Designing a RISC-V Processor from Scratch: A Step-by-Step Implementation with Verilog

Translating English LLM to Turkish with Language Adapters! | A New Approach with Token Embeddings

LLM Fine-Tuning ve Dağıtım Eğitimi | Hugging Face, Unsloth, Ollama Kullanımı

Tokenlar Gitti, Byte’lar Geldi: AU-Net ve BLT Ne Vaat Ediyor?

Comparison of Turkish LLM Benchmarks + My Transparent Evaluation Platform! (Turkish MMLU)

Ders 41: Arayüzü Geliştirip Parametre Kontrolü Eklemek

Ders 40: Top-P (Nucleus) Sampling Nedir?

Ders 39: Temperature, Top-P ve Top-K Kodlama

Ders 38: Temperature, Top-P ve Top-K Nedir?

Ders 37: Batch Processing ve MPS ile Hızlandırmak

Ders 36: Batch Processing ve Padding

Ders 35: CPU'dan GPU'ya Geçiş ve Batch Processing

Ders 34: Gradio ile Chatbot Arayüzü Geliştirmek-2

Ders 33: Gradio ile Chatbot Arayüzü Geliştirmek-1

Ders 32: LLM için Generate Fonksiyonu Yazmak

Ders 31: Notebook’u Birleştirip Yayına Hazırlamak

Ders 30: PyTorch ile Model Kaydetme ve Yükleme (torch.save & load_state_dict)

Ders 29: Dataset, Tokenizer ve Eğitim Döngüsü Kurmak

Ders 28: Loss, Optimizer ve Backpropagation’u Anlamak

Ders 27: Logits ve Loss Fonksiyonunu Anlamak

Ders 26: LM Head ile Kelime Tahmini Yapmak

Ders 25: MLP ve Residual Bağlantılarla Decoder Bloğu Kurma

Ders 24: Transformer’da Multi-Layer Perceptron (MLP) ve GeLU Aktivasyonu

Ders 23: Layer Normalization Mantığı ve PyTorch ile Uygulaması

Ders 22: PyTorch ile Multi-Head Attention Kodlama

Ders 21: Masking, Truncation ve Yapısal Hataları Önlemek

Ders 6: SentencePiece ile BPE Tokenizer Oluşturma ve Hugging Face’e Yükleme

Ders 20: Causal Self-Attention ve Dropout Uygulaması

Ders 19: Sıfırdan Self-Attention Katmanı Kodlama

Ders 18: Attention Skoru Hesaplamak: QKV ve Softmax

Ders 17: Kosinüs Benzerliğiyle Anlamsal Yakınlığı Hesaplamak

Ders 16: Manhattan Mesafesiyle Anlamsal Yakınlığı Hesaplamak

Ders 15: Basit Self-Attention ile Bağlamı Anlamak

Ders 14: Modelin Temelini Oluşturmak

Ders 13: Rotary Position Encoding (RoPE) Uygulaması

Ders 12: Sinusoidal Positional Encoding Uygulaması

Ders 11: Basit Positional Embedding Uygulaması

Lesson 10: The Link Between Dictionary and Embedding

Ders 9: Embedding Katmanları ve Anlam Temsili

Ders 8: PyTorch ile DataLoader Oluşturma

Ders 7: Context Length ve Veri Seti Hazırlama

Lesson 5: Coding a Subword Tokenizer from Scratch

Ders 4: Açık Kaynak Tokenizer’ları Kullanma

Ders 3: Sıfırdan Python ile Tokenizer Kodlama

Ders 2: LLM Geliştirme için Gerekli Kurulum ve Araçlar

Ders 1: LLM ile İlgili Temel Terminoloji, Önemli Makaleler ve Siteler

Ders 0: Sıfırdan LLM Geliştirme Tanıtım Videosu

Büyük Dil Modelleri Ne Kadar Ezberliyor? | 3.6 Bitlik Hafıza Kapasitesi Şaşırtıyor!

Dil Modelinin Anatomisi: 248 Parametrelik GPT ile Bilginin İzini Sürmek

Neden Büyük Dil Modeli Diyoruz?

Yapay Zekanın Nasıl Çalıştığını Gerçekten Biliyoruz (ve Anlatıyoruz)

Microsoft’un 2025 Raporu: Yapay Zeka ile Yeniden Tanımlanan Şirketler Frontier Firm Çağı

Motorola 6800 Assembly: Solving Lab Work Problems with Subroutines and Loops (Prelab)

Motorola 6800 Assembly Dersleri 💻 | Örnek Sorular ve Çözümleri 🎯

Yapay Zeka 301: Backpropagation: Yapay Sinir Ağlarının Öğrenme Gizemi

Yapay Zeka 201: Temelden Sinir Ağlarına – Derin Öğrenmeye İlk Adım

M6800 Assembly Subroutines ile Dizi İşleme ve Toplama

M6800 Assembly ile Dizi Dönüşümü ve Toplama İşlemleri: Adım Adım Çözüm

C Dilindeki Array Döngüsünü M6800 Assembly ile Yazma: Çift/Tek Kontrolü

M6800 Assembly ile Çift/Tek Sayı Kontrolü Branching