Update README.md

README.md

@@ -11,19 +11,16 @@ tags:
   - tuncerlab
 ---
 
-# Cortex45M — Turkish Text Correction
+# Cortex45M — Türkçe Metin Düzeltme
 
-<p align="center">
-  <img src="https://img.shields.io/badge/Cortex45M-45M%20Parameters-2563eb?style=for-the-badge" alt="Cortex45M 45M Parameters">
-  <img src="https://img.shields.io/badge/Framework-TensorFlow-ff8c00?style=for-the-badge&logo=tensorflow&logoColor=white" alt="TensorFlow">
-  <img src="https://img.shields.io/badge/License-MIT-16a34a?style=for-the-badge" alt="MIT License">
-</p>
+[![Model](https://img.shields.io/badge/Model-Cortex45M-2563eb?style=for-the-badge)](https://huggingface.co/korteks/cortex45m-metin-düzeltme)
+[![Parametreler](https://img.shields.io/badge/Parametreler-45M-7c3aed?style=for-the-badge)](https://huggingface.co/korteks/cortex45m-metin-düzeltme)
+[![TensorFlow](https://img.shields.io/badge/Framework-TensorFlow-ff8c00?style=for-the-badge&logo=tensorflow&logoColor=white)](https://www.tensorflow.org/)
+[![Lisans](https://img.shields.io/badge/Lisans-MIT-16a34a?style=for-the-badge)](https://opensource.org/license/mit)
 
-<p align="center">
-  <strong>A Turkish-focused neural network model for text correction.</strong>
-  <br>
-  Developed by TuncerLab.
-</p>
+**Türkçe odaklı, metin düzeltme için tasarlanmış bir sinir ağı modeli.**
+
+Cortex45M, TuncerLab tarafından geliştirilen, yaklaşık 45 milyon parametreye sahip TensorFlow tabanlı bir **ön eğitim (pre-training) modelidir**. Model şu an yalnızca ön eğitim aşamasındadır; metin düzeltme görevi için ayrıca supervised fine-tuning (SFT) veya başka bir görev odaklı ince ayar yapıldığı iddia edilmemektedir. Bu nedenle modelin doğrudan kullanıma hazır bir metin düzeltme sistemi olduğu varsayılmamalıdır.
 
 ---
 
@@ -31,20 +28,17 @@ tags:
 
 ## 1. Proje Hakkında
 
-**Cortex45M**, TuncerLab tarafından geliştirilen ve Türkçe metin düzeltme görevine odaklanan bir yapay zekâ modelidir.
-
-Yaklaşık **45 milyon parametreye** sahip olan model, Türkçe doğal dil işleme alanında deneysel çalışmalar yapmak ve metin düzeltme süreçlerini araştırmak amacıyla geliştirilmiştir.
-
-Proje, Türkçe metinler üzerinde çalışan daha küçük ölçekli sinir ağı modellerinin geliştirilmesine ve değerlendirilmesine katkıda bulunmayı hedefler.
+**Cortex45M**, Türkçe metin düzeltme görevine odaklanan deneysel bir yapay zekâ modelidir. Projenin amacı, Türkçe doğal dil işleme alanında araştırma ve geliştirme çalışmalarını desteklemek ve metin düzeltme yöntemlerini incelemektir.
 
 ## 2. Model Bilgileri
 
-| Özellik | Açıklama |
+| Özellik | Değer |
 |---|---|
 | Model adı | Cortex45M |
 | Geliştirici | TuncerLab |
 | Parametre sayısı | Yaklaşık 45 milyon |
-| Ana görev | Metin düzeltme |
+| Eğitim aşaması | Ön eğitim (pre-training) |
+| Hedeflenen sonraki görev | Türkçe metin düzeltme |
 | Dil odağı | Türkçe |
 | Makine öğrenimi çerçevesi | TensorFlow |
 | Bildirilen eğitim veri külliyatı | Yaklaşık 10 GB |
@@ -55,7 +49,7 @@ Bu bilgiler projenin mevcut tanımını yansıtır. Model mimarisinin ayrıntıl
 
 ## 3. Amaç ve Kullanım Alanları
 
-Cortex45M'nin temel amacı Türkçe metin düzeltme üzerine deneyler yapmaktır.
+Cortex45M şu an yalnızca ön eğitim (pre-training) aşamasındadır. Türkçe metin düzeltme, projenin hedeflenen kullanım alanıdır; ancak görev odaklı ince ayar yapıldığı veya modelin bu görev için hazır olduğu anlamına gelmez.
 
 Olası araştırma ve geliştirme alanları:
 
@@ -66,112 +60,80 @@ Olası araştırma ve geliştirme alanları:
 - Küçük ölçekli dil modeli geliştirme araştırmaları
 - Metin ön işleme ve düzeltme iş akışlarının prototiplenmesi
 
-Bu alanlar hedeflenen kullanım senaryolarıdır; her birinin model tarafından başarıyla gerçekleştirildiği anlamına gelmez.
+Bunlar hedeflenen kullanım senaryolarıdır; her birinin model tarafından başarıyla gerçekleştirildiği anlamına gelmez.
 
-## 4. Modelin Teknik Özellikleri
+## 4. Teknik Özellikler
 
 ### Parametre sayısı
 
-Model yaklaşık 45 milyon parametreye sahiptir. Parametre sayısı, öğrenilebilir model ağırlıklarının büyüklüğünü ifade eder.
-
-Tek başına parametre sayısı; doğruluk, hız, metin kalitesi veya genel yetenek düzeyini belirlemez. Bu özelliklerin uygun testlerle ölçülmesi gerekir.
+Model yaklaşık 45 milyon parametreye sahiptir. Parametre sayısı, sinir ağındaki öğrenilebilir değerlerin sayısını ifade eder. Tek başına parametre sayısı doğruluk, hız veya metin kalitesini belirlemez.
 
 ### TensorFlow
 
-Cortex45M, TensorFlow tabanlı olarak tanımlanmıştır. Gerçek kullanım için model dosyalarının, model mimarisinin ve gerekli ön işleme adımlarının birbiriyle uyumlu olması gerekir.
+Cortex45M, TensorFlow tabanlı olarak tanımlanmıştır. Modeli çalıştırmak için model dosyalarının, mimari tanımının ve gerekli ön işleme adımlarının birbiriyle uyumlu olması gerekir.
 
-### Türkçe odaklı yaklaşım
+### Türkçe odağı
 
-Projenin hedefi Türkçe metin düzeltmedir. Türkçenin eklemeli yapısı, yazım kuralları, karakterleri ve bağlama bağlı anlam farklılıkları değerlendirme sürecinde dikkate alınmalıdır.
+Türkçenin eklemeli yapısı, yazım kuralları, özel karakterleri ve bağlama bağlı anlam farklılıkları değerlendirme sürecinde dikkate alınmalıdır.
 
 ## 5. Eğitim Bilgileri
 
-Proje için bildirilen eğitim bilgileri:
+Proje için bildirilen ön eğitim bilgileri:
 
 - **Veri külliyatı:** Yaklaşık 10 GB
 - **Eğitim adımları:** 28.000
 - **Model boyutu:** Yaklaşık 45 milyon parametre
 - **Framework:** TensorFlow
 
-Veri külliyatının boyutu, kullanılan eğitim adımı sayısı ve parametre miktarı tek başına model kalitesini kanıtlamaz.
-
-Eğitim sürecinin tekrarlanabilir biçimde belgelenmesi için aşağıdaki ayrıntılar da paylaşılabilir:
-
-- Veri setlerinin adları ve kaynakları
-- Veri setlerinin lisansları
-- Eğitim ve doğrulama verilerinin ayrımı
-- Tokenizer veya metin ön işleme yöntemi
-- Optimizasyon algoritması
-- Öğrenme oranı ve zamanlama yöntemi
-- Batch size ve gradient accumulation ayarları
-- Kayıp fonksiyonu
-- Donanım ve eğitim süresi
-- En iyi checkpoint'in nasıl seçildiği
-
-Bu ayrıntılar mevcut değilse doğrulanmış bilgi gibi sunulmamalıdır.
+Veri külliyatının boyutu ve eğitim adımı sayısı tek başına model kalitesini kanıtlamaz. Eğitim sürecinin tekrarlanabilir biçimde belgelenmesi için veri kaynakları, veri ayrımları, tokenizer veya ön işleme yöntemi, optimizasyon algoritması, öğrenme oranı, batch size, kayıp fonksiyonu, donanım ve checkpoint seçimi gibi ayrıntılar da paylaşılabilir.
 
 ## 6. Veri Seti ve Veri Sorumluluğu
 
-Eğitim verilerinin kaynağı, lisansı, kalitesi ve kullanım koşulları modelin güvenilir biçimde paylaşılması açısından önemlidir.
+Eğitim verilerinin kaynağı, lisansı, kalitesi ve kullanım koşulları modelin güvenilir biçimde paylaşılması açısından önemlidir. Yaklaşık 10 GB büyüklüğündeki veri külliyatının tam içeriği bu kartta listelenmemiştir.
 
-Yaklaşık 10 GB büyüklüğündeki veri külliyatının içeriği hakkında ayrıntılı bir liste bu kartta belirtilmemiştir.
-
-Veri setleri yayımlanmadan önce:
-
-- Kaynak ve lisans bilgileri kontrol edilmelidir.
-- Yeniden dağıtım koşulları incelenmelidir.
-- Kişisel veya hassas bilgilerin istemeden paylaşılmadığı doğrulanmalıdır.
-- Eğitim ve test verileri arasındaki olası veri sızıntıları kontrol edilmelidir.
+Veri setleri yayımlanmadan önce kaynak ve lisans bilgileri kontrol edilmeli, yeniden dağıtım koşulları incelenmeli, kişisel veya hassas bilgilerin yanlışlıkla paylaşılmadığı doğrulanmalı ve eğitim-test verileri arasındaki olası veri sızıntıları kontrol edilmelidir.
 
 ## 7. Değerlendirme ve Benchmark
 
-Bu model kartında doğrulanmış bir benchmark sonucu veya doğruluk yüzdesi sunulmamaktadır.
+Bu model kartında doğrulanmış bir benchmark sonucu veya doğruluk yüzdesi sunulmamaktadır. Modelin yalnızca ön eğitim aşamasında olduğu ve metin düzeltme için görev odaklı ince ayarının doğrulanmadığı dikkate alınmalıdır. Modeli değerlendirmek için ayrı bir test veri seti kullanılmalı ve sonuçlar açıkça belgelenmelidir.
 
-Modeli değerlendirmek için ayrı bir test veri seti kullanılmalı ve sonuçlar açıkça belgelenmelidir.
-
-Metin düzeltme değerlendirmesinde incelenebilecek ölçütler:
+İncelenebilecek ölçütler:
 
 - Karakter düzeyinde hata oranı
 - Kelime düzeyinde hata oranı
-- Düzeltilen metnin yazım doğruluğu
+- Yazım doğruluğu
 - Anlamın korunması
 - Gereksiz değişikliklerin sayısı
 - İnsan değerlendirmesi
 
-Otomatik metrikler tek başına yeterli olmayabilir. Bir metnin yazımını düzeltirken anlamını değiştirmek de istenmeyen bir sonuçtur.
+Otomatik metrikler tek başına yeterli olmayabilir. Metin düzeltilirken anlamın gereksiz yere değiştirilmemesi de önemlidir.
 
 ## 8. Sınırlamalar
 
-Cortex45M deneysel bir metin düzeltme modeli olarak değerlendirilmelidir.
-
-Olası sınırlamalar:
+Cortex45M şu an yalnızca ön eğitim (pre-training) aşamasındaki bir model olarak değerlendirilmelidir; görev odaklı metin düzeltme modeli olarak ince ayarlandığı belirtilmemiştir.
 
 - Her yazım veya dil bilgisi hatasını doğru düzeltemeyebilir.
 - Doğru yazılmış ifadeleri gereksiz yere değiştirebilir.
 - Bağlamı veya özel isimleri yanlış yorumlayabilir.
-- Eğitim verilerinde yeterince temsil edilmeyen metin türlerinde başarısı düşebilir.
+- Eğitim verilerinde yeterince temsil edilmeyen metin türlerinde performansı düşebilir.
 - Bağımsız değerlendirme olmadan gerçek dünya performansı hakkında kesin bir sonuca varılamaz.
 
-Önemli veya hassas metinler model çıktısına dayanılarak kontrol edilmeden kullanılmamalıdır.
+Önemli veya hassas metinler, model çıktısına dayanılarak kullanılmadan önce kontrol edilmelidir.
 
 ## 9. Lisans ve Atıf
 
-Model deposunda MIT lisansı belirtilmiştir. Kullanım ve yeniden dağıtım koşulları için depodaki `LICENSE` dosyası incelenmelidir.
+Depoda MIT lisansı belirtilmiştir. Kullanım ve yeniden dağıtım koşulları için depodaki `LICENSE` dosyasını inceleyin. Model ağırlıklarının lisansı ile eğitim veri setlerinin lisansları farklı olabilir; veri kullanım ve dağıtım hakları ayrıca kontrol edilmelidir.
 
-Model ağırlıklarının lisansı ile eğitim veri setlerinin lisansları birbirinden farklı olabilir. Eğitim verilerinin kullanım ve dağıtım hakları ayrıca kontrol edilmelidir.
+**Atıf bilgileri**
 
-Projeye atıf yapmak için aşağıdaki bilgiler kullanılabilir:
-
-**Model:** Cortex45M  
-**Geliştirici:** TuncerLab  
-**Görev:** Türkçe metin düzeltme  
-**Framework:** TensorFlow
-
-## 10. Proje Bağlantısı
+- **Model:** Cortex45M
+- **Geliştirici:** TuncerLab
+- **Görev:** Türkçe metin düzeltme
+- **Framework:** TensorFlow
 
-Model deposu:
+## 10. Model Deposu
 
-https://huggingface.co/korteks/cortex45m-metin-düzeltme
+[Hugging Face model sayfası](https://huggingface.co/korteks/cortex45m-metin-düzeltme)
 
 ---
 
@@ -179,11 +141,7 @@ https://huggingface.co/korteks/cortex45m-metin-düzeltme
 
 ## 1. About the Project
 
-**Cortex45M** is an AI model developed by TuncerLab with a focus on Turkish text correction.
-
-With approximately **45 million parameters**, the project is intended for experimentation and research involving Turkish natural language processing and text correction.
-
-The project aims to contribute to the development and evaluation of smaller neural network models for Turkish text processing.
+**Cortex45M** is an experimental AI model focused on Turkish text correction. The project aims to support research and development in Turkish natural language processing and the study of text-correction methods.
 
 ## 2. Model Information
 
@@ -192,37 +150,36 @@ The project aims to contribute to the development and evaluation of smaller neur
 | Model name | Cortex45M |
 | Developer | TuncerLab |
 | Parameter count | Approximately 45 million |
-| Primary task | Text correction |
+| Current training stage | Pre-training only |
+| Intended downstream task | Turkish text correction |
 | Language focus | Turkish |
 | Machine learning framework | TensorFlow |
 | Reported training corpus | Approximately 10 GB |
 | Reported training steps | 28,000 |
 | License | MIT |
 
-These details describe the currently reported project configuration. The architecture, exact dataset composition, training hardware, and evaluation results should be documented separately.
+These details reflect the currently reported project configuration. The architecture, exact dataset composition, training hardware, and evaluation results should be documented separately.
 
 ## 3. Intended Use
 
-Cortex45M is intended for experiments involving Turkish text correction.
+Cortex45M is currently at the pre-training stage only. Turkish text correction is an intended downstream task, not a claim that task-specific fine-tuning has been completed or that the model is ready for direct text-correction use.
 
 Potential research and development areas include:
 
-- Turkish text correction research
+- Turkish text-correction research
 - Neural text-processing experiments
 - Turkish NLP projects
 - Comparison of training and evaluation approaches
-- Small-scale language model research
+- Small-scale language-model research
 - Prototyping text preprocessing and correction pipelines
 
-These are intended use cases, not claims that the model has already demonstrated success in every listed area.
+These are intended use cases, not claims that the model has demonstrated success in every listed area.
 
 ## 4. Technical Overview
 
 ### Parameter count
 
-The model has approximately 45 million parameters. Parameter count refers to the learnable values in a neural network.
-
-Parameter count alone does not establish accuracy, speed, text quality, or general capability. These properties require appropriate evaluation.
+The model has approximately 45 million parameters. Parameter count refers to the learnable values in a neural network. It does not independently establish accuracy, speed, or text quality.
 
 ### TensorFlow
 
@@ -230,69 +187,36 @@ Cortex45M is described as a TensorFlow-based model. Practical use requires compa
 
 ### Turkish language focus
 
-The project focuses on Turkish text correction. Turkish morphology, spelling conventions, special characters, and context-dependent meaning should be considered during evaluation.
+Turkish morphology, spelling conventions, special characters, and context-dependent meaning should be considered during evaluation.
 
 ## 5. Training Information
 
-The reported training configuration includes:
+The reported pre-training configuration includes:
 
 - **Training corpus:** Approximately 10 GB
 - **Training steps:** 28,000
 - **Model size:** Approximately 45 million parameters
 - **Framework:** TensorFlow
 
-Corpus size, training steps, and parameter count do not independently demonstrate model quality.
-
-For reproducibility, additional information could include:
-
-- Dataset names and sources
-- Dataset licenses
-- Training and validation splits
-- Tokenizer and preprocessing method
-- Optimizer
-- Learning rate and scheduling
-- Batch size and gradient accumulation
-- Loss function
-- Hardware and training duration
-- Checkpoint selection criteria
-
-Details that have not been verified should not be presented as established facts.
+Corpus size and training-step count do not independently demonstrate model quality. For reproducibility, further details could include dataset sources and splits, tokenizer and preprocessing methods, optimizer, learning rate, batch size, loss function, hardware, training duration, and checkpoint-selection criteria.
 
 ## 6. Dataset and Data Responsibility
 
-Dataset provenance, licensing, quality, and permitted uses are important when distributing a model.
-
-The exact composition of the reported 10 GB training corpus is not specified in this model card.
+Dataset provenance, licensing, quality, and permitted uses are important when distributing a model. The exact composition of the reported 10 GB training corpus is not listed in this model card.
 
-Before publishing datasets or derived materials:
-
-- Verify source and license information.
-- Review redistribution permissions.
-- Check for accidentally included personal or sensitive information.
-- Check for data leakage between training and evaluation sets.
+Before publishing datasets or derived materials, verify source and license information, review redistribution permissions, check for accidentally included personal or sensitive information, and check for data leakage between training and evaluation sets.
 
 ## 7. Evaluation and Benchmarks
 
-No verified benchmark result or accuracy percentage is reported in this model card.
-
-Evaluation should use a separate test set and clearly documented metrics.
+No verified benchmark result or accuracy percentage is reported in this model card. The model is currently pre-training only, and task-specific fine-tuning for text correction is not claimed. Evaluation should use a separate test set and clearly documented metrics.
 
-Potential text-correction metrics include:
-
-- Character-level error rate
-- Word-level error rate
-- Spelling accuracy
-- Meaning preservation
-- Number of unnecessary edits
-- Human evaluation
+Potential metrics include character-level error rate, word-level error rate, spelling accuracy, meaning preservation, unnecessary edits, and human evaluation.
 
 Automatic metrics may not capture every important aspect of correction quality. A correction should improve the text without unnecessarily changing its meaning.
 
 ## 8. Limitations
 
-Cortex45M should be treated as an experimental text-correction model.
-
-Potential limitations include:
+Cortex45M should be treated as a pre-training-stage model. Task-specific fine-tuning for text correction is not claimed.
 
 - It may fail to correct some spelling or grammar errors.
 - It may unnecessarily alter already-correct text.
@@ -304,22 +228,18 @@ Important or sensitive text should be reviewed before relying on model-generated
 
 ## 9. License and Attribution
 
-The repository specifies the MIT license. Consult the repository's `LICENSE` file for the applicable terms.
+The repository specifies the MIT license. Consult the repository's `LICENSE` file for the applicable terms. The license for model weights may differ from the licenses governing the training datasets. Dataset usage and redistribution rights should be checked separately.
 
-The license for model weights may differ from the licenses governing the training datasets. Dataset usage and redistribution rights should be checked separately.
+**Attribution**
 
-Suggested attribution:
-
-**Model:** Cortex45M  
-**Developer:** TuncerLab  
-**Task:** Turkish text correction  
-**Framework:** TensorFlow
+- **Model:** Cortex45M
+- **Developer:** TuncerLab
+- **Task:** Turkish text correction
+- **Framework:** TensorFlow
 
 ## 10. Repository
 
-Model repository:
-
-https://huggingface.co/korteks/cortex45m-metin-düzeltme
+[Hugging Face Model Repository](https://huggingface.co/korteks/cortex45m-metin-düzeltme)
 
 ---