کتاب دفاع از LLMهای توزیع‌شده 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 دفاع از LLMهای توزیع‌شده

موضوع کلی: هوش مصنوعی توزیع شده و شبکه‌های LLM

موضوع میانی: حملات خصمانه (Adversarial Attacks) به LLM‌های توزیع شده

📋 سرفصل‌های دوره

  • 1. مبانی شبکه‌های عصبی و یادگیری عمیق
  • 2. معماری ترانسفورمر و کاربرد آن در LLMها
  • 3. پردازش زبان طبیعی و چالش‌های آن
  • 4. پیش‌پردازش داده‌های متنی برای LLMها
  • 5. مجموعه‌داده‌های بزرگ و منابع داده باز
  • 6. روش‌های توزیع‌شده برای آموزش LLMها
  • 7. مفهوم موازی‌سازی داده‌ها
  • 8. موازی‌سازی مدل در آموزش LLM
  • 9. استفاده از GPU و TPU در آموزش توزیع‌شده
  • 10. چارچوب‌های نرم‌افزاری آموزش توزیع‌شده (TensorFlow, PyTorch)
  • 11. ارتباطات بین فرآیندی در آموزش توزیع‌شده
  • 12. بهینه‌سازی ارتباطات برای کاهش سربار
  • 13. روش‌های کاهش دقت محاسبات (Quantization)
  • 14. تکنیک‌های تقطیر دانش (Knowledge Distillation)
  • 15. مفهوم یادگیری فدرال (Federated Learning)
  • 16. حریم خصوصی تفاضلی در آموزش LLM
  • 17. حملات خصمانه (Adversarial Attacks) به LLMها
  • 18. روش‌های دفاعی در برابر حملات خصمانه
  • 19. ارزیابی و سنجش عملکرد LLMها
  • 20. معیارهای ارزیابی کیفیت متن تولید شده
  • 21. تولید متن منسجم و خلاقانه
  • 22. کنترل خروجی LLM با استفاده از prompt engineering
  • 23. کاربردهای LLM در ترجمه ماشینی
  • 24. استفاده از LLM در خلاصه‌سازی متن
  • 25. LLMها و پاسخ به سؤالات
  • 26. LLMها در تولید کد و برنامه‌نویسی
  • 27. LLMها و تولید محتوای متنی
  • 28. استفاده از LLM در ربات‌های گفت‌وگو
  • 29. مفهوم Fine-tuning و کاربردهای آن
  • 30. Fine-tuning LLMها با داده‌های خاص دامنه
  • 31. استفاده از LLM در تحلیل احساسات
  • 32. تشخیص موجودیت‌های نام‌دار (NER) با LLMها
  • 33. LLMها و تشخیص تقلب در متون
  • 34. بهینه‌سازی LLM برای استقرار در محیط‌های محدود
  • 35. استقرار LLMها بر روی دستگاه‌های لبه (Edge Devices)
  • 36. مفهوم Quantization Aware Training
  • 37. فشرده‌سازی مدل‌های LLM
  • 38. تقطیر دانش برای کاهش اندازه مدل
  • 39. مبانی امنیت در LLMها
  • 40. بررسی آسیب‌پذیری‌های LLMها
  • 41. روش‌های محافظت از LLMها در برابر سرقت مدل
  • 42. استفاده از LLMها در تشخیص اخبار جعلی
  • 43. مفهوم Reinforcement Learning from Human Feedback (RLHF)
  • 44. بهینه‌سازی LLM با استفاده از RLHF
  • 45. چالش‌های اخلاقی در استفاده از LLMها

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.