کتاب از مفاهیم تا پیاده‌سازی: مدل‌های زبانی بزرگ 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 از مفاهیم تا پیاده‌سازی: مدل‌های زبانی بزرگ

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مدل‌های زبانی بزرگ (LLMs) - مفاهیم و اصول**

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبانی بزرگ
  • 2. پردازش زبان طبیعی: مبانی و مفاهیم کلیدی
  • 3. تاریخچه مدل‌های زبانی: از n-gram تا ترنسفورمرها
  • 4. معماری ترنسفورمر: توجه به مکانیزم‌ها
  • 5. Embedding کلمات: روش‌ها و کاربردها
  • 6. شبکه‌های عصبی بازگشتی (RNN) و انواع آن
  • 7. شبکه‌های عصبی پیچشی (CNN) در پردازش زبان
  • 8. مدل‌های زبانی مبتنی بر ترنسفورمر: BERT، GPT و نسخه‌های مختلف
  • 9. پیش‌آموزش و تنظیم دقیق مدل‌های زبانی
  • 10. مجموعه‌داده‌های بزرگ زبانی: منابع و چالش‌ها
  • 11. ارزیابی مدل‌های زبانی: معیارها و روش‌ها
  • 12. یادگیری بدون نظارت در مدل‌های زبانی
  • 13. یادگیری خودنظارتی: ماسک‌دهی زبان و پیش‌بینی کلمه
  • 14. تولید متن با مدل‌های زبانی
  • 15. خلاصه‌سازی متن با استفاده از مدل‌های زبانی
  • 16. ترجمه ماشینی عصبی با مدل‌های زبانی
  • 17. پاسخ به سؤال با استفاده از مدل‌های زبانی
  • 18. تحلیل احساسات با مدل‌های زبانی
  • 19. تشخیص موجودیت نام‌دار (NER) با مدل‌های زبانی
  • 20. طبقه‌بندی متن با مدل‌های زبانی
  • 21. مدل‌های زبانی و تولید محتوای خلاقانه
  • 22. کاربردهای مدل‌های زبانی در ربات‌های گفتگو
  • 23. مدل‌های زبانی و دستیارهای مجازی
  • 24. مدل‌های زبانی و بازیابی اطلاعات
  • 25. بهینه‌سازی مدل‌های زبانی برای منابع محدود
  • 26. کوانتیزه‌سازی مدل‌های زبانی
  • 27. تقطیر دانش (Knowledge Distillation) در مدل‌های زبانی
  • 28. تنظیم پارامترهای مدل‌های زبانی
  • 29. افزایش داده (Data Augmentation) در آموزش مدل‌های زبانی
  • 30. جلوگیری از بیش‌برازش (Overfitting) در مدل‌های زبانی
  • 31. مسائل اخلاقی در استفاده از مدل‌های زبانی
  • 32. سوگیری در مدل‌های زبانی و روش‌های کاهش آن
  • 33. حریم خصوصی و امنیت در مدل‌های زبانی
  • 34. تفسیرپذیری مدل‌های زبانی
  • 35. مدل‌های زبانی و تولید اخبار جعلی
  • 36. مدل‌های زبانی و تشخیص اخبار جعلی
  • 37. آینده مدل‌های زبانی: چالش‌ها و فرصت‌ها
  • 38. مدل‌های زبانی چندزبانه
  • 39. مدل‌های زبانی برای زبان فارسی: چالش‌ها و راهکارها
  • 40. استفاده از مدل‌های زبانی در حوزه‌ی سلامت
  • 41. مدل‌های زبانی و تولید خودکار گزارش
  • 42. مدل‌های زبانی و تحلیل داده‌های متنی
  • 43. کاربرد مدل‌های زبانی در استخراج اطلاعات
  • 44. مدل‌های زبانی و پاسخگویی به پرسش‌های تخصصی
  • 45. مدل‌های زبانی و تولید خلاصه‌های تخصصی
  • 46. پیاده‌سازی مدل‌های زبانی با استفاده از TensorFlow
  • 47. پیاده‌سازی مدل‌های زبانی با استفاده از PyTorch
  • 48. استفاده از Hugging Face Transformers
  • 49. Fine-tuning مدل‌های از پیش آموزش‌دیده
  • 50. ساخت یک ربات چت ساده با مدل زبانی
  • 51. استفاده از APIهای مدل‌های زبانی
  • 52. مبانی کدگذاری توکن (Tokenization)
  • 53. روش‌های مختلف توکن‌سازی برای زبان فارسی
  • 54. نحو و ساختار داده‌های مورد نیاز برای آموزش مدل‌های زبانی
  • 55. استفاده از GPU برای آموزش مدل‌های زبانی
  • 56. بهینه‌سازی حافظه در آموزش مدل‌های زبانی
  • 57. عیب‌یابی و رفع مشکلات رایج در آموزش مدل‌های زبانی
  • 58. مفاهیم پیشرفته در معماری ترنسفورمر
  • 59. توجه چندگانه (Multi-Head Attention)
  • 60. مکانیسم‌های نرمال‌سازی لایه (Layer Normalization)
  • 61. مکانیسم‌های Dropout و Regularization
  • 62. بهینه‌سازهای مختلف در آموزش مدل‌های زبانی
  • 63. روش‌های ارزیابی کیفیت ترجمه ماشینی
  • 64. مفاهیم پیشرفته در خلاصه‌سازی متن
  • 65. روش‌های ارزیابی کیفیت خلاصه‌سازی متن
  • 66. کاربردهای مدل‌های زبانی در حوزه حقوقی
  • 67. کاربردهای مدل‌های زبانی در حوزه مالی
  • 68. تأثیر مدل‌های زبانی بر بازار کار
تگ‌ها: LLM NLP آموزش هوش مصنوعی پردازش زبان طبیعی پیاده‌سازی هوش مصنوعی مدل زبانی بزرگ مدل‌های زبانی هوش مصنوعی هوش مصنوعی ایران یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.