Update README.md

README.md

@@ -1,38 +1,58 @@
----
-base_model: Qwen/Qwen2.5-7B-Instruct
-library_name: peft
-license: apache-2.0
-language:
-- tr
-metrics:
-- accuracy
-- exact_match
-pipeline_tag: text-classification
----
-# 🧠 SQL Coder — Türkçe NL→SQL LoRA Modeli
+# SQLCoder V2 — Türkçe NL→SQL LoRA Modeli
 
+Bu README, HuggingFace model sayfan için hazırlanmış indirilebilir dosyadır.
+
+## 🧠 Model Hakkında
 Bu model, Türkçe doğal dilde yazılmış soruları PostgreSQL şemasına uygun SQL komutlarına dönüştürmek için,
-`Qwen2.5-7B-Instruct` tabanlı **LoRA (QLoRA)** yöntemiyle eğitilmiştir.
+**Qwen2.5-7B-Instruct** tabanı üzerine **QLoRA** yöntemiyle eğitilmiştir.
 
 ## 🚀 Özellikler
-- Türkçe doğal dil → optimize SQL dönüşümü  
-- 33 tablo + ilişkilerle eğitilmiş özel veri seti  
-- JOIN kurallarını graph üzerinden çıkartan özel prompt yapısı  
-- Hatalı tablo kullanımı engelleme kuralları  
-- PostgreSQL sintaks uyumluluğu
-
-## 🔧 Teknik Bilgiler
-
-### Base model:
-`Qwen/Qwen2.5-7B-Instruct`
-
-### LoRA Ayarları:
-```json
-{
-  "r": 16,
-  "lora_alpha": 32,
-  "target_modules": ["q_proj", "v_proj"],
-  "lora_dropout": 0.1,
-  "bias": "none",
-  "task_type": "CAUSAL_LM"
-}
+- Türkçe NL → SQL dönüşümü
+- PostgreSQL uyumlu çıktı
+- Şema farkındalığı (table + column awareness)
+- Güvenli sorgu üretimi (JOIN kuralları, yanlış tablo engelleme vb.)
+- LoRA ile hafif ve hızlı fine-tuning
+
+## 🏗️ Eğitim Detayları
+- Base Model: Qwen/Qwen2.5-7B-Instruct
+- Yöntem: 4-bit QLoRA
+- Epoch: 2
+- LR: 2e-4
+- Batch Size: 2
+- Max Seq Length: 2048
+- Dataset Boyutu: 2.8k NL→SQL örneği
+
+## 📁 Dosya Yapısı
+- adapter_model.safetensors
+- adapter_config.json
+- training_args.bin
+- tokenizer.model / tokenizer.json
+- README.md (bu dosya)
+
+## 🔧 Kullanım
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+from peft import PeftModel
+
+base = "Qwen/Qwen2.5-7B-Instruct"
+lora = "BMina/sql_coder"
+
+tokenizer = AutoTokenizer.from_pretrained(base)
+model = AutoModelForCausalLM.from_pretrained(base)
+model = PeftModel.from_pretrained(model, lora)
+
+prompt = "Tüm müşterilerin ad ve soyadlarını getir."
+inputs = tokenizer(prompt, return_tensors="pt")
+outputs = model.generate(**inputs, max_new_tokens=150)
+print(tokenizer.decode(outputs[0]))
+```
+
+## 📊 Örnek Sorgular
+| Soru | SQL |
+|------|------|
+| “Tüm kullanıcıları listele” | `SELECT * FROM users;` |
+| “Her departmandaki kişi sayısı nedir?” | `SELECT dept, COUNT(*) FROM users GROUP BY dept;` |
+
+## 📜 Lisans
+MIT License
+