🎓 Fırat Üniversitesi Akademik Teşvik Asistanı (LLM Fine-Tuning)

Bu proje, Fırat Üniversitesi 2025-2026 Akademik Teşvik süreçleri (Yönetmelik, Başvuru Rehberi ve Takvim) konusunda uzmanlaşmış, Qwen-2.5-3B tabanlı bir Yapay Zeka asistanı geliştirme çalışmasıdır.

Proje; ham dokümanlardan veri üretimi, verinin temizlenmesi, modelin eğitilmesi (QLoRA) ve son kullanıcı arayüzü (Gradio) aşamalarını kapsayan uçtan uca bir LLM iş akışıdır.

---

📊 Proje Akış Diyagramı

Aşağıdaki şema, verinin dokümandan modele nasıl dönüştüğünü özetler:

graph TD
  subgraph Uretim["1. Veri Uretimi"]
    A["Dokumanlar (PDF / Word)"] -->|Yukleme| B["Google NotebookLM"]
    B -->|Prompting| C["Ham Veri Seti (CSV)"]
  end

  subgraph OnIsleme["2. On Isleme"]
    C -->|Python Script| D["Veri Temizligi ve Donusum"]
    D -->|Formatlama| E["Egitim Verisi (Alpaca JSON)"]
  end

  subgraph Egitim["3. Model Egitimi (Colab)"]
    E -->|Upload| F["Google Colab (T4 GPU)"]
    F -->|LlamaFactory| G["Qwen-2.5-3B (Base Model)"]
    G -->|QLoRA Fine-Tuning| H["LoRA Adapter (Egitilmis Agirliklar)"]
  end

  subgraph Kullanim["4. Kullanim"]
    H -->|Merge/Load| I["Gradio Arayuzu"]
    I -->|Soru-Cevap| J(("Son Kullanici"))
  end

Loading

---

📂 Klasör Yapısı

firat-akademik-tesvik-llm/
│
├── README.md                     # Proje dokümantasyonu
│
├── docs/                         # Kaynak Dokümanlar 
│   ├── Akademik_Tesvik_Yonetmeligi_Basvuru_Rehberi.docx
│   ├── Akademik_Tesvik_Odenegi_Yonetmeligi.pdf
│   └── Akademik_Tesvik_Takvimi_2026.pdf
│
├── data/                         # Veri Setleri
│   ├── dataset.csv           # NotebookLM'den alınan ham CSV
│   ├── dataset_info.json         # LlamaFactory veri konfigürasyonu
│   └── atakan_qa.json            # Eğitime hazır Alpaca JSON formatı
│
└── notebooks/                    # Kodlar / Notebooklar
    └── Training_Colab.ipynb      # Google Colab Eğitim Notebook'u
 

---

✅ Ön Koşullar

• Python 3.10+ (yerelde veri dönüştürme için)
• Google Colab + T4 GPU (eğitim için)
• LlamaFactory (Colab notebook içinde kurulacak şekilde)

---

🚀 Kurulum ve Uygulama Adımları

Adım 1: Veri Üretimi (NotebookLM)

docs/ klasöründeki dokümanlar Google NotebookLM'e yüklenir. Aşağıdaki prompt ile dokümanlara dayalı Soru-Cevap (Q&A) verisi üretilir.

📋 NotebookLM Promptu

Aşağıdaki dokümanlardan SADECE içerikte açıkça geçen bilgilere dayanarak Question-Answer veri seti üret.

ÇIKTI FORMATI (CSV):
- Ayırıcı: noktalı virgül ;
- Her alan çift tırnak içinde olmalı.
- Satır sonu sadece kayıt bitince olsun.
- Alan içinde çift tırnak geçerse iki tırnak yap: "".
- Başlık satırı YAZMA.

KOLONLAR: "id";"question";"answer";"source_doc";"source_loc";"tags";"difficulty"

KURALLAR:
1) 1000 adet kayıt üret.
2) question: 8–25 kelime.
3) answer: 40–140 kelime; kısa, net.
4) source_doc: [Başvuru Rehberi] | [Yönetmelik] | [Takvim].
5) source_loc: Madde X, Tablo Y, Tarih aralığı vb.
6) tags: 3–6 anahtar kelime (örn: başvuru|yöksis).
7) difficulty: easy / med / hard.
8) Asla dokümanda olmayan bilgi ekleme.

Çıktı: data/raw_dataset.csv

---

Adım 2: Veri Ön İşleme (CSV → Alpaca JSON)

NotebookLM’den gelen CSV verisi, LlamaFactory’nin kabul ettiği Alpaca formatına (instruction, input, output) dönüştürülür.

python notebooks/01_csv_to_json.py

Çıktı: data/atakan_qa.json

---

Adım 3: Model Eğitimi (Google Colab)

Eğitim işlemi Google Colab üzerinde T4 GPU ile yapılır.

• Framework: LlamaFactory

• Yöntem: QLoRA (4-bit Quantization)

• Model: Qwen/Qwen2.5-3B-Instruct

• Örnek Parametreler:

  • learning_rate: 2e-4
  • num_train_epochs: 3
  • lora_rank: 16
  • cutoff_len: 1024

Nasıl Çalıştırılır?

1. notebooks/Training_Colab.ipynb dosyasını Colab’da aç.
2. data/atakan_qa.json (veya kullandığın dataset) dosyasını yükle / Drive’dan bağla.
3. Notebook hücrelerini sırayla çalıştır.
4. Eğitim çıktısı olarak LoRA adapter klasörü oluşur (models/qwen2.5-lora-adapter/ gibi).

---

📌 Eğitim Özeti (Dataset: 1000 Q&A)

Bu model, 1000 adet Soru-Cevap kaydı ile (Alpaca JSON formatında: data/atakan_qa.json) fine-tune edilmiştir.

Eğitim Konfigürasyonu (Training_Colab.ipynb):

• Base model: Qwen/Qwen2.5-3B-Instruct
• Stage: SFT
• Fine-tuning yöntemi: LoRA / QLoRA
• LoRA target: all
• LoRA rank (r): 16
• LoRA alpha: 32
• LoRA dropout: 0.05
• cutoff_len: 1024
• learning_rate: 2e-4
• num_train_epochs: 3
• max_samples: 10000 (üst sınır)

Not: Eğitim verisi dataset.csv dosyasından üretilerek JSON’a dönüştürülmüştür ve dönüştürme sırasında toplam kayıt sayısı ekrana yazdırılır.

---

Adım 4: Test ve Arayüz (Gradio)

Eğitim tamamlandığında, Training_Colab.ipynb içindeki Gradio hücresi çalıştırılarak chat arayüzü açılır.

Aşağıda örnek Gradio arayüz ekran görüntüsü yer almaktadır:

Örnek Soru:

“Akademik teşvik başvurusu için son tarih nedir?”

---

🛠 Kullanılan Teknolojiler

• Google NotebookLM: Sentetik Q&A veri üretimi (doküman tabanlı)
• LlamaFactory: Fine-tuning / QLoRA eğitim altyapısı
• Qwen-2.5: Temel LLM (Türkçe performansı iyi)
• QLoRA (bitsandbytes): Düşük bellek ile verimli eğitim
• Gradio: Demo arayüzü
• Pandas: Veri dönüştürme ve temizleme

---

⚠️ Önemli Notlar

1. Encoding: CSV dosyaları UTF-8 olmalı (TR karakter sorunu varsa CP1254 denenebilir).
2. Colab Limitleri: Ücretsiz Colab GPU süreleri sınırlı olabilir; checkpoint/çıktıları Drive’a almak mantıklı.
3. Resmi Kaynak: Modelin cevabı yardımcıdır; nihai referans ilgili yönetmelik ve resmi duyurulardır.

🤝 Katkıda Bulunma

Katkılar memnuniyetle karşılanır.

1. Bu repoyu fork'layın.
2. Yeni bir branch oluşturun: feature/xxx
3. Değişiklikleri commit edin.
4. Pull Request (PR) açın.

PR açarken mümkünse şunları ekleyin:

• Ne değişti? (kısa özet)
• Neden değişti? (gerekçe)
• Test / doğrulama adımları

---

🧾 Lisans

Bu proje MIT License ile lisanslanmıştır.

• Lisans metni için: LICENSE dosyasına bakın.
• Kısaca: MIT lisansı, projeyi kullanmanıza, değiştirmenize ve dağıtmanıza izin verir; telif hakkı ve lisans bildiriminin korunmasını şart koşar.

Licensed under the MIT License. See LICENSE for details.

---

📌 Alıntılama

Bu projeyi akademik veya rapor amaçlı kullanırsanız aşağıdaki gibi atıf verebilirsiniz:

@software{firat_akademik_tesvik_llm,
  author  = {Şahin Atakan Emre},
  title   = {Firat Universitesi Akademik Tesvik Asistani (LLM Fine-Tuning)},
  year    = {2026},
  url     = {https://github.com/Atakan-Emre/firat-akademik-tesvik-llm}
}