Yeni Başlayanlar İçin Büyük Dil Modellerini (LLM) PaLM API ile Kullanma Kılavuzu

Hayalinizdeki işe ulaşmanıza yardımcı olacak kişiselleştirilmiş bir ön mektup yazmanın bir yolunu mu arıyorsunuz? Öyleyse, bir ön yazı oluşturucu oluşturmak için PaLM API ile birlikte büyük bir dil modeli (LLM) kullanmak ilginizi çekebilir.

Büyük dil modelleri (LLM'ler), metin üretebilen, dilleri çevirebilen, farklı yaratıcı metin formatları yazabilen ve sorularınızı resmi olmayan bir şekilde yanıtlayabilen yapay zekadır (AI). O kadar güçlüler ki, yeni araçlar ve uygulamalar oluşturmak için bile kullanılabilirler.

Böyle bir araç, geliştiricilerin LLM'lere erişmesine ve kullanmasına olanak tanıyan PaLM API'dir.

Bu kılavuz size bir ön yazı oluşturucu oluşturmak için PaLM API'sinin (Ön Eğitimli ve Büyük Ölçekli Dil Modeli API'si) nasıl kullanılacağını gösterecektir. Bu araç, iş başvuruları için kişiselleştirilmiş kapak mektupları oluşturmanıza yardımcı olabilir.

Yüksek Lisans Nedir?

Büyük dil modelleri (LLM'ler), büyük metin veri kümeleri üzerinde eğitilmiş gelişmiş yapay zeka (AI) sistemleridir. Bu onların kelimelerin ve cümlelerin birbirine nasıl uyduğunu öğrenmelerine yardımcı olarak anlaşılır ve doğru cümleler oluşturmalarına olanak tanır.

Yüksek Lisans'lar bir tür üretken yapay zekadır ; bu, yeni içerik oluşturabilecekleri anlamına gelir.

Yüksek Lisans'lar genellikle transformatör adı verilen bir tür sinir ağı kullanılarak oluşturulur. Transformatörler, doğal dili anlamak ve oluşturmak için gerekli olan, kelimeler arasındaki uzun vadeli bağımlılıkları öğrenebilir. Transformatör modelleri, her biri farklı bir görevi yerine getiren birden fazla katmandan oluşur.

Örneğin, öz-dikkat katmanı, modelin bir cümledeki farklı kelimeler arasındaki ilişkileri öğrenmesine olanak tanır.

LLM'ye bir örnek, OpenAI tarafından oluşturulan GPT-3'tür. GPT-3 çok sayıda metin ve koddan ders almıştır. Yazabilir, dilleri tercüme edebilir, yaratıcı içerik oluşturabilir ve soruları dostane bir şekilde yanıtlayabilir.

Yüksek Lisanslar süper güçlüdür ve bilgisayarları kullanma şeklimizi değiştirebilir. İyileştikçe bize birçok yönden yardımcı olabilirler:

• Sanal Asistanlar: Yüksek Lisans'lar bizi anlayan ve insanlar gibi konuşan akıllı asistanlar haline gelebilir. Bu, cihazların kullanımını çok daha kolay hale getirebilir. Örneğin, bir Yüksek Lisans, randevu almanıza, rezervasyon yapmanıza veya akıllı ev cihazlarınızı kontrol etmenize yardımcı olacak bir sanal asistana güç sağlayabilir.

• Eğitim: Yüksek Lisans'lar öğrenmeyi öğrenciler için kişisel hale getirebilir. Ayrıca makalelere not verebilir ve öğrencilere tavsiyelerde bulunabilirler. Örneğin, bir yüksek lisans öğrencisi için kişiselleştirilmiş bir okuma listesi oluşturmak veya öğrencinin makalesi hakkında geri bildirim sağlamak için kullanılabilir.

• Sağlık: Yüksek Lisans'lar tıbbi kayıtları okuyabilir ve olası sağlık sorunlarını bulabilir. Yeni tedavilerin yapılmasına bile yardımcı olabilirler. Örneğin, bir Yüksek Lisans, belirli bir hastalığa yakalanma riski taşıyan hastaları belirlemek veya yeni bir ilaç tedavisi geliştirmek için kullanılabilir.

• Finansal Hizmetler: LLM'ler müşterilere tavsiyelerde bulunabilir ve sahte işlemleri tespit edebilir. Örneğin, bir Yüksek Lisans, müşterilerin doğru yatırım portföyünü seçmesine veya sahte kredi kartı işlemlerini tespit etmesine yardımcı olabilir.

Büyük Dil Modeli Nasıl Çalışır?

Yüksek Lisans, öncelikle bir dildeki kelimeler ve ifadeler arasındaki istatistiksel ilişkileri öğrenerek çalışır. Bu, modeli çok büyük bir metin ve kod veri kümesi üzerinde eğiterek yapılır. Model bu ilişkileri öğrendikten sonra üzerinde eğitim aldığı metne benzer yeni metin üretebilir.

1. LLM, çok büyük bir metin ve kod veri kümesi üzerinde eğitilmiştir. Bu veri kümesi kitaplardan makalelere, kod depolarından sosyal medya gönderilerine kadar her şeyi içerir.

   
   

2. LLM, veri kümesindeki kelimeler ve ifadeler arasındaki istatistiksel ilişkileri öğrenir. Bu, hangi kelimelerin bir arada görünme olasılığının daha yüksek olduğunu ve bir cümlenin anlamının kelimelerin sırasına göre nasıl değişebileceğini öğrendiği anlamına gelir.

   
   

3. LLM bu ilişkileri öğrendikten sonra yeni metin oluşturabilir. Bunu yapmak için birkaç kelime veya cümle gibi bir tohum metinle başlar. Daha sonra öğrendiği istatistiksel ilişkileri kullanarak cümledeki bir sonraki kelimeyi tahmin eder. Yeni bir cümle oluşana kadar bunu yapmaya devam eder.

Yüksek Lisans'ın nasıl metin oluşturabileceğine dair bir örnek:

 `Seed text: "The cat sat on the mat." LLM prediction: "The cat sat on the mat and stared at the bird."`

Bu örnekte LLM, "cat" ve "sat" kelimelerinin ardından genellikle "on" kelimesinin geldiğini öğrenmiştir. Ayrıca "mat"ın ardından sıklıkla "ve" geldiğini de öğrenmiştir. LLM, bu ilişkilere dayanarak cümledeki bir sonraki kelimenin "ve" olacağını tahmin ediyor.

Daha sonra bir sonraki kelime olan "baktı" kelimesini tahmin etmeye devam ediyor.

Bir LLM'nin nasıl çalıştığını gösteren bir diyagram:

LLM bir sinir ağından oluşur. Sinir ağı, verilerdeki kalıpları tanımayı öğrenebilen karmaşık bir matematiksel modeldir. Yüksek Lisans durumunda sinir ağı, kelimeler ve ifadeler arasındaki istatistiksel ilişkileri tanımayı öğrenir.

Sinir ağı, devasa bir metin ve kod veri kümesiyle eğitilir. Veri seti sinir ağına her seferinde bir kelime ile beslenir. Sinir ağı daha sonra dizideki bir sonraki kelimeyi tahmin etmeye çalışır.

Tahminlerin doğruluğu ölçülür ve sinir ağı, doğruluğunu artırmak için güncellenir.

Bu süreç, sinir ağı dizideki bir sonraki kelimeyi doğru bir şekilde tahmin etmeyi öğrenene kadar birçok kez tekrarlanır.

Büyük Dil Modelleri Ne İçin Kullanılır?

• Metin üretimi: Yüksek Lisans'lar şiir, kod, senaryo, müzik parçaları, e-postalar, mektuplar vb. gibi metinler oluşturabilir. Örneğin, Bard adlı Yüksek Lisans, farklı yaratıcı metin formatları oluşturabilir. Tüm ihtiyaçlarınızı karşılamak için elinden geleni yapacaktır.

• Çeviri: Yüksek Lisans'lar metni bir dilden diğerine çevirebilir. Örneğin, Google Translate LLM, metni İngilizceden Fransızcaya, İspanyolcaya, Almancaya, Çinceye, Japoncaya ve diğer birçok dile çevirebilir.

• Soru cevaplama: LLM'ler, açık uçlu, zorlayıcı veya tuhaf olsalar bile çeşitli konulardaki soruları cevaplayabilir. Örneğin, LaMDA LLM hava durumu, tarih veya güncel olaylarla ilgili soruları yanıtlayabilir.

• Özetleme: LLM'ler, haber makaleleri veya araştırma makaleleri gibi uzun metin parçalarını özetleyebilir. Örneğin, BARD adlı Yüksek Lisans, bir araştırma makalesini birkaç cümleyle özetleyebilir.

• Kod oluşturma: LLM'ler Python, Java veya C++ kodu oluşturabilir. Örneğin GitHub Copilot LLM doğru ve etkili kod üretebilir.

Yaratıcı yazma: LLM'ler şiir, kısa öykü veya senaryo gibi yaratıcı metinler üretebilir. Örneğin, GPT-3 adı verilen Yüksek Lisans, özgün ve yaratıcı şiirler üretmek için kullanılabilir.

PaLM API'sine Başlarken

PaLM API (Pathways Language Model API), geliştiricilerin Google'ın PaLM 2 büyük dil modeline (LLM) erişmesine olanak tanıyan bulut tabanlı bir API'dir. PaLM 2, aşağıdakiler de dahil olmak üzere çeşitli görevler için kullanılabilecek güçlü bir Yüksek Lisans'tır:

• Metin oluşturma: PaLM API, birçok yolla metin oluşturabilir. Metin veya Sohbet servislerini kullanabilirsiniz. Metin hizmeti, metni özetlemek, yaratıcı içerik yazmak ve sorularınızı yararlı bir şekilde yanıtlamak gibi birçok amaç için metin oluşturabilir. Sohbet hizmeti, sohbet robotları ve diğer konuşma uygulamaları için metin oluşturabilir.

  
  

• Programlama dilleri: PaLM API, Node.js, Python, Android Kotlin, Swift ve Java'yı destekler. Bu eğitimde Node.js Metin örneğini kullanacaksınız.

  
  

• Belgeler: PaLM API açık kaynaktır ve herkesin kullanımına ve geliştirilmesine olanak sağlar. Aynı zamanda iyi bir şekilde belgelenmiştir, dolayısıyla geliştiricilerin onu nasıl kullanacaklarını öğrenmesi kolaydır.

  
  

PaLM API'sini kullanmaya başlamak için aşağıdaki adımlara ihtiyacınız olacak:

1: Bir Google Cloud Platform hesabı oluşturun.

Bunu Google Cloud Platform web sitesini ziyaret ederek yapabilirsiniz: .

2: Bir API anahtarı alın. API'yi kullanmak için bir API anahtarına ihtiyacınız vardır. Bekleme listesini tamamladıktan sonra MakerSuite'te tek tıklamayla bir anahtar oluşturabilirsiniz. bu bağlantı aracılığıyla

3: PaLM API istemci kitaplığını yükleyin. PaLM API istemci kitaplığı, PaLM API ile etkileşimde bulunmak için kullanabileceğiniz bir kod kümesidir. Aşağıdaki komutu çalıştırarak yükleyebilirsiniz:

 npm init -y npm install google-auth-library

Ardından, Üretken Dil istemci kitaplığını yükleyin:

 npm install @google-ai/generativelanguage

4: Gerekli Modülleri İçe Aktarma

 const { TextServiceClient } = require("@google-ai/generativelanguage").v1beta2; const { GoogleAuth } = require("google-auth-library");

Bu adımda kod, require işlevini kullanarak gerekli modülleri içe aktarır. @google-ai/generativelanguage kitaplığından TextServiceClient sınıfını ve google-auth-library GoogleAuth sınıfını içe aktarır.

5: Sabitleri Ayarlama

 const MODEL_NAME = "models/text-bison-001"; const API_KEY = process.env.API_KEY;

Burada kod iki sabit ayarlar: kullanmak istediğiniz metin oluşturma modelinin adını belirten MODEL_NAME ve ortam değişkenlerinden API anahtarını alan API_KEY .

6: TextServiceClient Örneği Oluşturma

 const client = new TextServiceClient({ authClient: new GoogleAuth().fromAPIKey(API_KEY), });

Bu adım TextServiceClient sınıfının bir örneğini oluşturur. Ortam değişkenlerinden elde edilen API anahtarıyla başlatılan GoogleAuth sınıfını kullanarak istemciyi kimlik doğrulamayla başlatır.

7: İstemin Tanımlanması

 const prompt = "Write a simple and short cover letter for a technical writer";

Burada kod, metin üretimi için girdi olarak kullanılacak ilk metni tutan, prompt adı verilen bir değişkeni tanımlar.

8: Metin Oluşturma

 client .generateText({ model: MODEL_NAME, prompt: { text: prompt, }, }) .then((result) => { console.log(JSON.stringify(result)); });

Bu adımda kod, metin oluşturmak için client örneğini kullanır. İstemci örneğinde generateText yöntemini çağırır. Özellikler olarak model adı ( MODEL_NAME ) ve bilgi istemi metni ( prompt ) olan bir nesneyi iletir.

generateText yöntemi, then yöntemi kullanılarak işlenen bir Promise döndürür. Oluşturulan sonuç, bir JSON dizisine dönüştürüldükten sonra bloğun içindeki konsola kaydedilir.

Ardından betiği çalıştırın:

 node index.js

Buna benzer bir sonuç elde edeceksiniz:

 [{"candidates":[{"safetyRatings":[{"category":"HARM_CATEGORY_DEROGATORY","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_TOXICITY","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_VIOLENCE","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_SEXUAL","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_MEDICAL","probability":"NEGLIGIBLE"},{"category":"HARM_CATEGORY_DANGEROUS","probability":"NEGLIGIBLE"}],"output":"Dear [Hiring Manager name],\n\nI am writing to express my interest in the Technical Writer position at [Company name]. I have been working as a technical writer for the past five years, and I have a proven track record of success in developing and delivering clear, concise, and engaging technical documentation.\n\nIn my previous role at [Previous company name], I was responsible for writing a wide range of technical documentation, including user guides, API documentation, and training materials. I have a strong understanding of the technical writing process, and I am proficient in a variety of writing and editing tools.\n\nI am also an excellent communicator, and I am able to effectively translate complex technical information into language that is easy for both technical and non-technical audiences to understand. I am confident that I have the skills and experience that you are looking for in a Technical Writer.\n\nI am eager to learn more about the Technical Writer position at [Company name], and I am confident that I would be a valuable asset to your team. I am available for an interview at your earliest convenience.\n\nThank you for your time and consideration.\n\nSincerely,\n[Your name]","citationMetadata":{"citationSources":[{"startIndex":1068,"_startIndex":"startIndex","endIndex":1196,"_endIndex":"endIndex","uri":"//www.upwork.com/resources/cover-letter-tips","_uri":"uri","license":"","_license":"license"}]},"_citationMetadata":"citationMetadata"}],"filters":[],"safetyFeedback":[]},null,null]

Sonuç olarak, bu eğitim size PaLM API ile büyük dil modellerini (LLM'ler) kullanmanın temellerini tanıttı. Nasıl yapılacağını öğrendiniz:

• Yüksek Lisans ve PaLM API'nin potansiyelini anlayın
• PaLM API'sini kullanarak özelleştirilmiş bir kapak mektubu oluşturucu oluşturun
• Metin oluşturmak, dilleri tercüme etmek ve soruları yanıtlamak için Yüksek Lisans'tan yararlanın
• PaLM API'sini Node.js ve istemci kitaplığıyla entegre edin

Bu, Yüksek Lisans ve API'lerle yapabileceklerinizin yalnızca başlangıcıdır. Bu teknolojileri keşfetmeye devam ettikçe, sorunları çözmek, yeni deneyimler yaratmak ve geleceği şekillendirmek için bunları kullanmanın daha da fazla yolunu keşfedeceksiniz.