Yapay Zeka API Geliştirme ve Entegrasyon Eğitimi

Eğitim Hakkında

Bu eğitim, arka uç geliştiricilerinin büyük dil modeli ve makine öğrenmesi yeteneklerini güvenli ve ölçeklenebilir uygulama programlama arayüzleri (API) olarak sunması ve kurumsal sistemlere entegre etmesi için üç günlük uygulamalı programdır. Katılımcılar FastAPI ile yapılandırılmış çıktı, akış, araç çağırma, MCP sunucusu, kimlik doğrulama ve izleme içeren bir yapay zeka servisi geliştirir.

Neden Bu Eğitim?

Sağlayıcıdan Bağımsız. Farklı LLM sağlayıcılarını ortak bir ara katmanla kullanarak model değişikliğini ve yedekleme senaryolarını kolaylaştırın.

Üretim Kalitesi. Zaman aşımı, yeniden deneme, hız sınırı, önbellek ve maliyet takibiyle canlı trafiğe dayanıklı servisler yazın.

Güvenli Entegrasyon. Kimlik doğrulama, yetkilendirme, kişisel veri maskeleme ve istem enjeksiyonu önlemlerini API katmanında uygulayın.

“Yapay zekanın kurumdaki gerçek değeri, güvenilir bir API ile doğru sisteme, doğru anda ve güvenle ulaştığında ortaya çıkar.”

Ön Koşullar

Python Geliştirme — Fonksiyon, sınıf, paket yönetimi ve sanal ortam kullanarak Python kodu yazabilmek.
HTTP ve REST — HTTP metotları, durum kodları, JSON ve REST API tasarımı temel kavramlarını bilmek.
Git ve Docker — Git ile sürüm kontrolü yapabilmek; temel Docker komutlarına aşinalık faydalıdır.
Çalışma Ortamı — Python 3, VS Code ve Docker kurulu bilgisayar; eğitim için LLM API anahtarları sağlanır.

Eğitim İçeriği

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

Günün hedefiFastAPI ile API iskeleti kurmak, LLM sağlayıcı API'lerini kullanmak, yapılandırılmış çıktı ve akış eklemek ve araç çağırmayla modeli iş fonksiyonlarına bağlamak.

Modül 1

FastAPI ile API Tasarımı

REST tasarım ilkeleri, kaynak adlandırma ve sürümleme
FastAPI yönlendirme, bağımlılık enjeksiyonu ve yaşam döngüsü
Pydantic ile istek ve yanıt şemaları, doğrulama
OpenAPI şeması ve otomatik dokümantasyon
async ve await ile eşzamansız G/Ç işlemleri
Laboratuvar: Örnek servisin proje iskeleti

Modül 2

LLM Sağlayıcı API'lerini Kullanma

OpenAI, Anthropic ve Google Gemini API yapıları
Mesaj rolleri, parametreler ve token tabanlı maliyet
Resmi SDK'lar ile istek gönderme ve hata türleri
Azure OpenAI, Amazon Bedrock ve Vertex AI erişimi
Sağlayıcı soyutlama katmanı ve LiteLLM yaklaşımı
Laboratuvar: Sağlayıcıdan bağımsız özetleme uç noktası

Modül 3

Yapılandırılmış Çıktı ve Akış

JSON şeması ile yapılandırılmış çıktı üretimi
Pydantic modelleriyle yanıt doğrulama ve onarma
Sunucu gönderimli olaylar (SSE) ile yanıt akışı
Akış sırasında iptal, zaman aşımı ve kısmi yanıtlar
Çok modlu girdiler: görsel ve PDF gönderimi
Laboratuvar: Faturadan alan çıkaran akışlı uç nokta

Modül 4

Araç Çağırma ile İş Fonksiyonlarına Bağlanma

Araç (fonksiyon) çağırma döngüsü ve şema tanımı
Modelin iç API'leri güvenli biçimde çağırması
Paralel araç çağrıları ve hata geri bildirimi
Kritik işlemler için onay adımı tasarımı
Laboratuvar: Sipariş durumu sorgulayan asistan uç noktası
Günün değerlendirmesi ve servis katmanı gününe köprü

Günün hedefiMakine öğrenmesi modellerini servis olarak sunmak, uzun işleri eşzamansız yönetmek, dayanıklılık ve maliyet kontrolü eklemek ve MCP sunucusuyla yetenek açmak.

Modül 1

Makine Öğrenmesi Modellerini Servisleme

scikit-learn ve ONNX modellerini API ile sunma
Model yükleme, sürüm seçimi ve sağlık kontrolü
Tekil ve toplu tahmin uç noktası tasarımı
Girdi doğrulama ve özellik tutarlılığı
Gecikme ölçümü ve eşzamanlılık ayarları
Laboratuvar: Müşteri kayıp skoru tahmin API'si

Modül 2

Arka Plan İşleri ve Olay Tabanlı Entegrasyon

Uzun süren yapay zeka işleri için eşzamansız desen
Celery ve Redis ile görev kuyruğu kurulumu
Webhook ile sonuç bildirimi ve imza doğrulama
Toplu işleme API'leri ile maliyet düşürme
Apache Kafka ile olay tabanlı entegrasyona giriş
Laboratuvar: Doküman işleme kuyruğu ve webhook

Modül 3

Dayanıklılık, Önbellek ve Maliyet Kontrolü

Zaman aşımı, üstel geri çekilmeli yeniden deneme
Hız sınırı (rate limit) yönetimi ve kota aşımı
Sağlayıcı kesintisinde yedek modele geçiş
Yanıt önbelleği ve anlamsal önbellek yaklaşımı
Kullanıcı ve uç nokta bazında token ve maliyet takibi
Laboratuvar: Yedeklemeli ve önbellekli LLM istemcisi

Modül 4

Model Context Protocol ile Yetenek Sunma

Model Context Protocol (MCP) mimarisi ve bileşenleri
Araç, kaynak ve istem şablonu kavramları
Python MCP SDK ile MCP sunucusu geliştirme
Mevcut REST API'yi MCP aracı olarak sarmalama
Laboratuvar: CRM verisine erişen MCP sunucusu
Günün değerlendirmesi ve güvenlik gününe köprü

Günün hedefiYapay zeka API'lerini kimlik doğrulama ve güvenlik kontrolleriyle korumak, izleme ve test altyapısı kurmak, servisi paketleyip yayınlamak ve entegrasyon projesini sunmak.

Modül 1

Kimlik Doğrulama ve API Güvenliği

OAuth 2.0, OpenID Connect ve JWT ile yetkilendirme
API anahtarı yönetimi ve sırların kasada saklanması
OWASP API Security Top 10 riskleri ve önlemleri
İstem enjeksiyonu ve araç yetkisi kötüye kullanımı
Kişisel verinin maskelenmesi ve KVKK uyumu
Laboratuvar: Rol bazlı yetkilendirme ve PII maskeleme

Modül 2

Gözlemlenebilirlik ve Test

OpenTelemetry ile iz, metrik ve günlük toplama
Langfuse ile LLM çağrıları ve maliyet izleme
pytest ile birim ve entegrasyon testleri
LLM yanıtlarını taklit (mock) ederek deterministik test
Değerlendirme seti ile istem değişikliği regresyon testi
Laboratuvar: Servise izleme ve test hattı ekleme

Modül 3

Paketleme, Yayın ve Kurumsal Entegrasyon

Docker ile servis paketleme ve ortam yapılandırması
GitHub Actions ile test ve yayın (CI/CD) hattı
API ağ geçidi: Kong ve Azure API Management
ERP, CRM ve iş akışı sistemleriyle entegrasyon desenleri
Sürüm yönetimi, geriye uyumluluk ve kullanım dışı bırakma
Demo: Servisin ağ geçidi arkasında yayına alınması

Modül 4

Entegrasyon Projesi ve Kapanış

Proje: LLM, ML modeli ve MCP içeren kurumsal servis
Proje sunumları ve mimari inceleme geri bildirimi
Canlıya geçiş kontrol listesi ve operasyon planı
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve proje kodlarının teslimi
İleri öğrenme kaynakları ve kapanış oturumu

Eğitim Kazanımları

FastAPI Ustalığı — FastAPI ve Pydantic ile doğrulamalı, eşzamansız ve OpenAPI dokümantasyonlu yapay zeka servisleri geliştirebileceksiniz.
LLM Entegrasyonu — OpenAI, Anthropic ve Gemini API'lerini sağlayıcıdan bağımsız bir katmanla uygulamalarınıza bağlayabileceksiniz.
Yapılandırılmış Çıktı — JSON şemalı çıktı, yanıt akışı ve çok modlu girdilerle güvenilir veri çıkarım uç noktaları oluşturabileceksiniz.
Araç Çağırma — Modelin iç API'leri araç olarak çağırdığı, kritik işlemlerde onay isteyen akışlar tasarlayabileceksiniz.
Dayanıklı Mimari — Kuyruk, webhook, yeniden deneme, yedek model ve önbellekle ölçeklenebilir servis katmanları kurabileceksiniz.
MCP Sunucusu — Kurum sistemlerini Model Context Protocol sunucusu ile yapay zeka asistanlarına güvenle açabileceksiniz.
API Güvenliği — OAuth 2.0, JWT, PII maskeleme ve istem enjeksiyonu önlemleriyle yapay zeka API'lerini koruyabileceksiniz.
İzleme ve Yayın — OpenTelemetry, Langfuse, testler ve CI/CD ile servisinizi izlenebilir biçimde canlıya alacaksınız.

Kimler İçin Uygundur?

Arka uç (backend) geliştiriciler
entegrasyon ve API mühendisleri
yazılım mimarları
platform ekipleri ile yapay zeka özelliklerini mevcut ürünlere ekleyen geliştiriciler.

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Program; arka uç geliştiriciler, entegrasyon ve API mühendisleri, yazılım mimarları, platform ekipleri ile büyük dil modeli ve makine öğrenmesi özelliklerini mevcut kurumsal ürünlere eklemek isteyen geliştiriciler için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl ilerler?

Eğitim 3 tam gün ve 12 modülden oluşur. Üç gün boyunca tek bir örnek servis adım adım geliştirilir: ilk gün LLM entegrasyonu, ikinci gün servis katmanı ve MCP, üçüncü gün güvenlik, izleme ve yayın işlenir.

Katılım için hangi teknik bilgiler gerekli?

Python ile web servisi geliştirme deneyimi, HTTP ve REST kavramları ile Git bilgisi beklenir. Temel Docker bilgisi faydalıdır. Laboratuvarlar için gerekli LLM API erişimleri eğitim süresince sağlanır.

Eğitimde hangi teknolojiler kullanılıyor?

FastAPI, Pydantic, OpenAI, Anthropic ve Gemini SDK'ları, LiteLLM, Celery, Redis, Python MCP SDK, OpenTelemetry, Langfuse, pytest, Docker ve GitHub Actions kullanılır; Azure OpenAI ve Amazon Bedrock erişimleri de gösterilir.

Bu eğitim LangChain eğitiminden nasıl ayrışır, sertifika veriliyor mu?

Bu program çerçeveden bağımsız olarak API tasarımı, entegrasyon, dayanıklılık ve güvenliğe odaklanır; LangChain eğitimi ise RAG ve ajan uygulama çerçevelerini derinlemesine işler. Katılımcılar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım 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

YAPAY ZEKA UYGULAMA PROGRAMLAMA ARAYÜZÜ GELİŞTİRME VE ENTEGRASYON EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

FastAPI ile API Tasarımı

LLM Sağlayıcı API'lerini Kullanma

Yapılandırılmış Çıktı ve Akış

Araç Çağırma ile İş Fonksiyonlarına Bağlanma

Makine Öğrenmesi Modellerini Servisleme

Arka Plan İşleri ve Olay Tabanlı Entegrasyon

Dayanıklılık, Önbellek ve Maliyet Kontrolü

Model Context Protocol ile Yetenek Sunma

Kimlik Doğrulama ve API Güvenliği

Gözlemlenebilirlik ve Test

Paketleme, Yayın ve Kurumsal Entegrasyon

Entegrasyon Projesi ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi