Bu Modülde Neler Öğreneceksin?
Transformer mimarisi, tokenizasyon, attention mekanizması ve dil modellerinin temel çalışma mantığı.
Konu Listesi
- Token nedir, nasıl hesaplanır
- Context window nedir, limitleri
- Prompt vs Completion token farkı
- Temperature parametresi
- Top-p (nucleus sampling)
- Top-k sampling
- Frequency penalty
- Presence penalty
- Max tokens ayarı
- Stop sequences
- System prompt nedir
- Few-shot prompting
- Zero-shot prompting
- One-shot prompting
- Chain-of-thought (CoT) prompting
- Role prompting
- Instruction tuning nedir
- RLHF (Reinforcement Learning from Human Feedback)
- Base model vs Fine-tuned model farkı
- Tokenizer nasıl çalışır (BPE, WordPiece)
- Token maliyeti nasıl düşürülür, Claude Code ile düşürmek
Başlamadan Önce
Bu modülün içeriğini tamamladıktan sonra ilgili araçları ve teknikleri kendi projelerinde uygulayabileceksin. Her konu için pratik örnekler ve kod snippetları yakında eklenecek.
İçerik hazırlanıyor mu? Bu sayfayı WordPress admin panelinden (AI Kurslar → Bu Kurs → Düzenle) istediğin gibi zenginleştirebilirsin.