Öğrenme teknikleri
Large Language Models (LLMs) Kavramları
Vidhi Chugh
AI strategist and ethicist
Neredeyiz?
Veri kısıtlarının ötesine geçmek
Fine-tuning
: önceden eğitilmiş bir modeli özgül bir görev için eğitme
Peki, etiketli veri azsa ya da yoksa?
N-shot learning
: zero-shot, few-shot ve multi-shot
Transfer öğrenme
Bir görevden öğrenip ilgili göreve aktarın
Bilgiyi piyanodan gitara aktarma
Nota okuma
Ritim anlama
Müzik kavramlarını kavrama
N-shot learning
Zero-shot - göreve özgü veri yok
Few-shot - az göreve özgü veri
Multi-shot - nispeten daha çok eğitim verisi
Zero-shot learning
Açık eğitim yok
Dil anlama ve bağlamı kullanır
Ön örnek olmadan genelleştirir
1
Freepik
Few-shot learning
Az sayıda örnekle yeni bir görev öğrenme
One-shot learning: tek örnekle ince ayar
Yeni sorular için önceki bilgi
Multi-shot learning
Few-shot’tan daha çok örnek gerekir
Önceki görevler + yeni örnekler
Örneğin Golden Retriever üzerinde eğitilen bir model
1
Freepik
Multi-shot learning
Model çıktısı
: Labrador Retriever
Veri toplama ve etiketlemede zaman kazandırır
Doğruluktan ödün vermez
1
Freepik
Şimdiye kadarki yapı taşları
Veri hazırlama iş akışı
İnce ayar (fine-tuning)
N-shot öğrenme teknikleri
Sırada: ön eğitim
Hadi pratik yapalım!
Large Language Models (LLMs) Kavramları
Preparing Video For Download...