---
title: "Qwen 2.5 ve Unsloth ile Akıllı Müşteri Hizmetleri Asistanı Geliştirme"
url: https://blog.edumints.com/qwen-25-ve-unsloth-ile-akilli-musteri-hizmetleri-asistani-ge-gvjml4s9
category: "LLM"
date: 2026-08-26T07:03:47.406Z
publisher: Edumints Blog
lang: tr-TR
source_name: "GitHub"
source_url: https://github.com/Mohamed-Elgaraihy/customer-service-ai-finetune
---

# Qwen 2.5 ve Unsloth ile Akıllı Müşteri Hizmetleri Asistanı Geliştirme

## Proje Nedir ve Neden Önemlidir?
**customer-service-ai-finetune**, Alibaba'nın son teknoloji açık kaynaklı büyük dil modeli **Qwen 2.5**'i müşteri hizmetleri alanında uzmanlaşmış akıllı bir asistana dönüştürmek için hazırlanmış pratik bir ince ayar (fine-tuning) projesidir. Proje, özellikle bellek tüketimini minimize eden ve işlem hızını artıran **Unsloth** kütüphanesini kullanarak tüm eğitim sürecini **Google Colab** ortamında erişilebilir ve maliyetsiz hale getirir.

Günümüzde müşteri deneyimini iyileştirmek isteyen işletmeler için genel amaçlı yapay zeka modelleri yetersiz kalabilmektedir. Bu repo, geliştiricilere modelin kurum kimliğine, belirli yanıt şablonlarına ve çözüm protokollerine uygun davranmasını sağlayacak ince ayar altyapısını hazır bir şekilde sunar.

## Geliştiriciler İçin Değeri ve Pratik Kullanım Senaryoları
Jupyter Notebook formatında sunulan proje, karmaşık makine öğrenimi adımlarını anlaşılır hale getirerek geliştiricilere şu kullanım alanlarında doğrudan değer sağlar:

- **E-Ticaret Sipariş ve İade Yönetimi:** Müşterilerin kargo takibi, iade şartları, iptal süreçleri ve ödeme adımları ile ilgili sorularına kurumsal kurallara sadık kalarak hızlı ve doğru yanıtlar üretme.
- **Teknik Destek ve Sorun Giderme:** Kullanıcıların karşılaştığı yazılım ve donanım problemlerini adım adım yönlendirmelerle çözen birinci seviye destek botları oluşturma.
- **7/24 Çok Dilli Çağrı Merkezi Desteği:** Qwen 2.5 modelinin güçlü çok dilli yapısından yararlanarak küresel müşterilere kendi dillerinde kesintisiz destek sunma.

## Benzer Araçlarla Karşılaştırma
- **Standart Hugging Face (TRL / PEFT):** Standart kütüphaneler yüksek VRAM gereksinimi sebebiyle ücretsiz Google Colab (T4 GPU) ortamlarında sık sık bellek yetersizliği (OOM) hatası verebilir. Unsloth ise özel GPU çekirdek optimizasyonları sayesinde eğitimi **%70-80 daha az VRAM** ile ve **2 ila 5 kat daha hızlı** tamamlar.
- **Kapalı Kaynaklı API Fine-Tuning (OpenAI vb.):** Ticari API'ler yüksek eğitim ve istek maliyetleri yaratırken veri gizliliği endişelerini de beraberinde getirir. Qwen 2.5 ve Unsloth ikilisi, verilerin tamamen geliştiricinin kontrolünde kalmasını ve modelin özel sunucularda bağımsız çalışmasını mümkün kılar.
- **Sadece Prompt Mühendisliği / RAG:** Bilgi tabanlı RAG mimarileri harici veriyi modele sunsa da konuşma üslubu, şablon uyumu ve kısa-öz yanıt disiplinini tek başına garanti edemez. İnce ayar, bu davranış kalıplarını model ağırlıklarına kalıcı olarak işler.

## Nasıl Kullanılır?
1. Hazırlanan Jupyter Notebook dosyasını Google Colab'da açıp GPU donanımını etkinleştirin.
2. Unsloth kütüphanesini kurarak Qwen 2.5 taban modelini 4-bit kuantizasyon (QLoRA) ile yükleyin.
3. Müşteri destek diyaloglarından oluşan veri setinizi tanımlanan formata göre modele besleyin ve eğitimi başlatın.
4. Eğitilen adaptör ağırlıklarını dışa aktararak Ollama veya vLLM gibi servisler üzerinden yerel veya bulut ortamında kullanıma alın.

[[Orijinal kaynağa buradan ulaşabilirsiniz.](https://github.com/Mohamed-Elgaraihy/customer-service-ai-finetune)](https://github.com/Mohamed-Elgaraihy/customer-service-ai-finetune)

---

**Kaynak:** [GitHub](https://github.com/Mohamed-Elgaraihy/customer-service-ai-finetune)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/qwen-25-ve-unsloth-ile-akilli-musteri-hizmetleri-asistani-ge-gvjml4s9