<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Çiğdem Kişlali on Medium]]></title>
        <description><![CDATA[Stories by Çiğdem Kişlali on Medium]]></description>
        <link>https://medium.com/@kislalicigdem34?source=rss-d5969bcdc03d------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*SgU8kRvaUteeoHFUXZZ6-Q.jpeg</url>
            <title>Stories by Çiğdem Kişlali on Medium</title>
            <link>https://medium.com/@kislalicigdem34?source=rss-d5969bcdc03d------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 06:18:28 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@kislalicigdem34/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[LLM(Large Language Models) Nedir?Büyük Dil Modelleri]]></title>
            <link>https://medium.com/@kislalicigdem34/llm-large-language-models-nedir-b%C3%BCy%C3%BCk-dil-modelleri-781f82adc06a?source=rss-d5969bcdc03d------2</link>
            <guid isPermaLink="false">https://medium.com/p/781f82adc06a</guid>
            <category><![CDATA[llm]]></category>
            <category><![CDATA[openai]]></category>
            <dc:creator><![CDATA[Çiğdem Kişlali]]></dc:creator>
            <pubDate>Mon, 02 Dec 2024 15:22:48 GMT</pubDate>
            <atom:updated>2024-12-02T15:22:48.621Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*gmtRfQ8cYluEwQZlnCcAPQ.jpeg" /></figure><p>Özellikle son günlerde birçok örneğini gördüğümüz yapay zeka uygulamaları metinleri özetliyor, anlatılanlardan yola çıkarak metni genişletiyor ve hatta metinleri daha resmi, daha kibar veya daha arkadaşça ifadelerin yer aldığı bir formata çeviriyor. Makalelerden yapılan çıkarımların, başarılı çevirilerin ve uzun uzun yazılmış ifadelerin arkasında çok güçlü bir yapı var; Large Language Models(LLM) — Büyük Dil Modelleri.</p><p><em>Large Language Models</em> veya Türkçe ifade edecek olursak <em>Büyük Dil Modelleri</em> isminden de anlaşıldığı üzere büyük veri kümelerinden elde edilen bilgilere dayalı olarak metni ve diğer içerik biçimlerini tanıyabilen, özetleyebilen, tercüme edebilen, çıkarım yapabilen ve yeni içerikler oluşturabilen bir derin öğrenme algoritmasıdır.</p><p>Large Language Models, Transformer modellerinin en başarılı uygulamaları arasındadır.</p><p>Transformer modelleri yapay zekaya yalnızca insan dillerini öğreten değil, sıralı verilerdeki ilişkileri izleyerek bağlamı ve dolayısıyla anlamı öğrenen bir sinir ağıdır. Transformerlar, araştırmacıların DNA’daki gen zincirlerini ve proteinlerdeki amino asitleri ilaç tasarımını hızlandırabilecek şekilde anlamalarına yardımcı olurken; dolandırıcılığı önlemek, üretimi kolaylaştırmak, çevrimiçi önerilerde bulunmak veya sağlık hizmetlerini iyileştirmek için eğilimleri ve anomalileri tespit edebilir.</p><h4><strong>Large Language Models Ne için Kullanılır?</strong></h4><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*JNeGxvCtowe-iSYCVLX-jw.jpeg" /></figure><p>Dil kavramı, insan iletişiminden çok daha fazlasıdır.</p><p>Kodlar bilgisayarın diliyken, gen dizileri biyolojinin dilidir. Farklı türde iletişimin gerekli olduğu bu tür dillere veya senaryolara büyük dil modelleri uygulanabilir.</p><p>Bu modeller, yapay zekanın endüstriler ve işletmeler genelinde erişimini genişletiyor. Böylelikle büyük dil modellerinin zorlu sorunlar için çözümler üretmeye yardımcı olabileceği fikrinin yeni bir araştırma dalgası oluşturması bekleniyor.</p><p>Örneğin, büyük dil modellerini kullanan bir yapay zeka sistemi, molekül ve protein yapılarından oluşan bir veri tabanından öğrendikleri ile bilim insanlarının aşı veya tedavi geliştirmesine yardımcı olabilir.</p><h4><strong>Large Language Models Nasıl Çalışır?</strong></h4><p>Large Language Models teriminin resmi bir tanımı olmasa da, genellikle milyarlarca veya daha fazla parametre sayısına sahip derin öğrenme modellerini ifade eder.</p><p>LLM’ler, büyük hacimli verilerden öğrenir. Adından da anlaşılacağı gibi, bir LLM’nin merkezi, üzerinde eğitildiği veri kümesinin boyutudur. Ancak yapay zeka ile birlikte “büyük” tanımı da giderek büyüyor.</p><p>LLM’ler tipik olarak, internette yazılan hemen hemen her şeyi içerecek kadar büyük veri kümeleri üzerinde eğitilmektedir.</p><p>Bu kadar büyük miktarda metin, unsupervised learning(denetimsiz öğrenme) kullanılarak beslenir. Denetimsiz öğrenmede bir derin öğrenme modeline, onunla ne yapılacağına dair açık talimatlar olmadan bir veri kümesi verilir. Sinir ağı daha sonra yararlı özellikleri çıkararak ve yapısını analiz ederek verilerde otomatik olarak yapı bulmaya çalışır. Bu yöntemle, büyük bir dil modeli sözcükleri ve bunların arkasındaki kavramları ve aralarındaki ilişkileri öğrenir. Örneğin, “yüz” kelimesinin iki anlamını bağlamına göre ayırt etmeyi öğrenebilir.</p><p>Böylelikle tıpkı bir dilde uzman olan bir kişinin bir cümle veya paragrafta sonra ne gelebileceğini tahmin edebilmesi veya hatta yeni kelimeler veya kavramlar bulabilmesi gibi, LLM’de de bilgisini içeriği tahmin etmek ve yeni metin oluşturmak için kullanabilir.</p><p>LLM’ler, belirli bir uygulama için eğitmek amacıyla modele odaklanılacak küçük veri parçalarını besleme süreci(process of feeding) olan ince ayar(fine-tuning) veya hızlı ayar(prompt-tuning) gibi teknikler de dahil olmak üzere belirli kullanım durumları için özelleştirilebilir.</p><p>Paralel işlemedeki hesaplama verimliliği sayesinde, transformer modeli mimarisi en büyük ve en güçlü LLM’lerin arkasındaki yapı taşıdır.</p><h4><strong>Large Language Models Örnekleri:</strong></h4><p>Haziran 2020’de OpenAI , kısa yazılı istemlerle metin ve kod oluşturabilen 175 milyar parametreli bir modelle desteklenen GPT-3&#39;ü bir hizmet olarak yayınladı.</p><p>Geçtiğimiz yıl HuggingFace, 46 dilde ve birçok programlama dilinde metin üretebilen açık büyük bir dil modeli olan BLOOM’u tanıttı.</p><p>Başka bir LLM örneği olan Codex yazılım mühendisleri ve diğer geliştiriciler için metni koda dönüştüren bir uygulamadır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*8DRNxhVPgDBuQsZCAmPrEQ.png" /></figure><h4>Large Language Models Popüler Örnekleri:</h4><p>Farklı sektör dikeylerinde yaygın olarak kullanılan LLM’lerin birkaç önemli örneğini aşağıdaki görselde bulabilirsiniz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*FnKCTm0fFC8hYqXaoT6suQ.jpeg" /></figure><h4><strong>Large Language Models Kullanmanın Zorlukları:</strong></h4><p>LLLM’leri ölçeklendirmek zor ve pahalı olabilir.</p><p>LLM’ler önemli miktarda eğitim verisi gerektirdiğinden, geliştiriciler ve kuruluşlar yeterli miktarda büyük veri kümelerine erişmeyi zor bulabilir.</p><p>LLM’lerin ölçeği nedeniyle, bunları dağıtmak, iyi bir derin öğrenme yeteneği, transformer modelleri ve dağıtılmış yazılım ve donanım dahil olmak üzere teknik uzmanlık gerektirir.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=781f82adc06a" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>