Post by Sena Yüksel

[TR] 📢 ENG 401 dersi kapsamında geliştirdiğimiz projeyi paylaşmak isterim. Bu projede, Manufacturing Execution Systems (MES) verileriyle çalışan ve kullanıcıların doğal dil kullanarak rapor oluşturmasını sağlayan LLM tabanlı bir sistem geliştirdik. Amaç, teknik bilgisi olmayan kullanıcıların bile üretim, kalite veya sevkiyat gibi verilere kolayca erişebilmesi ve anlamlı çıktılar alabilmesiydi. Bu doğrultuda, kullanıcıdan gelen sorguları analiz eden, uygun veri kaynaklarına yönlendiren ve sonuçları anlaşılır metinsel raporların yanı sıra grafiklerle desteklenmiş çıktılar hâline getiren bir yapı tasarladık. Projenin teknik tarafında, frontend kısmında React, backend tarafında ise .NET Core ve SQL Server kullandık. Yapay zekâ tarafında ise LangChain kullanarak LLM ile veri yorumlama ve rapor üretim süreçlerini yönettik. Proje boyunca hem frontend hem backend geliştirme süreçlerinde aktif rol alarak, farklı teknolojilerin bir arada nasıl çalıştığını deneyimleme fırsatı buldum. Aynı zamanda LLM’lerin gerçek dünya problemlerine nasıl uygulanabileceğini görmek oldukça öğreticiydi. Bu projeyi birlikte geliştirdiğim arkadaşım Berke Özcan’a teşekkür ederim. Ayrıca süreç boyunca desteklerini esirgemeyen danışman hocalarımız Prof. Dr. adnan kaya ve Prof. Dr. Dogan Aydin’a teşekkür ederim. [EN] 📢 I would like to share the project we developed as part of our ENG 401 course. In this project, we developed an LLM-based system that works with Manufacturing Execution Systems (MES) data and enables users to generate reports using natural language. The main goal was to allow even non-technical users to easily access production, quality, and shipment data and obtain meaningful insights. To achieve this, we designed a system that analyzes user queries, routes them to appropriate data sources, and generates outputs in the form of both textual reports and graph-supported visualizations. On the technical side, we used React for the frontend, and .NET Core with SQL Server for the backend. For the AI component, we utilized LangChain to manage LLM-based data interpretation and report generation processes. Throughout the project, I actively contributed to both frontend and backend development, gaining valuable experience in integrating different technologies. It was also a great opportunity to see how LLMs can be applied to real-world problems. I would like to thank my teammate Berke Özcan for the collaboration. I would also like to express my sincere thanks to our advisors, Prof. Dr. Adnan Kaya and Prof. Dr. Dogan Aydin, for their guidance and support. #ArtificialIntelligence #LLM #LangChain #MES #ENG401 #SQL #React