کتاب تقطیر دانش: انتقال هوش به مدل‌های کوچک 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 تقطیر دانش: انتقال هوش به مدل‌های کوچک

موضوع کلی: بهینه‌سازی و فشرده‌سازی مدل‌های زبان بزرگ (LLM)

موضوع میانی: پلتفرم‌های متمرکز بر فشرده‌سازی مدل

📋 سرفصل‌های دوره

  • 1. مبانی تقطیر دانش
  • 2. تقطیر دانش و یادگیری ماشین
  • 3. معماری مدل‌های بزرگ و کوچک
  • 4. مجموعه داده‌ها و نقش آن‌ها در تقطیر دانش
  • 5. انتخاب مدل معلم مناسب
  • 6. انتخاب مدل دانش‌آموز مناسب
  • 7. توابع هزینه در تقطیر دانش
  • 8. نرمال‌سازی دما در تقطیر دانش
  • 9. تاثیر دما بر عملکرد تقطیر
  • 10. روش‌های نمونه‌برداری داده برای تقطیر
  • 11. تقطیر دانش با استفاده از ویژگی‌ها
  • 12. تقطیر دانش با استفاده از پاسخ‌ها
  • 13. تقطیر دانش با استفاده از روابط بین نمونه‌ها
  • 14. تقطیر دانش در شبکه‌های عصبی کانولوشنال
  • 15. تقطیر دانش در شبکه‌های عصبی بازگشتی
  • 16. تقطیر دانش در مدل‌های ترانسفورمر
  • 17. تقطیر دانش برای پردازش زبان طبیعی
  • 18. تقطیر دانش برای تشخیص تصویر
  • 19. تقطیر دانش برای تشخیص گفتار
  • 20. تقطیر دانش برای یادگیری تقویتی
  • 21. انتقال دانش در شبکه‌های گراف
  • 22. تقطیر دانش چندوظیفه‌ای
  • 23. تقطیر دانش خودنظارتی
  • 24. تقطیر دانش با استفاده از داده‌های ترکیبی
  • 25. تقطیر دانش با استفاده از داده‌های مصنوعی
  • 26. تقطیر دانش در محیط‌های با منابع محدود
  • 27. بهینه‌سازی مدل دانش‌آموز
  • 28. تنظیم هایپرمترها در تقطیر دانش
  • 29. ارزیابی عملکرد مدل‌های تقطیر شده
  • 30. مقایسه روش‌های مختلف تقطیر دانش
  • 31. تاثیر اندازه مدل دانش‌آموز بر عملکرد
  • 32. تاثیر پیچیدگی مدل معلم بر عملکرد
  • 33. تقطیر دانش با استفاده از اطلاعات عدم قطعیت
  • 34. تقطیر دانش با استفاده از روش‌های ensemble
  • 35. تقطیر دانش و قابلیت تفسیرپذیری مدل
  • 36. تقطیر دانش و امنیت مدل
  • 37. تقطیر دانش و حریم خصوصی داده‌ها
  • 38. تقطیر دانش و یادگیری فدرال
  • 39. کاربردهای تقطیر دانش در دستگاه‌های موبایل
  • 40. تقطیر دانش و محاسبات لبه
  • 41. تقطیر دانش و اینترنت اشیا
  • 42. آینده تقطیر دانش و چالش‌های پیش رو
  • 43. پیاده‌سازی تقطیر دانش با استفاده از TensorFlow
  • 44. پیاده‌سازی تقطیر دانش با استفاده از PyTorch
  • 45. بهبود تقطیر دانش با استفاده از تکنیک‌های regularization

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.