AlpYzc/code-llama-13b-turkish-custom

🚀 Code Llama 13B - Turkish Custom Fine-tuned

Bu model, CodeLlama-13b-hf'den fine-tune edilmiş özel bir kod üretim modelidir.

📊 Training İstatistikleri

• Base Model: codellama/CodeLlama-13b-hf
• Training Examples: 5,544
• Validation Examples: 616
• Training Duration: ~197.8 dakika
• Trainable Parameters: 62,586,880 (0.48%)
• Final Train Loss: 0.1901
• Final Eval Loss: 0.1577
• GPU Memory: 25.08 GB

🎯 Desteklenen Görevler

• ✅ Python Algorithm Implementation
• ✅ Data Structures (Stack, Queue, etc.)
• ✅ Web Development (React, JavaScript)
• ✅ Data Analysis (Pandas, NumPy)
• ✅ Machine Learning Code
• ✅ SQL Query Generation
• ✅ Error Handling & Best Practices

🚀 Kullanım

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

# Model ve tokenizer yükleme
model = AutoModelForCausalLM.from_pretrained(
    "AlpYzc/code-llama-13b-turkish-custom",
    torch_dtype=torch.float16,
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("AlpYzc/code-llama-13b-turkish-custom")

# Kod üretme fonksiyonu
def generate_code(prompt, max_length=200):
    inputs = tokenizer(prompt, return_tensors="pt")
    
    with torch.no_grad():
        outputs = model.generate(
            inputs.input_ids,
            max_length=max_length,
            temperature=0.7,
            do_sample=True,
            top_p=0.9,
            pad_token_id=tokenizer.eos_token_id
        )
    
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# Örnek kullanım
prompt = "def factorial(n):"
generated_code = generate_code(prompt)
print(generated_code)

📝 Örnek Çıktılar

Factorial Function

# Input: def factorial(n):
# Output:
def factorial(n):
    if n == 0:
        return 1
    else:
        return n * factorial(n - 1)

Binary Search

# Input: def binary_search(arr, target):
# Output:
def binary_search(arr, target):
    left, right = 0, len(arr) - 1
    
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    
    return -1

⚙️ Sistem Gereksinimleri

• GPU Memory: ~26GB (FP16)
• RAM: 32GB+ önerilir
• CUDA: 11.8+
• Python: 3.8+
• Transformers: 4.30+

🔧 Fine-tuning Detayları

• LoRA (Low-Rank Adaptation) kullanıldı
• Learning Rate: Adaptive
• Batch Size: Optimized for 13B model
• Epochs: 2-3
• Validation Strategy: Split validation

📈 Performance Metrics

Model şu alanlarda test edildi ve başarılı sonuçlar verdi:

1. Algorithm Implementation: ✅ Passed
2. Data Structures: ✅ Passed
3. Web Development: ✅ Passed
4. Data Processing: ✅ Passed
5. Machine Learning: ✅ Passed
6. Database Operations: ✅ Passed

⚠️ Limitasyonlar

• Model 13B parametre içeriyor, yüksek GPU memory gerektirir
• Türkçe yorum satırları sınırlı olabilir
• Çok spesifik domain bilgisi gerektiren görevlerde ek fine-tuning gerekebilir
• Production kullanımında performans optimizasyonu yapılabilir

📞 İletişim & Support

Model ile ilgili sorular, öneriler veya collaboration için:

• GitHub Issues üzerinden
• HuggingFace Community sekmesinden

🙏 Acknowledgments

• Meta AI - Code Llama base model için
• HuggingFace - Transformers library için
• Google Colab - Training environment için

---

Bu model eğitim ve araştırma amaçlı geliştirilmiştir. Production kullanımında sorumluluğu kullanıcıya aittir.