کتاب آموزش جامع پیاده‌سازی و ارتقای مدل‌های خلاصه‌ساز متن با استفاده از T5 و ابزار مدیریت MLFlow با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 آموزش جامع پیاده‌سازی و ارتقای مدل‌های خلاصه‌ساز متن با استفاده از T5 و ابزار مدیریت MLFlow

موضوع کلی: هوش مصنوعی و یادگیری ماشین (Artificial Intelligence & Machine Learning)

موضوع میانی: پردازش زبان طبیعی (Natural Language Processing - NLP)

📋 سرفصل‌های دوره

  • 1. مبانی و معماری مدل‌های ترنسفورمر و مدل T5
  • 2. معرفی پردازش زبان طبیعی و جایگاه خلاصه‌سازی متن
  • 3. نصب و آماده‌سازی محیط توسعه پایتون و کتابخانه‌های مورد نیاز
  • 4. کار با مجموعه داده‌های متنی فارسی و استانداردهای پیش‌پردازش
  • 5. پاک‌سازی و نرمال‌سازی متون جهت آموزش مدل‌های زبانی
  • 6. آشنایی با توکنایزرها و روش‌های تبدیل متن به بردار
  • 7. بررسی ساختار مدل T5 و مکانیسم توجه در آن
  • 8. مفاهیم پایه در یادگیری انتقالی و تنظیم دقیق مدل
  • 9. آماده‌سازی داده‌ها برای تسک خلاصه‌سازی متن
  • 10. معرفی ابزار MLFlow برای مدیریت چرخه حیات مدل
  • 11. پیکربندی آزمایش‌ها در MLFlow جهت ثبت پارامترهای آموزش
  • 12. بارگذاری مدل‌های پیش‌آموزش‌دیده برای تسک خلاصه‌سازی
  • 13. پیاده‌سازی کلاس Dataset در پایتون برای کار با مدل‌های HuggingFace
  • 14. تنظیم پارامترهای مدل برای بهینه‌سازی عملکرد خلاصه‌سازی
  • 15. مدیریت حافظه و بهینه‌سازی محاسبات در پردازش متن
  • 16. آموزش مدل T5 بر روی مجموعه داده‌های اختصاصی
  • 17. پایش فرآیند آموزش و ثبت متریک‌های عملکرد در MLFlow
  • 18. بررسی و تحلیل توابع زیان در خلاصه‌سازی متون
  • 19. ارزیابی مدل با استفاده از معیارهای ROUGE
  • 20. استفاده از مدل برای تولید خلاصه‌های انتزاعی از متون طولانی
  • 21. روش‌های بهبود کیفیت خلاصه‌سازی با تنظیمات بیش‌نمونه‌گیری
  • 22. ذخیره‌سازی و نسخه‌بندی مدل‌های آموزش‌دیده با MLFlow
  • 23. استقرار مدل نهایی برای استفاده در سامانه‌های تولیدی
  • 24. طراحی رابط کاربری ساده برای آزمایش مدل خلاصه‌ساز
  • 25. رفع خطاهای متداول در فرآیند آموزش مدل‌های زبانی بزرگ
  • 26. استفاده از تکنیک‌های کم‌حجم‌سازی مدل برای محیط‌های عملیاتی
  • 27. بررسی چالش‌های پردازش زبان فارسی در مدل‌های ترنسفورمر
  • 28. اخلاق در هوش مصنوعی و اهمیت دقت در خروجی‌های متنی
  • 29. پروژه نهایی: پیاده‌سازی کامل سیستم خلاصه‌ساز متون فارسی با T5 و MLFlow
تگ‌ها: پردازش زبان طبیعی پردازش متن فارسی تنظیم دقیق مدل خلاصه‌سازی متن مدل T5 مدیریت مدل با MLFlow هوش مصنوعی هوش مصنوعی در ایران یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.