دوره اصول و فنون معماری ترنسفورمر برای مدل‌های زبانی بزرگ همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و فنون معماری ترنسفورمر برای مدل‌های زبانی بزرگ

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: معماری ترنسفورمر برای LLMs

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر معماری ترنسفورمر
• 2. مبانی شبکه‌های عصبی بازگشتی (RNN)
• 3. محدودیت‌های شبکه‌های عصبی بازگشتی
• 4. معرفی مکانیزم توجه (Attention Mechanism)
• 5. توجه خودی (Self-Attention)
• 6. توجه چندسر (Multi-Head Attention)
• 7. ساختار انکودر ترنسفورمر
• 8. ساختار دیکودر ترنسفورمر
• 9. لایه نرمال‌سازی (Layer Normalization)
• 10. اتصالات باقی‌مانده (Residual Connections)
• 11. کدگذاری موقعیتی (Positional Encoding)
• 12. فانکشن فعال‌سازی ReLU
• 13. مدل‌های زبانی بزرگ (LLMs)
• 14. کاربردهای مدل‌های زبانی بزرگ
• 15. معماری ترنسفورمر در مدل‌های زبانی
• 16. آموزش مدل‌های زبانی بزرگ
• 17. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 18. داده‌های آموزشی برای مدل‌های زبانی
• 19. پیش‌پردازش داده‌ها برای مدل‌های زبانی
• 20. Tokenization و Subword Tokenization
• 21. انواع Tokenizer ها
• 22. مدل‌های زبانی مبتنی بر ترنسفورمر
• 23. BERT و خانواده آن
• 24. GPT و خانواده آن
• 25. RoBERTa
• 26. XLNet
• 27. Efficient Transformers
• 28. Longformer
• 29. Reformer
• 30. Performer
• 31. مفاهیم کلیدی در ترنسفورمرها
• 32. Embeddings در ترنسفورمرها
• 33. Word Embeddings
• 34. Contextual Embeddings
• 35. آموزش بدون ناظر (Unsupervised Learning)
• 36. یادگیری نظارت شده (Supervised Learning)
• 37. یادگیری نیمه‌نظارت شده (Semi-Supervised Learning)
• 38. یادگیری تقویتی (Reinforcement Learning)
• 39. متریک‌های ارزیابی مدل‌های زبانی
• 40. Perplexity
• 41. BLEU Score
• 42. ROUGE Score
• 43. METEOR Score
• 44. ارزیابی کیفی مدل‌های زبانی
• 45. چالش‌های مدل‌های زبانی بزرگ
• 46. سوگیری در مدل‌های زبانی
• 47. عدالت و انصاف در مدل‌های زبانی
• 48. شفافیت در مدل‌های زبانی
• 49. تفسیرپذیری مدل‌های زبانی
• 50. کاربرد معماری ترنسفورمر در پردازش زبان طبیعی
• 51. ترجمه ماشینی
• 52. خلاصه‌سازی متن
• 53. تولید متن
• 54. پاسخ به سوالات
• 55. تحلیل احساسات
• 56. تشخیص موجودیت نام‌گذاری شده (NER)
• 57. برچسب‌گذاری اجزای کلام (POS Tagging)
• 58. شناسایی روابط معنایی
• 59. مدل‌سازی موضوعی
• 60. کاربرد معماری ترنسفورمر در بینایی ماشین
• 61. شبکه‌های کانولوشنی (CNN)
• 62. شبکه‌های عصبی گراف (GNN)
• 63. Vision Transformer (ViT)
• 64. DETR (Detection Transformer)
• 65. Swin Transformer
• 66. کاربرد معماری ترنسفورمر در سایر حوزه‌ها
• 67. پردازش سیگنال
• 68. سیستم‌های توصیه‌گر
• 69. بیوانفورماتیک
• 70. مدل‌سازی زمان سری
• 71. اصول اخلاقی در توسعه و استفاده از مدل‌های زبانی
• 72. مسئولیت‌پذیری در هوش مصنوعی
• 73. حریم خصوصی داده‌ها
• 74. امنیت مدل‌های زبانی
• 75. توسعه پایدار مدل‌های زبانی
• 76. تنظیم‌گری و چارچوب‌های قانونی
• 77. مقررات حفاظت از داده‌ها
• 78. قوانین مربوط به محتوای دیجیتال
• 79. استانداردهای فنی در هوش مصنوعی
• 80. نقش نهادهای نظارتی
• 81. مسائل حقوقی و مالکیت فکری
• 82. چالش‌های پیاده‌سازی ترنسفورمرها
• 83. نیاز به منابع محاسباتی بالا
• 84. پیچیدگی پیاده‌سازی
• 85. انتخاب معماری مناسب
• 86. تنظیم پارامترها
• 87. استراتژی‌های بهینه‌سازی
• 88. تکنیک‌های کاهش ابعاد
• 89. فشرده‌سازی مدل‌ها
• 90. تقطیر دانش (Knowledge Distillation)
• 91. تنظیم دقیق برای وظایف خاص
• 92. افزایش داده (Data Augmentation)
• 93. استفاده از داده‌های مصنوعی
• 94. اصول مهندسی نرم‌افزار در پروژه‌های هوش مصنوعی
• 95. مدیریت پروژه
• 96. کنترل نسخه
• 97. تست و اعتبارسنجی
• 98. مستندسازی فنی
• 99. معماری نرم‌افزار برای سیستم‌های هوش مصنوعی
• 100. امنیت در توسعه نرم‌افزار