---
language:
- tr
license: apache-2.0
base_model: mistralai/Mistral-Nemo-Instruct-2407
tags:
- mistral
- turkish
- teknofest
- tubitak
- fine-tuned
- qlora
- unsloth
pipeline_tag: text-generation
---

# ProjeDanışmanAi

**TEKNOFEST ve TÜBİTAK yarışmacıları için Türkçe yapay zeka danışmanı.**

Mistral-Nemo-Instruct-2407 (12B) modeli, TEKNOFEST ve TÜBİTAK yarışma süreçlerine özel Türkçe veri setiyle fine-tune edilmiştir.

---

## 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

- TEKNOFEST KTR/PTR teknik rapor yazımı
- TÜBİTAK başvuru hazırlığı
- Proje fikri netleştirme
- Risk analizi ve uygulanabilirlik değerlendirmesi
- Başlık ve özet üretimi
- Jüri ve sunum hazırlığı

---

## Veri Seti

3043 Türkçe örnekten oluşan 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 |

---

## Kullanım

### GGUF (Ollama ile)

```bash
ollama create projedanismanai -f Modelfile
ollama run projedanismanai
```

### Python (unsloth ile)

```python
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))
```

---

## Sınırlamalar

- Yalnızca Türkçe cevap 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.