Hugging Face (Açık Kaynak Yapay Zeka Merkezi)

#YapayZekaAraclari #AcikKaynak #LLM #VeriBilimi #Python

Hugging Face, yapay zeka modellerinin paylaşıldığı ve çalıştırıldığı açık kaynak platform — yapay zekanın GitHub'ı.

Hugging Face, makine öğrenimi modellerinin, veri setlerinin ve yapay zeka uygulamalarının paylaşıldığı, indirildiği ve birlikte geliştirildiği açık kaynak platformdur. Yazılımcılar için GitHub neyse, yapay zeka araştırmacıları ve geliştiricileri için Hugging Face odur: 2026 itibarıyla platformda 1,7 milyondan fazla model, 400 binden fazla veri seti ve 500 bini aşkın Spaces demo uygulaması bulunur. 2016'da Clément Delangue, Julien Chaumond ve Thomas Wolf tarafından New York'ta kurulan şirket, başlangıçta gençlere yönelik bir sohbet botu üretiyordu. 2018'de yayımladığı **Transformers** kütüphanesiyle rotasını değiştirdi ve açık kaynak yapay zekanın fiili merkezi hâline geldi. Bugün Google, Meta, Microsoft, Mistral, Alibaba (Qwen) ve DeepSeek gibi oyuncular açık ağırlıklı modellerini önce Hugging Face Hub üzerinde yayımlıyor; Llama, Qwen, Mistral, Whisper ve Stable Diffusion gibi modeller buradan milyonlarca kez indiriliyor. Platformun gücü üç katmandan gelir. Birincisi **Hub**: model, veri seti ve demo barındıran, Git tabanlı sürümleme kullanan merkezi depo. İkincisi **açık kaynak kütüphaneler**: Transformers, Diffusers, Datasets, PEFT, TRL ve safetensors, model yükleme-eğitme-hizalama iş akışını üç satır Python koduna indirger. Üçüncüsü **ücretli altyapı servisleri**: Inference Endpoints, Spaces GPU kiralama ve kurumsal Hub aboneliği, şirketin gelir modelini oluşturur. 2023'teki 235 milyon dolarlık Series D turunda 4,5 milyar dolar değerleme alan şirket, 2024-2025 döneminde robotik alanına da girdi: Pollen Robotics'i satın aldı, LeRobot kütüphanesini ve 299 dolarlık açık kaynak Reachy Mini robotunu duyurdu. Hugging Face'i öğrenmek, modern yapay zeka geliştirmenin ön koşulu sayılır; açık modelle çalışan hemen her proje — ince ayardan (fine-tuning) üretim dağıtımına — bu ekosistemin en az bir parçasından geçer.

Neden Bu Kadar Önemli? Açık Kaynak YZ'nin Başkenti

2018 öncesinde bir araştırma laboratuvarı yeni bir model eğittiğinde, başkalarının onu çalıştırması günler süren kurulum ve uyumsuz kod demekti. Transformers kütüphanesi bunu tek bir standart API'ye indirdi: `from_pretrained("model-adı")` satırı, ağırlıkları Hub'dan indirir, önbelleğe alır ve modeli kullanıma hazır hâle getirir. Bu standartlaşma, açık ağırlıklı model devriminin altyapısını kurdu. Meta'nın Llama serisi, Alibaba'nın Qwen ailesi, DeepSeek-R1 ve Mistral modelleri milyonlarca indirmeye Hub üzerinden ulaştı; 2025'te DeepSeek-R1 tek başına ilk ayında 1 milyondan fazla indirilerek platform rekoru kırdı. GitHub'da 150 binden fazla yıldıza sahip Transformers, PyTorch ekosisteminin en çok kullanılan kütüphanelerinden biridir. Akademi tarafında ise makale-model eşleştirmesi (Papers with Code entegrasyonu) ve model kartları, tekrarlanabilir araştırmanın standardı oldu.

Platformun Üç Temel Bileşeni

model-hub Model Hub

1,7 milyondan fazla önceden eğitilmiş ve ince ayarlı model; her biri lisans, kullanım ve güvenlik bilgisini içeren model kartıyla belgelenir.

dataset-hub Dataset Hub

400 binden fazla veri seti: Türkçe Wikipedia arşivinden kodlama soru-cevap koleksiyonlarına, FineWeb gibi trilyonlarca token'lık eğitim derlemlerine kadar.

spaces Spaces

Gradio veya Streamlit ile yazılan modellerin tarayıcıdan tek tıkla denenebildiği 500 bini aşkın canlı demo; ücretsiz CPU veya kiralık GPU üzerinde çalışır.

Ekosistemin Kritik Kütüphaneleri

  • check_circle Transformers: BERT'ten Llama'ya binlerce mimariyi tek API ile yükleyip çalıştırır; PyTorch öncelikli olup metin, görüntü ve ses modellerini kapsar.
  • check_circle Diffusers: Stable Diffusion ve FLUX gibi difüzyon tabanlı görüntü/video üretim modellerinin standart çalıştırma ve eğitim kütüphanesi.
  • check_circle PEFT: LoRA ve QLoRA gibi parametre-verimli yöntemlerle 70 milyar parametreli bir modeli tek tüketici GPU'sunda ince ayarlamayı mümkün kılar.
  • check_circle TRL: SFT, DPO ve GRPO gibi hizalama tekniklerinin uygulanabildiği eğitim kütüphanesi; RLHF iş akışının açık kaynak standardıdır.
  • check_circle Datasets ve safetensors: Datasets, terabaytlık derlemleri bellek dostu akışla işler; safetensors ise pickle güvenlik açıklarını kapatan model ağırlık formatı olarak sektör standardına dönüştü.

Pratikte Nasıl Kullanılır? 3 Satırda Model Çalıştırmak

En hızlı başlangıç `pipeline` API'sidir: `pipeline("text-generation", model="Qwen/Qwen3-8B")` gibi tek bir çağrı; duygu analizi, çeviri, konuşma tanıma veya görüntü sınıflandırma görevlerini yerelde çalıştırır. Modeli sunucuya kurmak istemeyenler için **Inference Providers** servisi, Hub üzerindeki modelleri Together AI, Groq ve Cerebras gibi sağlayıcılar üzerinden tek API anahtarıyla HTTP isteğine açar. Üretim dağıtımı için **Inference Endpoints**, seçilen modeli özel GPU altyapısında saatlik ücretle (A10G için yaklaşık 1 dolar/saat seviyesinden başlayan fiyatlarla) ayağa kaldırır. Kendi modelinizi paylaşmak da simetriktir: `push_to_hub()` çağrısı ağırlıkları, tokenizer'ı ve model kartını Git tabanlı depoya yükler. Ücretsiz hesap sınırsız herkese açık depo sunar; Pro abonelik (ayda 9 dolar) ZeroGPU kotası ve özel depo avantajları ekler.

Şirket, Gelir Modeli ve Robotik Hamlesi

Hugging Face gelirini açık kaynak kütüphanelerden değil, üstüne kurduğu altyapıdan elde eder: Enterprise Hub aboneliği (kullanıcı başına ayda 20 dolar), Inference Endpoints, Spaces GPU kiralama ve AutoTrain. 2023'te Google, Amazon, Nvidia, Salesforce ve Intel'in katıldığı 235 milyon dolarlık yatırım turu, şirketi 4,5 milyar dolar değerlemeye taşıdı. 2024-2026 döneminin en dikkat çekici hamlesi robotik oldu: Nisan 2025'te Fransız Pollen Robotics satın alındı, açık kaynak robot yazılım kütüphanesi LeRobot hızla büyüdü ve 299 dolarlık masaüstü robot Reachy Mini satışa çıktı. Şirket ayrıca SmolLM3 ve SmolVLM gibi küçük ama güçlü açık modeller eğiterek 'cihaz üstü YZ' alanında kendi araştırma kimliğini de kanıtladı. Bu çeşitlenme, platformu yalnızca model deposu olmaktan çıkarıp uçtan uca açık YZ altyapı şirketine dönüştürüyor.

Hugging Face ile Başlarken İzlenecek Yol

  • check_circle 1. Ücretsiz hesap açın: huggingface.co adresinden kayıt olun ve erişim token'ı oluşturun; korumalı (gated) modeller için lisans onayı bu hesapla verilir.
  • check_circle 2. Transformers'ı kurun: `pip install transformers` komutu yeterlidir; GPU'suz denemeler için Google Colab en pratik ortamdır.
  • check_circle 3. Pipeline ile deneyin: Küçük bir modelle (örn. SmolLM3-3B) metin üretimini yerelde test edin; ağırlıklar otomatik indirilir ve önbelleğe alınır.
  • check_circle 4. Ücretsiz kursları bitirin: Hugging Face'in kendi LLM, Agents ve Deep RL kursları uygulamalıdır ve sertifika verir; Agents kursuna 2025'te 100 binden fazla kişi kaydoldu.
  • check_circle 5. İlk Space'inizi yayımlayın: Gradio ile 20-30 satırlık bir demo yazıp Spaces'e yükleyin; portfolyonuzda çalışan bir YZ uygulaması olarak paylaşabilirsiniz.

Sık Sorulan Sorular

  • check_circle Hugging Face ücretsiz mi?: Evet; hesap açma, model indirme, veri seti kullanma ve herkese açık depo barındırma tamamen ücretsizdir. Pro abonelik (9 $/ay), Enterprise Hub (20 $/kullanıcı/ay) ve GPU kiralama gibi hizmetler ücretlidir.
  • check_circle Hugging Face ne işe yarar?: Hazır yapay zeka modellerini indirip çalıştırmak, kendi modelinizi eğitip paylaşmak, veri seti bulmak ve modelinizi web demosu olarak yayımlamak için kullanılır; açık kaynak YZ geliştirmenin merkezi altyapısıdır.
  • check_circle Hugging Face'i kim kurdu, kime ait?: 2016'da Clément Delangue, Julien Chaumond ve Thomas Wolf kurdu. Bağımsız bir şirkettir; Google, Amazon, Nvidia ve Salesforce yatırımcıları arasındadır ve son değerlemesi 4,5 milyar dolardır.
  • check_circle Hugging Face'ten indirilen modeller güvenli mi?: Büyük ölçüde evet: safetensors formatı kötü amaçlı kod çalıştırma riskini ortadan kaldırır ve platform yüklemeleri zararlı yazılım taramasından geçirir. Yine de az bilinen depolarda model kartını ve lisansı kontrol etmek gerekir.
  • check_circle Hugging Face modellerini ticari projede kullanabilir miyim?: Modele göre değişir: Apache-2.0 ve MIT lisanslı modeller serbesttir; Llama gibi topluluk lisanslı modellerin kendi kullanım koşulları vardır. Her modelin lisansı sayfasındaki model kartında yazar.
  • check_circle Hugging Face ile ChatGPT arasındaki fark nedir?: ChatGPT tek şirketin kapalı sohbet ürünüdür; Hugging Face ise binlerce açık modelin barındığı platformdur. HuggingChat üzerinden açık modellerle ücretsiz sohbet edilebilir, ancak asıl hedef kitle geliştiricilerdir.