Sıfırdan LLM Geliştirme (Part 3: Ders 21 / Ders30)
Multi-head attention'dan eğitim döngüsüne — LLM geliştirmenin üçüncü bölümü, Ders 21–30.
Güvenli ödeme · PayTR · Ömür boyu erişim
Müfredat
Bölümler, ders süreleri ve ücretsiz önizlemeler
Sıfırdan LLM Geliştirme (Part 3: Ders 21 / Ders30)
- 1Ders 21: Masking, Truncation ve Yapısal Hataları Önlemek20 dkKayıt sonrası erişim
- 2Ders 22: PyTorch ile Multi-Head Attention Kodlama17 dkKayıt sonrası erişim
- 3Ders 23: Layer Normalization Mantığı ve PyTorch ile Uygulaması22 dkKayıt sonrası erişim
- 4Ders 24: Transformer’da Multi-Layer Perceptron (MLP) ve GeLU Aktivasyonu37 dkKayıt sonrası erişim
- 5Ders 25: MLP ve Residual Bağlantılarla Decoder Bloğu Kurma30 dkKayıt sonrası erişim
- 6Ders 26: LM Head ile Kelime Tahmini Yapmak24 dkKayıt sonrası erişim
- 7Ders 27: Logits ve Loss Fonksiyonunu Anlamak22 dkKayıt sonrası erişim
- 8Ders 28: Loss, Optimizer ve Backpropagation’u AnlamakKayıt sonrası erişim
- 9Ders 29: Dataset, Tokenizer ve Eğitim Döngüsü Kurmak37 dkKayıt sonrası erişim
- 10Ders 30: PyTorch ile Model Kaydetme ve Yükleme (torch.save & load_state_dict)8 dkKayıt sonrası erişim
🔍 Bu kursta neler bulacaksınız?
✅ Tokenleştirme, embedding, attention gibi temel kavramlar
✅ Kodların satır satır açıklaması
✅ Google Colab ortamında çalışılabilir Jupyter Notebook
✅ Üç boyutlu görselleştirmeler ve animasyonlu anlatım
✅ Küçük bir GPT modeli eğitimi ve arayüzü
✅ Quiz'ler, ödevler ve etkileşimli öğrenme
✅ Açık kaynak dosyalar ve topluluk desteği
🧠 Bu kurs kimler için?
• Yapay zeka alanında kendini geliştirmek isteyen öğrenciler
• Mühendisler, istatistikçiler, araştırmacılar
• LLM'leri hem teoride hem pratikte anlamak isteyen herkes
Bu kursla ilgileniyor musunuz?
Kayıt olmak ve kursa başlamak için aşağıdaki butona tıklayın.
Güvenli ödeme · PayTR · Ömür boyu erişim