کتاب مهندسی توکن‌سازی برای مدل‌های زبانی بزرگ؛ از طراحی Tokenizer تا بهینه‌سازی هزینه و کیفیت LLM با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی توکن‌سازی برای مدل‌های زبانی بزرگ؛ از طراحی Tokenizer تا بهینه‌سازی هزینه و کیفیت LLM

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: توکن‌سازی و پیش‌پردازش متن برای مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

• 1. مفهوم توکن و نقش آن در مدل‌های زبانی بزرگ
• 2. تفاوت کاراکتر، کلمه، زیرکلمه و توکن
• 3. چرا LLMها به جای کلمات کامل از Tokenization استفاده می‌کنند
• 4. تأثیر توکن‌سازی بر کیفیت و عملکرد مدل
• 5. ساختار Vocabulary در Tokenizerها
• 6. فرآیند تبدیل متن خام به توکن‌ها
• 7. تبدیل توکن‌ها به شناسه‌های عددی
• 8. Decoding و بازسازی متن از توکن‌ها
• 9. چالش‌های Tokenization در زبان‌های مختلف
• 10. توکن‌سازی زبان انگلیسی و الگوهای رایج
• 11. توکن‌سازی زبان فارسی و ویژگی‌های خاص آن
• 12. نیم‌فاصله و تأثیر آن بر Tokenization فارسی
• 13. یونی‌کد و نقش آن در پردازش چندزبانه
• 14. Normalization متن پیش از Tokenization
• 15. مدیریت حروف بزرگ و کوچک در Tokenizer
• 16. مدیریت فاصله‌ها، علائم نگارشی و کاراکترهای ویژه
• 17. پردازش اعداد و رشته‌های عددی
• 18. توکن‌سازی URL، ایمیل و شناسه‌ها
• 19. مدیریت Emoji و نمادهای Unicode
• 20. کنترل کاراکترهای نامرئی و متن‌های مخدوش
• 21. Subword Tokenization چیست
• 22. مروری بر الگوریتم BPE
• 23. پیاده‌سازی و آموزش Tokenizer مبتنی بر BPE
• 24. Unigram Language Model Tokenization
• 25. مقایسه BPE، Unigram و روش‌های Subword
• 26. WordPiece و تفاوت آن با BPE
• 27. SentencePiece و کاربرد آن در LLMها
• 28. Byte-Level BPE و مزایای آن
• 29. Byte Tokenization و پوشش کامل Unicode
• 30. انتخاب الگوریتم مناسب برای Tokenizer
• 31. طراحی Vocabulary و تعیین اندازه آن
• 32. Trade-off بین اندازه Vocabulary و طول توالی
• 33. مدیریت Unknown Token و توکن‌های ناشناخته
• 34. Special Tokens و کاربرد آن‌ها در LLM
• 35. توکن‌های BOS، EOS، PAD و UNK
• 36. توکن‌های مربوط به نقش‌ها و قالب‌بندی گفتگو
• 37. Chat Template و ارتباط آن با Tokenization
• 38. توکن‌سازی پیام‌های چندنقشی در مدل‌های چت
• 39. Token Budget و محدودیت Context Window
• 40. محاسبه تعداد توکن‌های یک متن
• 41. تفاوت تعداد کلمات با تعداد توکن‌ها
• 42. تأثیر Tokenization بر هزینه API مدل‌های زبانی
• 43. بهینه‌سازی مصرف توکن در Promptها
• 44. فشرده‌سازی متن برای کاهش Token Cost
• 45. توکن‌سازی کدهای برنامه‌نویسی
• 46. توکن‌سازی JSON و داده‌های ساختاریافته
• 47. توکن‌سازی داده‌های جدولی
• 48. توکن‌سازی متون علمی و تخصصی
• 49. توکن‌سازی نام‌ها، اصطلاحات و موجودیت‌های نادر
• 50. چالش Tokenization برای زبان‌های کم‌منبع
• 51. Tokenization چندزبانه و Multilingual LLMs
• 52. مقایسه کارایی Tokenizer در زبان‌های مختلف
• 53. اندازه‌گیری Fertility و کارایی توکن‌سازی
• 54. محاسبه میانگین تعداد توکن به ازای کلمه
• 55. ارزیابی پوشش Vocabulary
• 56. تحلیل Out-of-Vocabulary و Unknown Rate
• 57. بررسی Fragmentation در Tokenization
• 58. مقایسه Tokenizerها روی دیتاست واقعی
• 59. طراحی دیتاست مناسب برای آموزش Tokenizer
• 60. پاک‌سازی و Deduplication داده‌های آموزش Tokenizer
• 61. تأثیر کیفیت داده بر Vocabulary
• 62. مدیریت داده‌های چندزبانه در آموزش Tokenizer
• 63. آموزش یک Tokenizer سفارشی
• 64. استفاده از کتابخانه Hugging Face Tokenizers
• 65. ساخت Vocabulary سفارشی با Python
• 66. ذخیره و بارگذاری Tokenizer
• 67. سازگاری Tokenizer با مدل زبانی
• 68. تغییر Tokenizer و پیامدهای آن برای مدل ازپیش‌آموزش‌دیده
• 69. افزودن توکن‌های جدید به Vocabulary
• 70. Resize کردن Embeddingها پس از تغییر Vocabulary
• 71. خطاهای رایج در طراحی Tokenizer
• 72. Data Leakage در فرایند ساخت Tokenizer
• 73. جلوگیری از ناسازگاری بین Training و Inference
• 74. استانداردسازی Tokenization در Pipelineهای تولید
• 75. تست واحد و تست رگرسیون برای Tokenizer
• 76. Benchmark کردن سرعت Tokenizer
• 77. Benchmark کردن مصرف حافظه Tokenizer
• 78. مقایسه سرعت Tokenizerهای مختلف
• 79. بهینه‌سازی Tokenizer برای پردازش حجیم
• 80. Batch Tokenization و پردازش موازی
• 81. Tokenization در Pipelineهای آموزش LLM
• 82. Tokenization در Fine-Tuning و Instruction Tuning
• 83. Tokenization در Retrieval-Augmented Generation
• 84. تأثیر Tokenization بر Chunking در RAG
• 85. Tokenization و محاسبه Context در RAG
• 86. Tokenization و طراحی Promptهای چندزبانه
• 87. Tokenization و مدل‌های Long Context
• 88. تأثیر Tokenization بر کیفیت خروجی مدل
• 89. رابطه Tokenization با Attention و طول Sequence
• 90. Trade-off بین کیفیت، سرعت و هزینه
• 91. اصول طراحی یک Tokenizer حرفه‌ای برای LLM
• 92. پروژه نهایی: طراحی و ارزیابی Tokenizer سفارشی برای فارسی و چندزبانه