Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
Giriş Large Language Models (LLMs)
- LLM'lere Genel Bakış
- Tanım ve önemi
- Günümüzdeki yapay zekadaki uygulamaları
Transformer Mimarisi
- Transformer nedir ve nasıl çalışır?
- Ana bileşenler ve özellikler
- Gömme ve konum kodlama
- Çok başlı dikkat
- İleri beslemeli sinir ağı
- Normalleştirme ve artık bağlantılar
Transformer Modelleri
- Öz-dikkat mekanizması
- Kodlayıcı-çözücü mimarisi
- Konum gömmeleri
- BERT (Bidirectional Encoder Representations from Transformers)
- GPT (Generative Pretrained Transformer)
Performans Optimizasyonu ve Tuzaklar
- Bağlam uzunluğu
- Mamba ve durum uzayı modelleri
- Flash attention
- Seyrek transformer'lar
- Görsel transformer'lar
- Nicemlemenin önemi
Transformer'ları İyileştirme
- Alma destekli metin üretimi
- Modellerin karışımı
- Düşünce ağacı
Fine-Tuning
- Düşük sıralı uyarlama teorisi
- Fine-Tuning with QLora
LLM'lerde Ölçekleme Yasaları ve Optimizasyon
- LLM'ler için ölçekleme yasalarının önemi
- Veri ve model boyutu ölçekleme
- Hesaplama ölçekleme
- Parametre verimliliği ölçekleme
Optimizasyon
- Model boyutu, veri boyutu, hesaplama bütçesi ve çıkarım gereksinimleri arasındaki ilişki
- LLM'lerin performansını ve verimliliğini optimize etme
- LLM'leri eğitmek ve ince ayar yapmak için en iyi uygulamalar ve araçlar
Eğitim ve Fine-Tuning LLM'ler
- LLM'leri sıfırdan eğitmenin adımları ve zorlukları
- Veri edinimi ve bakımı
- Büyük ölçekli veri, CPU ve bellek gereksinimleri
- Optimizasyon zorlukları
- Açık kaynaklı LLM'lerin manzarası
Temelleri Reinforcement Learning (RL)
- Reinforcement Learning'ye Giriş
- Pozitif pekiştirme yoluyla öğrenme
- Tanım ve temel kavramlar
- Markov Karar Süreci (MDP)
- Dinamik programlama
- Monte Carlo yöntemleri
- Zaman Farkı Öğrenimi
Derin Reinforcement Learning
- Derin Q-Ağları (DQN)
- Yakın Politika Optimizasyonu (PPO)
- Elements of Reinforcement Learning
LLM'lerin ve Reinforcement Learning'nin Entegrasyonu
- LLM'leri Reinforcement Learning ile birleştirme
- RL'nin LLM'lerde nasıl kullanıldığı
- Reinforcement Learning with Human Feedback (RLHF)
- RLHF'ye Alternatifler
Vaka Çalışmaları ve Uygulamalar
- Gerçek dünya uygulamaları
- Başarı hikayeleri ve zorluklar
İleri Konular
- İleri teknikler
- İleri optimizasyon yöntemleri
- Son araştırmalar ve gelişmeler
Özet ve Sonraki Adımlar
Kurs İçin Gerekli Önbilgiler
- Temel Machine Learning bilgisi
Hedef Kitle
- Veri bilimcileri
- Yazılım mühendisleri
21 Saat
