler kayıt altına alınacaktır.
📅 Kaçıranlar için tekrar izleme imkânı sağlanacaktır.
🚫 Yoklama zorunlu değildir.
🎓 Mezuniyet kriteri olarak yoklama dikkate alınmaz.
🧪 Sınavlar İngilizce'dir.
🗣️ Eğitim dili Türkçedir.
💸 Sınavlara katılım ücretsizdir.
📆 Sınavlar her ay düzenlenir.
📣 Tüm iş ve staj duyuruları gruptan paylaşılacaktır.
Bu ücretsiz bootcamp sayesinde Huawei Cloud altyapısıyla yapay zeka uygulamalarını öğrenme, projeler geliştirme ve alanında uzman isimlerle tanışma şansı seni bekliyor!
Bu içerikler, uluslararası geçerliliği 3 yıl olan HCCDP-AI ve HCCDA-AI sertifikalarına yönelik hazırlanmış eğitimleri kapsar ve katılımcılara hem teorik hem de uygulamalı deneyim kazandırmayı hedefler. Eğitim süresi 1 aydır ve tamamen ücretsizdir.
| Konu | Konu Özeti | İçerik |
|---|---|---|
| 1. Giriş: Huawei Cloud ve ModelArts Tanıtımı | Huawei Cloud ve ModelArts servisinin temelleri tanıtılır. Katılımcılar, bulut tabanlı makine öğrenimi hizmetlerine nasıl erişeceklerini ve kullanacaklarını öğrenir. | - Huawei Cloud’a giriş ve ModelArts’a erişim - ModelArts nedir ve ne gibi AI/ML hizmetleri sunar? - Bulut tabanlı makine öğrenimi avantajları - ModelArts platformunda ilk deneyim |
| 2. ModelArts ile Temel Makine Öğrenimi: Model Oluşturma ve Eğitim | Basit bir makine öğrenimi modeli oluşturma ve eğitimi öğretilir. ModelArts ile temel algoritmaların nasıl kullanılacağına dair uygulamalı örnekler verilir. | - Veri kümesi yükleme (CSV veya JSON) - ModelArts’ta veri hazırlama ve ön işleme - Basit sınıflandırma modeli oluşturma (örnek: irisi veri seti) - Model eğitimi ve performans değerlendirmesi |
| 3. ModelArts ile Görüntü Tanıma Uygulamaları | Görüntü verileriyle çalışmaya başlamak için ModelArts kullanımı ele alınır. Öğrenciler, temel bir görüntü sınıflandırma modeli geliştirirler. | - Görüntü verisi yükleme - CNN (Convolutional Neural Network) kullanımı - Görüntü sınıflandırma modeli oluşturma - Eğitim sonuçlarının değerlendirilmesi - Model test etme ve sonuç görselleştirme |
| 4. Notebook Üzerinde LLM Modeli ile Fine-Tuning Yapmak | Büyük dil modellerini (LLM) fine-tune ederek uygulama geliştirmeyi öğrenirsiniz. | - LLM nedir? (BERT, GPT-3 vb.) - Veri hazırlığı: eğitim veri seti oluşturma - Notebook ortamının kurulumu - Fine-tuning işlemi ve model eğitimi - Sonuçların değerlendirilmesi |
| 5. Fine-Tune Edilen LLM Modelini REST API ile Deploy Etmek | Fine-tune edilmiş LLM modelini RESTful API olarak sunmak ve başkalarının kolayca erişmesini sağlamak öğretilir. | - FastAPI kullanarak REST API oluşturma - Fine-tune edilmiş modeli API üzerinden sunma - API test ve performans iyileştirmeleri - Postman gibi araçlarla API testi |
| 6. Function Graph Üzerinde Serverless LLM Deployment | Huawei Cloud FunctionGraph servisini kullanarak serverless ortamda LLM modeli dağıtımını öğrenirsiniz. | - Serverless servislerde LLM modeli dağıtmak - Modeli servise hazır hâle getirme - FunctionGraph servisi üzerinden çağırma - API ile etkileşim ve testler - Maliyet optimizasyonu ve izleme |
| 7. ECS Üzerinde Ollama ile DeepSeek Model Deployment ve Testing | DeepSeek gibi büyük modelleri Huawei Cloud ECS üzerinde deploy etmek ve test etmek öğretilir. | - Ollama platformu ile DeepSeek modeli ECS’ye kurmak - Modelin doğru çalıştığını kontrol etmek - API entegrasyonu ve test süreçleri - Performans iyileştirme ve altyapı yönetimi |
| 8. CSS Servisi Kullanarak Elasticsearch ile Temel RAG Uygulaması | Elasticsearch kullanarak RAG (Retriever-Augmented Generation) yöntemini uygulamak, kullanıcıların sorularına hızlı ve doğru cevaplar sağlayan bir sistem kurmayı amaçlar. | - CSS (Cloud Search Service) ve Elasticsearch kullanımı - RAG nedir ve nasıl çalışır? - Temel RAG uygulaması oluşturma (veri seti hazırlama, retriever ve generate aşamaları) - Model test ve performans değerlendirmesi - RAG uygulamasının ölçeklenebilirlik analizi |
