ProjeDanışmanAI — Pusula
TEKNOFEST ve TÜBİTAK yarışmacıları için Türkçe yapay zeka danışmanı.
Mistral-Nemo-Instruct-2407 (12B) modeli, TEKNOFEST ve TÜBİTAK proje süreçlerine özel hazırlanmış Türkçe veri seti ile QLoRA yöntemiyle fine-tune edilmiştir. Genel amaçlı bir dil modelinin aksine bu model; proje fikri netleştirme, teknik rapor yazımı, başvuru hazırlığı ve jüri hazırlığı gibi görevler için özel olarak yapılandırılmıştır.
Neden Bu Model?
TEKNOFEST ve TÜBİTAK başvuru süreçleri, özellikle ilk kez başvuran öğrenciler için karmaşık olabilir. Problem tanımı nasıl yazılmalı, özgün değer nasıl kurulmalı, jüri hangi noktalara dikkat eder — bu soruların büyük dil modellerinden alınan genel yanıtları çoğu zaman yeterince bağlama duyarlı olmaz.
Bu model, genel amaçlı soru-cevap yerine alan-özel ince ayar yapılmış bir yapıyı tercih ederek kullanıcılara TEKNOFEST ve TÜBİTAK bağlamına doğrudan uygun rehberlik sunmayı hedefler. Başlangıçta RAG tabanlı bir mimari değerlendirilmiş, ancak daha tutarlı ve görev odaklı çıktılar için doğrudan fine-tuning yaklaşımına geçilmiştir.
Model Detayları
| Özellik | Değer |
|---|---|
| Temel Model | mistralai/Mistral-Nemo-Instruct-2407 |
| Yöntem | QLoRA 4-bit + unsloth |
| LoRA Rank | 64 (alpha=128, rsLoRA=True) |
| Eğitim Verisi | 3043 Türkçe instruction-output çifti |
| Epoch | 5 |
| Max Seq Length | 3072 |
| Train Loss | 0.3591 |
Kullanım Alanları
Model, aşağıdaki görevlerde kullanıcıya rehberlik etmek üzere eğitilmiştir:
- Belirsiz proje fikirlerini netleştirme ve kapsam daraltma
- Problem tanımı, amaç, yöntem ve özgün değer yazımı
- TEKNOFEST KTR/PTR teknik rapor bölümü desteği
- TÜBİTAK başvuru mantığına uygun yönlendirme
- Uygulanabilirlik ve risk analizi
- Başlık, özet ve abstract üretimi
- Sunum, pitch ve jüri hazırlığı
Sistem Mimarisi
Model; veri ve eğitim katmanı, davranış katmanı ve uygulama katmanı olmak üzere üç katmanlı bir mimari içinde çalışacak şekilde tasarlanmıştır.
Davranış katmanı, modelin hangi tonda, hangi kapsamda ve hangi görev mantığıyla yanıt vereceğini belirleyen sistem prompt, routing guide ve skill dosyalarından oluşur. Bu sayede model yalnızca metin üretmez; kullanıcının ihtiyacına göre doğru görev yapısına yönlendirilir. Tanımlı skill'ler arasında report_section_writer, project_idea_refinement, feasibility_and_risk_check, title_abstract_generator ve presentation_and_jury_preparation bulunmaktadır.
Veri Seti
3043 Türkçe instruction-output çiftinden oluşan alan-özel veri seti:
| Kategori | Örnek Sayısı |
|---|---|
| rapor_yazimi | 761 |
| sifirdan_proje | 730 |
| genel_ozet | 593 |
| strateji | 505 |
| hata_duzeltme | 324 |
| red (alan dışı red) | 130 |
Veri kümesi; proje fikri geliştirme örnekleri, rapor bölümü yazımı örnekleri, başvuru rehberliği ve sunum/jüri hazırlığına yönelik yapılandırılmış çiftler içermektedir. Alan dışı sorular (red kategorisi) için modelin açıkça reddetme davranışı sergilemesi de eğitimin bir parçasıdır.
Kullanım
GGUF (Ollama ile)
ollama create projedanismanai -f Modelfile
ollama run projedanismanai
Python (unsloth ile)
from unsloth import FastLanguageModel
model, tokenizer = FastLanguageModel.from_pretrained(
model_name = "Rudblest/projedanismanai",
max_seq_length = 3072,
dtype = None,
load_in_4bit = True,
)
FastLanguageModel.for_inference(model)
prompt = "<s>[INST] TEKNOFEST KTR raporunda risk analizi nasıl yazılır? [/INST] "
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
output = model.generate(**inputs, max_new_tokens=512, temperature=0.7)
print(tokenizer.decode(output[0], skip_special_tokens=True))
Hedef Kitle
- TEKNOFEST projesi hazırlayan lise ve üniversite öğrencileri
- TÜBİTAK başvurusu yapacak ekipler
- Proje fikrini netleştirmekte zorlanan kullanıcılar
- Proje raporu yazarken rehber desteğe ihtiyaç duyanlar
Sınırlamalar
- Yalnızca Türkçe yanıt verir
- Alan dışı sorular (yemek, borsa, sağlık vb.) reddedilir
- TEKNOFEST/TÜBİTAK dışı mühendislik konularında performans düşebilir
Lisans
Apache 2.0 — Mistral-Nemo temel modeli lisansına uygun.
- Downloads last month
- 53