language, license, base_model, tags, pipeline_tag

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

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))

---

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.