معرفی دوره

دوره «مدل‌های زبانی بزرگ سطح ۲» در ماه ژوئیه ۲۰۲۴ به‌روزرسانی شد و اکنون با دسترسی رایگان برای علاقه‌مندان به حوزه هوش مصنوعی و پردازش زبان طبیعی ارائه شده است. این دوره پیشرفته، ادامه‌ای بر مبانی پایه‌ای مدل‌های زبانی است و شما را با مفاهیم عمیق‌تر، روش‌های بهینه‌سازی و کاربردهای واقعی در صنعت آشنا می‌کند.

شما در این دوره با جدیدترین نسخه‌های کتابخانه‌ها و ابزارهای متن‌باز کار خواهید کرد و نحوه به‌کارگیری آن‌ها در پروژه‌های عملی را به صورت گام‌به‌گام خواهید آموخت.

مهارت‌های قابل کسب

• درک عمیق‌تر از معماری Transformer و مکانیزم Attention
• استفاده از تکنیک‌های فاین‌تیونینگ برای شخصی‌سازی مدل‌های از پیش آموزش‌دیده
• آموزش و پیاده‌سازی روش‌های Prompt Engineering
• بهینه‌سازی کارایی و کاهش مصرف حافظه با متدهای Quantization
• راه‌اندازی و استقرار مدل در سرورهای ابری و محلی
• درک مباحث اخلاقی و چالش‌های امنیتی در کاربردهای واقعی

مزایای شرکت در دوره

این دوره از منظر دوره‌های رایگان مشابه در چندین جنبه متمایز می‌شود:

• به‌کارگیری جدیدترین نسخه‌های کتابخانه‌های Hugging Face و Transformers.
• ارائه مثال‌های واقعی از پروژه‌های تجاری و تحقیقاتی.
• تمرکز بر بهینه‌سازی مدل برای استقرار در محیط‌های دارای منابع محدود.
• واحدهای اختصاصی برای مباحث اخلاق در هوش مصنوعی و Responsible AI.
• دسترسی همیشگی به ویدیوها، اسلایدها و کدهای آموزشی.

پیش‌نیازها

برای بهره‌برداری کامل از محتوای این دوره، داشتن دانش اولیه در موارد زیر توصیه می‌شود:

• مبانی پردازش زبان طبیعی (NLP) و مدل‌های زبانی سطح ۱
• آشنایی با زبان Python و محیط‌های مجازی (Virtual Environments)
• مبانی یادگیری عمیق و چارچوب‌هایی مانند TensorFlow یا PyTorch
• درک اصول کار با Git و مدیریت نسخه
• دسترسی به لپ‌تاپی با حداقل ۸ گیگابایت حافظه رم و کارت گرافیک متوسط

بخش‌های اصلی دوره

دوره به چهار بخش کلیدی تقسیم شده است که هر کدام متشکل از چندین زیرمجموعه‌اند:

• بخش اول: مروری بر معماری Transformer و بررسی تغییرات نسخه‌های GPT-3.5 و GPT-4
• بخش دوم: فاین‌تیونینگ مدل‌های بزرگ با استفاده از داده‌های کوچک و روش Low-Rank Adaptation
• بخش سوم: پیاده‌سازی تکنیک‌های Prompt Engineering و Chain-of-Thought برای افزایش دقت خروجی
• بخش چهارم: بهینه‌سازی برای استقرار در محیط‌های ابری و Edge با Quantization و Pruning
• واحد ویژه: ملاحظات اخلاقی و چالش‌های محافظت از داده‌‌ها در سیستم‌های هوش مصنوعی

مثال‌های عملی

در هر بخش از دوره، مثال‌های کدنویسی و پروژه‌های عملی وجود دارد تا مهارت‌ها را بلافاصله در دنیای واقعی آزمایش کنید:

• پروژه ساخت Chatbot تخصصی برای خدمات پس از فروش با امکان اتصال به پایگاه داده.
• فاین‌تیون یک مدل زبانی برای تولید خلاصه خودکار متن‌های خبری با نرخ دقت بالاتر از 85%.
• بهینه‌سازی یک مدل ترجمه متن با کاهش ۶۰٪ مصرف حافظه و حفظ کیفیت ترجمه.
• تحلیل و آزمون نفوذپذیری مدل‌های زبانی در برابر حملات adversarial.

جمع‌بندی و راهکارهای بعدی

با پایان این دوره، شما آمادگی لازم برای طراحی و استقرار سیستم‌های زبانی قدرتمند را خواهید داشت. گام بعدی می‌تواند شامل مشارکت در پروژه‌های Open Source، تحقیق در مباحث Generative AI و ارائه مقالات تخصصی در کنفرانس‌های معتبر باشد. همچنین پیشنهاد می‌شود به دوره‌های معیارسنجی و benchmarking مدل‌های زبانی و مباحث پیش‌درآمد هوش مصنوعی مولد بپیوندید.

همین حالا با دانلود رایگان این دوره از Udemy، مسیر تخصصی خود در دنیای هوش مصنوعی را هموار کنید و از آخرین متدهای روز دنیا بهره‌مند شوید!