Sıfırdan LLM Geliştirme (Part2: Ders 11/ Ders 20)
Positional encoding'den self-attention'a — LLM geliştirmenin ikinci bölümü, Ders 11–20.
Güvenli ödeme · PayTR · Ömür boyu erişim
Müfredat
Bölümler, ders süreleri ve ücretsiz önizlemeler
Sıfırdan LLM Geliştirme (Part1: Ders 11 / Ders 20)
- 1Ders 11: Basit Positional Embedding Uygulaması27 dkKayıt sonrası erişim
- 2Ders 12: Sinusoidal Positional Encoding Uygulaması24 dkKayıt sonrası erişim
- 3Ders 13: Rotary Position Encoding (RoPE) Uygulaması26 dkKayıt sonrası erişim
- 4Ders 14: Modelin Temelini Oluşturmak14 dkKayıt sonrası erişim
- 5Ders 15: Basit Self-Attention ile Bağlamı Anlamak25 dkKayıt sonrası erişim
- 6Ders 16: Manhattan Mesafesiyle Anlamsal Yakınlığı Hesaplamak16 dkKayıt sonrası erişim
- 7Ders 17: Kosinüs Benzerliğiyle Anlamsal Yakınlığı Hesaplamak30 dkKayıt sonrası erişim
- 8Ders 18: Attention Skoru Hesaplamak: QKV ve Softmax21 dkKayıt sonrası erişim
- 9Ders 19: Sıfırdan Self-Attention Katmanı Kodlama33 dkKayıt sonrası erişim
- 10Ders 20: Causal Self-Attention ve Dropout Uygulaması23 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