AI Eğitimleri

Bir yapay sinir ağı (YSA) için gizli katman ve nöron sayısının en uygun bir değeri vardır. Bu eğitim, YSA’larda katmanlar ve nöronlar için en uygun sayıları belirlemek üzere basit bir yaklaşımı ele alır.

LiteLLM'in ne olduğunu ve birden fazla LLM sağlayıcısına birleşik API çağrıları için nasıl kullanılacağını öğrenin: temel API kullanımı, hata yönetimi, yedekler, akış, yapılandırılmış çıktılar ve maliyet takibi.

Ortamı kurarak, belgeleri işleyerek, gömlemeler oluşturarak ve bir alıcı entegre ederek Ollama ve Langchain ile Llama 3.1 8B kullanarak bir RAG uygulaması oluşturmayı öğrenin.

Ön uç için Streamlit, altyazı üretimi için Llama 3.2 90B ve API olarak Groq kullanarak bir görsel altyazı uygulamasının nasıl oluşturulacağını öğrenin.

Torchchat framework’ünü kullanarak Android cihazınızda Llama 3.2 1B’yi kurup çalıştırmaya yönelik adım adım talimatları alın.

Llama 3.2 Vision, Ollama ve ColPali kullanarak bir RAG uygulamasını adım adım kurmayı öğrenin.

Llama 3.3, Hugging Face ve Streamlit kullanarak çok dilli bir kod açıklama uygulamasını nasıl oluşturacağınızı öğrenin.

Hasta-doktor konuşmalarından oluşan bir veri kümesi üzerinde Llama 3’ü ince ayarlayarak tıbbi diyaloğa özel bir model oluşturacağız. Modeli birleştirip dönüştürdükten ve kuantize ettikten sonra, Jan uygulaması üzerinden özel yerel kullanım için hazır olacak.

Basit bir web uygulaması oluşturmak için Llama 4 kullanarak bir geri getirim destekli üretim (RAG) hattı kurmayı öğrenin.

RunPod üzerinde hem metin tamamlama hem de çok modlu çıkarım için Meta'nın LLaMA 4 Scout'unu vLLM ile nasıl dağıtıp kullanacağınızı öğrenin.

LLaMA-Factory’nin az/yok kodlu çerçevesini kullanarak LLM’leri özel veri kümelerinde nasıl ince ayar yapacağınızı, performansı değerlendireceğinizi ve modelleri sorunsuzca dışa aktarıp sunacağınızı öğrenin.

Llama 3.2 11B görsel modelini Gradio ile kullanarak müşteri destek asistanı olarak işlev gören çok modlu bir web uygulaması oluşturmayı öğrenin.