embeddinggemma_deik_finetune_16bit

SentenceTransformer

This model was finetuned with Unsloth.

<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/> based on unsloth/embeddinggemma-300m

This is a sentence-transformers model finetuned from unsloth/embeddinggemma-300m on the deik-ai-embed dataset. It maps sentences & paragraphs to a 768-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more.

Model Details

Model Description

• Model Type: Sentence Transformer
• Base model: unsloth/embeddinggemma-300m <!-- at revision bfa3c846ac738e62aa61806ef9112d34acb1dc5a -->
• Maximum Sequence Length: 1024 tokens
• Output Dimensionality: 768 dimensions
• Similarity Function: Cosine Similarity
• Training Dataset:
  • deik-ai-embed

<!-- - **Language:** Unknown --> <!-- - **License:** Unknown -->

Model Sources

• Documentation: Sentence Transformers Documentation
• Repository: Sentence Transformers on GitHub
• Hugging Face: Sentence Transformers on Hugging Face

Full Model Architecture

SentenceTransformer(
  (0): Transformer({'max_seq_length': 1024, 'do_lower_case': False, 'architecture': 'PeftModelForFeatureExtraction'})
  (1): Pooling({'word_embedding_dimension': 768, 'pooling_mode_cls_token': False, 'pooling_mode_mean_tokens': True, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True})
  (2): Dense({'in_features': 768, 'out_features': 3072, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (3): Dense({'in_features': 3072, 'out_features': 768, 'bias': False, 'activation_function': 'torch.nn.modules.linear.Identity'})
  (4): Normalize()
)

Usage

Direct Usage (Sentence Transformers)

First install the Sentence Transformers library:

pip install -U sentence-transformers

Then you can load this model and run inference.

from sentence_transformers import SentenceTransformer

# Download from the 🤗 Hub
model = SentenceTransformer("sentence_transformers_model_id")
# Run inference
queries = [
    "EAIE 2024 Uluslararas\u0131 E\u011fitim Konferans\u0131 ve Fuar\u0131 milli kat\u0131l\u0131m organizasyonu",
]
documents = [
    'EAIE 2024 ULUSLARARASI EĞİTİM KONFERANSI VE FUARI MİLLİ KATILIM ORGANİZASYONU, TOULOUSE\nEtkinlikler\nİş Konseyi ile Alakalı Diğer Etkinlikler\nDEİK/EĞİTİM EKONOMİSİ İŞ KONSEYİ EAIE 2024 TOULOUSE FUARI’NDA NETWORKİNG YEMEĞİ DÜZENLEDİ\n19 Eylül 2024 Perşembe\nEĞİTİM ALANINDA AB FON FIRSATLARI TOPLANTISI\n20 Mayıs 2024 Pazartesi\n34. EAIE ULUSLARARASI EĞİTİM KONFERANSI VE FUARI\'NA MİLLİ KATILIM VE "STUDY İN TÜRKİYE" PAVİLYONU\n05 Nisan 2024 Cuma\nEAIE 2023 ULUSLARARASI EĞİTİM KONFERANSI VE FUARI MİLLİ KATILIM ORGANIZASYONU, 26-29 EYLÜL 2023, ROTTERDAM\n26 Eylül 2023 Salı\nEAIE ULUSLARARASI EĞİTİM KONFERANSI VE FUARI: STUDY İN TÜRKİYE PAVİLYONU\n26 Eylül 2023 Salı',
    "TÜRKİYE-SLOVENYA İŞ KONSEYİ’NİN HEYET ZİYARETİ, 19-20 KASIM 2023, LJUBLJANA\nEtkinlikler\nDEİK/Türkiye-Slovenya İş Konseyi, Fatih Canpolat başkanlığındaki heyet ziyaretini, Karşı Kanat Kuruluşu Chamber of Commerce and Industry of Slovenia ile iş birliği içerisinde 19-20 Kasım 2020 tarihlerinde Ljubljana'da gerçekleştirdi.\nİş Konseyi ile Alakalı Diğer Etkinlikler\nTÜRKİYE - SLOVENYA 9. DÖNEM KEK TOPLANTISI KAPSAMINDA TÜRKİYE-SLOVENYA İŞ FORUMU\n14 Ocak 2025 Salı\nTürkiye - Slovenya İş Konseyi\nTÜRKİYE-SLOVENYA İŞ VE YATIRIM SEMİNERİ, 20 KASIM 2024, İSTANBUL\n20 Kasım 2024 Çarşamba\nTürkiye - Slovenya İş Konseyi\nSLOVENYA-TÜRKİYE İŞ FORUMU, 20 KASIM 2023, LJUBLJANA\n20 Kasım 2023 Pazartesi\nTürkiye - Slovenya İş Konseyi\nSLOVENYA ANKARA BÜYÜKELÇİSİ İLE TANIŞMA TOPLANTISI, 14 EYLÜL 2023, ANKARA\n14 Eylül 2023 Perşembe\nTürkiye - Slovenya İş Konseyi\nTÜRKİYE-SLOVENYA YUVARLAK MASA TOPLANTISI, 10 AĞUSTOS 2022, ANKARA\n10 Ağustos 2022 Çarşamba\nTürkiye - Slovenya İş Konseyi",
    'TÜRKİYE-ÇİN İŞ KONFERANSI’NDA KÜRESEL TEDARİK ZİNCİRİ MASAYA YATIRILDI\nEtkinlikler\nDış Ekonomik İlişkiler Kurulu (DEİK) ve Türk Sanayicileri ve İş İnsanları Derneği (TÜSİAD) tarafından, Çin Uluslararası Ticareti Destekleme Konseyi (CCPIT) iş birliğinde, bu yıl ikincisi düzenlenen "Türkiye-Çin İş Konferansı" 29 Kasım 2023 tarihinde Pekin\'de gerçekleştirildi.\nÇin Uluslararası Tedarik Zincirleri Fuarı kapsamında, "Ekonomileri Yatırım, Ticaret ve Tedarik Zinciriyle Birleştirmek" ana temasıyla düzenlenen etkinlik, T.C. Pekin Büyükelçisi\nDr. İsmail Hakkı Musa\n, DEİK/Türkiye-Çin İş Konseyi Başkanı ve TÜSİAD Çin Çalışma Grubu Başkanı\nKorhan Kurdoğlu\nile CCPIT Başkan Yardımcısı\nLi Qingshuang\nbaşta olmak üzere 250\'den fazla Türk ve Çinli iş insanının katılımıyla gerçekleştirildi.\nBüyükelçi Musa: "Çin, Asya\'daki en büyük, dünyadaki üçüncü büyük ticaret ortağımız"\nKonferansın açılışında konuşan\nT.C. Pekin Büyükelçisi Dr. İsmail Hakkı Musa\n, Türkiye\'nin stratejik konumu, üretim potansiyeli, lojistik imkânları, tedarik ve üretim kapasitesiyle, bölgesinde ve küresel düzeyde önemli bir ülke olarak öne çıkmakta olduğunun altını çizdi. Musa, \'\'Tarihin, coğrafyanın, stratejinin, küresel dinamiklerin ve nihayet sağduyunun Türkleri ve Çinlileri daha yakın iş birliğine, daha yakın çalışmaya davet ettiği açıktır" dedi.\nMusa, Türkiye ile Çin arasındaki ticaretin geliştiğine işaret ederek, "Çin, Asya\'daki en büyük, dünyada ise üçüncü en büyük ticaret ortağımız konumunda bulunuyor. İki ülke arasındaki ticaret hacmi son 20 yılda, 40 kat artarak 2022\'de yaklaşık 45 milyar dolarlık bir rekora imza attı. 1200\'ü aşkın Çinli şirket Türkiye\'de, 100 kadar Türk şirketi de Çin\'de kârlı faaliyetlerini sürdürüyor" ifadelerini kullandı.\nMusa, iki ülke arasında sürdürülebilir bir ekonomik iş birliği ilişkisi kurulması için ticaretin dengeli şekilde yürütülmesinin büyük önem taşıdığına dikkat çekerek, "Hem ekonomilerimizin yapısı itibarıyla hem de tek taraflı çabalarla Türkiye aleyhine ticaret açığının dengelenmesi için atılabilecek önemli adımlar var. Çin\'in dünya genelinde 160 milyar doları aşkın yatırımı bulunuyor. Türkiye\'nin bu yatırımdaki payı ise beklentimizin altındadır. Bu çerçevede, Çinli iş insanlarının Türkiye\'deki yatırımlarına hız kazandırmaları ve ihracat çalışmalarımızı kolaylaştırmaları en büyük beklentilerimiz arasındadır" dedi.\nLi Qingshuang: "Çin-Türkiye işbirliğinin gelişmesine destek vermeyi dürdüreceğiz."\nCCPIT Başkan Yardımcısı Li Qingshuang\nkonuşmasında, "Çin ve Türkiye arasındaki ikili ticaret hacminin bu yılın ilk üç çeyreğinde yıllık bazda yüzde 15,6 artışla 33,44 milyar dolara ulaştığını hatırlatarak, "İki ülke iş dünyası Kuşak ve Yol\'un ortak inşası çerçevesinde ticaret, yatırım, altyapı, yeşil enerji ve diğer alanlardaki işbirliğini derinleştirmeye devam etmiştir. İki ülke arasındaki yatırım büyüklüğü 3 milyar doları aşmıştır." şeklinde konuştu.\nLi, Pekin\'de ilk kez düzenlenen Çin Uluslararası Tedarik Zincirleri Fuarı\'na 60\'a yakın Türk şirketinin katılmasının önem taşıdığına işaret ederek "CCPIT, Türkiye ve Çin arasındaki ekonomik ve ticari işbirliğini güçlendirmeyi istiyor. Bu bağlamda, DEİK ve TÜSİAD gibi muadil kuruluşlarla işbirliği anlaşmaları imzaladık" dedi. Gelecekte daha fazla kaliteli Türk ürününün Çin pazarına girmesine yardımcı olmak, Çinli şirketlerin Türkiye\'de yatırım yapmasına ve iş kurmasına destek olmak için çalışmayı sürdüreceklerinin altını çizdi. Çin\'in ekonomik ve ticari ilişkilerinin yeni bir seviyeye getirilmesi ve iki ülke arasındaki işbirliklerinin arttırılmasını amaçladıklarını ifade etti.\nKorhan Kurdoğlu: "Çin\'den gelecek know-how ile Türkiye\'de dijitalleşme konusunda pek çok ortak proje hayata geçirebilir"\nDEİK/Türkiye-Çin İş Konseyi Başkanı ve TÜSİAD Çin Çalışma Grubu Başkanı Korhan Kurdoğlu\nise, konferansın ana teması "küresel tedarik zincirleri"nin, işletmelerin rekabet gücü ve ülkelerin ekonomik büyümesine katkısı açısından hayati önemde olduğunu vurguladı. Çin Başbakanı Li Qiang ev sahipliğindeki yabancı yatırımcılar toplantısına da katıldıklarını aktaran Kurdoğlu, "Dünyada ardı ardına yaşanan çoklu kriz ortamında, küresel tedarik ve üretim zincirleri de yeniden şekilleniyor. Şirketlerin tedarik ağlarını veya üretim üslerini daha yakın coğrafyalara, kendi ülkelerine veya partner olarak gördükleri ülkelere kaydırmaya başladıklarını gözlemliyoruz. Türkiye, küresel tedarik zincirlerinin uzun bir dönemden beri önemli bir parçası. Çin ile iş birliğinin ve dengeli ekonomik ilişkiler geliştirmenin ülkemize büyük bir değer katacağına inanıyoruz. Çin\'in hem küresel tedarik zincirlerindeki güçlü konumu hem de dijitalleşme ve yeni teknolojiler alanında dünya lideri olma yolunda attığı sağlam adımlar düşünüldüğünde, ülkemiz için de önemli iş birliği alanları ve fırsatları sunduğunu görüyoruz. Türkiye\'de, Çin\'den gelecek know-how ile özellikle akıllı üretim, sağlık teknolojileri, büyük veri, nesnelerin interneti dahil dijitalleşme konusunda pek çok ortak proje hayata geçirebilir. Kazan-kazan olarak görülecek projeler, Türkiye\'nin Avrupa ile iç içe girmiş bağları ile, Çin\'i Avrupa\'ya daha da yaklaştıracaktır. Çin de Türkiye için Ticaret Bakanlığımızın "Uzak Ülkeler" stratejisi kapsamındaki odak ülkelerden biri olarak, Asya ülkelerine açılan bir kapı niteliğinde. Çin, 800 milyon dijital kullanıcısı ve 400 milyon orta sınıfı ile ürettiği kadar tüketen bir ülke olarak, Türkiye için önemli bir pazar ve aynı zamanda büyük potansiyel barındıran bir ticaret ortağı. Bu ortaklığın geliştirilmesi, Türkiye ve Çin arasında ticaretin dengelenebilmesi ve iş birliği fırsatlarının değerlendirilmesi için TÜSİAD ve DEİK olarak, karşı kanat kuruluşumuz CCPIT ve Çin\'in diğer sektörel kuruluşları ile yakın temaslarımızı sürdürüyoruz" dedi.\nTÜSİAD Şanhay Network Üyesi / DTİK Çin İş Konseyi Üyesi ve Burger King CEO\'su Atakan Bozkurt moderatörlüğünde gerçekleşen panele, TÜSİAD Şanhay Network Koordinatörü ve Beko Çin Ürün Yönetimi ve Pazarlama Direktörü Onur Türkmen, ZTE Türkiye CTO\'su Gu Xinyu, TÜSİAD Şanhay Network Üyesi / DTİK Çin İş Konseyi Üyesi ve Çimtaş Ningbo Genel Müdürü ve Çin Resmi Temsilcisi Emrah Ercen, FIBERHOME International (Beijing) Technologies CEO\'su Xu Lei, China Coal Construction Group Genel Müdür Yardımcısı Gui Zhao ile TÜSİAD Şanhay Network Üyesi ve Softtech Çin CEO\'su Doruk Keser katılarak Türkiye ve Çin arasındaki ticaret ve yatırım ilişkilerin geliştirilmesi ve iş birliklerinin arttırılmasına yönelik görüşlerini paylaştılar.\nII. Türkiye-Çin İş Konferansı, TFI TAB Gıda Yatırımları, Beko, CLK Worldwide, Çimtaş(Ningbo) ve Softtech sponsorluğunda gerçekleştirildi.\nİş Konseyi ile Alakalı Diğer Etkinlikler\nTÜRKİYE VE ÇİN İŞ DÜNYASI DİJİTAL DÖNÜŞÜMÜN GELECEĞİ İÇİN İSTANBUL’DA BULUŞTU\n11 Temmuz 2023 Salı\nTürkiye - Çin İş Konseyi\nDEİK İLE TÜSİAD TÜRKİYE’DEN ÇİN’E YAPILAN İHRACATI MERCEK ALTINA ALDI\n11 Nisan 2023 Salı\nTürkiye - Çin İş Konseyi\nÇİN HALK CUMHURIYETİ E-TICARET PAZAR ARAŞTIRMASI SUNUMU\n19 Mart 2021 Cuma\nTürkiye - Çin İş Konseyi\nÇİN LİN-GANG ÖZEL BÖLGESİ\'NDE YATIRIM FIRSATLARI SEMİNERİ\n26 Ocak 2021 Salı\nTürkiye - Çin İş Konseyi\nTÜRKİYE-ÇİN/HUBEI EYALETİ INTERCONNECTED BUSINESS SERIES\n16 Eylül 2020 Çarşamba\nTürkiye - Çin İş Konseyi',
]
query_embeddings = model.encode_query(queries)
document_embeddings = model.encode_document(documents)
print(query_embeddings.shape, document_embeddings.shape)
# [1, 768] [3, 768]

# Get the similarity scores for the embeddings
similarities = model.similarity(query_embeddings, document_embeddings)
print(similarities)
# tensor([[0.4248, 0.0454, 0.0779]], dtype=torch.float16)

<!-- ### Direct Usage (Transformers) <details><summary>Click to see the direct usage in Transformers</summary> </details> --> <!-- ### Downstream Usage (Sentence Transformers) You can finetune this model on your own dataset. <details><summary>Click to expand</summary> </details> --> <!-- ### Out-of-Scope Use *List how the model may foreseeably be misused and address what users ought not to do with the model.* -->

Evaluation

Metrics

Information Retrieval

• Evaluated with <code>InformationRetrievalEvaluator</code>

<!-- ## Bias, Risks and Limitations *What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* --> <!-- ### Recommendations *What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* -->

Training Details

Training Dataset

deik-ai-embed

• Dataset: deik-ai-embed at ee3e544
• Size: 439 training samples
• Columns: <code>query</code> and <code>passage</code>
• Approximate statistics based on the first 439 samples:

  	query	passage
  type	string	string
  details	<ul><li>min: 10 tokens</li><li>mean: 20.1 tokens</li><li>max: 45 tokens</li></ul>	<ul><li>min: 55 tokens</li><li>mean: 601.61 tokens</li><li>max: 1024 tokens</li></ul>

• Samples:

  query	passage
  <code>Türkiye Suudi Arabistan İş Forumu ve ikili iş görüşmeleri</code>	<code>TÜRKİYE-SUUDİ ARABİSTAN İŞ FORUMU VE İKİLİ İŞ GÖRÜŞMELERİ<br>Etkinlikler<br>İlgili Dosyalar<br>TASLAK PROGRAM<br>SPONSORLUK PAKETİ<br>İş Konseyi ile Alakalı Diğer Etkinlikler<br>TÜRKİYE-SUUDİ ARABİSTAN İŞ FORUMU, İSTANBUL<br>26 Kasım 2025 Çarşamba<br>TÜRKİYE-SUUDİ ARABİSTAN İŞ FORUMU<br>03 Kasım 2024 Pazar<br>BOLAT: “TÜRKİYE İLE SUUDİ ARABİSTAN TİCARET HACMİ HEDEFİMİZ, KISA VADEDE 10 MİLYAR DOLAR, ORTA VE UZUN VADEDE İSE 30 MİLYAR DOLAR”<br>03 Kasım 2024 Pazar<br>PROJECTS AND OPPORTUNITIES ON MECHANICAL M&E PRODUCTS IN SAUDI ARABIA<br>21 Ağustos 2024 Çarşamba<br>TÜRKİYE-SUUDİ ARABİSTAN YATIRIM, TURİZM VE İŞ FORUMU<br>16 Şubat 2024 Cuma</code>
  <code>Dijital Teknolojiler İş Konseyi WebSummit Lizbon heyet ziyareti</code>	<code>DİJİTAL TEKNOLOJİLER İŞ KONSEYİ'NİN WEBSUMMIT LİZBON KAPSAMINDA HEYET ZİYARETİ<br>Etkinlikler<br>İş Konseyi ile Alakalı Diğer Etkinlikler<br>DİJİTAL TEKNOLOJİLER İŞ KONSEYİ'NİN WEB SUMMIT KATAR KAPSAMINDA HEYET ZİYARETİ<br>02 Şubat 2026 Pazartesi<br>DİJİTAL AVRUPA PROGRAMI BİLGİLENDİRME WEBINARI<br>10 Temmuz 2025 Perşembe<br>DİJİTAL TEKNOLOJİLER İŞ KONSEYİ'NİN MONEY 20/20 EUROPE 2025 FUARI KAPSAMINDA TÜRKİYE PAVİLYONU, AMSTERDAM<br>03 Haziran 2025 Salı<br>WEB SUMMIT KATAR KAPSAMINDA “DİJİTAL TEKNOLOJİLER” SEKTÖREL HEYET PROGRAMI<br>23 Şubat 2025 Pazar<br>WEBSUMMIT 2024, 11-14 KASIM 2024, LIZBON<br>11 Kasım 2024 Pazartesi</code>
  <code>Türkiye-Etiyopya İş Konseyi Etiyopya Sanayi ve Ticaret Bakanı hibrit toplantısı</code>	<code>ETİYOPYA SANAYİ VE TİCARET BAKANI İLE HİBRİD TOPLANTI<br>Etkinlikler<br>Türkiye-Etiyopya İş Konseyi, Etiyopya Sanayi ve Ticaret Bakanı Melaku Alebel ile hibrit toplantısını 13 Ocak 2021 tarihinde gerçekleştirdi. Toplantıda, inşaat, enerji, tekstil, gıda, demir- çelik, mobilya, hijyenik ürünler ve bankacılık alanında iş fırsatları ele alındı.<br>İş Konseyi ile Alakalı Diğer Etkinlikler<br>TÜRKİYE – ETİYOPYA KARMA EKONOMİK KOMİSYONU (KEK) 9. DÖNEM TOPLANTISI KAPSAMINDA YUVARLAK MASA TOPLANTISI VE İKİLİ İŞ GÖRÜŞMELERİ<br>19 Kasım 2025 Çarşamba<br>Türkiye - Etiyopya İş Konseyi<br>ETİYOPYA İSTANBUL BAŞKONSOLOSU İLE TOPLANTI<br>23 Eylül 2022 Cuma<br>Türkiye - Etiyopya İş Konseyi<br>TÜRKİYE-ETİYOPYA YUVARLAK MASA TOPLANTISI<br>30 Mayıs 2022 Pazartesi<br>Türkiye - Etiyopya İş Konseyi<br>T.C. ADDİS ABABA BÜYÜKELÇİSİ İLE TOPLANTI<br>24 Mart 2022 Perşembe<br>Türkiye - Etiyopya İş Konseyi<br>TÜRKİYE- ETİYOPYA INTERCONNECTED BUSıNESS TOPLANTISI<br>25 Haziran 2020 Perşembe<br>Türkiye - Etiyopya İş Konseyi</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Evaluation Dataset

deik-ai-embed

• Dataset: deik-ai-embed at ee3e544
• Size: 110 evaluation samples
• Columns: <code>query</code> and <code>passage</code>
• Approximate statistics based on the first 110 samples:

  	query	passage
  type	string	string
  details	<ul><li>min: 9 tokens</li><li>mean: 20.31 tokens</li><li>max: 33 tokens</li></ul>	<ul><li>min: 80 tokens</li><li>mean: 604.4 tokens</li><li>max: 1024 tokens</li></ul>

• Samples:

  query	passage
  <code>Türkiye Gürcistan ve AB çapraz kümülasyon ticaret ve yatırım fırsatları iş forumu</code>	<code>T.C. TİCARET BAKANI SAYIN MEHMET MUŞ’UN GÜRCİSTAN ZİYARETİ KAPSAMINDA İŞ FORUMU, 9 EYLÜL 2022, TİFLİS<br>Etkinlikler<br>T.C. Ticaret Bakanı Sayın Mehmet Muş'un katılımıyla<br>"Türkiye, Gürcistan ve Avrupa Birliği arasında Çapraz Kümülasyon: Ticaret ve Yatırım Fırsatları" İş Forumunun 9 Eylül 2022<br>tarihinde<br>Sheraton Grand Tbilisi Metechi Palace<br>'ta gerçekleştirilmesi öngörülmektedir.Gürcistan Ekonomi ve Sürdürülebilir Kalkınma Bakanlığının ev sahipliğinde ve Gürcistan Ticaret ve Sanayi Odası, TOBB ve DEİK iş birliğinde düzenlenecek söz konusu İş Forumuna,<br>çapraz kümülasyon araştırması kapsamındaki sektörlerde<br>faaliyet gösteren Türk ve Gürcü firmaların katılımı beklenmektedir.Söz konusu etkinlik çerçevesinde Gürcü iş insanları ile ikili görüşmeler gerçekleştirmeyi,<br>Türkiye-Gürcistan ve Gürcistan-AB arasındaki Serbest Ticaret Anlaşmaları ve çapraz kümülasyon mekanizmasının<br>sağladığı avantajlardan yararlanmayı arzu eden, bu kapsamda ortak girişim ve/veya yatırım projelerine ilgi duyan üyelerimizin<br>...</code>
  <code>Ukrayna ulaştırma altyapısı yatırım projeleri ve iletişim bilgileri</code>	<code>UKRAYNA ULAŞTIRMA ALTYAPISI YATIRIM PROJELERİ<br>Duyurular<br>Ukrayna ulaştırma sektöründe uluslararası yatırımcılara açık altyapı yatırım projeleri ve bu alanda mevcut potansiyele dair bilgilerle, yatırımcıların irtibat kurabileceği Ukrayna Altyapı Bakanlığı üst düzey yetkililerinin doğrudan e-posta adreslerinin yer aldığı içerikler T.C. Ticaret Bakanlığımız tarafından Kurulumuza iletilmiş olup,<br>https://www.deik.org.tr/contents-fileaction-25777<br>bağlantısından indirilebilmektedir.<br>Diğer Duyurular<br>TÜRKMENİSTAN RO-RO HATTININ AÇILMASI HK.<br>01 Nisan 2026 Çarşamba<br>Türkiye - Türkmenistan İş Konseyi<br>MOĞOLİSTAN KARAKURUM ŞEHRİ GENEL VE UYGULAMA İMAR PLANLARININ HAZIRLANMASINA YÖNELİK İHALE HK.<br>11 Mart 2026 Çarşamba<br>Türkiye - Moğolistan İş Konseyi<br>RUSYA FEDERASYONU MOSKOVA KROKUS FUAR MERKEZİNDE AKREDİTASYON SORUNU HK.<br>03 Mart 2026 Salı<br>Türkiye - Rusya İş Konseyi<br>“TÜRKMENİSTAN'IN GELECEĞİNE YATIRIMLAR” FORUMU (IFT 2026), 18 MART 2026, AŞKABAT<br>27 Şubat 2026 Cuma<br>Türkiye - Türkmenistan İş Konseyi<br>“TURK...</code>
  <code>DEİK Macaristan iş ve yatırım fırsatları semineri İstanbul</code>	<code>DEİK, MACARİSTAN İŞ VE YATIRIM FIRSATLARI SEMİNERİ İSTANBUL’DA DÜZENLEDİ<br>Etkinlikler<br>Dış Ekonomik İlişkiler Kurulu (DEİK)/Türkiye-Macaristan İş Konseyi tarafından "Macaristan İş ve Yatırım Fırsatları" Semineri, DEİK/Türkiye-Macaristan İş Konseyi Başkanı Suat Gökhan Karakuş, Macaristan İstanbul Başkonsolosu Dr. Atilla Pinter, Macaristan Ticaret Müşaviri Miklós Bujáky, Vize Dairesi Başkanı Zsuzsanna Palmai ve İş Konseyi Üyelerinin katılımlarıyla 3 Aralık 2024 tarihinde İstanbul'da gerçekleştirildi.<br>Karakuş: "Karşılıklı yatırımlarımızın ve iş birliğimizin ortak hedef doğrultusunda 6 milyar dolara ilerleyecektir"<br>DEİK/Türkiye-Macaristan İş Konseyi Başkanı Suat Gökhan Karakuş, "Macaristan, stratejik konumu, Avrupa'nın merkezindeki güçlü lojistik altyapısı, rekabetçi iş gücü ve yatırımcı dostu politikalarıyla Türk iş dünyası için her zaman cazip bir iş ve yatırım merkezi olmuştur. Son dönemde iki ülke arasındaki ticari ve ekonomik ilişkilerde olumlu bir ivme görüyoruz. 2023 yılında ikili tic...</code>

• Loss: <code>MultipleNegativesRankingLoss</code> with these parameters:

  {
      "scale": 20.0,
      "similarity_fct": "cos_sim",
      "gather_across_devices": false,
      "directions": [
          "query_to_doc"
      ],
      "partition_mode": "joint",
      "hardness_mode": null,
      "hardness_strength": 0.0
  }
  

Training Hyperparameters

Non-Default Hyperparameters

• eval_strategy: steps
• per_device_train_batch_size: 64
• per_device_eval_batch_size: 64
• gradient_accumulation_steps: 2
• learning_rate: 2e-05
• max_steps: 30
• warmup_ratio: 0.03
• prompts: {'question': '', 'passage_text': ''}
• batch_sampler: no_duplicates

All Hyperparameters

<details><summary>Click to expand</summary>

• overwrite_output_dir: False
• do_predict: False
• eval_strategy: steps
• prediction_loss_only: True
• per_device_train_batch_size: 64
• per_device_eval_batch_size: 64
• per_gpu_train_batch_size: None
• per_gpu_eval_batch_size: None
• gradient_accumulation_steps: 2
• eval_accumulation_steps: None
• torch_empty_cache_steps: None
• learning_rate: 2e-05
• weight_decay: 0.0
• adam_beta1: 0.9
• adam_beta2: 0.999
• adam_epsilon: 1e-08
• max_grad_norm: 1.0
• num_train_epochs: 3.0
• max_steps: 30
• lr_scheduler_type: linear
• lr_scheduler_kwargs: {}
• warmup_ratio: 0.03
• warmup_steps: 0
• log_level: passive
• log_level_replica: warning
• log_on_each_node: True
• logging_nan_inf_filter: True
• save_safetensors: True
• save_on_each_node: False
• save_only_model: False
• restore_callback_states_from_checkpoint: False
• no_cuda: False
• use_cpu: False
• use_mps_device: False
• seed: 42
• data_seed: None
• jit_mode_eval: False
• use_ipex: False
• bf16: False
• fp16: False
• fp16_opt_level: O1
• half_precision_backend: auto
• bf16_full_eval: False
• fp16_full_eval: False
• tf32: None
• local_rank: 0
• ddp_backend: None
• tpu_num_cores: None
• tpu_metrics_debug: False
• debug: []
• dataloader_drop_last: False
• dataloader_num_workers: 0
• dataloader_prefetch_factor: None
• past_index: -1
• disable_tqdm: False
• remove_unused_columns: True
• label_names: None
• load_best_model_at_end: False
• ignore_data_skip: False
• fsdp: []
• fsdp_min_num_params: 0
• fsdp_config: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False}
• fsdp_transformer_layer_cls_to_wrap: None
• accelerator_config: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None}
• parallelism_config: None
• deepspeed: None
• label_smoothing_factor: 0.0
• optim: adamw_torch_fused
• optim_args: None
• adafactor: False
• group_by_length: False
• length_column_name: length
• ddp_find_unused_parameters: None
• ddp_bucket_cap_mb: None
• ddp_broadcast_buffers: False
• dataloader_pin_memory: True
• dataloader_persistent_workers: False
• skip_memory_metrics: True
• use_legacy_prediction_loop: False
• push_to_hub: False
• resume_from_checkpoint: None
• hub_model_id: None
• hub_strategy: every_save
• hub_private_repo: None
• hub_always_push: False
• hub_revision: None
• gradient_checkpointing: False
• gradient_checkpointing_kwargs: None
• include_inputs_for_metrics: False
• include_for_metrics: []
• eval_do_concat_batches: True
• fp16_backend: auto
• push_to_hub_model_id: None
• push_to_hub_organization: None
• mp_parameters:
• auto_find_batch_size: False
• full_determinism: False
• torchdynamo: None
• ray_scope: last
• ddp_timeout: 1800
• torch_compile: False
• torch_compile_backend: None
• torch_compile_mode: None
• include_tokens_per_second: False
• include_num_input_tokens_seen: False
• neftune_noise_alpha: None
• optim_target_modules: None
• batch_eval_metrics: False
• eval_on_start: False
• use_liger_kernel: False
• liger_kernel_config: None
• eval_use_gather_object: False
• average_tokens_across_devices: False
• prompts: {'question': '', 'passage_text': ''}
• batch_sampler: no_duplicates
• multi_dataset_batch_sampler: proportional
• router_mapping: {}
• learning_rate_mapping: {}

</details>

Training Logs

Framework Versions

• Python: 3.12.13
• Sentence Transformers: 5.3.0
• Transformers: 4.56.2
• PyTorch: 2.10.0+cu128
• Accelerate: 1.13.0
• Datasets: 4.3.0
• Tokenizers: 0.22.2

Citation

BibTeX

Sentence Transformers

@inproceedings{reimers-2019-sentence-bert,
    title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks",
    author = "Reimers, Nils and Gurevych, Iryna",
    booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing",
    month = "11",
    year = "2019",
    publisher = "Association for Computational Linguistics",
    url = "https://arxiv.org/abs/1908.10084",
}

MultipleNegativesRankingLoss

@misc{oord2019representationlearningcontrastivepredictive,
      title={Representation Learning with Contrastive Predictive Coding},
      author={Aaron van den Oord and Yazhe Li and Oriol Vinyals},
      year={2019},
      eprint={1807.03748},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/1807.03748},
}

<!-- ## Glossary *Clearly define terms in order to be accessible across audiences.* --> <!-- ## Model Card Authors *Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* --> <!-- ## Model Card Contact *Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* -->