# RAG ve Uygulama (RAG & Implementation)

## 🎯 TL;DR
RAG (Retrieval-Augmented Generation), dil modellerinin daha doğru ve bağlama uygun yanıtlar üretmesi için harici bilgi erişimini kullanan bir yapay zeka tekniğidir. Bir veritabanından ilgili bilgiyi alır ve bu bilgiyi kullanarak bir yanıt oluşturur. Bu sayede modellerin "halüsinasyon" yapması engellenir ve daha güvenilir çıktılar elde edilir.

## 📚 Anahtar Kavramlar
- **Retrieval-Augmented Generation (RAG)** → Erişim Artırılmış Üretim (RAG) (Dil modellerinin harici bir bilgi kaynağından veri alarak yanıt üretmesini sağlayan bir mimari.)
- **Retriever** → Erişici (Bir veritabanından ilgili bilgiyi arayıp bulan bileşen.)
- **Generator** → Üretici (Erişilen bilgiyi kullanarak nihai yanıtı oluşturan dil modeli.)
- **Embeddings** → Gömme/Vektör Temsil (Metin gibi verilerin sayısal vektörlere dönüştürülmesi, böylece benzerlikleri hesaplanabilir.)
- **Vector Search** → Vektör Arama (Vektör veritabanlarında benzer vektörleri bulmak için kullanılan arama yöntemi.)
- **Vector Database** → Vektör Veritabanı (Vektör temsillerini depolayan ve hızlı benzerlik aramaları sağlayan özel bir veritabanı türü.)
- **Generative Language Model** → Üretken Dil Modeli (Metin üretebilen yapay zeka modeli, örn. GPT.)

## 🔍 Detay (Orijinal İngilizce)
Retrieval-Augmented Generation (RAG) combines information retrieval with language generation to produce more accurate, context-aware responses. It uses two components: a retriever, which searches a database to find relevant information, and a generator, which crafts a response based on the retrieved data. Implementing RAG involves using a retrieval model (e.g., embeddings and vector search) alongside a generative language model (like GPT). The process starts by converting a query into embeddings, retrieving relevant documents from a vector database, and feeding them to the language model, which then generates a coherent, informed response. This approach grounds outputs in real-world data, resulting in more reliable and detailed answers.

## 🔗 Daha Detay İstersen
roadmap.sh ekibinin seçtiği kaynaklar:
- 📖 [RAG Nedir?](https://aws.amazon.com/what-is/retrieval-augmented-generation/) — RAG'nin temel prensiplerini açıklayan bir makale.
- 📖 [RAG Açıklandı: Gömme, Benzerlik ve Erişimi Anlamak](https://towardsdatascience.com/rag-explained-understanding-embeddings-similarity-and-retrieval/?utm_source=roadmap&utm_medium=Referral&utm_campaign=TDS+roadmap+integration) — Gömme, benzerlik ve erişim kavramlarını RAG bağlamında detaylandıran bir makale.
- 🎥 [Retrieval-Augmented Generation Nedir? IBM](https://www.youtube.com/watch?v=T-D1OfcDW1M) — IBM tarafından RAG'yi açıklayan bir video.