کتاب کوانتیزاسیون مدل‌های زبانی بزرگ: کاربردهای عملی در صنعت 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: کاربردهای عملی در صنعت

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مبانی مدل‌های زبانی بزرگ
  • 2. معماری ترانسفورمر و لایه‌های توجه
  • 3. پیش‌آموزش و تنظیم دقیق مدل‌های زبانی
  • 4. مفهوم کوانتیزاسیون در یادگیری عمیق
  • 5. انواع روش‌های کوانتیزاسیون
  • 6. کوانتیزاسیون پس از آموزش (Post-Training Quantization)
  • 7. کوانتیزاسیون آگاه از آموزش (Quantization-Aware Training)
  • 8. کوانتیزاسیون پویا (Dynamic Quantization)
  • 9. کوانتیزاسیون استاتیک (Static Quantization)
  • 10. انتخاب روش مناسب کوانتیزاسیون بر اساس کاربرد
  • 11. تأثیر کوانتیزاسیون بر دقت مدل
  • 12. تأثیر کوانتیزاسیون بر سرعت استنتاج
  • 13. بهینه‌سازی مدل‌های کوانتیزه شده
  • 14. کوانتیزاسیون وزن‌ها و فعال‌سازی‌ها
  • 15. کوانتیزاسیون با استفاده از اعداد صحیح (Integer Quantization)
  • 16. کوانتیزاسیون با استفاده از اعداد ممیز شناور (Floating-Point Quantization)
  • 17. کوانتیزاسیون با استفاده از روش‌های ترکیبی
  • 18. کوانتیزاسیون و کاهش اندازه مدل
  • 19. کوانتیزاسیون و مصرف انرژی
  • 20. کوانتیزاسیون و استقرار مدل بر روی سخت‌افزارهای محدود
  • 21. کوانتیزاسیون برای پردازنده‌های موبایل
  • 22. کوانتیزاسیون برای پردازنده‌های لبه (Edge Devices)
  • 23. کوانتیزاسیون و شتاب‌دهنده‌های سخت‌افزاری
  • 24. کوانتیزاسیون در چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 25. ابزارهای کوانتیزاسیون در TensorFlow Lite
  • 26. ابزارهای کوانتیزاسیون در PyTorch Mobile
  • 27. کوانتیزاسیون و حفظ حریم خصوصی
  • 28. کوانتیزاسیون و امنیت مدل
  • 29. کوانتیزاسیون و داده‌های نامتوازن
  • 30. کوانتیزاسیون و یادگیری انتقالی
  • 31. کوانتیزاسیون و یادگیری خود نظارتی
  • 32. تکنیک‌های پیشرفته کوانتیزاسیون
  • 33. کوانتیزاسیون با استفاده از تقطیر دانش (Knowledge Distillation)
  • 34. کوانتیزاسیون با استفاده از هرس (Pruning)
  • 35. کوانتیزاسیون و معماری‌های مدل سبک
  • 36. بررسی موردی: کوانتیزاسیون BERT
  • 37. بررسی موردی: کوانتیزاسیون GPT-2
  • 38. بررسی موردی: کوانتیزاسیون مدل‌های ترجمه ماشینی
  • 39. بررسی موردی: کوانتیزاسیون مدل‌های تشخیص گفتار
  • 40. کاربردهای کوانتیزاسیون در پردازش زبان طبیعی
  • 41. کوانتیزاسیون در سیستم‌های پاسخگویی به سؤال
  • 42. کوانتیزاسیون در تحلیل احساسات
  • 43. کوانتیزاسیون در خلاصه‌سازی متن
  • 44. کوانتیزاسیون در تولید متن
  • 45. چالش‌ها و محدودیت‌های کوانتیزاسیون
  • 46. راهکارهای مقابله با افت دقت در کوانتیزاسیون
  • 47. ارزیابی مدل‌های کوانتیزه شده
  • 48. معیارهای ارزیابی کیفیت مدل‌های کوانتیزه شده
  • 49. تأثیر کوانتیزاسیون بر تعمیم‌پذیری مدل
  • 50. کوانتیزاسیون و داده‌های آموزشی
  • 51. انتخاب مجموعه داده مناسب برای کوانتیزاسیون
  • 52. آماده‌سازی داده‌ها برای کوانتیزاسیون
  • 53. کوانتیزاسیون و تنظیم هایپرپارامترها
  • 54. بهینه‌سازی هایپرپارامترها برای کوانتیزاسیون
  • 55. کوانتیزاسیون و یادگیری فعال
  • 56. کوانتیزاسیون و یادگیری فدرال
  • 57. آینده کوانتیزاسیون مدل‌های زبانی بزرگ
  • 58. تحقیقات جدید در زمینه کوانتیزاسیون
  • 59. کوانتیزاسیون و سخت‌افزارهای جدید
  • 60. کوانتیزاسیون و محاسبات در حافظه (In-Memory Computing)
  • 61. کوانتیزاسیون و محاسبات تقریبی (Approximate Computing)
  • 62. کوانتیزاسیون و یادگیری ماشین قابل توضیح (Explainable AI)
  • 63. کوانتیزاسیون و اخلاق در هوش مصنوعی
تگ‌ها: LLM بهینه‌سازی مدل پردازش زبان طبیعی کاربردهای هوش مصنوعی کاهش حجم مدل کوانتیزاسیون کوانتیزاسیون مدل مدل زبانی بزرگ هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.