MLOps and LLMOps: Deploying and Scaling AI in Production

Bu orta düzey kurs, ML mühendislerini, veri bilimcilerini ve yazılım mühendislerini üretim ortamındaki yapay zeka sistemlerini tasarlamak, dağıtmak ve ölçeklendirmek için gereken pratik becerilerle donatır. Model sunum modelleri, özellik depoları (feature stores) ve erişimle zenginleştirilmiş nesil (RAG) bileşenleri dahil olmak üzere güvenilir ML ve LLM uygulamalarının nasıl mimari edileceğini öğreneceksiniz. Kurs; deney takibi ve model kaydından üretim dağıtımına kadar MLflow ve Weights & Biases gibi araçlarla tekrarlanabilir eğitim ve deney hatlarını adım adım inceler. Veri, model ve prompt versiyonlamayı, otomatik testleri ve güvenli geri alma (rollback) stratejilerini kapsayan, ML ve LLM sistemlerine göre uyarlanmış CI/CD iş akışlarını yapılandıracaksınız. Kurs; erişim kontrolü, gizli anahtar yönetimi (secrets management) ve kullanıcı ile eğitim verilerinin güvenli bir şekilde işlenmesi dahil olmak üzere güvenlik, gizlilik ve uyumluluk konusundaki en iyi uygulamaları vurgular. Konteynerler, Kubernetes ve otomatik ölçeklendirme kullanarak ölçeklenebilir sunum altyapısı tasarlayacak ve değişiklikleri güvenli bir şekilde sunmak için canary, blue-green, shadow ve A/B testleri gibi dağıtım modellerini uygulayacaksınız. Son olarak, üretim yapay zekası için otomatik değerlendirme ve gözlemlenebilirlik oluşturacaksınız. Bu, otomatik değerlendirme hatlarını (örneğin, LLM-as-a-judge) içerir.