کتاب مدل‌های زبانی بزرگ برای خلاصه‌سازی متن: مبانی تا کاربرد 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 مدل‌های زبانی بزرگ برای خلاصه‌سازی متن: مبانی تا کاربرد

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مدل‌های زبانی برای خلاصه‌سازی متن

📋 سرفصل‌های دوره

  • 1. مبانی مدل‌های زبانی بزرگ
  • 2. ساختار معماری ترنسفورمر
  • 3. مکانیزم توجه (Attention Mechanism)
  • 4. پردازش زبان طبیعی (NLP) چیست؟
  • 5. تاریخچه مدل‌های زبانی
  • 6. مدل‌های زبانی آماری
  • 7. مدل‌های زبانی عصبی
  • 8. شبکه‌های عصبی بازگشتی (RNN)
  • 9. حافظه کوتاه‌مدت بلند (LSTM)
  • 10. واحد بازگشتی دروازه‌ای (GRU)
  • 11. کدگذاری متن (Text Encoding)
  • 12. بردارسازی کلمات (Word Embeddings)
  • 13. Word2Vec و GloVe
  • 14. تعبیه‌سازی موقعیتی (Positional Embeddings)
  • 15. پیش‌پردازش متن برای مدل‌های زبانی
  • 16. پاکسازی متن
  • 17. توکن‌سازی (Tokenization)
  • 18. حذف کلمات توقف (Stop Words Removal)
  • 19. ریشه‌یابی (Stemming) و لماتیزاسیون (Lemmatization)
  • 20. ساخت واژگان (Vocabulary Building)
  • 21. مدل‌های زبانی پیش‌آموزش‌دیده (Pre-trained Language Models)
  • 22. BERT و خانواده آن
  • 23. GPT و خانواده آن
  • 24. RoBERTa و XLNet
  • 25. ALBERTa و DeBERTa
  • 26. تفاوت مدل‌های encoder-decoder
  • 27. کاربرد مدل‌های زبانی در خلاصه‌سازی
  • 28. خلاصه‌سازی استخراجی (Extractive Summarization)
  • 29. خلاصه‌سازی انتزاعی (Abstractive Summarization)
  • 30. ارزیابی مدل‌های خلاصه‌سازی
  • 31. معیارهای ROUGE
  • 32. معیارهای BLEU
  • 33. معیارهای METEOR
  • 34. مجموعه داده‌های خلاصه‌سازی
  • 35. CNN/Daily Mail Dataset
  • 36. XSum Dataset
  • 37. Multi-News Dataset
  • 38. WikiHow Dataset
  • 39. آموزش مدل‌های خلاصه‌سازی
  • 40. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
  • 41. تابع هزینه (Loss Function) در خلاصه‌سازی
  • 42. بهینه‌سازها (Optimizers)
  • 43. نرخ یادگیری (Learning Rate)
  • 44. تکنیک‌های تنظیم فراپارامترها (Hyperparameter Tuning)
  • 45. نکات عملی در آموزش مدل
  • 46. مدیریت حافظه GPU
  • 47. استفاده از سخت‌افزار مناسب
  • 48. مدل‌های زبانی در خلاصه‌سازی فارسی
  • 49. چالش‌های زبان فارسی در NLP
  • 50. منابع داده فارسی برای خلاصه‌سازی
  • 51. مدل‌های زبانی فارسی آماده
  • 52. آموزش مدل‌های خلاصه‌سازی فارسی از ابتدا
  • 53. تنظیم دقیق مدل‌های جهانی برای فارسی
  • 54. تکنیک‌های پیشرفته در خلاصه‌سازی
  • 55. خلاصه‌سازی چندسندی (Multi-document Summarization)
  • 56. خلاصه‌سازی مکالمه (Conversational Summarization)
  • 57. خلاصه‌سازی مبتنی بر پرسش (Query-focused Summarization)
  • 58. خلاصه‌سازی برای اهداف خاص (مانند اخبار، مقالات علمی)
  • 59. خلاصه‌سازی در زمان واقعی (Real-time Summarization)
  • 60. کاربرد مدل‌های زبانی در خلاصه‌سازی متون حقوقی
  • 61. خلاصه‌سازی متون اداری و سازمانی
  • 62. خلاصه‌سازی متون پزشکی و بالینی
  • 63. خلاصه‌سازی متون علمی و پژوهشی
  • 64. کاربرد در سیستم‌های پرسش و پاسخ
  • 65. کاربرد در موتورهای جستجو
  • 66. کاربرد در دستیارهای صوتی
  • 67. کاربرد در تحلیل احساسات متن
  • 68. کاربرد در دسته‌بندی متن
  • 69. کاربرد در تولید متن
  • 70. اخلاق در مدل‌های زبانی بزرگ
  • 71. سوگیری (Bias) در مدل‌های زبانی
  • 72. عدالت (Fairness) در مدل‌های زبانی
  • 73. شفافیت (Transparency) در مدل‌های زبانی
  • 74. مسئولیت‌پذیری (Accountability) در مدل‌های زبانی
  • 75. حریم خصوصی (Privacy) در مدل‌های زبانی
  • 76. ملاحظات شرعی و قانونی در استفاده از مدل‌های زبانی
  • 77. مقررات ساماندهی محتوای دیجیتال
  • 78. قوانین مربوط به داده‌های شخصی
  • 79. ملاحظات اخلاقی در تولید محتوا
  • 80. کاربرد مدل‌های زبانی در خلاصه‌سازی متون اسلامی (با رعایت چارچوب شرعی)
  • 81. خلاصه‌سازی احادیث و روایات
  • 82. خلاصه‌سازی تفاسیر قرآن
  • 83. خلاصه‌سازی متون فقهی
  • 84. خلاصه‌سازی متون کلامی
  • 85. خلاصه‌سازی متون عرفانی (با رویکرد رسمی)
  • 86. مقایسه مدل‌های زبانی مختلف برای خلاصه‌سازی
  • 87. بررسی معماری‌های جدید در مدل‌های زبانی
  • 88. آینده مدل‌های زبانی و خلاصه‌سازی
  • 89. مدل‌های زبانی مولد (Generative Language Models)
  • 90. یادگیری تقویتی برای خلاصه‌سازی
  • 91. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 92. یادگیری انتقالی (Transfer Learning)
  • 93. معرفی ابزارها و کتابخانه‌های مرتبط (مانند Hugging Face Transformers)
  • 94. پروژه‌های عملی خلاصه‌سازی متن
  • 95. پیاده‌سازی یک سیستم خلاصه‌ساز ساده
  • 96. ارزیابی و بهبود سیستم خلاصه‌ساز
  • 97. بررسی موارد شکست مدل‌های خلاصه‌ساز
  • 98. راهکارهای افزایش دقت خلاصه‌سازی
  • 99. توجه به ابعاد فرهنگی در خلاصه‌سازی
  • 100. تولید محتوای سازگار با فرهنگ ایرانی-اسلامی
تگ‌ها: LLM NLP پردازش زبان طبیعی خلاصه سازی خودکار خلاصه‌سازی متن مدل‌های زبانی بزرگ هوش مصنوعی هوش مصنوعی در ایران یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.