1.
Metni token’lara böl
Model, cümleyi işleyebileceği parçalara ayırır. Her parça bir kimlik numarası alır.
Yapay zekâ dünyayı daha iyi bir yer yapabilir.
KAVRAMLARI GÖR · ETKİLEŞİMLE KEŞFET · DAHA DERİN ANLA
Yapay zekâyı
görerek anla.
Karmaşık kavramları etkileşimli görsellerle keşfet.
Yapay zekânın nasıl çalıştığını adım adım gör,
merak ettiğin sorulara net cevaplar bul.
Herkese açık · Her seviyeye uygun · Üyelik gerektirmez
2.
Dikkat mekanizması
Bir token seç. Renk yoğunluğu, hangi konumlardan daha çok bilgi topladığını gösterir.
“dünyayı” satırını inceliyorsun. Bu örnekte “dünyayı” ile “yapabilir” arasındaki bağ özellikle vurgulanıyor.
3.
Yeni temsil
Token, topladığı bağlamla yeni bir sayı vektörüne dönüşür.
dünyayı
0.42-0.170.280.91-0.63⋮
Hız: Normal
Adımları ve tokenları seçerek veri akışını incele.
Öğretici örnek · Token kimlikleri, vektörler ve dikkat değerleri gerçek bir model hesabı değil, açıklama amaçlıdır.MÜFREDAT HARİTASI · 5 HATBir hat seç,
Rotanı seç Bir hat seç,
durağa in.
- 1TemellerBölüm 1–2
- 2Dil modelinin içiBölüm 3–4
- 3Asistan, ajan ve güvenBölüm 5–6
- 4GenişlemeBölüm 7–10
- RAI RadarAraştırma notları
Haritada seçilmiş duraklar var; bütün dersler için Öğren sayfasına bak.
MERCEK ALTINDA01 / Görsel hikâye
ETKİLEŞİMLİ ANLATIMBir cümle, modelin
Bir cümle, modelin
içinde nasıl yol alır?
Transformer mimarisini tokenlardan attention’a, oradan bir sonraki kelimeye kadar adım adım keşfet.
Transformer’ı keşfetADIM ADIM, KATMAN KATMANHer büyük fikir, küçük bir
Öğrenme rotası Her büyük fikir, küçük bir
merakla başlar.
1Temeller · 01Başlangıç
Temeller
Yapay zekâ, aslında ne öğrenir?
Veri, model ve öğrenme arasındaki ilişkiyi kur. Yolculuğa büyük resmi görerek başla.
1Temeller · 02Başlangıç
Token
Bir kelime nasıl sayıya dönüşür?
Token, kimlik ve embedding: dil modellerinin giriş kapısını iki küçük deneyle aç.
1Temeller · 02Başlangıç
Eğitim
Bir model, hatasından nasıl öğrenir?
Kayıp fonksiyonu, gradyan inişi ve öğrenme oranı: parametreler neden ve nasıl güncellenir? Aynı doğruyu farklı hızlarda eğit, farkı izle.
1Temeller · 02Başlangıç
Genelleme
Model ezberliyor mu, öğreniyor mu?
Eğitim hatası düşük olduğunda model neden hâlâ başarısız olabilir? Genelleme, aşırı öğrenme, veri bölme ve sızıntıyı tek bir deneyle öğren.
1Temeller · 02Başlangıç
Sinir ağları
Sinir ağı aslında nedir?
Bir nöron, bir ağırlıklı toplam ve bir bükülme: aktivasyon, gizli katman ve geri yayılımı iki küçük deneyle öğren.
2Dil modelinin içi · 03Orta
Transformer
Transformer Mimarisi Nasıl Çalışır?
Bir cümlenin tokenlardan tahmine uzanan yolculuğu. Modern dil modellerinin içini, adım adım ve etkileşerek keşfet.
AI GÜNDEMSon haftalarda
Tüm gelişmeler Son haftalarda
neler oldu?
- Google Gemini 4 Argon: API’de genel kullanıma açıldıModeller
- Nvidia, Vera Rubin raf tasarımlarını açık donanım topluluğuna veriyorDonanım
- Gemini API: 3.8 Flash ailesi yerleşiyor, eski sürümler yönlendiriliyorModeller
- Anthropic kullanım politikasını güncelledi: gözetim, silah ve “modele zulüm” maddeleriPolitika
KULLAN, AMA BİLAsistanı kullanmadan önce
Bu rotayı gör Asistanı kullanmadan önce
nasıl çalıştığını bil.
3Asistan, ajan ve güven · 05Orta
Hizalama
Ham dil modeli, asistana nasıl dönüşür?
Ön eğitim, gözetimli ince ayar ve insan geri bildirimi: sohbet asistanlarının üç aşamalı yolu, alternatif yöntemler ve bu aşamaların sınırları.
3Asistan, ajan ve güven · 05Orta
Prompt
Modele nasıl soru sorulur?
İstem, bağlam penceresi, örnekle öğretme ve düşünce zinciri: iyi bir prompt neden işe yarar, nerede yetmez? Sihirli kelimeler değil, mekanik.
3Asistan, ajan ve güven · 06Orta
Sınırlar
Bir model ne zaman yanılır?
Halüsinasyon neden olur, yüksek olasılık neden doğruluk anlamına gelmez, değerlendirmenin sınırları nedir? Yolculuğun sonunda modelin yapamadıklarına bak.
METNİN ÖTESİGörüntü, ses ve video da
Bu rotayı gör Görüntü, ses ve video da
sonunda sayıdır.
3Asistan, ajan ve güven · 05Orta
Difüzyon
Gürültüden görüntü nasıl çıkar?
Difüzyon modelleri görüntüye gürültü eklemeyi öğrenmez; gürültüyü geri almayı öğrenir. Bir deneyle ileri süreci, geri kazanımı ve neden adım adım ilerlendiğini gör.
4Genişleme · 07Orta
Ses
Yapay zekâ sesi nasıl duyar?
Basınç dalgasından spektrograma, oradan kelimelere: bir ses kaydı, konuşma tanıma modeline hangi sayılarla ulaşır? İki deneyle Fourier dönüşümünü ve spektrogramı kur.
4Genişleme · 09Orta
Video
Yapay zekâ videoyu nasıl üretir?
Bir video, birbirine bağlı onlarca kare demektir. Üretim neden bu kadar pahalı, zamansal tutarlılık nedir, difüzyon ve Transformer fikirleri videoya nasıl taşındı ve çıktıya ne kadar güvenilmeli?
VERİ VE GÜVENBir modelin söylediğine
Bu rotayı gör Bir modelin söylediğine
neden inanırsın?
3Asistan, ajan ve güven · 06Orta
Veri
Veri, modelin bakışını nasıl şekillendirir?
Modeller, eğitim verisinin bir yansımasıdır. Temsil eksikliği, önyargı ve kişisel bilgilerin sızması: ölçülmüş örnekler ve verinin nasıl belgelenmesi gerektiği.
4Genişleme · 08Orta
Korelasyon
Birlikte değişmek, neden olmak mıdır?
Korelasyon ile nedensellik arasındaki fark, ortak neden (karıştırıcı), Berkeley kabul verisindeki Simpson paradoksu ve makine öğrenmesi modellerinin neden bazen yanlış ipuçlarını öğrendiği.
3Asistan, ajan ve güven · 06Orta
Metrikler
Doğruluk yetmez: kesinlik, yakalama ve nadir olaylar
“%99 doğruluk” iyi bir sonuç mu? Karışıklık matrisi, kesinlik, yakalama, F1 ve eşik ayarı; nadir bir olayda iyi bir testin bile neden çoğunlukla yanlış alarm verdiğini kendi sayılarınla gör.
KAPUTUN ALTINDAHız, bellek, ölçek:
Bu rotayı gör Hız, bellek, ölçek:
modeli neyin yavaşlattığı.
2Dil modelinin içi · 04Orta
Verimlilik
Dil modeli neden yavaşlar?
Token token üretim, KV önbelleği ve belleğin büyümesi: uzun bir bağlamda neden her şey daha pahalı olur, hangi tasarımlar bunu hafifletir?
2Dil modelinin içi · 04Orta
Verimlilik
Büyük modeller nasıl küçültülür?
Niceleme, damıtma ve LoRA: bir modeli daha az bellekle çalıştırmanın ve daha ucuza uyarlamanın üç farklı yolu, ve her birinin ödediği bedel.
2Dil modelinin içi · 03Orta
Derin ağlar
Yüz katmanlı ağ nasıl eğitilir? Artık bağlantı ve normalizasyon
Derinlik bir çarpımdır: sinyal katman katman çarpılınca ya söner ya patlar. Artık bağlantı ve LayerNorm bunu nasıl dizginler? Rastgele ağlarda gradyanın boyunu ölç.
KLASİK YÖNTEMLERHer problem sinir ağı
Bu rotayı gör Her problem sinir ağı
olmak zorunda değil.
4Genişleme · 10Orta
Karar ağacı
Tablo verisinde ağaçlar neden hâlâ güçlü?
Karar ağacı, bir dizi evet–hayır sorusudur. Derinleştikçe ezberler; torbalama ve gradyan artırma bunu nasıl düzeltir? Tablo verisinde ağaç tabanlı yöntemlerin sinir ağlarını neden zorladığına dair bir araştırma.
4Genişleme · 10Orta
Gözetimsiz öğrenme
Etiketsiz veride yapı bulmak: kümeleme ve PCA
Elinde etiket yokken veriden ne çıkar? k-means ile benzer noktaları grupla, PCA ile iki boyutlu bir bulutun en önemli yönünü bul. Her iki yöntemin de neyi bildiğini ve neyi bilmediğini iki deneyle gör.
4Genişleme · 07Başlangıç
Öneri sistemleri
Öneri algoritmaları seni nasıl tanır?
Film, müzik ve video önerilerinin arkasındaki mantık: kullanıcı–ürün ilişkileri, benzerlik, gizli faktörler ve hiç verisi olmayan yeni bir kullanıcıya ne önerileceği sorunu.
AI RADARMakalelerin iddiaları,
Tüm notlar Makalelerin iddiaları,
koşullarıyla birlikte.
RAI Radarİleri
Araştırma analizi
FlashAttention: aynı sonuç, daha az bellek trafiği
Dikkat hesabı çoğunlukla işlemci hızıyla değil, belleğe okuma ve yazma sayısıyla yavaşlar. FlashAttention aynı sonucu parça parça hesaplayarak bunu azaltır; hilenin kendisi, tek satırlık bir softmax deneyinde.
RAI Radarİleri
Araştırma analizi
Spekülatif çözümleme: küçük model önerir, büyük model onaylar
Büyük bir dil modeli tokenları tek tek üretmek zorunda mıdır? Spekülatif çözümleme, küçük bir taslak modelin önerilerini büyük modele toplu doğrulatır ve çıktı dağılımını değiştirmez.
RAI Radarİleri
Araştırma analizi
Çift iniş: model büyüdükçe hata neden iki kez düşer?
Klasik U biçimli eğriye göre, veriyi tam öğrenebilen modeller kötü genellemelidir. Çift iniş eğrisi bunun ötesinde hatanın yeniden düştüğünü gösterir. Bir kurulumda kendin ölç; ama sonucun sınırlarını da oku.
KENDİ HIZINDA İLERLEÖnce bir fikri anla.
Deney alanına git Önce bir fikri anla.
Sonra ona dokun.
Bir ağırlığı değiştir. Bir token seç. Sonucun neden değiştiğini gör.