Python ile ilgili en iyi Türkçe kaynaklardan birisi olan “YazBel Python Belgeleri” yakın zamanda güncellenmiş.
Python dilini ayrıntılı bir şekilde öğretmek amacıyla hazırlanan 1272 sayfalık notlara aşağıdaki linkten ulaşabilirsiniz.
🔗 https://t.co/t0h9nsfy01
Python is widely used in the field of data science due to its versatility, extensive libraries, and community support.
Luckily, You can master Python from the top companies and Universities.
In this list you can find top courses from IBM, Google and Harvard Universities.
🪢 7000+ Course Access : https://t.co/6rYTiqmYKS
<> Google Data Analytics:
🔗 https://t.co/G9SLOiiqHi
1. Python for Everybody Specialization.
🪢 https://t.co/Rc8dcoG2Ke
2. Crash Course on Python
🔗 https://t.co/fTV04LWKF9
3. Get Started with Python
🪢 https://t.co/nJ0tdZr3HN
4. Python for Data Science, AI & Development
🔗 https://t.co/SrjbV5SwVN
5. Google Data Analytics
🪢 https://t.co/3MBHvXiHJT
6. Google Advanced Data Analytics
🔗 https://t.co/uExUSUHJKZ
7. IBM Data Science Professional Certificate.
🪢 https://t.co/BAHRwpAnG6
8. IBM Data Warehouse Engineer Professional Certificate.
🔗 https://t.co/pQtnQayEgA
9. IBM Cybersecurity Analyst Professional Certificate.
🪢 https://t.co/fpwOoVPCe0
10. IBM AI Engineering Professional Certificate.
🪢 https://t.co/lGCytT81wd
11. IBM DevOps and Software Engineering Professional Certificate.
🪢 https://t.co/kr2MGYR3WC
#python #programming #dataanalysis #datascience
büyük dil modellerinde (llm) görülen ve "emergent abilities" (beklenmedik şekilde ortaya çıkan yetenekler) olarak adlandırılan bazı özelliklerin, aslında sadece "in-context learning" (bağlamdan öğrenme) olup olmadığını araştıran yeni bir çalışma yapılmış.
"in-context learning", kısaca llm'lerin birkaç örnek görerek bir görevi öğrenip uygulayabilme yeteneği diyebiliriz.
örneğin, modele "elma: meyve, köpek: hayvan, masa: ?" şeklinde bir prompt verildiğinde, model bağlamdan öğrenerek "eşya" cevabını verebilir.
"emergent abilities" konusu, "ai safety" tartışmalarında önemli bir yer tutuyor. bazı araştırmacılar, llm'lerin beklenmedik yetenekler geliştirerek potansiyel tehlike oluşturabileceğini savunurken, diğerleri bu yeteneklerin abartıldığını düşünüyor.
örneğin, bir taraf llm'lerin karmaşık akıl yürütme becerileri geliştirdiğini iddia ederken, diğer taraf bunun sadece veri tekrarı olduğunu söylüyor.
araştırmacılar, 20 farklı modeli 22 görev üzerinde test ederek, "emergent abilities" olarak tanımlanan yeteneklerin çoğunun aslında "in-context learning" sayesinde ortaya çıktığını göstermişler.
yani, modeller gerçekten yeni yetenekler geliştirmek yerine, verilen örneklerden öğreniyorlar.
çalışmanın sonuçları, llm'lerin düşünüldüğü kadar "akıllı" olmadığını ve potansiyel tehlikelerinin abartıldığını gösteriyor. modeller, temel dilbilgisi ve bilgi hatırlama gibi basit görevlerde başarılı olurken, karmaşık akıl yürütme gerektiren görevlerde zorlanıyorlar.
bu bulgular, llm'lerin daha etkili kullanımı için önemli ipuçları sunuyor. kullanıcıların, modellerden daha iyi sonuçlar almak için daha detaylı prompt ve örnekler vermesi gerekiyor.
ayrıca, "ai safety" konusundaki endişelerin bir kısmının yersiz olabileceğini gösteriyor.
"Makine öğrenmesinde en iyi algoritma hangisi, hangi algoritma hangi durumda kullanılır, avantajları, dezavantajları neler" gibi sorular için güzel bir özet.
👇
🔗 https://t.co/ARFkdGsgZZ