Yapay Zekayı Ücretsiz Öğrenme: 6 Adımlı Yöntem
Yapay zekayı ücretsiz öğrenebilirsin ve ücretsiz malzeme, paralısının kalitesiz bir sürümü değil. fast.ai, Andrej Karpathy'nin Neural Networks: Zero to Hero serisi, Google'ın Machine Learning Crash Course'u ve Hugging Face kursları, paralı programların öğrencilerine verdiği kaynakların ta kendisi. Ücretsiz çalışmanın sana vermediği şey içerik değil: düzen, bir teslim tarihi ve yaptığın işi kontrol eden biri. Bu yüzden aşağıdaki plan enerjisinin çoğunu oraya harcıyor, daha fazla kaynak aramaya değil.
Adım 1: Yapay zekanın hangi katmanını öğrendiğine karar ver
"Yapay zeka öğrenmek" aslında üç ayrı işi işaret ediyor ve ücretsiz yol her biri için farklı.
Yapay zeka araçlarını iyi kullanmak. Prompt yazmak, çıktıyı değerlendirmek, modeli bir iş akışına oturtmak. Aylar değil, haftalar sürer. Neredeyse hiç matematik gerekmez.
Uygulamalı ML ve LLM mühendisliği. Fine-tuning, retrieval, değerlendirme, modeli gerçek bir ürünün içine sokmak. İş ilanlarının çoğu burada. Python, biraz lineer cebir ve gerçek veriyle bolca pratik gerekiyor.
Araştırma ve sıfırdan iş. Makale okumak, mimarileri yeniden yazmak, optimizasyonu anlamak. Matematiği gerçekten ister ve en yavaş ilerleyen yoldur.
Tek bir kurs açmadan önce birini seç. Üç farklı katmandan yarım bırakılmış kurslar, insanların altı ayını harcayıp sonunda hiçbir şey inşa edememesinin en sık nedeni. Bu kararın parayla ilgisi olmayan genel hâli için yapay zeka nasıl öğrenilir yazısındaki 6 adımlı yöntem geçerli. Terimleri baştan oturtmak da işe yarar, çünkü başlangıç seviyesi kaynaklarda "eğitim" ve "çıkarım" birbirinin yerine kullanılıyor, oysa aynı şey değiller.
Adım 2: Matematiğin ve Python'ın tabanını geç, tavanını değil
Matematik diploması gerekmiyor. Bir taban gerekiyor ve o taban internetin söylediğinden küçük: vektörler ve matris çarpımı, türev ve zincir kuralı, temel olasılık. Uygulamalı iş için kabaca bu kadar.
Ücretsiz ve gerçekten iyi olanlar: 3Blue1Brown'ın YouTube'daki Essence of Linear Algebra ve Neural Networks serileri, türev ve olasılık için Khan Academy. Khan Academy'nin Türkçe sürümü de var, ikisi de hesap kademesi olmadan ücretsiz.
Kod tarafında Python'a ek olarak NumPy ve pandas'ı, bir veri setini yükleyip yeniden şekillendirip grafiğe dökecek kadar bilmen yeterli. Kaggle Learn'ün mikro kursları tam bunu birkaç akşamda, ücretsiz ve tarayıcı içinde veriyor.
Burada üç ay geçirme. Kodda kullanmadığın matematik aklında kalmıyor. Tabanı öğren, geç, bir model bozulduğunda ve nedenini söyleyemediğinde geri dön.
Adım 3: Tek bir ücretsiz kursu baştan sona bitir
Bitirilmiş tek kurs, dört kursun tadına bakmaktan iyidir. Gerçekten ücretsiz olanlar ve hangisinin ne işe yaradığı:
| Kaynak | Ne için iyi | Ücret |
|---|---|---|
| fast.ai, Practical Deep Learning for Coders | İlk haftada çalışan bir model isteyen kod yazanlar | Ücretsiz, kayıt yok |
| Karpathy, Neural Networks: Zero to Hero | Modelin içinde ne olduğunu görmek | Ücretsiz (YouTube) |
| Google Machine Learning Crash Course | Tarayıcı içi alıştırmalarla düzenli giriş | Ücretsiz |
| Hugging Face kursları (NLP, LLM, ajanlar) | Transformer'lar ve açık modellerle pratik | Ücretsiz |
| Kaggle Learn ve notebook'lar | Kısa modüller ve ücretsiz GPU saatleri | Ücretsiz |
| Dive into Deep Learning (d2l.ai) | Çalıştırılabilir kodlu tam bir ders kitabı | Çevrimiçi ücretsiz |
| Stanford CS229 ve CS231n materyalleri | Derinlik, matematik, ders notları | Ücretsiz, videolar açık |
| Google Colab | GPU'n olmadan kod çalıştırmak | Ücretsiz katman, kotalı |
Coursera'daki DeepLearning.AI kursları da ücretsiz olarak izlenebiliyor. Videolar ve okuma parçaları açık; paralı olan kısım notlandırılan sertifika.
Prestije göre değil, mizacına göre seç. fast.ai çalışan bir görüntü sınıflandırıcıyla başlar, teoriyi sonra anlatır. CS231n teoriyle başlar. İkisi de işe yarıyor ve Reddit'in öğrenme başlıklarında bu tartışma hiç bitmiyor, ki bu da asıl doğru kursun senin bitirebildiğin kurs olduğunu gösteriyor.
Adım 4: Küçük bir sistemi sıfırdan yeniden yaz
Birinin sinir ağı kurmasını izlemek, sinir ağını anlamak gibi hissettiriyor. Aynı beceri değil ve fark ancak boş bir dosyanın karşısına oturduğunda ortaya çıkıyor.
O yüzden bir şeyi videoya bakmadan yeniden yaz. İyi ve ücretsiz hedefler: Karpathy'nin micrograd'ı (yüz satır civarında bir autograd motoru), kendi yazdığın gradient descent ile oturtulmuş bir doğrusal regresyon, umursadığın bir veri seti üzerinde metin sınıflandırıcı ya da kendi belgelerin üstünde küçük bir retrieval sistemi. Sonra bilerek boz. Öğrenme oranını ıraksayana kadar değiştir. Doğrusal olmayan katmanı çıkar ve modelin doğrusala çökmesini izle. Hata durumları temiz çalışmalardan daha hızlı öğretiyor.
Yapabiliyorsan kendi verinle çalış. Başkasının hazır veri seti bir öğreticidir; senin topladığın dağınık, kötü etiketlenmiş veri ise işin kendisi.
Adım 5: Tekrar izlemek yerine kendini test et
Ücretsiz öğrenenlerin atladığı adım bu ve arkasındaki kanıt en güçlü olan da bu.
Roediger ve Karpicke'nin 2006 tarihli deneylerinde, bir metni yeniden okuyan öğrenciler birkaç dakika sonra yapılan testte daha iyi sonuç aldı; ama bir hafta sonra, malzemeyi hatırlamaya çalışarak pratik yapan grup belirgin biçimde daha fazlasını hatırlıyordu. Yeniden okumak daha verimli hissettirdi, daha azını verdi. Dunlosky ve arkadaşlarının on yaygın çalışma tekniğini incelediği 2013 derlemesinde ise yüksek fayda notu alan sadece iki teknik vardı: test çözerek pratik ve aralıklı tekrar. Herkesin yaptığı iki şey, altını çizmek ve yeniden okumak, listenin dibinde kaldı.
Ücretsiz sürümü basit. Her dersten sonra sekmeyi kapat ve kontrol etmeden önce hatırladıklarını yaz. Notlarını özet yerine soruya çevir: "zincir kuralı geri yayılımda ne yapıyor" sorusu, aynı kelimelerden oluşan bir madde listesinden iyidir. Tekrarları bir hafta sonuna sıkıştırmak yerine günlere yay. Bir sayfa notu soruya çevirmenin mekaniğini merak ediyorsan, notlardan test nasıl hazırlanır yazısı bunu anlatıyor.
Soruları elle yazmak istemiyorsan, Qora iOS'ta kendi notlarının fotoğrafından soru üretiyor; ancak tam sürüm ücretli bir abonelik, yani ücretsiz yolun parçası değil, sadece bir kolaylık.
Ücretsiz öğrenmenin tıkandığı yer
Ücretsiz olan, malzemeyi veriyor. Üç şeyi vermiyor ve bunun aksini varsaymak aylara mal oluyor.
Geri bildirim. Kimse kodunu okuyup doğrulama setinin sızdırdığını söylemiyor. Kurs forumları, Kaggle yorum başlıkları ve açık kaynak pull request'leri buna en yakın ücretsiz karşılık, ama hepsi kusurlu bir şeyi herkesin gözü önünde paylaşmanı gerektiriyor.
Hesaplama gücü. Ücretsiz Colab ve Kaggle GPU saatleri, küçük modelleri fine-tune etmeye ve çoğu kurs notebook'unu çalıştırmaya yetiyor. Büyük bir şeyi eğitmeye yetmiyor ve talep yükseldiğinde kotalar daralıyor.
Sorumluluk. Açık çevrimiçi kursların tamamlanma oranları epey düşük. Paralı bir kurs bazen sırf para verdiğin için işe yarıyor. Bunun yerine açık bir taahhüt koy: haftalık bir kayıt, bir çalışma arkadaşı, tarihli commit'leri olan bir repo.
Ücretsiz malzeme, alanın LLM tarafında hızla eskiyor da. İki yıl önceki bir öğretici, artık var olmayan bir kütüphane API'si kullanıyor olabilir. Bir haftanı yatırmadan önce son güncelleme tarihine bak.
Sık sorulan sorular
Yapay zekayı gerçekten ücretsiz öğrenebilir misin, yoksa paralı kurs şart mı?
Ücretsiz öğrenebilirsin. fast.ai, Stanford, Google, Hugging Face ve Kaggle'ın temel malzemesi herkese açık ve paralı programların anlattığı içeriğin aynısı. Paranın satın aldığı şey daha iyi anlatım değil; düzen, mentorluk ve bir belge. Düzeni kendin kurabiliyorsan ücretsiz yol bir taviz değil.
Yapay zekayı ücretsiz öğrenmek ne kadar sürer?
Yapay zeka araçlarını kullanmak için birkaç hafta. Gerçek bir şey inşa edip yayına alacak kadar uygulamalı ML için çoğu insanın altı ila on iki ay boyunca düzenli, yarı zamanlı çalışması gerekiyor. Otuz günde işe hazır olacağını söyleyen biri sana bir şey satıyordur. "Yapay zekayı öğrenme" süresinden çok, ilk çalışan projene kadar geçen süre daha iyi bir kilometre taşı.
Yapay zeka öğrenmek için matematik bilmem gerekiyor mu?
Uygulamalı iş için lineer cebirin temeli, türev ve zincir kuralı ile temel olasılık yeterli. Hepsi tamamlanmadan kod yazmaya başlayabilir, eksikleri ortaya çıktıkça kapatabilirsin. Araştırma yapmak ya da makaleleri yeniden yazmak içinse çok daha fazlası, özellikle optimizasyon ve istatistik gerekiyor.
Ücretsiz yapay zeka sertifikaları işe yarıyor mu?
Tek başına pek değil. ML tarafında işe alanlar, okuyabildikleri bir repoyu, herkesin alabildiği bir sertifikadan çok daha ağır tartıyor. Ücretsiz kursları, ayrıntısıyla anlatabileceğin iki üç proje çıkarmak için kullan; sertifikayı da hedef değil, yan ürün olarak gör.
Yapay zekayı ücretsiz öğrenmek doğru kaynağı bulma meselesi değil, çünkü ücretsiz kaynaklar zaten çoğu insanın bitirebileceğinden iyi. Katmanını seç, matematik tabanını geç, tek bir kursu baştan sona bitir, küçük bir şeyi öğreticiye bakmadan yeniden yaz ve tekrar izlemek yerine kendini test et. Bu hafta, yukarıdaki tablodan tek bir kurs seçip takvimine üç oturum koyarak başla. Plan yalnızca kimsenin seni izlemediği yerde çöküyor.