کتاب معماری‌های کارآمد: طراحی LLM کم‌حجم با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معماری‌های کارآمد: طراحی LLM کم‌حجم

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

موضوع میانی: پلتفرم‌های متمرکز بر فشرده‌سازی مدل

📋 سرفصل‌های دوره

• 1. مبانی مدل‌های زبان بزرگ
• 2. معماری‌های ترانسفورمر: یک بررسی جامع
• 3. مفهوم توجه (Attention) در مدل‌های زبانی
• 4. خود-توجه (Self-Attention): مکانیسم و کاربردها
• 5. توجه چند-سر (Multi-Head Attention): افزایش ظرفیت مدل
• 6. رمزگذار-رمزگشا (Encoder-Decoder) در LLMها
• 7. مفهوم لایه‌های نرمال‌سازی (Normalization Layers)
• 8. روش‌های فعال‌سازی (Activation Functions) در LLMها
• 9. بهینه‌سازی گرادیان کاهشی (Gradient Descent) برای LLMها
• 10. تنظیم دقیق (Fine-tuning) مدل‌های زبان بزرگ
• 11. تکنیک‌های کاهش ابعاد در LLMها
• 12. مقدمه‌ای بر کوانتیزاسیون (Quantization)
• 13. کوانتیزاسیون پس از آموزش (Post-Training Quantization)
• 14. کوانتیزاسیون آگاه از آموزش (Quantization-Aware Training)
• 15. هرس (Pruning): کاهش اندازه مدل با حذف اتصالات
• 16. هرس ساختاری (Structural Pruning) در مقابل هرس غیرساختاری
• 17. تقطیر دانش (Knowledge Distillation): انتقال دانش از مدل بزرگ به کوچک
• 18. معماری‌های دانش تقطیر شده
• 19. تکنیک‌های فشرده‌سازی وزن (Weight Compression)
• 20. ماتریس‌های کم‌رتبه (Low-Rank Matrices) و کاربرد آنها
• 21. روش‌های محدود کردن حافظه (Memory Constraints) در LLMها
• 22. معماری‌های مبتنی بر هسته (Kernel-based Architectures)
• 23. بهینه‌سازی محاسبات ماتریسی (Matrix Computation Optimization)
• 24. استفاده از سخت‌افزار شتاب‌دهنده (Hardware Acceleration)
• 25. معماری‌های مبتنی بر توزیع (Distributed Architectures)
• 26. موازی‌سازی داده (Data Parallelism) در آموزش LLM
• 27. موازی‌سازی مدل (Model Parallelism) در آموزش LLM
• 28. روش‌های کاهش ارتباطات (Communication Reduction)
• 29. استفاده از تکنیک‌های هیبریدی (Hybrid Techniques)
• 30. معماری‌های کم‌دقت (Low-Precision Architectures)
• 31. مفهوم quantization و اثر آن بر دقت
• 32. تکنیک‌های افزایش دقت در مدل‌های کوانتیزه شده
• 33. ارزیابی مدل‌های زبان بزرگ کم‌حجم
• 34. معیارهای ارزیابی (Evaluation Metrics) برای LLMها
• 35. بررسی سناریوهای استفاده (Use Cases) برای LLMهای کم‌حجم
• 36. بهینه‌سازی LLM برای دستگاه‌های لبه (Edge Devices)
• 37. استقرار (Deployment) مدل‌های زبان بزرگ
• 38. بهینه‌سازی مصرف انرژی در LLMها
• 39. استفاده از کامپایلرها (Compilers) برای بهینه‌سازی LLM
• 40. مقدمه‌ای بر معماری‌های جدید LLM
• 41. آینده معماری‌های کارآمد LLM
• 42. تحلیل و بررسی مقالات پیشرفته در زمینه LLM
• 43. روش‌های ارتقاء و بهبود مستمر مدل‌های زبانی
• 44. چالش‌ها و راهکارهای توسعه LLMهای کم‌حجم