کتاب کاربرد فشرده‌سازی LLM در پردازش زبان طبیعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد فشرده‌سازی LLM در پردازش زبان طبیعی

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

موضوع میانی: پلتفرم‌های متمرکز بر فشرده‌سازی مدل

📋 سرفصل‌های دوره

• 1. مبانی مدل‌های زبانی بزرگ
• 2. معماری ترانسفورمر و کاربرد آن
• 3. توکن‌سازی و نمایش متن
• 4. Embeddingهای کلمه و جمله
• 5. شبکه‌های عصبی بازگشتی و LSTM
• 6. شبکه‌های عصبی کانولوشنی در پردازش زبان طبیعی
• 7. مفهوم فشرده‌سازی مدل
• 8. روش‌های کاهش حجم مدل
• 9. تکنیک‌های Quantization
• 10. Pruning و حذف اتصالات غیرضروری
• 11. Distillation دانش و انتقال یادگیری
• 12. روش‌های Knowledge Distillation مبتنی بر پاسخ
• 13. فشرده‌سازی با استفاده از ماتریس‌های کم‌رتبه
• 14. روش‌های Decomposition ماتریسی
• 15. روش‌های هرسش وزن
• 16. تکنیک‌های فشرده‌سازی مبتنی بر بردار
• 17. فشرده‌سازی مدل با استفاده از شبکه‌های عصبی خودرمزگذار
• 18. استفاده از کدینگ خودرمزگذار برای فشرده‌سازی
• 19. روش‌های فشرده‌سازی مبتنی بر ساختار
• 20. تغییر معماری مدل برای کاهش حجم
• 21. استفاده از عملیات‌های جایگزین با هزینه محاسباتی کمتر
• 22. بهینه‌سازی معماری مدل با الگوریتم‌های تکاملی
• 23. فشرده‌سازی مدل برای استقرار بر روی دستگاه‌های موبایل
• 24. فشرده‌سازی مدل برای استقرار بر روی دستگاه‌های IoT
• 25. تکنیک‌های فشرده‌سازی برای مدل‌های ترجمه ماشینی
• 26. فشرده‌سازی مدل برای مدل‌های خلاصه‌سازی متن
• 27. فشرده‌سازی مدل برای مدل‌های پاسخگویی به سؤال
• 28. فشرده‌سازی مدل برای مدل‌های تشخیص احساسات
• 29. فشرده‌سازی مدل برای مدل‌های تولید متن
• 30. ارزیابی عملکرد مدل‌های فشرده‌شده
• 31. معیارهای ارزیابی فشرده‌سازی مدل
• 32. تأثیر فشرده‌سازی بر دقت و سرعت مدل
• 33. مقایسه روش‌های مختلف فشرده‌سازی
• 34. بهینه‌سازی هایپرپارامترها در فشرده‌سازی
• 35. استفاده از سخت‌افزار تخصصی برای فشرده‌سازی مدل
• 36. GPU و TPU در فشرده‌سازی مدل
• 37. فشرده‌سازی مدل با استفاده از روش‌های ترکیبی
• 38. ترکیب Quantization و Pruning
• 39. Distillation دانش و Quantization ترکیبی
• 40. بهینه‌سازی فشرده‌سازی برای منابع محدود
• 41. فشرده‌سازی مدل در محیط‌های ابری
• 42. استفاده از فشرده‌سازی برای کاهش هزینه استقرار مدل
• 43. کاربرد فشرده‌سازی در پردازش زبان طبیعی پزشکی
• 44. فشرده‌سازی مدل برای پردازش زبان طبیعی حقوقی
• 45. فشرده‌سازی مدل برای پردازش زبان طبیعی مالی