کتاب تسلط بر مدل‌های زبانی بزرگ با Azure: از مبتدی تا متخصص 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 تسلط بر مدل‌های زبانی بزرگ با Azure: از مبتدی تا متخصص

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین و مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLM)
  • 2. مروری بر Azure Cognitive Services
  • 3. آشنایی با Azure OpenAI Service
  • 4. درک معماری Transformer
  • 5. کاربردها و محدودیت‌های LLMها
  • 6. تنظیم پارامترهای LLM برای دقت بیشتر
  • 7. مهندسی پرامپت: اصول و تکنیک‌ها
  • 8. ایجاد پرامپت‌های مؤثر برای وظایف مختلف
  • 9. استفاده از Azure OpenAI Studio برای آزمایش
  • 10. تنظیم دقیق (Fine-tuning) مدل‌های LLM
  • 11. آماده‌سازی داده‌ها برای تنظیم دقیق
  • 12. انتخاب مدل پایه مناسب برای تنظیم دقیق
  • 13. ارزیابی عملکرد مدل‌های تنظیم دقیق شده
  • 14. استقرار مدل‌های LLM در Azure
  • 15. استفاده از Azure Machine Learning برای استقرار
  • 16. مقیاس‌پذیری و مدیریت مدل‌های LLM
  • 17. امنیت و حریم خصوصی در LLMها
  • 18. مدیریت دسترسی و احراز هویت
  • 19. رعایت قوانین و مقررات مربوط به LLMها
  • 20. استفاده از Azure Monitor برای نظارت بر عملکرد
  • 21. عیب‌یابی و رفع مشکلات LLMها
  • 22. معماری‌های پیشرفته LLM در Azure
  • 23. استفاده از RAG (Retrieval-Augmented Generation)
  • 24. ساخت ربات‌های گفتگو (Chatbot) با Azure OpenAI
  • 25. یکپارچه‌سازی LLMها با سایر سرویس‌های Azure
  • 26. استفاده از LLMها در پردازش زبان طبیعی (NLP)
  • 27. خلاصه‌سازی متن با استفاده از LLMها
  • 28. ترجمه ماشینی با LLMها
  • 29. تحلیل احساسات با LLMها
  • 30. تولید محتوا با LLMها
  • 31. ایجاد توضیحات محصول با LLMها
  • 32. نوشتن ایمیل و اسناد با LLMها
  • 33. استفاده از LLMها در جستجوی معنایی
  • 34. بهینه‌سازی LLMها برای سرعت و هزینه
  • 35. استفاده از Quantization برای کاهش اندازه مدل
  • 36. استفاده از Pruning برای کاهش پیچیدگی مدل
  • 37. استفاده از Distillation برای ایجاد مدل‌های کوچکتر
  • 38. آشنایی با Azure AI Search
  • 39. استفاده از Vector Databases با LLMها
  • 40. معماری‌های Serverless برای LLMها
  • 41. ساخت API برای دسترسی به LLMها
  • 42. استفاده از Azure Functions با LLMها
  • 43. استفاده از Azure Logic Apps با LLMها
  • 44. استفاده از Azure Event Grid با LLMها
  • 45. پیاده‌سازی LLMها در برنامه‌های وب
  • 46. ادغام LLMها با Microsoft Teams
  • 47. ادغام LLMها با Microsoft Power Platform
  • 48. آشنایی با ابزارهای ارزیابی LLMها
  • 49. استفاده از Azure AI Content Safety
  • 50. بهینه‌سازی LLMها برای چند زبانه بودن
  • 51. استفاده از LLMها در تحلیل داده‌ها
  • 52. آشنایی با مدل‌های جدید LLM در Azure
تگ‌ها: AI Azure Azure AI Search Azure Cognitive Services Azure OpenAI Service Chatbot Fine-tuning Large Language Models LLM NLP OpenAI Prompt Engineering RAG هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.