کتاب فشرده‌سازی مدل‌های زبانی با رویکرد هرس متوالی (Sequential Pruning) 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 فشرده‌سازی مدل‌های زبانی با رویکرد هرس متوالی (Sequential Pruning)

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Model Pruning

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر فشرده‌سازی مدل‌های زبانی
  • 2. اهمیت و مزایای هرس کردن مدل‌ها
  • 3. مروری بر روش‌های مختلف هرس مدل
  • 4. معرفی هرس متوالی (Sequential Pruning)
  • 5. مبانی تئوری هرس متوالی
  • 6. معیارهای ارزیابی اهمیت پارامترها در مدل‌های زبانی
  • 7. معیار وزنی (Weight Magnitude)
  • 8. معیار حساسیت (Sensitivity Analysis)
  • 9. معیار گرادیان (Gradient-Based Pruning)
  • 10. پیاده‌سازی هرس متوالی با استفاده از پایتون و TensorFlow/PyTorch
  • 11. آماده‌سازی داده‌ها و مدل برای هرس
  • 12. تنظیم هایپرپارامترهای هرس متوالی
  • 13. تعیین آستانه (Threshold) هرس
  • 14. فرآیند هرس متوالی گام به گام
  • 15. ارزیابی عملکرد مدل هرس شده
  • 16. مقایسه عملکرد مدل اصلی و مدل هرس شده
  • 17. تأثیر هرس متوالی بر دقت و سرعت مدل
  • 18. بهینه‌سازی فرآیند هرس متوالی
  • 19. استفاده از تکنیک‌های یادگیری انتقالی (Transfer Learning) در هرس متوالی
  • 20. بررسی اثر هرس متوالی بر حافظه مدل
  • 21. کاهش اندازه مدل برای استقرار روی دستگاه‌های محدود
  • 22. استفاده از هرس متوالی در مدل‌های ترانسفورمر
  • 23. هرس متوالی در مدل‌های BERT
  • 24. هرس متوالی در مدل‌های GPT
  • 25. هرس متوالی در مدل‌های T5
  • 26. تکنیک‌های پیشرفته هرس متوالی
  • 27. هرس متوالی با حساسیت لایه‌ای (Layer-wise Sensitivity)
  • 28. هرس متوالی با استفاده از اطلاعات Hessian
  • 29. هرس متوالی و کمیت‌سازی (Quantization)
  • 30. هرس متوالی و تقطیر دانش (Knowledge Distillation)
  • 31. هرس متوالی و معماری‌های sparse
  • 32. چالش‌ها و محدودیت‌های هرس متوالی
  • 33. مقابله با افت دقت پس از هرس
  • 34. بهینه‌سازی فرآیند هرس برای مدل‌های بزرگ
  • 35. بررسی اثر هرس متوالی بر تعمیم‌پذیری مدل
  • 36. مطالعه موردی: فشرده‌سازی مدل‌های زبانی برای پردازش متن فارسی
  • 37. ابزارهای خودکار برای هرس متوالی
  • 38. مقایسه ابزارهای مختلف هرس متوالی
  • 39. بهترین روش‌ها برای پیاده‌سازی هرس متوالی
  • 40. نکات کلیدی برای دستیابی به بهترین نتایج
  • 41. آینده هرس متوالی و تحقیقات مرتبط
تگ‌ها: compression deep learning language models LLM model pruning NLP pytorch sequential pruning sparse models tensorflow پردازش زبان طبیعی فشرده‌سازی مدل مدل زبانی بزرگ هرس مدل یادگیری عمیق

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.