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!

Büyük dil modellerine (LLM'ler) giriş

Özetleme için bir pipeline kullanma

Yanıtları temizleme

Önceden eğitilmiş LLM'leri kullanma

Metin üretme

Metin çevirme

Transformer'ı Anlamak

Transformer'ı belirle

Doğru model yapısını kullanma

Getting Started with Large Language Models (LLMs)

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

Preparing for fine-tuning

Tokenizing text

Mapping tokenization

Fine-tuning through training

Setting up training arguments

Setting up the trainer

Using the fine-tuned model

Fine-tuning approaches

Transfer learning with one-shot learning

Transfer learning approaches

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.

<h2>Büyük Dil Modellerinin Arkasındaki Hype'ı Ortaya Çıkarın</h2>
<br><br>
Büyük Dil Modelleri (LLM'ler), günümüzün yapay zeka alanındaki en çarpıcı gelişmeleri ve uygulamaları yönlendiren kilit araçlar haline geldi. Bu uygulamalı kurs, çeviri, dil üretimi ve daha fazlası gibi karmaşık dil görevlerini çözmek için LLM'lerin gücünü anlamak, inşa etmek ve kullanmak için gereken pratik bilgi ve becerilerle sizleri donatacaktır.
<br><br>
<h2>LLM Mimarisi Keşfedin ve Önceden Eğitilmiş Modellerden Yararlanın</h2>
<br><br>
Etkileşimli kodlama egzersizleri ile farklı transformer mimarilerini ve bunları nasıl tanıyacağınızı keşfedeceksiniz. Hugging Face'ten önceden eğitilmiş dil modellerini ve veri setlerini kullanarak, modelinizi LLM'lere uygun gelişmiş metriklerle ince ayar yapmak ve değerlendirmek için nasıl yararlanabileceğinizi keşfedeceksiniz. Son olarak, LLM'lerle ilgili etik ve önyargı endişeleri hakkında daha fazla bilgi edinecek ve bunları tespit etmenin yollarını öğreneceksiniz. Bu kursun sonunda, LLM'leri oluşturabilecek, ince ayar yapabilecek ve özel metrikler kullanarak değerlendirebilecek, ayrıca gerçek dünya LLM uygulamalarını mümkün kılmanın temel zorluklarını ve etik hususlarını anlayabileceksiniz.

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

Özetleme için bir pipeline kullanma

Python ile LLM'lere Giriş

Egzersiz talimatları

Uygulamalı etkileşimli egzersiz