Begin your journey with Large Language Models (LLMs) by understanding what they are and what they can do, and peek under the hood to get an idea of how they work!

Introduction to large language models (LLMs)

Using a pipeline for summarization

Cleaning up replies

Using pre-trained LLMs

Generating text

Translating text

Understanding the transformer

Identify the transformer

Using the correct model structure

Getting Started with Large Language Models (LLMs)

Learn how to leverage pre-trained LLMs and datasets from Hugging Face to fine-tune a model.

İnce ayara hazırlık

Metinleri belirteçleme (tokenization)

Tokenizasyonu eşlemek

Eğitim yoluyla fine-tuning

Eğitim argümanlarını ayarlama

Trainer'ı ayarlama

İnce ayarlı modeli kullanma

İnce ayar yaklaşımları

Tek atış (one-shot) öğrenme ile transfer öğrenme

Transfer learning yaklaşımları

Fine-tuning LLMs

Dive into different metrics to assess model performance and wrap up by learning about the challenges of applying LLMs in the real world.

The evaluate library

Loading metrics with evaluate

Describing metrics

Using evaluate metrics

Metrics for language tasks: perplexity and BLEU

Evaluating perplexity

BLEU translations

Metrics for language tasks: ROUGE, METEOR, EM

Evaluating with ROUGE

Evaluating with METEOR

Evaluating with EM

Safeguarding LLMs

Checking toxicity

Evaluating regard

The finish line

Evaluating LLM performance

Course Glossary Introduction to LLMs in Python

Large Language Models (LLMs), günümüzün AI dünyasında en çarpıcı gelişmeleri ve uygulamaları harekete geçiren kritik araçlar haline geldi. Bu uygulamalı kurs, çeviri, metin üretimi, soru-cevap ve daha fazlası gibi karmaşık dil görevlerini çözmek için LLM'leri anlaman, kurman ve gücünden yararlanman için gereken pratik bilgi ve becerileri kazandıracak. Etkileşimli kodlama egzersizleriyle transformer'larla çalışmayı öğreneceksin. Ayrıca Hugging Face'teki önceden eğitilmiş dil modellerini ve veri kümelerini keşfedeceksin. Kursun sonunda, önceden eğitilmiş LLM'leri özel metrikler kullanarak ince ayar yapıp değerlendirebileceksin. Gerçek dünyadaki LLM uygulamalarını mümkün kılmanın temel zorluklarını ve etik boyutlarını da kavrayacaksın.

Videolarda, sol alttaki "Show transcript" seçeneğine tıklayarak açabileceğin canlı dökümler bulunur.
Kurs sözlüğünü sağdaki kaynaklar bölümünde bulabilirsin.
CPE kredisi almak için kursu tamamlaman ve nitelikli değerlendirmede yüzde 70 puana ulaşman gerekir. Sağdaki CPE kredileri duyurusuna tıklayarak değerlendirmeye gidebilirsin.

Working with Hugging Face

LLM'lerin ve devrim niteliğindeki transformer mimarisinin temellerini öğrenin!

Python ile LLM'lere Giriş

LLM'lerin temellerini ve onların dayandığı devrim niteliğindeki transformer mimarisini öğrenin!

Veri Bilimcileri için Yardımcı Yapay Zeka Mühendisi

Büyük Dil Modelleri Geliştirme

Hugging Face Temelleri

Kar Tanesi AI Temelleri

Metinleri belirteçleme (tokenization)

Python ile LLM'lere Giriş

Egzersiz talimatları

Uygulamalı interaktif egzersiz