کتاب هوش مصنوعی مولد: قدرت ترنسفورمرها 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 هوش مصنوعی مولد: قدرت ترنسفورمرها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: شبکه‌های عصبی ترنسفورمر (Transformer Networks)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی مولد
  • 2. کاربردهای هوش مصنوعی مولد در صنایع مختلف
  • 3. آشنایی با مدل‌های زبانی بزرگ (LLMs)
  • 4. مفهوم ترنسفورمرها و مزایای آن‌ها
  • 5. تاریخچه شبکه‌های عصبی ترنسفورمر
  • 6. معماری اصلی ترنسفورمر: Encoder و Decoder
  • 7. مکانیسم Self-Attention: تشریح کامل
  • 8. نقش Multi-Head Attention در ترنسفورمرها
  • 9. محاسبه Attention Score
  • 10. Position Encoding: افزودن اطلاعات مکانی به ورودی
  • 11. Layer Normalization در ترنسفورمرها
  • 12. Residual Connections و اهمیت آن‌ها
  • 13. Feed Forward Networks در ترنسفورمرها
  • 14. مدل BERT: مقدمه و معماری
  • 15. Fine-tuning مدل BERT برای وظایف مختلف
  • 16. مدل GPT: مقدمه و معماری
  • 17. تفاوت‌های کلیدی بین BERT و GPT
  • 18. Generative Pre-trained Transformer 2 (GPT-2)
  • 19. Generative Pre-trained Transformer 3 (GPT-3) و قابلیت‌های آن
  • 20. مدل‌های Transformer مبتنی بر Encoder
  • 21. مدل‌های Transformer مبتنی بر Decoder
  • 22. Encoder-Decoder Transformers برای ترجمه ماشینی
  • 23. مفهوم Attention در ترجمه ماشینی
  • 24. Transformer در پردازش زبان طبیعی (NLP)
  • 25. Transformer در بینایی کامپیوتر
  • 26. Transformer در پردازش صوت
  • 27. روش‌های آموزش ترنسفورمرها
  • 28. بهینه‌سازی ترنسفورمرها: تکنیک‌های مختلف
  • 29. Regularization در ترنسفورمرها
  • 30. Overfitting و Underfitting در آموزش ترنسفورمرها
  • 31. استفاده از GPU و TPU برای آموزش ترنسفورمرها
  • 32. مقدمه‌ای بر Hugging Face Transformers
  • 33. کار با کتابخانه Transformers
  • 34. بارگیری و استفاده از مدل‌های از پیش آموزش‌دیده
  • 35. Fine-tuning مدل‌های Transformers با استفاده از Hugging Face
  • 36. ساخت Dataset برای آموزش ترنسفورمرها
  • 37. Tokenization و Vocabulary در ترنسفورمرها
  • 38. مفهوم Embeddings و انواع آن
  • 39. Word Embeddings: Word2Vec, GloVe
  • 40. Subword Tokenization: Byte Pair Encoding (BPE)
  • 41. SentencePiece و کاربردهای آن
  • 42. استفاده از ترنسفورمرها برای تولید متن
  • 43. کنترل کیفیت متن تولید شده توسط ترنسفورمرها
  • 44. تکنیک‌های Decoding: Greedy Decoding, Beam Search
  • 45. Temperature Scaling و تاثیر آن بر تولید متن
  • 46. Top-k Sampling و Nucleus Sampling
  • 47. ارزیابی مدل‌های زبانی بزرگ: Perplexity, BLEU Score
  • 48. مقدمه‌ای بر Reinforcement Learning for Human Feedback (RLHF)
  • 49. استفاده از RLHF برای بهبود کیفیت مدل‌های زبانی
  • 50. محدودیت‌های مدل‌های زبانی بزرگ
  • 51. چالش‌های اخلاقی در استفاده از هوش مصنوعی مولد
  • 52. Bias در مدل‌های زبانی و روش‌های کاهش آن
  • 53. مسائل مربوط به حریم خصوصی و امنیت در هوش مصنوعی مولد
  • 54. آینده هوش مصنوعی مولد و ترنسفورمرها
تگ‌ها: AI BERT Deep Learning GPT Hugging Face NLP Transformer Networks پردازش زبان طبیعی ترنسفورمر تولید متن شبکه عصبی مدل زبانی هوش مصنوعی هوش مصنوعی مولد یادگیری عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.