دوره مقدمه‌ای بر مدل‌های زبانی مولد با استفاده از Hugging Face همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر مدل‌های زبانی مولد با استفاده از Hugging Face

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش زبان طبیعی و مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. مفاهیم پایه یادگیری ماشین
• 3. یادگیری نظارت شده
• 4. یادگیری نظارت نشده
• 5. یادگیری تقویتی
• 6. معرفی پردازش زبان طبیعی (NLP)
• 7. تاریخچه و سیر تحول NLP
• 8. کاربردهای NLP در دنیای واقعی
• 9. معرفی کتابخانه‌های NLP در پایتون
• 10. مبانی مدل‌های زبانی
• 11. مدل‌های زبانی آماری
• 12. مدل‌های زبانی مبتنی بر شبکه عصبی
• 13. معرفی ترنسفورمرها
• 14. معماری ترنسفورمر
• 15. مکانیسم توجه (Attention Mechanism)
• 16. خودتوجهی (Self-Attention)
• 17. پردازش موازی در ترنسفورمرها
• 18. معرفی Hugging Face
• 19. اکوسیستم Hugging Face
• 20. کتابخانه Transformers
• 21. مدل‌های از پیش آموزش دیده
• 22. مجموعه داده‌ها (Datasets)
• 23. ابزارهای ارزیابی (Evaluate)
• 24. مبانی مدل‌های زبانی بزرگ (LLMs)
• 25. ظهور LLMs
• 26. قابلیت‌های LLMs
• 27. کاربردهای LLMs
• 28. معماری‌های محبوب LLMs
• 29. GPT و خانواده آن
• 30. BERT و خانواده آن
• 31. T5 و خانواده آن
• 32. معرفی مدل‌های زبانی مولد
• 33. تفاوت LLMs با مدل‌های زبانی سنتی
• 34. کاربرد مدل‌های زبانی مولد
• 35. تولید متن
• 36. خلاصه‌سازی متن
• 37. ترجمه ماشینی
• 38. پاسخ به سوال
• 39. طبقه‌بندی متن
• 40. استخراج اطلاعات
• 41. تولید کد
• 42. معرفی کتابخانه `transformers`
• 43. نصب و راه‌اندازی `transformers`
• 44. بارگذاری مدل‌ها و توکنایزرها
• 45. کار با مدل‌های از پیش آموزش دیده
• 46. تنظیم دقیق (Fine-tuning) مدل‌ها
• 47. مجموعه داده‌های متنی
• 48. انواع مجموعه داده‌ها
• 49. آماده‌سازی داده‌ها برای آموزش
• 50. بارگذاری مجموعه داده‌ها با `datasets`
• 51. پیش‌پردازش متن
• 52. توکنایزیشن
• 53. انواع توکنایزرها
• 54. کاربرد توکنایزرها
• 55. آموزش مدل‌های زبانی مولد
• 56. مراحل آموزش
• 57. انتخاب مدل مناسب
• 58. تنظیم پارامترهای آموزش
• 59. استفاده از GPU برای آموزش
• 60. ارزیابی مدل‌های زبانی مولد
• 61. معیارهای ارزیابی
• 62. Perplexity
• 63. BLEU Score
• 64. ROUGE Score
• 65. METEOR Score
• 66. ارزیابی کیفیت متن تولید شده
• 67. کار با مدل‌های مولد Hugging Face
• 68. تولید متن با `pipeline`
• 69. تنظیم پارامترهای تولید متن
• 70. نمونه‌گیری (Sampling)
• 71. Beam Search
• 72. Greedy Search
• 73. Top-K Sampling
• 74. Top-P (Nucleus) Sampling
• 75. خلاصه‌سازی متن با مدل‌های مولد
• 76. آموزش مدل خلاصه‌سازی
• 77. ارزیابی مدل خلاصه‌سازی
• 78. ترجمه ماشینی با مدل‌های مولد
• 79. آموزش مدل ترجمه
• 80. ارزیابی مدل ترجمه
• 81. پاسخ به سوال با مدل‌های مولد
• 82. آموزش مدل پرسش و پاسخ
• 83. ارزیابی مدل پرسش و پاسخ
• 84. طبقه‌بندی متن با مدل‌های مولد
• 85. آموزش مدل طبقه‌بندی
• 86. ارزیابی مدل طبقه‌بندی
• 87. استخراج اطلاعات با مدل‌های مولد
• 88. آموزش مدل استخراج اطلاعات
• 89. ارزیابی مدل استخراج اطلاعات
• 90. تولید کد با مدل‌های مولد
• 91. آموزش مدل تولید کد
• 92. ارزیابی مدل تولید کد
• 93. کاربردهای پیشرفته LLMs
• 94. آموزش با دستورالعمل (Instruction Tuning)
• 95. یادگیری چند وظیفه‌ای (Multi-task Learning)
• 96. یادگیری با چند شات (Few-shot Learning)
• 97. یادگیری با صفر شات (Zero-shot Learning)
• 98. اخلاق در LLMs
• 99. سوگیری در LLMs
• 100. مسائل امنیتی LLMs