دوره بهینه‌سازی و استقرار مدل‌های زبانی بزرگ چندوجهی بر روی سخت‌افزار معمولی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی و استقرار مدل‌های زبانی بزرگ چندوجهی بر روی سخت‌افزار معمولی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌های زبانی بزرگ (LLM) و پردازش چندوجهی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مفاهیم پایه یادگیری ماشین
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 4. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 5. یادگیری عمیق و مزایای آن
• 6. معماری‌های کلیدی در یادگیری عمیق
• 7. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLM)
• 8. کاربردهای مدل‌های زبانی بزرگ
• 9. معماری ترنسفورمر و نقش آن در LLMها
• 10. مکانیزم توجه (Attention Mechanism) در ترنسفورمرها
• 11. مدل‌های زبانی بزرگ پیش‌آموزش دیده (Pre-trained LLMs)
• 12. تنظیم دقیق (Fine-tuning) مدل‌های زبانی بزرگ
• 13. مقدمه‌ای بر پردازش چندوجهی (Multimodality)
• 14. مزایای پردازش چندوجهی در هوش مصنوعی
• 15. مدل‌های زبانی بزرگ چندوجهی (Multimodal LLMs)
• 16. پردازش و درک تصاویر توسط LLMها
• 17. پردازش و درک صوت توسط LLMها
• 18. ترکیب اطلاعات متنی، تصویری و صوتی
• 19. مقدمه‌ای بر Phi-3 Vision 128K Instruct
• 20. ویژگی‌های کلیدی Phi-3 Vision
• 21. قابلیت‌های استنتاج (Inference) در Phi-3 Vision
• 22. بهینه‌سازی مدل‌های زبانی بزرگ
• 23. تکنیک‌های کوانتیزاسیون (Quantization) مدل‌ها
• 24. کوانتیزاسیون ۴ بیتی (4-Bit Quantization)
• 25. مزایای کوانتیزاسیون ۴ بیتی
• 26. مقدمه‌ای بر ONNX (Open Neural Network Exchange)
• 27. استفاده از ONNX برای استقرار مدل
• 28. تبدیل مدل‌ها به فرمت ONNX
• 29. استقرار مدل‌های ONNX بر روی CPU
• 30. مزایای استقرار بر روی CPU
• 31. برنامه‌نویسی با C# برای هوش مصنوعی
• 32. کتابخانه‌های C# برای یادگیری ماشین
• 33. استفاده از ONNX Runtime در C#
• 34. پیاده‌سازی استنتاج با ONNX Runtime
• 35. کار با مدل‌های زبانی بزرگ در C#
• 36. مدیریت ورودی‌ها و خروجی‌های مدل
• 37. پردازش متن در C#
• 38. پردازش تصویر در C#
• 39. پردازش صوت در C#
• 40. تکنیک‌های مهندسی پرامپت (Prompt Engineering)
• 41. طراحی پرامپت‌های مؤثر برای LLMها
• 42. پرامپت‌های چندوجهی
• 43. روش‌های استنتاج خلاقانه
• 44. تولید متن با LLMها
• 45. خلاصه‌سازی متن با LLMها
• 46. ترجمه ماشینی با LLMها
• 47. پاسخ به سوالات با LLMها
• 48. تحلیل احساسات با LLMها
• 49. تولید کد با LLMها
• 50. استفاده از Phi-3 Vision برای درک تصویر
• 51. استخراج اطلاعات از تصاویر
• 52. تولید کپشن برای تصاویر
• 53. پاسخ به سوالات درباره تصاویر
• 54. شناسایی اشیاء در تصاویر
• 55. درک روابط فضایی در تصاویر
• 56. پردازش ویدئو با LLMها (مفاهیم اولیه)
• 57. ملاحظات اخلاقی در هوش مصنوعی
• 58. سوگیری (Bias) در مدل‌های هوش مصنوعی
• 59. عدالت (Fairness) در سیستم‌های هوش مصنوعی
• 60. شفافیت (Transparency) و قابلیت توضیح (Explainability)
• 61. حریم خصوصی (Privacy) در داده‌های هوش مصنوعی
• 62. امنیت (Security) در مدل‌های هوش مصنوعی
• 63. مقررات و چارچوب‌های قانونی هوش مصنوعی در ایران
• 64. استانداردهای فنی برای مدل‌های هوش مصنوعی
• 65. مدیریت چرخه عمر مدل‌های هوش مصنوعی (LLMOps)
• 66. مراحل استقرار مدل‌های هوش مصنوعی
• 67. نظارت بر عملکرد مدل‌ها پس از استقرار
• 68. به‌روزرسانی و بازآموزی مدل‌ها
• 69. مقیاس‌پذیری سیستم‌های هوش مصنوعی
• 70. معماری‌های استقرار مدل‌های هوش مصنوعی
• 71. استفاده از کانتینرها (مانند Docker)
• 72. مقدمه‌ای بر Kubernetes برای مدیریت استقرار
• 73. بهینه‌سازی عملکرد و سرعت استنتاج
• 74. پروفایلینگ (Profiling) مدل‌ها
• 75. کاهش زمان تأخیر (Latency)
• 76. افزایش توان عملیاتی (Throughput)
• 77. مدیریت منابع سخت‌افزاری
• 78. ملاحظات استقرار بر روی سخت‌افزار معمولی
• 79. استفاده از CPU برای استنتاج LLM
• 80. چالش‌های استقرار LLM بر روی CPU
• 81. راهکارهای بهینه‌سازی برای CPU
• 82. آینده مدل‌های زبانی بزرگ چندوجهی
• 83. روندهای نوظهور در پردازش چندوجهی
• 84. مدل‌های زبانی بزرگ نسل آینده
• 85. کاربردهای پیشرفته LLMها در صنایع مختلف
• 86. هوش مصنوعی و تحول دیجیتال
• 87. مبانی داده‌کاوی و تحلیل داده
• 88. یادگیری تقویتی پیشرفته
• 89. مدل‌های مولد (Generative Models)
• 90. شبکه‌های مولد تخاصمی (GANs)
• 91. مدل‌های انتشاری (Diffusion Models)
• 92. کاربرد LLMها در تحلیل داده‌های بزرگ
• 93. مباحث پیشرفته در مهندسی پرامپت
• 94. تکنیک‌های یادگیری چندوظیفه‌ای (Multi-task Learning)
• 95. یادگیری انتقالی (Transfer Learning) در LLMها
• 96. ارزیابی عملکرد مدل‌های چندوجهی
• 97. معیارهای ارزیابی مدل‌های زبانی
• 98. معیارهای ارزیابی مدل‌های بینایی ماشین
• 99. معیارهای ارزیابی مدل‌های پردازش صوت
• 100. تست و اعتبارسنجی مدل‌ها