دوره مبانی ریاضی و معماری مدل‌های زبانی بزرگ (LLMs)؛ از تئوری تا پیاده‌سازی علمی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی ریاضی و معماری مدل‌های زبانی بزرگ (LLMs)؛ از تئوری تا پیاده‌سازی علمی

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: یادگیری ماشین و پردازش زبان طبیعی

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی ریاضی جبر خطی در شبکه‌های عصبی
• 2. بردارها و ماتریس‌ها در فضای برداری داده‌های متنی
• 3. ضرب داخلی و مفهوم تشابه کسینوسی در بازنمایی کلمات
• 4. احتمالات شرطی و توزیع‌های آماری در مدل‌سازی زبان
• 5. مفهوم تابع هزینه و بهینه‌سازی در یادگیری نظارت‌شده
• 6. آشنایی با ساختار پرسپترون و شبکه‌های عصبی چندلایه
• 7. الگوریتم پس‌انتشار خطا و قاعده زنجیره‌ای در مشتق‌گیری
• 8. توابع فعال‌ساز و نقش آن‌ها در مدل‌سازی روابط غیرخطی
• 9. معماری شبکه‌های عصبی بازگشتی و چالش حافظه بلندمدت
• 10. مفهوم تعبیه کلمات و بازنمایی برداری در فضای معنایی
• 11. مکانیسم توجه در معماری ترنسفورمر
• 12. توجه چندسر و استخراج ویژگی‌های متنی موازی
• 13. رمزگذار و رمزگشا در ساختار مدل‌های زبانی
• 14. نحوه عملکرد مکانیسم توجه خودکار در درک متن
• 15. محاسبات ماتریسی در لایه‌های ترنسفورمر
• 16. نرمال‌سازی لایه‌ها و پایداری آموزش در شبکه‌های عمیق
• 17. روش‌های رمزگذاری موقعیتی برای حفظ ترتیب کلمات
• 18. توابع سافت‌مکس و توزیع احتمال در پیش‌بینی توکن بعدی
• 19. فرآیند توکن‌بندی و تبدیل متن به اعداد
• 20. مبانی نظری مدل‌های زبانی بزرگ و مقیاس‌پذیری
• 21. روش‌های پیش‌آموزش مدل‌های زبانی بر روی پیکره‌های متنی
• 22. تکنیک‌های تنظیم دقیق مدل برای کاربردهای تخصصی
• 23. ارزیابی مدل‌های زبانی با معیارهای علمی و آماری
• 24. آشنایی با الگوریتم‌های بهینه‌سازی نظیر آدام
• 25. روش‌های کاهش ابعاد در بازنمایی‌های متنی
• 26. نقش توابع اتلافی در همگرایی مدل‌های زبانی
• 27. تکنیک‌های منظم‌سازی برای جلوگیری از بیش‌برازش
• 28. پیاده‌سازی مفاهیم توجه با استفاده از کتابخانه‌های استاندارد
• 29. آشنایی با ساختار بلاک‌های ترنسفورمر در مدل‌های مدرن
• 30. روش‌های استنتاج و تولید متن در مدل‌های احتمالاتی
• 31. بهینه‌سازی محاسبات ماتریسی با استفاده از سخت‌افزارهای پردازشی
• 32. مدیریت حافظه در آموزش مدل‌های بزرگ
• 33. آشنایی با چارچوب‌های استاندارد پیاده‌سازی هوش مصنوعی
• 34. اخلاق در توسعه هوش مصنوعی و رعایت حریم خصوصی داده‌ها
• 35. کاربردهای عملی مدل‌های زبانی در سامانه‌های پردازش متن
• 36. چالش‌های همسویی مدل‌های زبانی با ارزش‌های انسانی و اسلامی
• 37. روش‌های نوین در فشرده‌سازی و بهینه‌سازی مدل‌های زبانی
• 38. آینده هوش مصنوعی و نقش پژوهش‌های بومی در توسعه فناوری
• 39. مروری بر معماری‌های جایگزین و کارآمد در پردازش زبان طبیعی
• 40. پروژه نهایی طراحی یک مدل زبانی کوچک و تحلیل ریاضی آن