دوره هوش مصنوعی و مدل‌های زبانی بزرگ: از مبانی تا کاربردهای پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی و مدل‌های زبانی بزرگ: از مبانی تا کاربردهای پیشرفته

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: و غیره...

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. یادگیری ماشین نظارت شده، بدون نظارت و تقویتی
• 3. شبکه‌های عصبی مصنوعی: مفاهیم پایه
• 4. پرceptron و الگوریتم یادگیری آن
• 5. شبکه‌های عصبی چندلایه (MLP)
• 6. توابع فعال‌سازی و اهمیت آن‌ها
• 7. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
• 8. پس‌انتشار خطا (Backpropagation)
• 9. معیارهای ارزیابی مدل‌های یادگیری ماشین
• 10. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting) و روش‌های مقابله با آن‌ها
• 11. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 12. بردارسازی کلمات (Word Embedding): Word2Vec، GloVe
• 13. شبکه‌های عصبی بازگشتی (RNN) و کاربردهای آن‌ها در NLP
• 14. مسئله‌ی محوشدگی گرادیان (Vanishing Gradient)
• 15. شبکه‌های LSTM و GRU
• 16. مکانیسم توجه (Attention Mechanism)
• 17. ترانسفورمرها: معماری و اجزای اصلی
• 18. خود-توجه (Self-Attention)
• 19. مدل‌های زبانی بزرگ (LLM): معرفی و تاریخچه
• 20. معماری GPT و نسخه‌های مختلف آن
• 21. معماری BERT و نسخه‌های مختلف آن
• 22. Fine-tuning مدل‌های زبانی بزرگ
• 23. تولید متن با LLMها
• 24. خلاصه‌سازی متن با LLMها
• 25. ترجمه ماشینی با LLMها
• 26. پرسش و پاسخ با LLMها
• 27. استخراج اطلاعات با LLMها
• 28. تحلیل احساسات با LLMها
• 29. کاربردهای LLMها در چت‌بات‌ها و دستیارهای مجازی
• 30. ارزیابی مدل‌های زبانی بزرگ: معیارها و چالش‌ها
• 31. ملاحظات اخلاقی در استفاده از LLMها
• 32. Bias و fairness در LLMها
• 33. حریم خصوصی و امنیت در LLMها
• 34. آینده LLMها و تحقیقات در حال انجام
• 35. استفاده از APIهای LLM (OpenAI, Google, Cohere)
• 36. مهندسی پرامپت (Prompt Engineering)
• 37. RAG (Retrieval-Augmented Generation)