کتاب کوانتیزاسیون مدل‌های زبانی بزرگ: کاهش ابعاد مدل با حفظ دقت 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 کوانتیزاسیون مدل‌های زبانی بزرگ: کاهش ابعاد مدل با حفظ دقت

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبانی بزرگ و نیاز به کوانتیزاسیون
  • 2. مبانی کوانتیزاسیون در پردازش سیگنال
  • 3. انواع روش‌های کوانتیزاسیون: متوازن و نامتوازن
  • 4. کوانتیزاسیون برداری در مقابل کوانتیزاسیون اسکالر
  • 5. کوانتیزاسیون باینری و ternary
  • 6. کوانتیزاسیون weights و activations
  • 7. تکنیک‌های کوانتیزاسیون برای شبکه‌های عصبی عمیق
  • 8. استانداردهای کوانتیزاسیون: INT8، FP16 و غیره
  • 9. تأثیر کوانتیزاسیون بر دقت مدل‌های زبانی
  • 10. روش‌های کوانتیزاسیون بدون اتلاف (Lossless Quantization)
  • 11. کوانتیزاسیون با بازآموزی (Quantization-Aware Training)
  • 12. کوانتیزاسیون پس از آموزش (Post-Training Quantization)
  • 13. کوانتیزاسیون متمرکز بر پارامترهای حیاتی مدل
  • 14. کوانتیزاسیون با استفاده از الگوریتم‌های بهینه‌سازی
  • 15. کوانتیزاسیون گسسته و پیوسته
  • 16. کوانتیزاسیون تطبیقی (Adaptive Quantization)
  • 17. کوانتیزاسیون سلسله مراتبی (Hierarchical Quantization)
  • 18. کوانتیزاسیون با استفاده از نگاشت‌های غیرخطی
  • 19. کوانتیزاسیون با در نظر گرفتن توزیع داده‌ها
  • 20. کوانتیزاسیون با استفاده از تکنیک‌های یادگیری تقویتی
  • 21. ارزیابی معیارهای دقت پس از کوانتیزاسیون
  • 22. معیارهای کاهش حجم مدل و افزایش سرعت استنتاج
  • 23. تکنیک‌های فشرده‌سازی مدل‌های زبانی
  • 24. حذف پارامترهای غیرضروری (Pruning)
  • 25. تکینک‌های تقطیر دانش (Knowledge Distillation)
  • 26. کوانتیزاسیون برای پردازش زبان طبیعی (NLP)
  • 27. کوانتیزاسیون مدل‌های ترنسفورمر
  • 28. کوانتیزاسیون لایه‌های توجه (Attention Layers)
  • 29. کوانتیزاسیون لایه‌های Feed-Forward
  • 30. کوانتیزاسیون برای مدل‌های زبانی کوچک‌تر
  • 31. کوانتیزاسیون مدل‌های زبانی بزرگ (LLMs)
  • 32. چالش‌های کوانتیزاسیون LLMs
  • 33. کوانتیزاسیون مدل‌های GPT
  • 34. کوانتیزاسیون مدل‌های BERT
  • 35. کوانتیزاسیون مدل‌های LLaMA
  • 36. کوانتیزاسیون برای کاربردهای خاص NLP
  • 37. کوانتیزاسیون برای ترجمه ماشینی
  • 38. کوانتیزاسیون برای خلاصه‌سازی متن
  • 39. کوانتیزاسیون برای پاسخگویی به سؤالات
  • 40. کوانتیزاسیون برای تولید متن
  • 41. کوانتیزاسیون برای تحلیل احساسات
  • 42. کوانتیزاسیون برای تشخیص موجودیت نام‌گذاری شده
  • 43. کوانتیزاسیون برای مدل‌های زبانی چندزبانه
  • 44. کوانتیزاسیون مدل‌های زبانی با معماری‌های مختلف
  • 45. کوانتیزاسیون مدل‌های زبانی مبتنی بر گراف
  • 46. کوانتیزاسیون مدل‌های زبانی مبتنی بر خاطره
  • 47. کوانتیزاسیون مدل‌های زبانی با حافظه بلندمدت
  • 48. کوانتیزاسیون برای استنتاج روی دستگاه‌های محدود
  • 49. کوانتیزاسیون برای موبایل و دستگاه‌های لبه
  • 50. کوانتیزاسیون برای سخت‌افزارهای تخصصی (TPU, GPU)
  • 51. بررسی ابزارها و کتابخانه‌های کوانتیزاسیون
  • 52. TensorFlow Lite Quantization
  • 53. PyTorch Quantization
  • 54. ONNX Runtime Quantization
  • 55. NVIDIA TensorRT Quantization
  • 56. Intel OpenVINO Quantization
  • 57. Hugging Face Optimum Quantization
  • 58. کوانتیزاسیون در اکوسیستم‌های یادگیری عمیق
  • 59. مقایسه عملکرد روش‌های مختلف کوانتیزاسیون
  • 60. مطالعات موردی کوانتیزاسیون موفق LLMs
  • 61. تحلیل ریسک‌ها و مزایای کوانتیزاسیون
  • 62. راهکارهای افزایش دقت در مدل‌های کوانتیزه شده
  • 63. تکنیک‌های تنظیم دقیق (Fine-tuning) پس از کوانتیزاسیون
  • 64. کوانتیزاسیون با استفاده از داده‌های کم‌حجم
  • 65. اهمیت داده‌های آموزشی برای کوانتیزاسیون مؤثر
  • 66. کوانتیزاسیون در چارچوب اخلاقی و حقوقی
  • 67. ملاحظات امنیتی در کوانتیزاسیون مدل‌های زبانی
  • 68. حفاظت از مالکیت معنوی مدل‌ها از طریق کوانتیزاسیون
  • 69. کوانتیزاسیون برای کاهش مصرف انرژی
  • 70. تأثیر کوانتیزاسیون بر ردپای کربن مدل‌های هوش مصنوعی
  • 71. نوآوری‌های آینده در زمینه کوانتیزاسیون LLMs
  • 72. کوانتیزاسیون خودکار (Auto-Quantization)
  • 73. کوانتیزاسیون با استفاده از شبکه‌های مولد تخاصمی (GANs)
  • 74. کوانتیزاسیون برای مدل‌های زبانی با پارامترهای متغیر
  • 75. کوانتیزاسیون برای مدل‌های زبانی با حافظه پویا
  • 76. کوانتیزاسیون برای مدل‌های زبانی با قابلیت یادگیری مداوم
  • 77. کوانتیزاسیون برای مدل‌های زبانی با قابلیت توضیح‌پذیری (Explainability)
  • 78. کوانتیزاسیون برای مدل‌های زبانی با قابلیت اطمینان (Reliability)
  • 79. کوانتیزاسیون برای مدل‌های زبانی در حوزه‌های حساس (مانند پزشکی، حقوقی)
  • 80. کاربرد کوانتیزاسیون در هوش مصنوعی مبتنی بر اصول اسلامی
  • 81. مدل‌سازی زبانی با حفظ ارزش‌های فرهنگی و دینی
  • 82. کوانتیزاسیون مدل‌های زبانی برای کاربردهای آموزشی داخلی
  • 83. کوانتیزاسیون مدل‌های زبانی با رویکرد بومی‌سازی
  • 84. کوانتیزاسیون مدل‌های زبانی برای زبان فارسی
  • 85. کوانتیزاسیون مدل‌های زبانی برای گویش‌های فارسی
  • 86. کوانتیزاسیون مدل‌های زبانی در مراکز تحقیقاتی داخلی
  • 87. کوانتیزاسیون مدل‌های زبانی در دانشگاه‌های ایران
  • 88. کوانتیزاسیون مدل‌های زبانی در شرکت‌های دانش‌بنیان
  • 89. کوانتیزاسیون مدل‌های زبانی برای توسعه نرم‌افزارهای ایرانی
  • 90. کوانتیزاسیون مدل‌های زبانی برای ایجاد دستیارهای هوشمند بومی
  • 91. کوانتیزاسیون مدل‌های زبانی برای ارتقاء سیستم‌های اطلاعاتی
  • 92. کوانتیزاسیون مدل‌های زبانی برای حفظ امنیت داده‌ها
  • 93. کوانتیزاسیون مدل‌های زبانی در راستای اهداف ملی
  • 94. کوانتیزاسیون مدل‌های زبانی با رعایت قوانین و مقررات کشور
  • 95. کوانتیزاسیون مدل‌های زبانی با رویکرد توسعه پایدار
تگ‌ها: LLM Quantization بهینه‌سازی مدل کاهش ابعاد مدل کوانتیزاسیون مدل مدل‌های زبانی بزرگ هوش مصنوعی یادگیری عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.