کتاب مجموعه تکنیک‌های PEFT برای تسلط بر مدل‌های زبانی بزرگ 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 مجموعه تکنیک‌های PEFT برای تسلط بر مدل‌های زبانی بزرگ

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Fine-tuning با پارامترهای کم (Parameter-Efficient Fine-tuning - PEFT)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر Fine-tuning و ضرورت PEFT
  • 2. مقایسه Fine-tuning کامل و PEFT
  • 3. مزایای استفاده از تکنیک‌های PEFT
  • 4. معرفی انواع تکنیک‌های PEFT
  • 5. LoRA: معرفی و مبانی
  • 6. LoRA: پیاده‌سازی عملی با PyTorch
  • 7. LoRA: تنظیم هایپرپارامترها و بهینه‌سازی
  • 8. LoRA: کاربردهای LoRA در پردازش زبان طبیعی
  • 9. Adapters: معرفی و معماری
  • 10. Adapters: پیاده‌سازی Adapters با Transformers
  • 11. Adapters: ترکیب Adapters با لایه‌های مختلف مدل
  • 12. Adapters: مزایا و معایب Adapters
  • 13. Prefix Tuning: معرفی و عملکرد
  • 14. Prefix Tuning: پیاده‌سازی Prefix Tuning
  • 15. Prefix Tuning: بهینه‌سازی پیشوندها برای وظایف مختلف
  • 16. P-Tuning v2: معرفی و تفاوت با Prefix Tuning
  • 17. Prompt Tuning: معرفی و کاربردها
  • 18. Prompt Tuning: طراحی Promptهای موثر
  • 19. IA3: معرفی و اصول کار
  • 20. IA3: پیاده‌سازی IA3 در مدل‌های زبانی بزرگ
  • 21. BitFit: معرفی و کاربرد در Fine-tuning
  • 22. Selective Fine-tuning: انتخاب لایه‌های مناسب برای Fine-tuning
  • 23. LoRA + Adapters: ترکیب تکنیک‌ها برای بهبود عملکرد
  • 24. LoRA + Prefix Tuning: ترکیب تکنیک‌ها برای نتایج بهتر
  • 25. کاربرد PEFT در طبقه‌بندی متن
  • 26. کاربرد PEFT در خلاصه‌سازی متن
  • 27. کاربرد PEFT در تولید متن
  • 28. کاربرد PEFT در ترجمه ماشینی
  • 29. PEFT برای مدل‌های چندزبانه
  • 30. PEFT و کاهش مصرف حافظه
  • 31. PEFT و کاهش هزینه محاسباتی
  • 32. PEFT و سرعت‌بخشیدن به فرآیند Fine-tuning
  • 33. انتخاب تکنیک PEFT مناسب برای هر کاربرد
  • 34. بهینه‌سازی PEFT برای منابع محدود
  • 35. استفاده از PEFT برای یادگیری مداوم (Continual Learning)
  • 36. PEFT و مقابله با فراموشی فاجعه‌بار (Catastrophic Forgetting)
  • 37. PEFT و انتقال یادگیری (Transfer Learning)
  • 38. پیاده‌سازی PEFT با استفاده از کتابخانه PEFT
  • 39. مقایسه کتابخانه‌های PEFT موجود
  • 40. بهترین روش‌ها برای ذخیره و بارگیری مدل‌های PEFT
  • 41. استفاده از PEFT برای شخصی‌سازی مدل‌های زبانی بزرگ
  • 42. ابزارهای مانیتورینگ و ارزیابی PEFT
  • 43. آینده PEFT و تحقیقات در حال انجام
  • 44. چالش‌های استفاده از PEFT در محیط‌های عملیاتی
تگ‌ها: Adapters BitFit Fine-tuning IA3 LoRA NLP Parameter-Efficient Fine-tuning PEFT Prefix Tuning Prompt Tuning Transformers پردازش زبان طبیعی مدل زبانی بزرگ هوش مصنوعی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.