کتاب LLMها و استدلال چندمرحله‌ای با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره LLMها و استدلال چندمرحله‌ای

موضوع کلی: توسعه پیشرفته عامل‌های هوشمند و سیستم‌های خودکار

موضوع میانی: مدل‌های زبانی بزرگ (LLMs) در عامل‌های هوشمند

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های زبانی بزرگ
• 2. معماری ترانسفورمر و مکانیسم توجه
• 3. پردازش زبان طبیعی و کاربردهای آن
• 4. نمایش‌های برداری کلمات: Word Embeddings
• 5. شبکه‌های عصبی بازگشتی (RNN) و انواع آن
• 6. شبکه‌های عصبی پیچشی (CNN) برای متن
• 7. مدل‌های زبانی آماری
• 8. یادگیری ماشین نظارت شده برای NLP
• 9. یادگیری ماشین بدون نظارت برای NLP
• 10. ارزیابی مدل‌های زبانی
• 11. پیش‌پردازش داده‌های متنی
• 12. پاکسازی و نرمال‌سازی متن
• 13. توکنایز کردن و ریشه‌یابی کلمات
• 14. برچسب‌زنی اجزای گفتار (POS Tagging)
• 15. تشخیص موجودیت‌های نام‌دار (NER)
• 16. تحلیل احساسات و قطب‌بندی متن
• 17. خلاصه‌سازی متن
• 18. ترجمه ماشینی
• 19. تولید متن
• 20. مدل‌های تولیدی زنجیره‌ای (Generative Models)
• 21. استدلال چندمرحله‌ای: مفاهیم پایه
• 22. استدلال منطقی و قواعد استنتاج
• 23. استدلال ابداعی (Heuristic Reasoning)
• 24. نمایش دانش و هستی‌شناسی
• 25. پایگاه‌های دانش و نمودارهای دانش
• 26. استنتاج بر اساس قواعد (Rule-Based Inference)
• 27. استنتاج بر اساس موارد (Case-Based Reasoning)
• 28. استدلال با عدم قطعیت
• 29. شبکه‌های بیزی
• 30. مدل‌های مارکوف پنهان (HMM)
• 31. برنامه‌ریزی و جستجو
• 32. حل مسئله با استفاده از LLMها
• 33. تولید زنجیره افکار (Chain-of-Thought Prompting)
• 34. استفاده از LLMها برای پاسخ به سؤالات پیچیده
• 35. استدلال ریاضی با LLMها
• 36. استدلال درک مطلب
• 37. استفاده از LLMها در استدلال حقوقی
• 38. استدلال در حوزه پزشکی با LLMها
• 39. ارزیابی استدلال LLMها
• 40. خطاهای رایج در استدلال LLMها
• 41. بهبود قابلیت استدلال LLMها
• 42. تنظیم دقیق (Fine-tuning) LLMها برای استدلال
• 43. استفاده از داده‌های ترکیبی برای آموزش LLMها
• 44. روش‌های تقویت یادگیری برای استدلال
• 45. استفاده از LLMها در رباتیک و هوش مصنوعی