کتاب کاربردهای کوانتیزاسیون در استقرار مدل‌های زبانی بزرگ روی سخت‌افزارهای محدود با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربردهای کوانتیزاسیون در استقرار مدل‌های زبانی بزرگ روی سخت‌افزارهای محدود

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مبانی کوانتیزاسیون در یادگیری عمیق
  • 2. انواع کوانتیزاسیون: تقریب‌زنی خطی و غیرخطی
  • 3. کوانتیزاسیون عددی: تعیین تعداد بیت‌ها
  • 4. کوانتیزاسیون پارامتری: کوانتیزاسیون وزنی و فعال‌سازی
  • 5. روش‌های کوانتیزاسیون پیشرفته
  • 6. کوانتیزاسیون هشت‌بیتی (INT8) و کاربردهای آن
  • 7. کوانتیزاسیون چهاربیتی (INT4) و چالش‌های آن
  • 8. کوانتیزاسیون دو بیتی (INT2) و دو سطحی (Binary)
  • 9. کوانتیزاسیون بهینه‌سازی شده برای سخت‌افزار
  • 10. کوانتیزاسیون پویا (Dynamic Quantization)
  • 11. کوانتیزاسیون ایستا (Static Quantization)
  • 12. کوانتیزاسیون مبتنی بر داده (Data-driven Quantization)
  • 13. کوانتیزاسیون مبتنی بر مدل (Model-based Quantization)
  • 14. کوانتیزاسیون ترکیبی (Hybrid Quantization)
  • 15. تکنیک‌های تنظیم کوانتیزاسیون (Quantization Aware Training - QAT)
  • 16. کوانتیزاسیون پس از آموزش (Post-Training Quantization - PTQ)
  • 17. کوانتیزاسیون متقارن و نامتقارن
  • 18. مقیاس‌بندی و افست در کوانتیزاسیون
  • 19. اثر کوانتیزاسیون بر دقت مدل
  • 20. روش‌های کاهش افت دقت در کوانتیزاسیون
  • 21. نرمال‌سازی در فرآیند کوانتیزاسیون
  • 22. کوانتیزاسیون لایه‌های کانولوشن
  • 23. کوانتیزاسیون لایه‌های خطی (Dense)
  • 24. کوانتیزاسیون لایه‌های نرمال‌سازی (Normalization Layers)
  • 25. کوانتیزاسیون لایه‌های فعال‌سازی (Activation Layers)
  • 26. کوانتیزاسیون در معماری‌های ترنسفورمر
  • 27. کوانتیزاسیون مدل‌های زبانی بزرگ (LLMs)
  • 28. کوانتیزاسیون مدل‌های زبانی بزرگ روی پردازنده‌های گرافیکی (GPU)
  • 29. کوانتیزاسیون مدل‌های زبانی بزرگ روی پردازنده‌های تنسور (TPU)
  • 30. کوانتیزاسیون مدل‌های زبانی بزرگ روی پردازنده‌های تخصصی (ASIC)
  • 31. استقرار مدل‌های زبانی بزرگ روی دستگاه‌های لبه (Edge Devices)
  • 32. کاهش حجم مدل با کوانتیزاسیون
  • 33. افزایش سرعت استنتاج (Inference) با کوانتیزاسیون
  • 34. کاهش مصرف حافظه با کوانتیزاسیون
  • 35. کاهش مصرف انرژی با کوانتیزاسیون
  • 36. ابزارها و کتابخانه‌های کوانتیزاسیون
  • 37. TensorFlow Lite Quantization
  • 38. PyTorch Mobile Quantization
  • 39. ONNX Runtime Quantization
  • 40. NVIDIA TensorRT Quantization
  • 41. Intel OpenVINO Quantization
  • 42. Compass Framework for Quantization
  • 43. LLM.int8() و کاربردهای آن
  • 44. GPTQ (Generative Pre-trained Transformer Quantization)
  • 45. AWQ (Activation-aware Weight Quantization)
  • 46. SpQR (Sparse-Quantized Representation)
  • 47. ZQuant (Quantization framework for large models)
  • 48. بررسی عملکرد مدل‌های کوانتیزه شده
  • 49. معیارهای ارزیابی مدل‌های کوانتیزه شده
  • 50. دقت (Accuracy)، F1-Score، Precision، Recall
  • 51. سرعت استنتاج (Inference Latency)
  • 52. مصرف حافظه (Memory Footprint)
  • 53. مصرف انرژی (Energy Consumption)
  • 54. مطالعه موردی: کوانتیزاسیون یک مدل زبانی بزرگ برای کاربرد خاص
  • 55. کاربرد کوانتیزاسیون در پردازش زبان طبیعی (NLP)
  • 56. کوانتیزاسیون در ترجمه ماشینی
  • 57. کوانتیزاسیون در خلاصه‌سازی متن
  • 58. کوانتیزاسیون در تولید متن
  • 59. کوانتیزاسیون در تحلیل احساسات
  • 60. کوانتیزاسیون در پاسخ به پرسش
  • 61. کوانتیزاسیون در استنتاج مبتنی بر دانش
  • 62. کوانتیزاسیون در مدل‌های توزیع شده
  • 63. کوانتیزاسیون در یادگیری فدرال (Federated Learning)
  • 64. کوانتیزاسیون برای موبایل و دستگاه‌های کم‌مصرف
  • 65. کوانتیزاسیون و مسائل امنیتی
  • 66. کوانتیزاسیون و قابلیت تفسیر (Interpretability)
  • 67. چالش‌های کوانتیزاسیون برای مدل‌های کوچک
  • 68. چالش‌های کوانتیزاسیون برای مدل‌های با دقت بالا
  • 69. آینده کوانتیزاسیون در استقرار مدل‌های بزرگ
  • 70. تکنیک‌های کوانتیزاسیون نوین
  • 71. کوانتیزاسیون نرم (Soft Quantization)
  • 72. کوانتیزاسیون ترانسفورماتیو (Transformative Quantization)
  • 73. کوانتیزاسیون هوشمند (Intelligent Quantization)
  • 74. کوانتیزاسیون مبتنی بر یادگیری تقویتی (Reinforcement Learning)
  • 75. کوانتیزاسیون برای پردازش بلادرنگ (Real-time Processing)
  • 76. کوانتیزاسیون برای سیستم‌های توکار (Embedded Systems)
  • 77. کوانتیزاسیون و بهینه‌سازی سخت‌افزار
  • 78. همکاری بین نرم‌افزار و سخت‌افزار در کوانتیزاسیون
  • 79. استانداردهای کوانتیزاسیون
  • 80. راهنمای عملی کوانتیزاسیون مدل‌های زبانی بزرگ
  • 81. تمرین عملی: کوانتیزاسیون یک مدل پایه
  • 82. تمرین عملی: ارزیابی مدل کوانتیزه شده
  • 83. تمرین عملی: تنظیم پارامترهای کوانتیزاسیون
  • 84. تمرین عملی: مقایسه روش‌های مختلف کوانتیزاسیون
  • 85. تمرین عملی: استقرار مدل کوانتیزه شده روی سخت‌افزار محدود
  • 86. بررسی پیشرفت‌های اخیر در زمینه کوانتیزاسیون
  • 87. مقالات کلیدی در زمینه کوانتیزاسیون LLM
  • 88. نکات پیشرفته در کوانتیزاسیون مدل‌های زبانی بزرگ
  • 89. مدیریت توازن بین دقت و کارایی در کوانتیزاسیون
  • 90. آینده کوانتیزاسیون و نقش آن در هوش مصنوعی فراگیر
تگ‌ها: LLM Quantization استقرار مدل پردازش زبان طبیعی سخت افزار محدود کوانتیزاسیون مدل زبانی بزرگ هوش مصنوعی یادگیری عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.