13:19
Ders 0: Sıfırdan LLM Geliştirme Tanıtım Videosu
26:46
Ders 1: LLM ile İlgili Temel Terminoloji, Önemli Makaleler ve Siteler
16:43
Ders 2: LLM Geliştirme için Gerekli Kurulum ve Araçlar
26:36
Ders 3: Sıfırdan Python ile Tokenizer Kodlama
19:31
Ders 4: Açık Kaynak Tokenizer’ları Kullanma
25:36
Lesson 5: Coding a Subword Tokenizer from Scratch
15:54
Ders 6: SentencePiece ile BPE Tokenizer Oluşturma ve Hugging Face’e Yükleme
24:04
Ders 7: Context Length ve Veri Seti Hazırlama
30:15
Ders 8: PyTorch ile DataLoader Oluşturma
25:32
Ders 9: Embedding Katmanları ve Anlam Temsili
33:46
Lesson 10: The Link Between Dictionary and Embedding
27:47
Ders 11: Basit Positional Embedding Uygulaması
24:03
Ders 12: Sinusoidal Positional Encoding Uygulaması
26:40
Ders 13: Rotary Position Encoding (RoPE) Uygulaması
14:10
Ders 14: Modelin Temelini Oluşturmak
25:50
Ders 15: Basit Self-Attention ile Bağlamı Anlamak
16:06
Ders 16: Manhattan Mesafesiyle Anlamsal Yakınlığı Hesaplamak
30:35
Ders 17: Kosinüs Benzerliğiyle Anlamsal Yakınlığı Hesaplamak
21:31
Ders 18: Attention Skoru Hesaplamak: QKV ve Softmax
33:04
Ders 19: Sıfırdan Self-Attention Katmanı Kodlama
23:28
Ders 20: Causal Self-Attention ve Dropout Uygulaması
20:58
Ders 21: Masking, Truncation ve Yapısal Hataları Önlemek
17:38
Ders 22: PyTorch ile Multi-Head Attention Kodlama
22:30
Ders 23: Layer Normalization Mantığı ve PyTorch ile Uygulaması
37:35
Ders 24: Transformer’da Multi-Layer Perceptron (MLP) ve GeLU Aktivasyonu
30:36
Ders 25: MLP ve Residual Bağlantılarla Decoder Bloğu Kurma
24:55
Ders 26: LM Head ile Kelime Tahmini Yapmak
22:33
Ders 27: Logits ve Loss Fonksiyonunu Anlamak
32:04
Ders 28: Loss, Optimizer ve Backpropagation’u Anlamak
37:45
Ders 29: Dataset, Tokenizer ve Eğitim Döngüsü Kurmak
8:08
Ders 30: PyTorch ile Model Kaydetme ve Yükleme (torch.save & load_state_dict)
23:47
Ders 31: Notebook’u Birleştirip Yayına Hazırlamak
23:07
Ders 32: LLM için Generate Fonksiyonu Yazmak
23:19
Ders 33: Gradio ile Chatbot Arayüzü Geliştirmek-1
34:39
Ders 34: Gradio ile Chatbot Arayüzü Geliştirmek-2
20:40
Ders 35: CPU'dan GPU'ya Geçiş ve Batch Processing
27:46
Ders 36: Batch Processing ve Padding
11:19
Ders 37: Batch Processing ve MPS ile Hızlandırmak
29:01
Ders 38: Temperature, Top-P ve Top-K Nedir?
21:48
Ders 39: Temperature, Top-P ve Top-K Kodlama
19:21
Ders 40: Top-P (Nucleus) Sampling Nedir?
15:33
Ders 41: Arayüzü Geliştirip Parametre Kontrolü Eklemek
1:20:03
LLM Fine-Tuning ve Dağıtım Eğitimi | Hugging Face, Unsloth, Ollama Kullanımı