GSP1154

Genel Bakış

Vertex AI, hem tahmine dayalı özellikler hem de üretken yapay zeka özellikleri sunan kapsamlı bir makine öğrenimi geliştirme platformudur. Öngörme için tahmine dayalı makine öğrenimi modelleri eğitmenize, değerlendirmenize ve dağıtmanıza olanak tanır. Platformu içerik oluşturacak üretken yapay zeka modellerini keşfetmek, ayarlamak ve sunmak için de kullanabilirsiniz. Örneğin, sigorta şirketleri talep işleme ve risk değerlendirmesi gibi alanlarda verimliliği sürekli olarak artırmaya çalışır. Vertex AI Studio'daki kaynaklar sayesinde, bu tür zorluklarla başa çıkmanızı sağlayan üretken yapay zeka çözümlerini hızlı bir şekilde tasarlayabilirsiniz.

Vertex AI Studio, üretken yapay zeka modellerini hızlı bir şekilde test edip özelleştirmenize ve uygulamalarınızda bu modellerin özelliklerinden yararlanmanıza olanak tanır. Makine öğrenimi konusunda deneyiminiz olmasa da üretken yapay zekayı kullanmaya başlamayı kolaylaştıran sezgisel kullanıcı arayüzü (UI) dahil olmak üzere çeşitli araçlar ve kaynaklar sunar.

Bu laboratuvar, Gemini gibi en yeni üretken yapay zeka modellerinin tüm özelliklerinden yararlanabileceğiniz Vertex AI Studio'da size rehberlik edecek. Üstleneceğiniz rol kapsamında, risk analizi asistanının prototipini oluşturan bir sigorta şirketine yardımcı olacaksınız. Doğrudan Google Cloud konsolunu kullanarak istem fikirlerinizi dağıtılabilir uygulamalara dönüştürmeyi, hedeflediğiniz üretken yapay zeka çıkışlarını elde etmek için ileri düzey istemler tasarlamayı ve görseller de dahil olmak üzere çeşitli veri türlerini analiz etmeye yarayan çok formatlı özellikleri kullanmayı öğreneceksiniz. Bu temel görevler için API'lere veya Python SDK'larına gerek yoktur.

Hedefler

Bu laboratuvarda şunları öğreneceksiniz:

• İstemleri kullanarak uygulama oluşturma
• Etkili istemler tasarlama
• İstem oluşturma ve istemleri yönetme
• Çok formatlı istemler kullanma

Kurulum ve şartlar

Laboratuvarı Başlat düğmesini tıklamadan önce

Buradaki talimatları okuyun. Laboratuvarlar süreli olduğundan duraklatılamaz. Start Lab'i (Laboratuvarı başlat) tıkladığınızda başlayan zamanlayıcı, Google Cloud kaynaklarının ne süreyle kullanımınıza açık durumda kalacağını gösterir.

Bu uygulamalı laboratuvarı kullanarak, laboratuvar etkinliklerini simülasyon veya demo ortamı yerine gerçek bir bulut ortamında gerçekleştirebilirsiniz. Bunu yapabilmeniz için size yeni, geçici kimlik bilgileri verilir. Bu kimlik bilgilerini laboratuvar süresince Google Cloud'da oturum açmak ve Google Cloud'a erişmek için kullanabilirsiniz.

Bu laboratuvarı tamamlamak için gerekenler:

• Standart bir internet tarayıcısına erişim (Chrome Tarayıcı önerilir)

Not: Bu laboratuvarı çalıştırmak için tarayıcıyı gizli modda (önerilen) veya gizli tarama penceresinde açın. Aksi takdirde, kişisel hesabınızla öğrenci hesabınız arasında oluşabilecek çakışmalar nedeniyle kişisel hesabınızdan ek ücret alınabilir.

• Laboratuvarı tamamlamak için yeterli süre (Laboratuvarlar başlatıldıktan sonra duraklatılamaz.)

Not: Bu laboratuvar için yalnızca öğrenci hesabını kullanın. Farklı bir Google Cloud hesabı kullanırsanız bu hesaptan ödeme alınabilir.

Laboratuvarınızı başlatma ve Google Cloud Console'da oturum açma

1. Laboratuvarı Başlat düğmesini tıklayın. Laboratuvar için ödeme yapmanız gerekiyorsa ödeme yöntemini seçebileceğiniz bir iletişim kutusu açılır. Soldaki "Laboratuvar ayrıntıları" panelinde şunlar yer alır:

   • "Google Cloud konsolunu aç" düğmesi
   • Kalan süre
   • Bu laboratuvarda kullanmanız gereken geçici kimlik bilgileri
   • Bu laboratuvarda ilerlemek için gerekebilecek diğer bilgiler

2. Google Cloud Console'u aç'ı tıklayın (veya Chrome Tarayıcı'yı kullanıyorsanız sağ tıklayıp Bağlantıyı gizli pencerede aç'ı seçin).

   Laboratuvar, kaynakları çalıştırır ve sonra "Oturum aç" sayfasını gösteren başka bir sekme açar.

   İpucu: Sekmeleri ayrı pencerelerde, yan yana açın.

   Not: Hesap seçin iletişim kutusunu görürseniz Başka bir hesap kullan'ı tıklayın.

3. Gerekirse aşağıdaki kullanıcı adını kopyalayıp Oturum açın iletişim kutusuna yapıştırın.

   {{{user_0.username | "Username"}}}

   Kullanıcı adını "Laboratuvar ayrıntıları" panelinde de bulabilirsiniz.

4. İleri'yi tıklayın.

5. Aşağıdaki şifreyi kopyalayıp Hoş geldiniz iletişim kutusuna yapıştırın.

   {{{user_0.password | "Password"}}}

   Şifreyi "Laboratuvar ayrıntıları" panelinde de bulabilirsiniz.

6. İleri'yi tıklayın.

   Önemli: Laboratuvarın sizinle paylaştığı giriş bilgilerini kullanmanız gerekir. Google Cloud hesabınızın kimlik bilgilerini kullanmayın. Not: Bu laboratuvarda kendi Google Cloud hesabınızı kullanabilmek için ek ücret ödemeniz gerekebilir.

7. Sonraki sayfalarda ilgili düğmeleri tıklayarak ilerleyin:

   • Hükümler ve koşulları kabul edin.
   • Geçici bir hesap kullandığınızdan kurtarma seçenekleri veya iki faktörlü kimlik doğrulama eklemeyin.
   • Ücretsiz denemelere kaydolmayın.

Birkaç saniye sonra Google Cloud konsolu bu sekmede açılır.

Not: Google Cloud ürün ve hizmetlerine erişmek için gezinme menüsünü tıklayın veya Arama alanına hizmetin veya ürünün adını yazın.

1. görev: İstemleri kullanarak uygulama oluşturun

Bu görevde, üretken yapay zeka asistanı tasarımlarınızı Vertex AI Studio'nun pratik kaynaklarını kullanarak çalışan prototiplere dönüştürmeyi öğreneceksiniz. Görev boyunca sigorta alanına odaklanacaksınız. Bir sigorta uzmanının risk analizi raporu hazırlamak için müşteri bilgilerini özetlemesini sağlayan bir istem oluşturmasına yardımcı olacak, ardından bu istemi basit bir uygulamaya dönüştüreceksiniz.

1. Google Cloud konsolunda gezinme menüsüne () giderek Vertex AI > Vertex AI Studio'yu seçin.

2. Sol üstte New (Yeni) > Chat'i (Sohbet) seçin. Bu işlem, istem düzenleyici sayfasını açar.

Kullanıcı arayüzü üç ana bölümden oluşur:

• System instructions (Sistem talimatları): Modelin, istemlerden önce işlediği talimatlar kümesidir. Sistem talimatı, isteğin tamamına uygulanır. İsteme dahil edildiğinde birden fazla kullanıcı ve model yanıtı genelinde geçerli olur.
• Model settings (Model ayarları): Bu bölümde modelleri (üçüncü taraf modeller de dahil) seçebilir, parametreleri yapılandırabilir, araçları (temellendirme gibi) kullanabilir ve gelişmiş seçenekleri ayarlayabilirsiniz.
• Prompt (İstem): Bu bölümde, çok formatlı özelliklerden yararlanabilen isteminizin taslağını hazırlayabilirsiniz.

3. Adsız istem sayfası yüklendikten sonra, Untitled Prompt'u (Adsız İstem) tıklayıp isteminizi Insurance Risk Summary - Prototype (Sigorta Riski Özeti - Prototip) olarak yeniden adlandırın.

4. Yapay zeka asistanınıza sigorta senaryomuzla alakalı bir rol atamak için System instructions (Sistem talimatları) kutusuna aşağıdaki istemi girin:

   You are an expert AI assistant for an insurance underwriting department. Your primary goal is to help underwriters by accurately and concisely summarizing client information and highlighting potential risk factors. Maintain a professional and objective tone. Focus only on the information provided in the prompt. Do not invent details.

5. Sistem talimatlarının altında, sayfanın alt kısmındaki ana istem alanına şunları yapıştırın:

   Customer Notes for 'SafeHarbor Warehousing': "The applicant is seeking coverage for their 50,000 sq ft warehouse. The business is 5 years old. The building is a concrete tilt-up structure, originally built in 2010. They store a variety of non-hazardous dry goods. Fire safety measures include a full sprinkler system, a centrally monitored fire alarm, and documented annual inspections by a certified third party. Security measures include a 24/7 centrally monitored burglar alarm, comprehensive security camera coverage of the interior and exterior, a fully fenced perimeter, and nightly patrols by a contracted security guard service. The company reports no major property or liability losses in their 5-year history. They have specifically asked to ensure their new automated shelving and retrieval system, installed last month, is adequately covered under the policy." Your Task: 1. Briefly summarize the key details of the 'SafeHarbor Warehousing' business and its existing safety measures. 2. Based *only* on the notes provided, identify any immediate questions an underwriter should ask or potential risk factors they should consider further. Present the summary first, then the questions/risk factors as bullet points.

6. Model settings (Model ayarları) bölümünde:

   • modelinin seçildiğinden emin olun. Değiştirmek için modeli tıklayabilirsiniz.
   • Daha önce bölgeyi ayarlamadıysanız Region (Bölge) olarak Global'i seçin.

7. Submit (Gönder) ok düğmesini tıklayın veya Enter tuşuna basın. Modelin yanıtını inceleyin.

8. İsteminizin adının yanındaki Save (Kaydet) düğmesini tıklayın.

9. Save prompt (İstemi kaydet) iletişim kutusunda Region'ın (Bölge) doğru olduğunu () onaylayın ve Save'i (Kaydet) tıklayın.

Not: İlk isteminizin kaydedilmesi birkaç dakika sürebilir.

10. İsteminiz kaydedildikten sonra, bu taslak istemin nasıl prototip uygulamaya dönüştürülebileceğini inceleyeceksiniz. Sayfanın sağ üst kısmında Code (Kod) düğmesini tıklayın.

11. Açılan menüden Deploy (Dağıt) > Deploy as app'i (Uygulama olarak dağıt) seçin.

12. Açılan "Deploy to Cloud Run" (Cloud Run'a dağıtın) iletişim kutusunda:

• Enable services (Hizmetleri etkinleştirin) uyarısı alırsanız (ör. Cloud Build API, Cloud Run API için) Enable Required APIs'ı (Gerekli API'leri Etkinleştir) tıklayın ve etkinleştirilmelerini bekleyin.

  • Uygulamanızı herkese açık olarak dağıtmak için Acknowledgement'ı (Bildirim) kontrol edin.
  • Create App'i (Uygulama Oluştur) tıklayın.

13. Ardından dağıtım işlemi başlar ve birkaç dakika sürebilir. Kullanıcı arayüzünde şuna benzer durum güncellemeleri görebilirsiniz:

Not: Dağıtım işlemi bazen ilk denemede başarısız olabilir. Bu durum genellikle dağıtım başladığında derleme hizmetinin temel izinleri tam olarak etkinleşmemişse ortaya çıkar. Manage web app (Web uygulamasını yönetin) iletişim kutusunda "Failed" (Başarısız) durumunu görüyorsanız lütfen yeniden denemek için aşağıdaki adımları uygulayın:

1. Tüm hizmetlerin ve izinlerin ilk kullanıma hazırlanması için yaklaşık bir dakika bekleyin.
2. "Manage web app" (Web uygulamasını yönetin) iletişim kutusunda Update app (Uygulamayı güncelle) düğmesini tıklayın.
3. Bir onay kutusu görüntülenir. Güncelleme işlemini başlatmak için Confirm'ü (Onayla) tıklayın.

14. İşlem tamamlandıktan sonra Manage web app (Web uygulamasını yönetin) kutusunda Close (Kapat) düğmesini tıklayın.

15. Yeni dağıttığınız uygulamayı açmak için Code (Kod) düğmesini tekrar tıklayın. Açılır menüden Open app'i (Uygulamayı aç) seçin. Bu işlem, dağıtılan üretken yapay zeka uygulamanızı yeni bir tarayıcı sekmesinde açar.

16. Welcome to Vertex AI Gen AI App! (Vertex AI Üretken Yapay Zeka Uygulamasına Hoş Geldiniz) başlıklı bir sayfa ve bu sayfada Insurance Risk Summary - Prototype (Sigorta Riski Özeti - Prototip) adlı istem başlığınız gösterilir.

17. Chatbot bölümünde, en alttaki "Type a message…" (Bir mesaj yazın…) giriş alanına yeni bir test mesajı girin. Örneğin:

    New Customer Inquiry: "Applicant 'Coastal Goods Delivery' has a fleet of 10 delivery vans, all equipped with GPS and telematics. They operate within a 100-mile radius of their depot. Drivers undergo annual safety training. They had one minor fender bender last year, no injuries, $1500 damages. What are the primary risk considerations?" Please summarize key points and identify potential risks.

18. Mesajınızı uygulamaya göndermek için "Gönder" okunu tıklayın.

19. Dağıttığınız uygulamanın yanıtını inceleyin. Uygulama, mesajınızı Vertex AI Studio'da tanımladığınız mantık ve sistem talimatlarına göre işleyecektir.

Not: Uygulama sayfasındaki uyarıda belirtildiği gibi, bu uygulamaya varsayılan olarak kimlik doğrulaması yapılmadan erişilebilir. Üretim senaryosunda, uygun güvenlik ayarlarını yapılandırmanız gerekir. Bu laboratuvar deneme amaçlı olduğu için varsayılan ayarlar yeterlidir.

20. Tüm döngüyü tamamladınız:
    • Vertex AI Studio'da istem tasarladınız.
    • İsteminizi, Cloud Run'ı kullanarak sadece birkaç tıklamayla sunucusuz uygulama olarak dağıttınız.
    • Web arayüzü üzerinden üretken yapay zeka modelinizi doğrudan açıp uygulamanızı kullandınız. Tüm bunlar, Vertex AI Studio'nun üretken yapay zeka özelliklerinin hızlı bir şekilde prototip oluşturma ve uygulamanızı dağıtma konusundaki gücünü gösteriyor.

Hedefleri doğrulamak için Check my progress'i (İlerleme durumunu kontrol et) tıklayın.

Vertex AI Studio'da istem kullanarak uygulama oluşturun.

2. görev: Etkili istemler tasarlayın

1. görevde ilk istem için prototip oluşturdunuz. Bu görevde, üretken modellerden daha kesin, kontrollü ve yararlı çıkışlar elde etmek için gelişmiş istemler yazmayı ayrıntılı olarak inceleyeceğiz. Bu, istem mühendisliğinde temel bir beceridir. Sigorta örneğini kullanmaya devam edeceğiz. Bir talep belgesinden istediğiniz bilgileri ayıklamaya veya özetlerin kalitesini artırmaya çalışacaksınız.

İstem türleri hakkında daha fazla bilgi için bu kılavuzu inceleyin.

Sıfır örnekli istem

Ayrıntılı istem tasarımının inceliklerini öğrenmeye başlamak için yeni bir istem oluşturacağız.

1. Ana Vertex AI Studio alanında olduğunuzdan emin olun. 1. görevdeki dağıtılmış uygulamanız hâlâ açıksa tarayıcı sekmesini kapatarak Google Cloud konsoluna dönün.

2. Sol üstte New (Yeni) > Chat'i (Sohbet) seçin. Bu işlem, sizi yeni bir istem düzenleyici sayfasına yönlendirir.

3. Untitled Prompt'u (Adsız İstem) tıklayıp Insurance Claim Data Extraction (Sigorta Talebi Verilerinin Ayıklanması) olarak yeniden adlandırın.

4. Bu bölümdeki senaryo hakkında birkaç bilgi: Sigorta eksperi, yeni bir taleple ilgili düzensiz notlar veya e-postalar alıyor. Önemli noktaları hızla ayıklayarak talep yönetim sistemine girmesi gerekiyor.

5. System instructions (Sistem talimatları) kutusuna şunları girin:

   You are an AI assistant specializing in parsing and extracting specific data points from unstructured insurance claim notifications. Your goal is to identify and list key information accurately. If a piece of information is not found, clearly state "Not found". Output the extracted information in a key: value format, with each key on a new line.

6. Ana istem alanına, aşağıdaki düzensiz talep örneğini yapıştırın:

   Claim Notification Received: "Hi team, just got a call from Mrs. Eleanor Vance, policy #POL458892. She reported a kitchen fire that occurred on May 12th, 2025, around 3 PM. The main damage seems to be to the oven and surrounding cabinets. She mentioned smoke damage in the kitchen and dining area too. She thinks the total damage might be around $7,500. Her contact is 555-0123. No injuries reported, thankfully." Extract the following: - Policy Number - Claimant Name - Date of Loss - Time of Loss - Type of Loss - Brief Description of Damage - Estimated Loss Amount - Injuries Reported

7. Model settings (Model ayarları) bölümünde:

   • modelini seçin.
   • Gerçekçiliği yüksek, yaratıcılığı düşük sonuçlar elde etmek için Temperature'ı (Sıcaklık) 0.1 olarak ayarlayın.
   • Output token limit (Çıkış parçası sınırı) parametresini 1024 gibi makul bir sayıya ayarlayın.
   • Region'ın (Bölge) Global olarak ayarlandığından emin olun.

8. Submit (Gönder) ok düğmesini tıklayın. Çıkışı inceleyin. Giriş metninde açıklayıcı örnekler sağlanmadan yapılan bu ilk denemeye sıfır örnekli istem denir.

Az örnekli istem

Modelle birkaç örnek paylaşmak (az örnekli istem), özellikle bazı biçimlendirme veya ayrıntılı çıkarma görevlerinde modelin performansını önemli ölçüde artırabilir.

1. Sol üstte New (Yeni) > Chat'i (Sohbet) seçin.

2. Prompt (İstem) bölümünün alt kısmında + düğmesini tıklayın.

3. Pop-up menüden Example'ı (Örnek) seçin.

İstem için örnekler ekleyebileceğiniz yeni bir pencere açılır.

4. Açılan "Examples" (Örnekler) arayüzünde:

   • İlk örneğinizin INPUT (GİRİŞ) bölümüne aşağıdaki düzensiz notu yapıştırın:
   Claim Notification Received: "Email from John Sterling (policy POL77521) re: water damage at his shop. Happened sometime last night, May 10th, 2025. A pipe burst in the ceiling. Stockroom is flooded, some damage to inventory. He's not sure on the cost yet, maybe $5k-$10k? No one was there, so no injuries." Extract the following: - Policy Number - Claimant Name - Date of Loss - Time of Loss - Type of Loss - Brief Description of Damage - Estimated Loss Amount - Injuries Reported
   • İlk örneğinizin OUTPUT (ÇIKIŞ) kısmına aşağıdaki doğru biçimde düzenlenmiş ifadeyi yapıştırın:
   Policy Number: POL77521 Claimant Name: John Sterling Date of Loss: May 10th, 2025 Time of Loss: Night Type of Loss: Water damage Brief Description of Damage: Pipe burst in ceiling, stockroom flooded, some damage to inventory. Estimated Loss Amount: $5,000 - $10,000 Injuries Reported: No
   • Bu örneği kaydetmek ve ana isteme dönmek için Add examples (Örnek ekle) düğmesini tıklayın.

5. Sistem talimatlarını yeniden ekleyin: İstem temizlendiğinde sistem talimatları da temizlenir. Sistem talimatlarını "System instructions" (Sistem talimatları) kutusuna tekrar yapıştırın:

   You are an AI assistant specializing in parsing and extracting specific data points from unstructured insurance claim notifications. Your goal is to identify and list key information accurately. If a piece of information is not found, clearly state "Not found". Output the extracted information in a key: value format, with each key on a new line.

6. Yeni girişi ve istemi girin:

   • {Input} Write value here (Buraya değer girin) yazan alana, modelin işlemesini istediğiniz orijinal talep bildirimini (Eleanor Vance'in bildirimini) yapıştırın:
   Claim Notification Received: "Hi team, just got a call from Mrs. Eleanor Vance, policy #POL458892. She reported a kitchen fire that occurred on May 12th, 2025, around 3 PM. The main damage seems to be to the oven and surrounding cabinets. She mentioned smoke damage in the kitchen and dining area too. She thinks the total damage might be around $7,500. Her contact is 555-0123. No injuries reported, thankfully."

7. "Input" (Giriş) alanının altındaki Write a prompt (İstem yazın) alanına, modele vereceğiniz talimatları gireceksiniz. Bu talimatlar, örnekleri rehber olarak kullanarak modelin girişle ilgili hangi görevleri gerçekleştireceğini belirtir. Aşağıdakileri girin:

   Extract the following data points from the provided claim notification: - Policy Number - Claimant Name - Date of Loss - Time of Loss - Type of Loss - Brief Description of Damage - Estimated Loss Amount - Injuries Reported

8. Model settings (Model ayarları) bölümünde:

   • modelini seçin.
   • Gerçekçiliği yüksek, yaratıcılığı düşük sonuçlar elde etmek için Temperature'ı (Sıcaklık) 0.1 olarak ayarlayın.
   • Output token limit (Çıkış parçası sınırı) parametresini 1024 gibi makul bir sayıya ayarlayın.
   • Region'ın (Bölge) Global olarak ayarlandığından emin olun.

9. Submit (Gönder) ok düğmesini tekrar tıklayın. Bu yeni çıkışı önceki sıfır örnekli denemeyle karşılaştırın. Birden çok örnek ve düzenlenmiş giriş yöntemi kullanıldığında daha doğru ve düzenli bir çıkış elde edip etmediğinize dikkat edin.

Farklı istem yapılandırmalarını deneme

Şimdi, Model settings (Model ayarları) bölümündeki farklı parametrelerin modelin yanıtını nasıl etkileyebileceğini inceleyeceğiz. Birden çok örneğin yer aldığı "Insurance Claim Data Extraction" (Sigorta Talebi Verilerinin Ayıklanması) isteminizi etkinleştirin.

Not: "Insurance Claim Data Extraction" (Sigorta Talebi Verilerinin Ayıklanması) isteminiz doğruluk ve yapı odaklı tasarlanmıştır. Temperature (Sıcaklık) ve Top-P (Üst-P) gibi parametrelerin nasıl çalıştığını görmek için yaratıcı bir istem kullanılması tercih edilir.

Öncelikle bu denemelerde kullanılacak yeni bir istem oluşturun:

1. Sol üstte New (Yeni) > Chat'i (Sohbet) seçin.

2. İstemi Insurance Story (Sigorta Hikayesi) olarak adlandırın.

3. İstem metin kutusuna aşağıdakileri yapıştırın:

Write the *first paragraph* of a short story about a homeowner who just used a futuristic AI insurance app to file a claim. The claim was for a bizarre and unexpected incident.

Şimdi model ayarlarıyla denemeler yapacaksınız.

Model ayarlarıyla denemeler yapma

1. Temperature (Sıcaklık) denemesi yapın:

   • Açıklama: Sıcaklık, rastgeleliği belirler. Düşük değerler (ör. 0.0-0.2) çıkışı daha odaklı ve kontrollü hale getirir. Yüksek değerlerde (ör. 1.5-2) daha çeşitli veya yaratıcı yanıtlar alabilirsiniz.
   • Deneyin: Temperature (Sıcaklık) ayarını 1.5 olarak değiştirin. Submit'i (Gönder) tıklayın ve değişiklikleri inceleyin. Ardından Temperature (Sıcaklık) parametresini 0.1 olarak ayarlayın, aynı istemi kullanın ve Submit'i (Gönder) tekrar tıklayın.

2. Output Token Limit'i (Çıkış Parçası Sınırı) kullanarak deneme yapabilirsiniz:

   • Açıklama: Bu ayar, modelin yanıtını oluştururken kullanabileceği maksimum parça (kelime parçası) sayısını belirler.
   • Deneyin: Output token limit'i (Çıkış parçası sınırı) çok küçük bir sayıya (ör. 500) ayarlayın. Aynı istemi kullanarak Submit'i (Gönder) tıklayın ve çıkışın uzunluğuna dikkat edin. Maksimum (varsayılan) uzunluk olan 65535'e sıfırlayın.

3. Top-P (Üst-P) ile deneme yapın:

   • Açıklama: Üst-P (çekirdek örnekleme) de rastgeleliği belirler. Yalnızca birleşik olasılık kütlesi Üst-P değerini aşan, en olası parçaları dikkate alır. 1.0 değeri tüm parçaları dikkate alır. Üst-P değerini düşürmek (ör. 0.8), çıkışı daha odaklı hale getirir. Bu da sıcaklığı düşürmeye benzer.
   • Deneyin: Temperature (Sıcaklık) 0.1 değerindeyken (Üst-P'nin etkisini daha iyi gözlemlemek için sıcaklığı 0.5 gibi daha yüksek bir değere de ayarlayabilirsiniz.) Top-P'yi (Üst-P) 0.8 olarak ayarlayın. Aynı istemi kullanın ve Submit'i (Gönder) tıklayın. Ardından, Top-P'yi (Üst-P) 1.0 olarak ayarlayıp aynı istemi kullanarak Submit'i (Gönder) tıklayın ve değişimi inceleyin.

4. Advanced Model Settings (Gelişmiş Model Ayarları) panelindeki diğer ayarları kısaca gözden geçirebilirsiniz:

   • Safety Filter Settings (Güvenlik Filtresi Ayarları): Bu filtreler, zararlı içeriklerin engellenmesine yardımcı olmak için varsayılan olarak etkindir. Bu laboratuvarda varsayılan ayarları kullanacaksınız.
   • Thinking Budget (Düşünme Bütçesi): Bu parametre, yanıt oluştururken kullanılacak düşünme parçalarının sayısı konusunda modele yol gösterir. Daha yüksek parça sayısı genellikle daha ayrıntılı akıl yürütmeye olanak tanır. Bu da daha karmaşık görevlerin üstesinden gelme açısından faydalı olabilir. Varsayılan ayar Auto'dur (Otomatik) ancak Off (Kapalı) veya Manual (Manuel) olarak da ayarlanabilir. Manual (Manuel) olarak ayarlanan model, belirtilen parça sınırına ulaştıktan sonra analiz yapmayı durdurur. Daha basit görevler için daha düşük bir sınır, daha karmaşık görevler için ise daha yüksek bir sınır belirleyebilirsiniz.
   • Structured output (Yapılandırılmış çıkış): Modeli, önceden tanımlanmış bir şemayla (ör. JSON) tamamen uyumlu bir yanıt oluşturmaya zorlar.
   • Grounding: Google (Temellendirme: Google): Modeli Google Arama veya Haritalar'a bağlayarak gerçek zamanlı ve herkese açık bilgilerle yanıt vermesini sağlar.
   • Grounding: Your data (Temellendirme: Verileriniz): Modelin, bağlama özgü soruları yanıtlamak için kendi veri kaynaklarınızdan (ör. Vertex AI Search veya RAG Engine) bilgi almasına olanak tanır.

Hedefleri doğrulamak için Check my progress'i (İlerleme durumunu kontrol et) tıklayın.

Vertex AI Studio'da istem mühendisliği.

3. görev: İstem oluşturun ve istemleri yönetin

İyi çalışan isteminizle daha da iyi yanıtlar alıp alamayacağınızı görmek için talimatlarda veya model yapılandırmalarında değişiklik yapmak isteyebilirsiniz. Vertex AI Studio'nun "Compare" (Karşılaştır) özelliği tam olarak bunun için tasarlanmıştır. Bu bölümde, daha önce oluşturduğumuz istemi kullanacaksınız.

1. Sol üstte New (Yeni) > Chat'i (Sohbet) seçin. Bu işlem, sizi yeni bir istem düzenleyici sayfasına yönlendirir.

2. Bu yeni istemi Insurance Risk Factor Identification (Sigorta Riski Faktörü Tanımlama) olarak adlandırın.

3. Aşağıdaki basit temel istemi oluşturun:

   • System instructions (Sistem talimatları) kutusuna şunları girin:
   You are an insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. Be concise.
   • Ana istem alanına aşağıdakileri yapıştırın:
   Scenario: "The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking." Based on this scenario, list three primary risk factors an underwriter should consider.
   • Sağdaki Configuration (Yapılandırma) bölümünde:
     • modelini seçin.
     • Temperature'ı (Sıcaklık) 0.2 olarak ayarlayın.
     • Region'ın (Bölge) Global olarak ayarlandığından emin olun.

4. Submit (Gönder) ok düğmesini tıklayın. Modelin ilk yanıtını inceleyin.

5. İsteminizi otomatik olarak kaydetmediyseniz Save (Kaydet) düğmesini tıklayın.

6. Insurance Risk Factor Identification (Sigorta Risk Faktörü Tanımlama) istemi ve yanıtı gösterilirken, sağ üst köşedeki istem adının yanında yer alan üç noktayı tıklayın ve Compare'i (Karşılaştır) seçin.

Not: İstenirse Exit without saving'i (Kaydetmeden çık), ardından Continue'yu (Devam) tıklayın.

7. Compare (Karşılaştır) arayüzü açılır. Insurance Risk Factor Identification (Sigorta Risk Faktörü Tanımlama) isteminiz, isteminizin yapılandırmaları ve son yanıtı, sayfanın iki tarafında da gösterilir. Böylece farklı sürümlerin model ayarlarını ve sistem talimatlarını kolayca karşılaştırabilirsiniz.

Sistem talimatlarını değiştirerek karşılaştırma

Bu adımda, talimatlarda yapılan değişikliklerin isteminizin çıkışını nasıl etkilediğini göreceksiniz.

1. System instructions (Sistem talimatları) kutusunda (sağ taraftaki istem için), sağdaki isteme yönelik mevcut sistem talimatlarını düzenleyin. Talimatları aşağıdaki bilgilerle güncelleyin:

You are an expert insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. For each risk factor, also briefly suggest a potential mitigation strategy or question for the underwriter. Be clear and structured.

2. Diğer model ayarlarını değiştirmeyin ve sayfanın alt kısmındaki kutuya aşağıdaki istemi yazın:

Scenario: "The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking." Based on this scenario, list three primary risk factors an underwriter should consider.

3. İstemler için yanıtların oluşturulmasını bekleyin. İki yanıtı yan yana inceleyin. İkinci istemde talimatların değiştirilmesi sonucunda strateji özeti sunulmuş mu veya soru sorulmuş mu? Sistem talimatlarını daha da değiştirerek model yanıtlarını nasıl yönlendirdiğini görebilirsiniz.

Farklı bir sıcaklık ayarı kullanarak karşılaştırma

Şimdi de karşılaştırma bölmesini kullanarak modelin farklı sıcaklıklarda nasıl yanıtlar verdiğini inceleyeceğiz.

1. Sağdaki istemin System instructions (Sistem talimatları) kutusunda, istemi geri alarak soldakiyle aynı olacak şekilde değiştirin.

You are an insurance risk analyst assistant. Your task is to identify potential risk factors from a given scenario. Be concise.

2. Sağ taraftaki istem için Model settings (Model ayarları) bölmesini açın ve Temperature'ı (Sıcaklık) 2.0 olarak değiştirin. Modelin olduğundan emin olun.

3. Sayfanın alt kısmındaki kutuya aşağıdaki istemi yazın:

Scenario: "The applicant, 'The Fiery Grill,' is a new upscale restaurant specializing in wood-fired oven pizzas and open-flame grilling. They have installed a brand new, custom-built fire suppression system for their cooking area, but it has not yet been certified by a third party. The restaurant plans to feature live acoustic music on weekend evenings and has a small, raised stage area. They also want to offer valet parking." Based on this scenario, list three primary risk factors an underwriter should consider.

4. Yanıtlardaki farklılıkları inceleyin. İkinci istemdeki yüksek sıcaklık (2.0), 0.2 sıcaklığındaki çıkışa kıyasla risk faktörleri listesinin daha az odaklı, daha spekülatif veya önemli ölçüde farklı olmasına neden olmuş mu? Not: Bu kadar yüksek bir sıcaklık ayarı kullanmak tutarsız veya alakasız çıkışlara yol açabilir. Yine de farkları görebilmek için bu ayarı kullanıyoruz.

Farklı modelleri ve yapılandırmaları karşılaştırma

Şimdi, temel modelinizi farklı modelle ve ayarlarla karşılaştırarak yanıtların mantık veya stil bakımından ne kadar farklı olduğunu inceleyeceksiniz.

1. Sağ taraftaki istem için Model settings (Model ayarları) bölmesini açın ve aşağıdaki değişiklikleri yapın:

   • Model'i olarak değiştirin.
   • Temperature'ı (Sıcaklık) 0.2 olarak ayarlayın.

2. Sol taraftaki istem için Model settings (Model ayarları) bölmesini açın ve aşağıdaki değişiklikleri yapın:

   • Model'in olarak ayarlandığından emin olun.
   • Temperature'ı (Sıcaklık) 0.2 olarak ayarlayın.
   • Düşünme bütçesini Off (Kapalı) olarak ayarlayın.

3. Sayfanın alt kısmındaki kutuya aşağıdaki istemi yazın. Bu istem, modeller arasındaki özellik farkını göstermek için kasıtlı olarak daha karmaşık hale getirilmiştir.

Scenario: "The applicant, 'The Fiery Grill,' is an upscale restaurant specializing in wood-fired ovens and open-flame grilling. They have a brand new, custom-built fire suppression system, but it has not been certified by a third party. The restaurant will feature live acoustic music on a small, raised stage. They also want to offer valet parking, managed by their own staff. The applicant has no prior business history." Underwriting Guidelines: Priority Hierarchy: Liability risks are classed as: - Class A (Critical): Fire, structural failure, failure of safety systems. - Class B (Standard): General premises liability (e.g., slip-and-fall). - Class C (Niche): Auto/Vehicle liability. Compounding Factors: A "compounding risk" (a condition that makes another risk worse) must be elevated to the highest priority. Inexperience: Lack of prior business history is a general negative factor but does not create a primary risk on its own. Auto Liability: Class C risks (Valet) are only considered a primary risk if the applicant is using an unvetted, third-party contractor. Task: Based on the scenario and the underwriting guidelines, identify the single, #1 highest-priority risk. Then, write a 2-sentence justification that explains why it is the #1 risk, citing the specific guideline(s) that apply.

4. Yanıtları inceleyin. (sol bölme) ile (sağ bölme) çıkışlarını karşılaştırın.

Hassasiyette net bir fark göreceksiniz. modeli (solda), genel tehlikeyi belirleyerek ("Yangın") hızlı ancak genel bir yanıt verebilir. modeli (sağda) ise riski açıklayarak ("Sertifikasız yangın söndürme sistemi") daha kesin ve uygulanabilir bir yanıt verecektir. Pro modelinin gerekçesinin daha ayrıntılı olduğunu görebilirsiniz. Bu modelin, birden fazla yönergeye atıfta bulunarak daha derin bir mantıkla hareket ettiğini göstermesi muhtemeldir.

Hedefleri doğrulamak için Check my progress'i (İlerleme durumunu kontrol et) tıklayın.

İstemleri karşılaştırın, değerlendirin ve yönetin.

4. görev: Gemini ile çok formatlı istemleri kullanın

Bu görevde, Vertex AI Studio'daki ana istem arayüzünü Gemini modeliyle kullanarak görüntü analiz edecek ve bu görüntüden bilgi ayıklayacaksınız. Bu bölümde; açıklama, metin ayıklama ve görsel içeriğe dayalı soru yanıtlama gibi çeşitli analiz görevlerine uygun istem tasarlama yöntemleri anlatılmaktadır.

1. Vertex AI Studio sayfasına geri dönün.

2. Sol üst köşede New (Yeni) > Chat'i (Sohbet) tıklayın.

3. İstemin adını Timetable Image Analysis (Zaman Çizelgesi Görseli Analizi) olarak değiştirin.

4. İstem kutusunun sol alt kısmında + düğmesini tıklayın, ardından Import from Cloud Storage'ı (Cloud Storage'dan içe aktar) seçin.

5. Menüde, önceden oluşturulmuş Cloud Storage paketini, ardından timetable.png dosyasını seçin.

6. Sağdaki Model settings (Model ayarları) panelinde:

   • modelinin seçildiğinden emin olun.
   • Region'ın (Bölge) Global olarak ayarlandığından emin olun.

7. Modelimizden görüntü üzerinde birkaç işlem yapmasını isteyebiliriz. İstem giriş alanına eklediğiniz görselin altına şu istemi yapıştırın:

1. Provide a concise title for this image (under 5 words). 2. Describe the image in one or two sentences. 3. Extract all visible text from the image. Present the flight schedule as a clearly formatted list with columns for "Time" and "City".

8. Submit'i (Gönder) tıklayarak istemi gönderin ve modelin yanıtını inceleyin.

9. Ayıklanan bilgilere dayalı bir soru sorabilirsiniz. Aşağıdaki istemi gönderin:

Based on the flight schedule shown in the image, what percentage of the listed flights depart before 11:30 AM? Show your calculation if possible.

10. Submit (Gönder) düğmesini tıklayın ve yanıtı inceleyin.

11. Sıcaklığın yanıtlara etkisini inceleyebiliriz. Model settings (Model ayarları) panelinde:

    • Temperature (Sıcaklık) parametresini 0.8 olarak ayarlayın.
    • 9. adımdaki istemin aynısını tekrar gönderin ("Based on the flight schedule... percentage...").
    • Açıklamanın stili, güven düzeyi veya ayrıntı seviyesi değişmiş olabilir.
    • Değişiklikleri gözlemledikten sonra, daha öngörülebilir yanıtlar almak için Temperature'ı (Sıcaklık) daha düşük bir değere (ör. 0.2) ayarlayın.

Not: Sıcaklık, rastgeleliği belirler. Düşük değerler (ör. 0.0-0.2) doğruluk açısından daha güvenilirdir. Yüksek değerler (ör. 0.7 ve üzeri) daha çeşitli veya yaratıcı yanıtlar elde etmenizi sağlar. Bu da hassas veri ayıklama veya analiz görevleri için uygun olmayabilir.

Hedefleri doğrulamak için Check my progress'i (İlerleme durumunu kontrol et) tıklayın.

Vertex AI Studio'da Gemini ile görselleri analiz edin.

5. görev: Vertex AI Studio'da medya üretin

Vertex AI Studio, metin araçlarının ötesinde, doğrudan metin istemlerinden çeşitli medya türleri oluşturabileceğiniz veya medyalarınızı iyileştirebileceğiniz güçlü araçlar sunar. Bu görevde görüntü ve ses üretmeyi öğreneceksiniz.

Imagen ile görüntü üretme

Görüntü üreterek başlayacağız.

1. Vertex AI Studio sayfasının sol üst köşesinde New (Yeni) > Image'ı (Görüntü) tıklayın.

2. Alttaki metin istem alanına açıklayıcı bir istem girin:

   A close-up, photorealistic image of a single honeybee collecting pollen from a vibrant purple lavender flower, with a softly blurred garden background.

3. Sağdaki Settings (Ayarlar) panelinde:

   • Model'in Imagen 4 (veya mevcut en yeni Imagen modeli) olarak ayarlandığından emin olun.
   • Aspect ratio'yu (En-boy oranı) 1:1 olarak ayarlayın.
   • İlk görsel için Number of results'ı (Sonuç sayısı) 4 olarak ayarlayın.
   • Safety (Güvenlik) ayarlarını [ör. Person generation (Kişi oluşturma), Safety filter threshold (Güvenlik filtresi eşiği)] inceleyin ve varsayılan ayarlarda bırakın veya bu örnekteki kişi odaklı olmayan istem için tercih ettiğiniz şekilde ayarlayın.

4. İsteminizi göndermek için Submit (Gönder) düğmesini tıklayın.

5. Üretilen görüntüler birkaç dakika sonra ana alanda gösterilir.

6. Oluşturulan görsel küçük resimlerinden birini tıklayarak ayrıntılı görünümü açın.

7. Sağdaki Image details (Görsel ayrıntıları) bölümünde:
   • Inpaint (maske kullanarak öğe ekleme/kaldırma), Outpaint (görüntüyü genişletme) ve görsel iyileştirme için kullanılabilecek Export image (Görsel dışa aktarma) gibi yapay zeka işlemlerini inceleyin.
   • SynthID detected (SynthID bulundu) ifadesinin yeşil onay işaretiyle görünüp görünmediğine bakın.
   • (İsteğe bağlı): Inpaint veya Outpaint seçeneklerinden birini seçip bunları kullanarak Imagen özelliklerini keşfedin.

SynthID nedir?

Google DeepMind tarafından geliştirilen SynthID, yapay zekayla üretilmiş görsellerin piksellerine doğrudan dijital filigran yerleştiren bir teknolojidir. Bu filigran, insan gözüyle fark edilemeyecek ancak algoritma tarafından algılanabilecek şekilde tasarlanmıştır. Filigranın amacı, görseller daha sonra sıkıştırılsa veya filtre uygulansa bile yapay zekayla üretilip üretilmediklerinin anlaşılmasına yardımcı olmak, şeffaflığı ve sorumlu yapay zeka uygulamalarını desteklemektir.

Hedefleri doğrulamak için Check my progress'i (İlerleme durumunu kontrol et) tıklayın.

Vertex AI Media Studio'yu keşfedin.

Chirp ile ses oluşturma (isteğe bağlı)

Yapay zeka tarafından üretilen seslerin dünyasını keşfetmek istiyorsanız:

1. En soldaki küçük dikey araç çubuğunda, mikrofona benzeyen ses simgesini tıklayarak ses oluşturma aracına geçin. Bu işlem Chirp arayüzünü açar.

2. Projenizde Cloud Text-to-Speech API etkin değilse bu API'yi etkinleştirmeniz istenebilir. Bu durumda Enable'ı (Etkinleştir) tıklayın ve API'nin etkinleştirilmesini bekleyin. Bu işlem biraz zaman alabilir.

3. Arayüz hazır olduğunda, en alttaki metin istemleri alanına sentezlemek istediğiniz metni girin. Örneğin:

Welcome to the world of generative AI on Google Cloud

4. Sağdaki Settings (Ayarlar) panelinde:

   • Model'i seçin (ör. Chirp 3. HD Voices).
   • Tercih ettiğiniz dili Language bölümünden seçin (ör. English (US)).
   • Açılır listeden bir ses seçin. Sesleri dinleyerek deneyebilirsiniz.
   • Dilerseniz Advanced options bölümünde gelişmiş ayarları (varsa) inceleyebilirsiniz.

5. Submit (Gönder) düğmesini tıklayın.

6. İşlem tamamlandıktan sonra, oluşturulan sesi doğrudan arayüzde oynatabilirsiniz.

Tebrikler!

Tebrikler! Bu laboratuvarda, Vertex AI Studio'yu kullanarak bir sigorta senaryosu için üretken yapay zeka uygulaması prototipi oluşturdunuz. İlk tasarımdan dağıtıma, gelişmiş istem mühendisliğinden karşılaştırmaya kadar tüm adımları başarıyla tamamladınız. Çeşitli analitik görevler için metin çıkışlarını iyileştirme alıştırması yaptınız. Görüntü ve ses üretmenizi sağlayan çok formatlı özelliklerin heyecan verici dünyasını keşfettiniz. Bu temel beceriler, Google Cloud'da daha da karmaşık üretken yapay zeka çözümleri geliştirmenize yardımcı olacak.

Sonraki adımlar/Daha fazla bilgi

• Vertex AI Model Garden'ın resmi belgelerini inceleyerek keşfettiğiniz üretken yapay zeka modellerinin (ör. metin ve görsel analizi için Gemini, Imagen, Veo ve Chirp) özelliklerini daha ayrıntılı inceleyin.
• En iyi uygulamalar ve ileri düzey teknikler için Google Cloud'un kapsamlı istem tasarımı stratejileri kılavuzunu inceleyerek istem mühendisliği becerilerinizi geliştirin.
• Vertex AI SDK'larının belgelerini inceleyerek üretken yapay zeka işlevlerini uygulamalarınıza entegre etmeyi ve otomatikleştirmeyi öğrenin.
• Google Cloud Öğrenim Merkezi'ndeki üretken yapay zeka laboratuvarları ve kursları ile öğrenme yolculuğunuza devam edin.

Google Cloud eğitimi ve sertifikası

...Google Cloud teknolojilerinden en iyi şekilde yararlanmanıza yardımcı olur. Derslerimizde teknik becerilere odaklanırken en iyi uygulamalara da yer veriyoruz. Gerekli yetkinlik seviyesine hızlıca ulaşmanız ve öğrenim maceranızı sürdürebilmeniz için sizlere yardımcı olmayı amaçlıyoruz. Temel kavramlardan ileri seviyeye kadar farklı eğitim programlarımız mevcut. Ayrıca, yoğun gündeminize uyması için talep üzerine sağlanan, canlı ve sanal eğitim alternatiflerimiz de var. Sertifikasyonlar ise Google Cloud teknolojilerindeki becerilerinizi ve uzmanlığınızı doğrulamanıza ve kanıtlamanıza yardımcı oluyor.

Kılavuzun Son Güncellenme Tarihi: 17 Eylül 2025

Laboratuvarın Son Test Edilme Tarihi: 17 Eylül 2025

Telif Hakkı 2025 Google LLC. Tüm hakları saklıdır. Google ve Google logosu, Google LLC şirketinin ticari markalarıdır. Diğer tüm şirket ve ürün adları ilişkili oldukları şirketlerin ticari markaları olabilir.