Kaynak ilerlemesi
12 hafta ortalaması12%
Salt okunur; canonical vault'tan gelir.
UNSLOTH STUDIO · LORA · QLORA
Fine-tuning öğren.
Kanıtını ayır.
50 kaynak dosyadan arındırılmış, 12 haftalık ve iki dilli öğrenme yolu. Simülasyon, gözlem ve doğrulanmış sonuçlar aynı şeymiş gibi gösterilmez.
50/50kaynak kapsaması
12haftalık yol
20karma soru
2tam dil
Benim ilerlemem
Tamamlanan kayıtlar0%
Hesap yok. Bu cihazda saklanır.
ÖĞRENME YOLU
Kavram haritası
Her kavram, bir sonrakini anlamak için gereken zemini kurar. Tıkla ve o derse git.
ASERDARGUN.COM
Öğrenme sisteminde sonraki adım
USL, model uyarlamanın temelini kurar. Bu bağlantılar öğrenme geçişleridir; model, veri veya ilerleme aktarmaz.
AIA
AI haritası
Temel kavramları ve öğrenme yolunu seç.
↗ADPUyarlama laboratuvarı
Full FT, LoRA ve QLoRA seçeneklerini sentetik deneylerle karşılaştır.
↗LLMModel çalıştırma
Token üretimi ve çıkarım davranışını keşfet.
↗EVLDeğerlendirme
Bağımsız ölçüm, kalite ve kabul kararlarını incele.
↗LCLYerel dağıtım
Modeli yerelde çalıştırma seçeneklerini ve donanım kısıtlarını incele.
↗ŞİMDİKİ ODAK
Kurulum ve Doğrulama
02
CachyOS üzerinde GPU'yu gerçekten kullanan, kayıtlı ve yeniden üretilebilir bir Studio ortamı doğrula.
- NVIDIA/CUDA ortam tablosu
- 4-bit yolu
- GPU inference kanıtı
- Türkçe token ölçümü
Kaynak durumu45%
TEMEL DERSLER
Kavramdan karar kuralına
01Doğrulandı
Base, Instruct ve Reasoning
Model etiketi veri miktarına göre değil, başlangıç davranışı ve hedeflenen yetenek farkına göre seçilir.
↗02DoğrulandıToken, Context ve Attention
Token bütçesi, sabit ağırlıklar ve geçici attention durumunu aynı zihinsel modelde birleştir.
↗03DoğrulandıLoRA ve QLoRA
Donmuş tabana düşük-rank düzeltme ekle; bellek uygunluğunu hedef donanımda ölç.
↗04DoğrulandıRank, Alpha ve Target Modules
Kapasite, ölçek ve etki alanını birbirinden ayır; tek değişkenli deney yap.
↗05DoğrulandıEpoch, Step ve Gradient Accumulation
Micro-step ile gerçek ağırlık güncellemesini ayır; OOM müdahalesini hesapla.
↗06DoğrulandıLoss, Overfitting ve Forgetting
Loss'u iş kalitesi sanma; domain, format, güvenlik ve retention metriklerini birlikte kullan.
↗07DoğrulandıChat Template Uyumsuzluğu
Aynı anlamsal dataset, her modele aynı render edilmiş token dizisini vermek değildir.
↗08PlanlandıDataset ve Değerlendirme Disiplini
Bağımsız test, sabit şema ve güvenlik örnekleri olmadan kalite iddiası üretme.
↗