or
Bu egzersiz, kursun bir parçasıdır
Yapay zekâ dünyası hızla evriliyor ve Large Language Models (LLMs) bu evrimin ön saflarında yer alıyor. Bu bölüm, LLM’lerin insan benzeri yapay zekâ geliştirmedeki ilerlemeleri nasıl hızlandırdığını ve çok sayıdaki uygulamalarıyla sektörleri nasıl dönüştürdüğünü inceler. Dil modellemenin beraberinde getirdiği zorlukları ve karmaşıklığı keşfedeceksin.
Bu bölüm, LLM’lerin yeniliğini ve ortaya çıkan yeteneklerini vurgularken veri hazırlama için çeşitli NLP tekniklerini özetler. LLM eğitiminin zorluklarını ve ince ayarın (fine-tuning) bunları nasıl etkili biçimde ele alabildiğini öğreneceksin. Ayrıca, sınırlı etiketli verilerle karşılaşıldığında önceden eğitilmiş modellere verimli uyum sağlayan N-shot öğrenme tekniklerini anlayacaksın.
Geçerli egzersiz
Bu bölümde, bir LLM’i eğitmenin temel yapı taşlarını, örneğin ön eğitim (pre-training) tekniklerini öğreneceksin. Ayrıca dikkat mekanizması dâhil olmak üzere transformer mimarisi gibi karmaşık kavramları sezgisel olarak kavrayacaksın. Bölüm, ileri düzey bir ince ayar tekniğini ele alır ve bir LLM’i tamamlamak için eğitim sürecini özetler.
Bu bölümde, büyük veri mevcudiyeti, veri kalitesi, doğru etiketleme ve önyargılı verinin sonuçları gibi LLM eğitirken dikkate alınması gereken temel noktaları ele alıyoruz. Ayrıca veri gizliliği, etik konular ve çevresel etki gibi çeşitli LLM risklerini inceleyeceksin. Son olarak, bölüm yeni araştırma alanlarını ve LLM’lerin gelişen manzarasını tartışarak sona erer.