BÜYÜK DİL MODELLERİNİN TÜM SERÜVENİ TEK SERİDE Bir modelin 'İstanbul' dedikten sonra 'Boğaz' diyebilmesi tesadüf değil; arkasında olasılık dağılımları, vektör uzayları ve dikkat mekanizmaları var. Peki bu tahminin ötesine geçip kendi modelinizi eğitmek, verisini hazırlamak ve onu gerçek kullanıcılara sunmak istediğinizde nelerle karşılaşırsınız?

Bu seri, işte bu sorunun cevabını dört ciltte veriyor. Her kitap, bir öncekinin üzerine inşa ediliyor; böylece elinizde yalnızca bir kaynak değil, LLM geliştirmenin tüm aşamalarını kuşatan bir sistem haritası oluşuyor.

📌 İlk kitap, kara kutuyu açıyor: Metinden Transformer'a uzanan temel kavramlar, dikkat mekanizmasının matematiği, BERT, GPT ve T5 gibi mimarilerin iç işleyişi. Sezgisel açıklamalar ve PyTorch uygulamalarıyla konular somutlaşıyor.

📌 İkinci kitap, görünmeyen katmanı ele alıyor: Veri mühendisliği. Web ölçeğinde veri toplama, temizleme, tokenizasyon, sentetik veri riskleri ve kontaminasyonla mücadele...

Veri kalitesinin neden mimariden daha kritik olduğunu gösteriyor. 📌 Üçüncü kitap, eğitimin stratejik haritasını çıkarıyor: Ön eğitim hedefleri, optimizasyon teknikleri, ölçeklendirme yasaları, dağıtık eğitim stratejileri.

Haftalarca süren eğitimlerin boşa gitmemesi için gereken tüm mühendislik kararları. 📌 Dördüncü kitap, üretim altyapısına odaklanıyor: Çıkarım optimizasyonu, KV önbellek yönetimi, kuantizasyon, dinamik batching, RAG mimarileri ve ajan sistemleri.

Modeli bir ürüne dönüştürmenin incelikleri. Bu seri, yalnızca bilgiyi sıralamıyor; her aşamada karşınıza çıkacak darboğazları, ödünleşimleri ve kritik kararları tartışıyor.

Bir veri...