کتاب توسعه ابزار برای LLMها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توسعه ابزار برای LLMها

موضوع کلی: توسعه پیشرفته عامل‌های هوشمند و سیستم‌های خودکار

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

📋 سرفصل‌های دوره

• 1. آشنایی با مدل‌های زبانی بزرگ
• 2. مبانی پردازش زبان طبیعی
• 3. پیش‌پردازش داده‌های متنی
• 4. بردارسازی کلمات: روش‌های سنتی
• 5. بردارسازی کلمات: Word2Vec
• 6. بردارسازی کلمات: GloVe
• 7. بردارسازی کلمات: FastText
• 8. شبکه‌های عصبی بازگشتی (RNN)
• 9. شبکه‌های حافظه بلندمدت (LSTM)
• 10. شبکه‌های گیت‌گذاری بازگشتی (GRU)
• 11. مکانیسم‌های توجه (Attention Mechanisms)
• 12. مدل‌های ترانسفورمر
• 13. معماری BERT و کاربردها
• 14. Fine-tuning مدل‌های پیش‌آموزش‌دیده
• 15. تولید متن با مدل‌های زبانی
• 16. ارزیابی کیفیت تولید متن
• 17. مقدمه‌ای بر یادگیری تقویتی
• 18. یادگیری تقویتی برای تولید متن
• 19. تکنیک‌های نمونه‌برداری در LLMها
• 20. کنترل‌پذیری در تولید متن
• 21. کاهش سوگیری در مدل‌های زبانی
• 22. آشنایی با فریم‌ورک‌های LLM (TensorFlow, PyTorch)
• 23. استقرار مدل‌های LLM
• 24. بهینه‌سازی مدل‌های LLM برای استقرار
• 25. مبانی مهندسی پرامپت
• 26. تکنیک‌های پیشرفته مهندسی پرامپت
• 27. استفاده از زنجیره‌های فکر (Chain-of-Thought)
• 28. ارزیابی و مقایسه LLMهای مختلف
• 29. مقدمه‌ای بر RAG (Retrieval-Augmented Generation)
• 30. پیاده‌سازی RAG با استفاده از پایگاه‌های دانش
• 31. بهینه‌سازی RAG برای دقت و سرعت
• 32. استفاده از LLMها در خلاصه‌سازی متن
• 33. استفاده از LLMها در ترجمه ماشینی
• 34. استفاده از LLMها در پاسخگویی به سؤالات
• 35. استفاده از LLMها در تولید محتوا
• 36. استفاده از LLMها در تحلیل احساسات
• 37. استفاده از LLMها در تشخیص موجودیت نام‌دار
• 38. آشنایی با APIهای LLM
• 39. امنیت و حریم خصوصی در استفاده از LLMها
• 40. مقایسه LLMهای منبع‌باز و تجاری
• 41. مبانی اخلاق در توسعه LLMها
• 42. تست و دیباگ کردن LLMها
• 43. ابزارهای نظارت بر عملکرد LLM
• 44. مقیاس‌پذیری LLMها
• 45. آینده توسعه ابزار برای LLMها