کتاب هرس با اولویت‌بندی پارامترهای حائز اهمیت برای تسک خاص 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 هرس با اولویت‌بندی پارامترهای حائز اهمیت برای تسک خاص

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Model Pruning

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هرس مدل‌های زبانی بزرگ
  • 2. اهمیت هرس در کاهش حجم و افزایش سرعت مدل‌ها
  • 3. بررسی روش‌های سنتی هرس مدل
  • 4. معرفی هرس ساختاریافته و غیرساختاریافته
  • 5. معیارهای ارزیابی اهمیت پارامترها
  • 6. روش‌های مبتنی بر اولویت‌بندی پارامتر برای هرس
  • 7. اولویت‌بندی پارامترها بر اساس گرادیان
  • 8. اولویت‌بندی پارامترها با استفاده از Hessian
  • 9. روش‌های مبتنی بر اطلاعات برای هرس
  • 10. اولویت‌بندی پارامترها با استفاده از روش‌های L1 و L2
  • 11. هرس حساس به کوانتیزاسیون
  • 12. هرس با در نظر گرفتن وابستگی بین پارامترها
  • 13. هرس لایه‌ای در مدل‌های ترانسفورمر
  • 14. هرس مبتنی بر توجه (Attention-based pruning)
  • 15. هرس هدایت‌شده توسط دانش (Knowledge-guided pruning)
  • 16. هرس پویا در زمان استنتاج (Dynamic pruning)
  • 17. هرس یک‌شاتی (One-shot pruning)
  • 18. هرس تکراری (Iterative pruning)
  • 19. تاثیر هرس بر دقت مدل
  • 20. بازیابی دقت پس از هرس (Accuracy recovery)
  • 21. تنظیم دقیق مدل‌های هرس‌شده (Fine-tuning pruned models)
  • 22. هرس در مدل‌های زبانی بزرگ پیش‌آموزش‌دیده (Pre-trained LLMs)
  • 23. هرس در وظایف مختلف NLP: طبقه‌بندی متن
  • 24. هرس در وظایف مختلف NLP: تولید متن
  • 25. هرس در وظایف مختلف NLP: ترجمه ماشینی
  • 26. هرس در وظایف مختلف NLP: پاسخ به سوال
  • 27. هرس در وظایف مختلف NLP: خلاصه‌سازی متن
  • 28. هرس مدل‌های چندزبانه
  • 29. هرس مدل‌های مبتنی بر ترانسفورمر (Transformer-based models)
  • 30. هرس مدل‌های مبتنی بر RNN و LSTM
  • 31. بهینه‌سازی هرس با استفاده از الگوریتم‌های تکاملی
  • 32. استفاده از یادگیری تقویتی برای هرس
  • 33. هرس خودکار (Automated pruning)
  • 34. ابزارهای متن‌باز برای هرس مدل
  • 35. مقایسه ابزارهای هرس موجود
  • 36. پیاده‌سازی هرس در TensorFlow و PyTorch
  • 37. استراتژی‌های هرس برای منابع محدود (Edge devices)
  • 38. هرس مدل‌های زبانی بزرگ در فضای ابری
  • 39. چالش‌ها و محدودیت‌های هرس مدل
  • 40. تحقیقات آینده در زمینه هرس مدل
  • 41. مطالعه موردی: هرس BERT
  • 42. مطالعه موردی: هرس GPT
  • 43. مطالعه موردی: هرس T5
  • 44. تاثیر هرس بر تعمیم‌پذیری مدل
  • 45. هرس و امنیت مدل‌های زبانی بزرگ
  • 46. هرس و حریم خصوصی مدل‌های زبانی بزرگ
  • 47. استفاده از هرس برای کاهش سوگیری در مدل‌ها
  • 48. هرس و پایداری مدل
  • 49. ارزیابی هزینه محاسباتی هرس
  • 50. بهینه‌سازی حافظه با استفاده از هرس
  • 51. هرس و کاهش مصرف انرژی
تگ‌ها: deep learning efficient inference fine-tuning knowledge distillation large language models llm pruning model pruning neural network pruning parameter importance pruning techniques quantization sparsity transformer pruning هرس مدل هوش مصنوعی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.