# İnceltme (Fine-tuning)

## 🎯 TL;DR
İnceltme, önceden eğitilmiş büyük dil modellerini daha küçük, görev özgüllü veri setleriyle daha da eğitmeyi içerir. Bu, modelin belirli bir görev veya alanda daha iyi performans göstermesini sağlar. Ancak inceltme kaynak yoğun olabilir ve her zaman en verimli yaklaşım olmayabilir.

## 📚 Anahtar Kavramlar
- **Fine-tuning** → İnceltme (önceden eğitilmiş modelleri daha spesifik görevler için eğitmek)
- **Large Language Model (LLM)** → Büyük Dil Modeli (genel amaçlı büyük ölçekli dil modelleri)
- **Prompt Engineering** → İleti Mühendisliği (modelleri belirli görevler için optimize etmek)
- **Retrieval-Augmented Generation (RAG)** → Alma-İyileştirme Nesne Üretimi (veri alma ve üretim tekniklerinin birleştirilmesi)
- **İnceltme** → Kaynak yoğun bir eğitim süreci

## 🔍 Detay (Orijinal İngilizce)
Fine-tuning involves taking a pre-trained large language model (LLM) and further training it on a smaller, task-specific dataset. This adapts the LLM to perform better on a particular task or domain. However, fine-tuning can be resource-intensive and may not always be the most efficient approach. Prompt engineering, retrieval-augmented generation (RAG), or using smaller, specialized models can sometimes achieve comparable or even better results with less computational overhead and data requirements.

## 🔗 Daha Detay İstersen
roadmap.sh ekibinin seçtiği kaynaklar:
- 📖 [İnceltme Nedir?](https://www.ibm.com/think/topics/fine-tuning) — İnceltme hakkında genel bilgi
- 📖 [Granite-Vision 2B Modelini 90B Modelini Yenmek İçin Nasıl İncelttim — Bilgiler ve Öğrenilen Dersler](https://towardsdatascience.com/how-i-fine-tuned-granite-vision-2b-to-beat-a-90b-model-insights-and-lessons-learned/?utm_source=roadmap&utm_medium=Referral&utm_campaign=TDS+roadmap+integration) — İnceltme deneyimlerinden örnek
- 🎥 [RAG vs İnceltme vs İleti Mühendisliği: AI Modellerini Optimize Etme](https://www.youtube.com/watch?v=zYGDpG-pTho) — Farklı optimize etme yöntemlerinin karşılaştırılması