کتاب کوانتیزاسیون مدل‌های زبانی بزرگ و استنتاج با زمان‌اجرای ONNX

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کوانتیزاسیون مدل‌های زبانی بزرگ و استنتاج با زمان‌اجرای ONNX

موضوع کلی: هوش مصنوعی و مهندسی نرم‌افزار

موضوع میانی: بهینه‌سازی و استقرار مدل‌های هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی نرم‌افزار و هوش مصنوعی
  • 2. مبانی هوش مصنوعی و یادگیری ماشین
  • 3. معماری مدل‌های زبانی بزرگ (LLMs)
  • 4. مفاهیم کوانتیزاسیون در یادگیری ماشین
  • 5. اهمیت کوانتیزاسیون برای مدل‌های زبانی
  • 6. کوانتیزاسیون و کاهش حجم مدل
  • 7. کوانتیزاسیون و افزایش سرعت استنتاج
  • 8. انواع روش‌های کوانتیزاسیون (INT8، FP16 و غیره)
  • 9. کوانتیزاسیون با دقت پایین (Low-Precision Quantization)
  • 10. کوانتیزاسیون مبتنی بر وزن (Weight-only Quantization)
  • 11. کوانتیزاسیون مبتنی بر فعال‌سازی (Activation Quantization)
  • 12. کوانتیزاسیون پس از آموزش (Post-Training Quantization)
  • 13. کوانتیزاسیون حین آموزش (Quantization-Aware Training)
  • 14. چالش‌های کوانتیزاسیون در مدل‌های زبانی بزرگ
  • 15. تأثیر کوانتیزاسیون بر دقت مدل
  • 16. روش‌های ارزیابی دقت مدل‌های کوانتیزه شده
  • 17. مقدمه‌ای بر زمان‌اجرای ONNX (ONNX Runtime)
  • 18. معماری ONNX Runtime
  • 19. مزایای استفاده از ONNX Runtime
  • 20. نصب و راه‌اندازی ONNX Runtime
  • 21. تبدیل مدل‌های زبانی به فرمت ONNX
  • 22. استفاده از ابزارهای تبدیل ONNX
  • 23. بهینه‌سازی مدل‌ها برای ONNX Runtime
  • 24. مراحل استنتاج با ONNX Runtime
  • 25. اجرای مدل‌های کوانتیزه شده با ONNX Runtime
  • 26. بهینه‌سازی سخت‌افزار برای استنتاج ONNX
  • 27. استفاده از شتاب‌دهنده‌های سخت‌افزاری
  • 28. کوانتیزاسیون و استقرار مدل‌های زبانی در لبه (Edge)
  • 29. کاربرد کوانتیزاسیون در دستگاه‌های موبایل
  • 30. کاربرد کوانتیزاسیون در اینترنت اشیاء (IoT)
  • 31. مدیریت چرخه عمر مدل‌های هوش مصنوعی (LLMOps)
  • 32. مراحل LLMOps
  • 33. اهمیت LLMOps برای تولیدکنندگان
  • 34. پایش و مانیتورینگ مدل‌های هوش مصنوعی
  • 35. مدیریت نسخه مدل‌ها
  • 36. استقرار مدل‌ها در محیط‌های عملیاتی
  • 37. مکانیسم‌های بازخورد برای بهبود مدل
  • 38. اتوماسیون فرآیندهای LLMOps
  • 39. ابزارهای LLMOps
  • 40. فریم‌ورک‌های LLMOps
  • 41. یکپارچه‌سازی LLMOps با CI/CD
  • 42. ملاحظات امنیتی در LLMOps
  • 43. حفاظت از داده‌ها در فرآیندهای LLMOps
  • 44. مدیریت خطاهای مدل
  • 45. تکنیک‌های اشکال‌زدایی مدل‌های زبانی
  • 46. ارزیابی عملکرد مدل در زمان اجرا
  • 47. مقایسه عملکرد مدل‌های مختلف
  • 48. انتخاب بهترین مدل برای استقرار
  • 49. استفاده از مدل‌های کوچک‌تر و بهینه‌تر
  • 50. چالش‌های مقیاس‌پذیری در LLMOps
  • 51. استراتژی‌های مقیاس‌پذیری
  • 52. استقرار مدل‌ها در مقیاس بزرگ
  • 53. ملاحظات مربوط به هزینه‌ها در LLMOps
  • 54. بهینه‌سازی هزینه‌های محاسباتی
  • 55. بهینه‌سازی هزینه‌های ذخیره‌سازی
  • 56. بهینه‌سازی هزینه‌های انتقال داده
  • 57. ارزیابی تأثیرات زیست‌محیطی در LLMOps
  • 58. مدل‌های هوش مصنوعی و پایداری
  • 59. کاهش مصرف انرژی در استنتاج
  • 60. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 61. مسئولیت‌پذیری در هوش مصنوعی
  • 62. شفافیت در مدل‌های هوش مصنوعی
  • 63. انصاف در هوش مصنوعی
  • 64. حریم خصوصی و هوش مصنوعی
  • 65. تأثیرات اجتماعی هوش مصنوعی
  • 66. آینده LLMOps
  • 67. پیشرفت‌های آینده در کوانتیزاسیون
  • 68. توسعه زمان‌اجراهای بهینه‌تر
  • 69. نوآوری در ابزارهای LLMOps
  • 70. نقش هوش مصنوعی در مهندسی نرم‌افزار
  • 71. کاربرد LLMs در توسعه نرم‌افزار
  • 72. تولید کد با LLMs
  • 73. تست نرم‌افزار با LLMs
  • 74. مستندسازی نرم‌افزار با LLMs
  • 75. بهبود کیفیت نرم‌افزار با LLMs
  • 76. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
  • 77. ساختار داده‌ها در پایتون
  • 78. الگوریتم‌ها در پایتون
  • 79. مفاهیم شی‌گرایی در پایتون
  • 80. کتابخانه‌های کلیدی برای هوش مصنوعی در پایتون
  • 81. NumPy و پردازش آرایه‌ها
  • 82. Pandas و تحلیل داده‌ها
  • 83. Matplotlib و مصورسازی داده‌ها
  • 84. Scikit-learn و یادگیری ماشین
  • 85. TensorFlow و PyTorch برای یادگیری عمیق
  • 86. استفاده از TensorFlow Lite برای استقرار
  • 87. استفاده از PyTorch Mobile برای استقرار
  • 88. مقدمه‌ای بر مفاهیم گرافیکی در ONNX
  • 89. بهینه‌سازی‌های مخصوص سخت‌افزار
  • 90. مدیریت حافظه در زمان استنتاج
  • 91. تکنیک‌های پیشرفته کوانتیزاسیون
  • 92. کوانتیزاسیون ترکیبی (Hybrid Quantization)
  • 93. کوانتیزاسیون با استفاده از یادگیری تقویتی
  • 94. کوانتیزاسیون پویا (Dynamic Quantization)
  • 95. کوانتیزاسیون استاتیک (Static Quantization)
  • 96. ارزیابی ریسک در استقرار مدل‌ها
  • 97. مدیریت ریسک‌های عملیاتی
  • 98. برنامه‌ریزی بازیابی فاجعه
  • 99. استانداردهای صنعتی در LLMOps
  • 100. بهترین شیوه‌ها در LLMOps

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.