کتاب معماری ترنسفورمر: قلب تپندهٔ مدلهای زبانی پیشرفته با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره معماری ترنسفورمر: قلب تپندهٔ مدلهای زبانی پیشرفته
موضوع کلی: هوش مصنوعی و یادگیری ماشین
موضوع میانی: مدلهای زبانی بزرگ (LLMs)
📋 سرفصل‌های دوره
- 1. مقدمه‌ای بر مدلهای زبانی و هوش مصنوعی
- 2. تاریخچهٔ پردازش زبان طبیعی
- 3. محدودیت‌های مدلهای سنتی
- 4. نیاز به معماری‌های نوین
- 5. معرفی ترنسفورمرها
- 6. مروری بر معماری ترنسفورمر
- 7. اجزای اصلی ترنسفورمر
- 8. مفهوم رمزگذار و رمزگشا
- 9. تابع هدف در ترنسفورمر
- 10. داده‌های آموزشی برای ترنسفورمرها
- 11. پیش‌پردازش متن
- 12. توکنیزاسیون
- 13. تعبیه‌های کلمه (Word Embeddings)
- 14. تعبیه‌های موقعیتی (Positional Embeddings)
- 15. آغازگر ترنسفورمر
- 16. لایهٔ توجه (Attention Layer)
- 17. توجه خودی (Self-Attention)
- 18. مفهوم کوئری، کلید و مقدار
- 19. محاسبهٔ امتیازات توجه
- 20. مقیاس‌دهی توجه
- 21. لایهٔ نرمال‌سازی (Layer Normalization)
- 22. اتصال باقی‌مانده (Residual Connection)
- 23. لایهٔ تغذیه پیش‌رو (Feed-Forward Layer)
- 24. ساختار لایهٔ رمزگذار
- 25. ساختار لایهٔ رمزگشا
- 26. تفاوت رمزگذار و رمزگشا
- 27. مکانیسم توجه چند-سر (Multi-Head Attention)
- 28. مزایای توجه چند-سر
- 29. کاربرد توجه در ترنسفورمر
- 30. رمزگذاری متن طولانی
- 31. پردازش موازی در ترنسفورمر
- 32. کاهش وابستگی ترتیبی
- 33. آموزش مدل ترنسفورمر
- 34. تابع زیان (Loss Function)
- 35. بهینه‌سازها (Optimizers)
- 36. نرخ یادگیری (Learning Rate)
- 37. تنظیم ابرپارامترها (Hyperparameter Tuning)
- 38. روش‌های منظم‌سازی (Regularization)
- 39. بیش‌برازش (Overfitting)
- 40. کم‌برازش (Underfitting)
- 41. ارزیابی مدل ترنسفورمر
- 42. معیارهای ارزیابی
- 43. دقت (Accuracy)
- 44. صحت (Precision)
- 45. بازیابی (Recall)
- 46. امتیاز F1
- 47. کاربرد ترنسفورمرها در ترجمه ماشینی
- 48. ترجمه ماشینی عصبی (NMT)
- 49. مسائل در ترجمه ماشینی
- 50. راهکارهای ترنسفورمر
- 51. مدلهای زبانی بزرگ (LLMs)
- 52. معماری ترنسفورمر به عنوان پایه LLMs
- 53. تکامل LLMs
- 54. GPT و خانوادهٔ آن
- 55. BERT و مدلهای دو-طرفه
- 56. آموزش پیشرفتهٔ LLMs
- 57. یادگیری انتقالی (Transfer Learning)
- 58. تنظیم دقیق (Fine-tuning)
- 59. کاربرد LLMs در تولید متن
- 60. تولید محتوا
- 61. نوشتن داستان و شعر
- 62. خلاصه‌سازی متن
- 63. پاسخ به سوالات
- 64. چت‌بات‌ها و دستیاران مجازی
- 65. کاربرد LLMs در درک مطلب
- 66. تحلیل احساسات (Sentiment Analysis)
- 67. تشخیص موجودیت نام‌دار (Named Entity Recognition)
- 68. طبقه‌بندی متن
- 69. استخراج اطلاعات
- 70. محدودیت‌های LLMs
- 71. سوگیری در داده‌های آموزشی
- 72. مسائل اخلاقی در LLMs
- 73. حریم خصوصی و امنیت داده‌ها
- 74. تولید محتوای مضر
- 75. مسئولیت‌پذیری در توسعهٔ LLMs
- 76. آیندهٔ ترنسفورمرها و LLMs
- 77. معماری‌های نوین
- 78. بهبود کارایی و مقیاس‌پذیری
- 79. کاربردهای جدید و نوآورانه
- 80. هوش مصنوعی مولد (Generative AI)
- 81. نقش ترنسفورمرها در انقلاب هوش مصنوعی
- 82. ترنسفورمرها و علم داده
- 83. تحلیل داده‌های متنی
- 84. پیش‌بینی روندها
- 85. مدل‌سازی پیشرفتهٔ زبان
- 86. دستیارهای برنامه‌نویسی مبتنی بر هوش مصنوعی
- 87. ترنسفورمرها در پردازش تصویر (Vision Transformers)
- 88. کاربرد در علوم پزشکی
- 89. تحلیل داده‌های ژنتیکی
- 90. مدل‌سازی مولکولی
- 91. ترنسفورمرها در رباتیک
- 92. کنترل هوشمند ربات‌ها
- 93. یادگیری تقویتی عمیق
- 94. طراحی سیستم‌های توصیه‌گر
- 95. بهینه‌سازی فرآیندها
- 96. کاربرد در آموزش
- 97. شخصی‌سازی یادگیری
- 98. تولید محتوای آموزشی
- 99. مباحث پیشرفته در توجه
- 100. توجه پراکنده (Sparse Attention)
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.