Update README.md

README.md

@@ -1,10 +1,61 @@
 ---
-license: apache-2.0
+language:
+- en
+tags:
+- code
+- llama
+- coding
+- text-generation
 datasets:
-- nampdn-ai/tiny-codes
-- ise-uiuc/Magicoder-Evol-Instruct-110K
 - theblackcat102/evol-codealpaca-v1
-- turkish-nlp-suite/InstrucTurca
-language:
-- tr
----
+- ise-uiuc/Magicoder-Evol-Instruct-110K
+- nampdn-ai/tiny-codes
+---
+
+# SykoLLM-V4.7-CodeX-Beta 🚀
+
+**SykoLLM-V4.7-CodeX-Beta**, kodlama ve yazılım geliştirme görevleri için eğitilmiş, Llama mimarisini temel alan kompakt bir dil modelidir. Bu model, çeşitli kodlama veri setleri üzerinde ince ayar (fine-tuning) yapılarak geliştirilmiştir.
+
+**Hugging Face Repo ID:** `syko818121/SykoLLM-V4.7-CodeX-Beta`
+
+## ⚠️ Önemli Uyarı (Beta Sürümü)
+Bu model şu anda **BETA** aşamasındadır. 
+* Henüz resmi benchmark (kıyaslama) testlerinden geçirilmemiştir. 
+* Şu anki performansı yalnızca manuel testlere dayanmaktadır.
+* Geliştirme aşamasında olduğu için kod üretirken hatalar yapabilir, halüsinasyon görebilir veya beklenmedik çıktılar verebilir. Lütfen kritik sistemlerde kullanmadan önce çıktıları her zaman kontrol edin!
+
+## 🧠 Model Detayları
+Modelin temel yapılandırma (config) özellikleri şunlardır:
+* **Mimari:** LlamaForCausalLM
+* **Gizli Boyut (Hidden Size):** 1024
+* **Katman Sayısı (Hidden Layers):** 20
+* **Dikkat Başlıkları (Attention Heads):** 8
+* **Maksimum Bağlam (Context Window):** 1024 token
+* **Sözlük Boyutu (Vocab Size):** 32,000
+
+## 📚 Eğitim Veri Setleri
+Bu modelin kodlama yeteneklerini geliştirmek için aşağıdaki popüler açık kaynaklı veri setleri kullanılmıştır:
+1. [`theblackcat102/evol-codealpaca-v1`](https://huggingface.co/datasets/theblackcat102/evol-codealpaca-v1)
+2. [`ise-uiuc/Magicoder-Evol-Instruct-110K`](https://huggingface.co/datasets/ise-uiuc/Magicoder-Evol-Instruct-110K)
+3. [`nampdn-ai/tiny-codes`](https://huggingface.co/datasets/nampdn-ai/tiny-codes)
+
+## 💻 Nasıl Kullanılır?
+
+Modeli `transformers` kütüphanesi ile kolayca projenize dahil edebilirsiniz:
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model_id = "syko818121/SykoLLM-V4.7-CodeX-Beta"
+
+# Tokenizer ve Modeli yükle
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(model_id)
+
+# Örnek bir prompt
+prompt = "Write a Python function to reverse a string."
+inputs = tokenizer(prompt, return_tensors="pt")
+
+# Çıktı üret
+outputs = model.generate(**inputs, max_new_tokens=100)
+print(tokenizer.decode(outputs[0], skip_special_tokens=True))