BEGIN:VCALENDAR VERSION:2.0 PRODID:-//LatentShift//latentshift.ai schedule//EN CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALNAME:LatentShift · Kritik Sistemlerde AI Modeli Geliştirmek ve Ç alıştırmak: Açıklanabilir\, Denetlenebilir ve Güvenilir Modeller Nas ıl Tasarlanır? X-WR-TIMEZONE:Europe/Istanbul REFRESH-INTERVAL;VALUE=DURATION:PT12H X-PUBLISHED-TTL:PT12H BEGIN:VEVENT UID:ed01-kritik-sistemlerde-ai-modeli-gelistirmek@latentshift.ai DTSTAMP:20261007T125617Z DTSTART:20261017T093000Z DTEND:20261017T095000Z SUMMARY:LatentShift · Kritik Sistemlerde AI Modeli Geliştirmek ve Çalı ştırmak: Açıklanabilir\, Denetlenebilir ve Güvenilir Modeller Nasıl Tasarlanır? · Fatih Bildirici DESCRIPTION:Kısa konuşma · 20 dk · Türkçe\n\nFatih Bildirici · Senio r Subject Matter Expert\, ASELSAN\n\nEş zamanlı Türk İşaret Dili (Tİ D) çevirisi.\n\nBu konuşma\, kritik bir iş sürecinde AI modelinin prod uction’a alınması sırasında öğrenilen temel bir ders üzerine kuru lacak: modelin doğru tahmin üretmesi\, sistemin güvenilir çalıştığ ı anlamına gelmiyor. Defense\, sağlık\, havacılık\, enerji\, ulaşı m ve endüstriyel kontrol gibi mission-critical / life-critical alanlarda model çıktısı yalnızca bir skor ya da sınıflandırma sonucu değil\ ; bir alarmı\, bir insan kararını\, bir prosedürü\, bir risk seviyesi ni veya fallback davranışını etkileyen operasyonel bir sinyal haline g eliyor.\n\nKonuşmada\, confidential kurum\, veri veya sistem detayı payl aşmadan\; bir AI modelinin test ortamından production karar zincirine gi rdiğinde hangi teknik kırılmaların ortaya çıkabileceği anlatılacak . Başlangıçta modelin offline metrikleri kabul edilebilir görünür: a ccuracy\, precision/recall\, latency ve servis cevap süreleri hedefleri k arşılar. Ancak gerçek kullanım başladığında problem yalnızca mode l performansıyla sınırlı kalmaz. Veri dağılımı değişir\, bazı i nput segmentlerinde confidence skorları kalibre kalmaz\, açıklamalar be nzer vakalarda farklılaşmaya başlar\, insan müdahalesi artar ve sistem düşük güvenli çıktıları hâlâ karar adayı gibi işlemeye devam eder.\n\nBu deneyim üzerinden konuşmamızın teknik omurgası şu akış ta olacak:\n\ndata validation → feature pipeline → model inference → confidence / uncertainty estimation → explanation layer → context che ck → risk gate → human review / fallback → monitoring → audit trai l\n\nBu akışta özellikle açıklanabilirlik\, sonradan eklenen bir UI p aneli olarak değil\, modelin sınırlarını sisteme taşıyan bir kontro l katmanı olarak ele alınacak. Açıklama yalnızca “model neden bu so nucu verdi?” sorusuna cevap vermeyecek\; aynı zamanda şu sinyalleri de stekleyecek: model bu veri rejimini tanıyor mu\, confidence gerçekten g üvenilir mi\, açıklama kararlı mı\, drift var mı\, insan bu çıktı yı override ediyor mu\, sistem ne zaman otomatik karardan vazgeçmeli?\n\ nKonuşmada özellikle şu production dersleri teknik olarak açılacak: y üksek confidence’ın operasyonel güven anlamına gelmediği\, offline başarı ile production stabilitesinin farklı şeyler olduğu\, explanati on stability’nin izlenmesi gerektiği\, human-in-the-loop tasarımının sadece onay ekranı olamayacağı ve fallback/abstention mekanizmaların ın model mimarisinin dışında değil\, production karar zincirinin içi nde tasarlanması gerektiği.\n\nİzlenmesi gereken sinyaller yalnızca ac curacy\, precision\, recall\, p95 latency ve cost/request olmayacak\; bunl arın yanına expected calibration error\, confidence drift\, uncertainty distribution\, explanation drift\, explanation stability\, human override rate\, abstention rate\, fallback activation rate\, regression rate ve aud it completeness gibi metriklerin de eklenmesi gerektiği gösterilecek.\n\ nKonuşmanın ana dersi şu olacak: Kritik sistemlerde güvenilir AI\, sad ece iyi tahmin yapan model değildir. Güvenilir AI\; ne zaman emin olmad ığını bilen\, kararını açıklayabilen\, riski kontrol eden\, gerekt iğinde insana devreden\, gerektiğinde duran ve her kararın izini bırak abilen bir aslında sistemdir.\n\nhttps://latentshift.ai/tr/schedule/kriti k-sistemlerde-ai-modeli-gelistirmek/ LOCATION:Bağlarbaşı Kongre ve Kültür Merkezi\, Boğaziçi Salonu\, Sel ami Ali Mah.\, Gazi Cad. No:22\, 34664 Üsküdar\, İstanbul GEO:41.024366;29.033571 URL:https://latentshift.ai/tr/schedule/kritik-sistemlerde-ai-modeli-gelisti rmek/ CATEGORIES:LatentShift,Kısa konuşma STATUS:CONFIRMED TRANSP:OPAQUE BEGIN:VALARM ACTION:DISPLAY TRIGGER:-PT10M DESCRIPTION:10 dakika sonra başlıyor · Kritik Sistemlerde AI Modeli Geli ştirmek ve Çalıştırmak: Açıklanabilir\, Denetlenebilir ve Güvenili r Modeller Nasıl Tasarlanır? END:VALARM END:VEVENT END:VCALENDAR