1 Fine-tuning vs RAG: hangi durumda hangisi? Karar çerçevesi
2 Supervised fine-tuning (SFT) yaşam döngüsü
3 Instruction format, chat template ve ShareGPT formatı
4 PEFT (Parameter-Efficient Fine-Tuning) teorisi ve avantajları
5 LoRA (Low-Rank Adaptation): rank, alpha, target modules hiperparametreleri
6 QLoRA: 4-bit quantization ile LoRA — bellek tasarrufu
7 Unsloth ile Google Colab T4 üzerinde hızlı QLoRA fine-tuning
8 Training metrikleri: loss, perplexity, overfit kontrolü (TensorBoard, W&B)
9 Axolotl ile YAML config-driven fine-tuning iş akışı
10 LoRA adapter'ın değerlendirilmesi (perplexity, görev-spesifik metrikler)
11 Adapter merge, GGUF'a dönüştürme ve Ollama ile lokal çalıştırma
12 Hugging Face Hub'a model publish: model card yazımı, lisans, README
Kütüphaneler:
unslothaxolotltransformerstrlpeftacceleratebitsandbyteswandbtensorboard BTK Akademi Atölyesi
Bu atölyeye katılmak istiyorum
Bireysel kayıt için BTK Akademi başvuru süreçleri, kurumsal eğitim için Dr. Murat Altun ile doğrudan iletişim.