Bu bootcamp, Large Language Models (LLM) teknolojisini kullanarak pratik uygulamalar geliştirmeyi öğreten kapsamlı bir eğitim programıdır. 8 haftalık yoğun program boyunca, LLM'lerin temellerinden başlayarak, gerçek dünya uygulamalarına kadar olan tüm konuları ele alacaksınız.

• Süre: 1 Hafta
• Konular:
  • Large Language Models nedir ve nasıl çalışır?
  • NLP temel kavramları ve Python ile uygulama
  • Tokenization, encoding/decoding işlemleri
  • Transformer mimarisi temelleri
  • Hugging Face ekosistemi tanıtımı
• Pratik Projeler: Temel NLP görevleri, text preprocessing, basit model kullanımı

• Süre: 1 Hafta
• Konular:
  • Zero-shot, Few-shot ve Chain of Thought prompting
  • Role-based prompt yazım teknikleri
  • OpenAI API kullanımı (ChatCompletion, Function Calling)
  • Prompt optimizasyon stratejileri
  • API güvenliği ve rate limiting
• Pratik Projeler: Akıllı chatbot sistemi, function calling uygulamaları

• Süre: 1 Hafta
• Konular:
  • AutoTokenizer & AutoModel yapısı ve pipeline kullanımı
  • GPT, BERT ve T5 modellerinin karşılaştırması
  • CPU/GPU performans yönetimi ve model optimizasyonu
  • Pipeline ile performans ölçümü ve kıyaslama
  • Model quantization ve batch processing
• Pratik Projeler: Model karşılaştırma benchmark'ı, performans optimizasyon araçları

• Süre: 1 Hafta
• Konular:
  • Text embedding'lerin teorisi ve pratiği
  • Vector database sistemleri (Pinecone, Weaviate, Chroma)
  • Semantic search ve similarity hesaplamaları
  • Retrieval Augmented Generation (RAG) temelleri
  • Embedding modelleri karşılaştırması
• Pratik Projeler: Semantic search motoru, RAG tabanlı Q&A sistemi

• Süre: 1 Hafta
• Konular:
  • Chain yapıları (LLMChain, SequentialChain, Custom Chains)
  • Memory yönetimi (Buffer, Window, Summary, Hybrid Memory)
  • Tool integration ve Agent'lar (Custom Tools, ReAct Agents)
  • Senaryo bazlı uygulamalar (Müşteri hizmetleri, İçerik oluşturma)
  • Streaming output ve canlı veri akışı (Real-time responses)
• Pratik Projeler: Akıllı müşteri destek sistemi, streaming chat uygulaması

• Süre: 1 Hafta
• Konular:
  • Transfer learning ve domain adaptation
  • LoRA ve QLoRA teknikleri
  • Dataset hazırlama ve augmentation
  • Training pipeline'ları
  • Model evaluation ve metrics
• Pratik Projeler: Domain-specific model fine-tuning, instruction tuning

• Süre: 1 Hafta
• Konular:
  • Production deployment stratejileri
  • Model optimization ve quantization
  • API gateway ve microservices
  • Monitoring ve logging
  • Scaling ve performance optimization
• Pratik Projeler: Production-ready LLM uygulaması deployment

• Süre: 1 Hafta
• Konular:
  • Enterprise LLM mimarileri
  • Multi-model orchestration
  • Security ve privacy considerations
  • Cost optimization stratejileri
  • Future trends ve emerging technologies
• Pratik Projeler: Kapsamlı LLM sistemi tasarımı ve implementasyonu

Bu bootcamp sonunda katılımcılar:

✅ LLM Teknolojilerini derinlemesine anlayacak ✅ Production-ready uygulamalar geliştirebilecek ✅ Modern AI tools ve framework'leri etkin kullanabilecek ✅ End-to-end LLM projeleri yönetebilecek ✅ Industry best practices uygulayabilecek

• Python - Ana programlama dili
• PyTorch - Deep learning framework (Hafta 3+)
• Transformers - Hugging Face model kütüphanesi
• OpenAI API - LLM servisleri
• LangChain - LLM uygulama framework'ü

• Pinecone/Chroma - Vector database
• PostgreSQL - İlişkisel database
• Redis - Caching ve session management

• Docker - Containerization
• FastAPI - API development
• Streamlit - Rapid prototyping
• AWS/Azure - Cloud deployment

• Python programlama (orta seviye)
• Git ve version control
• REST API temel bilgisi
• Linux/Unix command line kullanımı (macOS/Linux)
• Command Prompt/PowerShell kullanımı (Windows)

• Machine Learning temel kavramları
• Deep Learning temelleri
• Cloud services deneyimi
• Docker kullanımı

git clone https://github.com/YaseminOran/buildwithllmsbootcamp.git
cd buildwithllmsbootcamp

# Python 3.8+ gerekli
python -m venv bootcamp_env
source bootcamp_env/bin/activate  # Linux/Mac
# bootcamp_env\Scripts\activate  # Windows

cd hafta_3

# macOS/Linux
./start.sh

# Windows
start.bat

• OpenAI API Key (Hafta 2 için)
• Hugging Face Token (Hafta 3+ için)
• Pinecone API Key (Hafta 4 için)

buildwithllmsbootcamp/
├── README.md                 # Bu dosya
├── .gitignore               # Git ignore kuralları
├── hafta_1/                 # Modül 1: LLM Temelleri
│   ├── turkish_simple.py
│   ├── microsoft.py
│   ├── qwen.py
│   └── llm_1/ (venv)
├── hafta_2/                 # Modül 2: Prompt Engineering
│   ├── README.md
│   ├── requirements.txt
│   ├── 01_zero_shot.py
│   ├── 02_few_shot.py
│   ├── 03_chain_of_thought.py
│   ├── 04_role_based.py
│   ├── 05_chatcompletion_api.py
│   ├── 06_function_calling.py
│   ├── 07_chatbot_with_functions.py
│   ├── 08_simple_chatbot.py
│   ├── 09_web_chatbot.py
│   └── prompt/ (venv)
├── hafta_3/                 # Modül 3: Pipeline Optimizasyonu
│   ├── README.md            # Modül açıklaması
│   ├── SETUP.md             # Detaylı kurulum kılavuzu
│   ├── requirements.txt     # Python bağımlılıkları
│   ├── start.sh             # macOS/Linux kurulum scripti
│   ├── start.bat            # Windows kurulum scripti
│   ├── .gitignore           # Hafta 3 özel ignore kuralları
│   ├── 01_autotokenizer_automodel.py
│   ├── 02_gpt_bert_t5_comparison.py
│   ├── 03_cpu_gpu_optimization.py
│   ├── 04_performance_measurement.py
│   └── llm_bootcamp_env/ (venv)
├── hafta_4/                 # Modül 4: Vector Search & RAG
│   ├── README.md
│   ├── requirements.txt
│   ├── simple_rag_demo.py
│   ├── chroma_vector_search.py
│   ├── homework.md
│   └── images/
└── hafta_5/                 # Modül 5: İleri LangChain
    ├── README.md            # Modül açıklaması
    ├── requirements.txt     # Python bağımlılıkları
    ├── setup_venv.py        # Otomatik kurulum scripti
    ├── test_installation.py # Kurulum test scripti
    ├── 1_chains_basic.py    # Chain yapıları
    ├── 2_memory_examples.py # Memory yönetimi
    ├── 3_tools_and_agents.py # Tools ve Agents
    ├── 4_scenario_applications.py # Senaryo uygulamaları
    ├── 5_streaming_examples.py # Streaming output
    └── homework.md          # Hafta 5 ödev

Her modül sonunda:

• Praktik projeler (70%)
• Kod kalitesi (20%)
• Dokümantasyon (10%)

Final proje: Kapsamlı LLM uygulaması geliştirme

• GitHub Issues: Teknik sorular için
• Discussions: Genel tartışmalar için
• Wiki: Detaylı dokümantasyon

Bu proje MIT lisansı altında lisanslanmıştır. Detaylar için LICENSE dosyasına bakın.

Katkılarınızı memnuniyetle karşılıyoruz! Lütfen CONTRIBUTING.md dosyasını okuyun.

🚀 Build with LLMs Bootcamp - Future of AI Development Starts Here!

Son güncelleme: Eylül 2024

Hafta 3 modülü tüm işletim sistemlerinde çalışır:

• macOS: Native MPS (Apple Silicon) desteği
• Linux: CUDA GPU desteği
• Windows: CUDA GPU ve CPU desteği

• Minimum: 8 GB RAM, Python 3.8+
• Önerilen: 16 GB RAM, GPU (CUDA/MPS)
• Disk: 10 GB boş alan (model cache için)

cd hafta_3
chmod +x start.sh  # sadece ilk seferde
./start.sh         # macOS/Linux
# veya
start.bat          # Windows