فلش‌کارت‌های آموزشی مقدمه‌ای بر محاسبات در هوش مصنوعی مولد (Generative AI)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در هوش مصنوعی مولد (Generative AI)

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی مولد
• 2. مبانی هوش مصنوعی
• 3. یادگیری ماشین مقدماتی
• 4. انواع یادگیری ماشین
• 5. یادگیری تحت نظارت
• 6. یادگیری بدون نظارت
• 7. یادگیری تقویتی
• 8. مبانی شبکه‌های عصبی
• 9. نورون مصنوعی
• 10. توابع فعال‌سازی
• 11. لایه‌های شبکه‌های عصبی
• 12. پس‌انتشار خطا (Backpropagation)
• 13. بهینه‌سازی در شبکه‌های عصبی
• 14. نرخ یادگیری
• 15. گرادیان کاهشی (Gradient Descent)
• 16. بهینه‌سازهای پیشرفته (Adam, RMSprop)
• 17. شبکه‌های عصبی کانولوشنال (CNN)
• 18. کاربرد CNN در پردازش تصویر
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. کاربرد RNN در پردازش متن
• 21. حافظه بلند-کوتاه مدت (LSTM)
• 22. شبکه واحد بازگشتی (GRU)
• 23. مدل‌های زبان (Language Models)
• 24. یادگیری نمایش (Representation Learning)
• 25. جاسازی کلمات (Word Embeddings)
• 26. Word2Vec
• 27. GloVe
• 28. مبانی محاسبات سطح بالا (HPC)
• 29. مفاهیم HPC
• 30. سخت‌افزار HPC
• 31. پردازنده‌های گرافیکی (GPU)
• 32. موازی‌سازی
• 33. معماری GPU
• 34. حافظه GPU
• 35. دستورالعمل‌های SIMD
• 36. موازی‌سازی داده
• 37. موازی‌سازی وظیفه
• 38. انواع موازی‌سازی
• 39. موازی‌سازی از طریق تقسیم داده
• 40. موازی‌سازی از طریق تقسیم وظیفه
• 41. ارتباط بین پردازنده‌ها
• 42. پهنای باند حافظه
• 43. تأخیر
• 44. کارایی HPC
• 45. معیارهای سنجش کارایی
• 46. محاسبات موازی
• 47. مدل برنامه‌نویسی موازی
• 48. MPI (Message Passing Interface)
• 49. OpenMP
• 50. CUDA (Compute Unified Device Architecture)
• 51. برنامه‌نویسی CUDA
• 52. کرنل‌های CUDA
• 53. مدیریت حافظه در CUDA
• 54. همگام‌سازی در CUDA
• 55. بهینه‌سازی کد CUDA
• 56. NCCL (NVIDIA Collective Communications Library)
• 57. Framework های یادگیری عمیق
• 58. TensorFlow
• 59. Keras
• 60. PyTorch
• 61. مدل‌های مولد
• 62. مقدمه‌ای بر مدل‌های مولد
• 63. مدل‌های مولد در مقابل مدل‌های تفکیکی
• 64. انواع مدل‌های مولد
• 65. مدل‌های مولد مبتنی بر شبکه‌های عصبی
• 66. مدل‌های مولد مبتنی بر احتمال
• 67. مدل‌های مولد مبتنی بر انتشار (Diffusion Models)
• 68. شبکه‌های مولد تخاصمی (GANs)
• 69. معماری GAN
• 70. عملکرد GAN
• 71. آموزش GAN
• 72. مشکلات در آموزش GAN
• 73. کاربرد GAN
• 74. مدل‌های مولد مبتنی بر انتشار
• 75. مفاهیم انتشار
• 76. انتشار معکوس
• 77. فرآیند انتشار
• 78. فرآیند معکوس
• 79. آموزش مدل‌های انتشار
• 80. کاربرد مدل‌های انتشار
• 81. تولید تصویر
• 82. تولید متن
• 83. تولید صدا
• 84. مدل‌های ترنسفورمر (Transformers)
• 85. مکانیسم توجه (Attention Mechanism)
• 86. توجه خودی (Self-Attention)
• 87. کدگذار-رمزگشا (Encoder-Decoder)
• 88. ترنسفورمرهای اولیه
• 89. مدل‌های زبانی بزرگ (LLMs)
• 90. معماری ترنسفورمر در LLMs
• 91. آموزش LLMs
• 92. تنظیم دقیق LLMs (Fine-tuning)
• 93. Prompt Engineering
• 94. کاربرد LLMs
• 95. تولید متن خلاقانه
• 96. ترجمه ماشینی
• 97. خلاصه‌سازی متن
• 98. پاسخ به سوالات
• 99. مباحث پیشرفته در مدل‌های مولد
• 100. Multimodal Generative Models