اکسپرس 24
کتاب آموزش مدل‌های زبانی غول‌پیکر با منابع محدود: تکنیک‌های PEFT

کتاب آموزش مدل‌های زبانی غول‌پیکر با منابع محدود: تکنیک‌های PEFT

تگ‌ها: Fine-tuning PEFT پردازش زبان طبیعی تنظیم دقیق مدل مدل‌های زبانی غول‌پیکر منابع محدود هوش مصنوعی هوش مصنوعی ایران یادگیری عمیق یادگیری ماشین

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 آموزش مدل‌های زبانی غول‌پیکر با منابع محدود: تکنیک‌های PEFT

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 مدل‌های زبانی غول‌پیکر (LLM)
  • 2. مبانی یادگیری ماشین و یادگیری عمیق
  • 3. معماری ترانسفورمر و مکانیزم توجه
  • 4. پردازش زبان طبیعی (NLP) و کاربردهای آن
  • 5. مجموعه داده‌ها و پیش‌پردازش متن
  • 6. تکنیک‌های آموزش اولیه مدل‌های زبانی
  • 7. ارزیابی مدل‌های زبانی
  • 8. محدودیت‌های آموزش مدل‌های زبانی با منابع محدود
  • 9. مفهوم تنظیم دقیق (Fine-tuning) مدل‌های زبانی
  • 10. چالش‌های تنظیم دقیق مدل‌های بزرگ
  • 11. معرفی تکنیک‌های PEFT
  • 12. مفهوم پارامترهای قابل تنظیم (Tunable Parameters)
  • 13. مزایای PEFT نسبت به تنظیم دقیق کامل
  • 14. انواع روش‌های PEFT
  • 15. تنظیم دقیق آداپتور (Adapter Tuning)
  • 16. آداپتورهای خطی
  • 17. آداپتورهای ترانسفورمر
  • 18. تنظیم دقیق پیشوند (Prefix Tuning)
  • 19. نکات کلیدی در Prefix Tuning
  • 20. تنظیم دقیق سافیکس (Suffix Tuning)
  • 21. مقایسه Prefix Tuning و Suffix Tuning
  • 22. روش LoRA (Low-Rank Adaptation)
  • 23. ماتریس‌های تجزیه رتبه پایین
  • 24. کاربرد LoRA در LLM ها
  • 25. تنظیمات پارامتر در LoRA
  • 26. روش QLoRA (Quantized LoRA)
  • 27. مزایای کوانتیزاسیون در LoRA
  • 28. استفاده از QLoRA برای کاهش مصرف حافظه
  • 29. روش Prompt Tuning
  • 30. آموزش توکن‌های پرامپت مجازی
  • 31. تفاوت Prompt Tuning با Prefix Tuning
  • 32. روش P-Tuning
  • 33. نسخه‌های مختلف P-Tuning
  • 34. روش AdaLoRA
  • 35. ترکیب AdaLoRA با LoRA
  • 36. روش LoRA-FA
  • 37. روش LoRA-L
  • 38. روش LoRA-EP
  • 39. روش LoRA-IA
  • 40. روش LoRA-IR
  • 41. روش LoRA-IL
  • 42. روش LoRA-IT
  • 43. روش LoRA-IP
  • 44. روش LoRA-IE
  • 45. روش LoRA-IC
  • 46. روش LoRA-IB
  • 47. روش LoRA-IA-L
  • 48. روش LoRA-IA-P
  • 49. روش LoRA-IA-S
  • 50. روش LoRA-IA-R
  • 51. روش LoRA-IA-Q
  • 52. روش LoRA-IA-D
  • 53. روش LoRA-IA-F
  • 54. روش LoRA-IA-G
  • 55. روش LoRA-IA-H
  • 56. روش LoRA-IA-J
  • 57. روش LoRA-IA-K
  • 58. روش LoRA-IA-M
  • 59. روش LoRA-IA-N
  • 60. روش LoRA-IA-O
  • 61. روش LoRA-IA-T
  • 62. روش LoRA-IA-U
  • 63. روش LoRA-IA-V
  • 64. روش LoRA-IA-W
  • 65. روش LoRA-IA-X
  • 66. روش LoRA-IA-Y
  • 67. روش LoRA-IA-Z
  • 68. روش LoRA-IA-Alpha
  • 69. روش LoRA-IA-Beta
  • 70. روش LoRA-IA-Gamma
  • 71. روش LoRA-IA-Delta
  • 72. روش LoRA-IA-Epsilon
  • 73. روش LoRA-IA-Zeta
  • 74. روش LoRA-IA-Eta
  • 75. روش LoRA-IA-Theta
  • 76. روش LoRA-IA-Iota
  • 77. روش LoRA-IA-Kappa
  • 78. روش LoRA-IA-Lambda
  • 79. روش LoRA-IA-Mu
  • 80. روش LoRA-IA-Nu
  • 81. روش LoRA-IA-Xi
  • 82. روش LoRA-IA-Omicron
  • 83. روش LoRA-IA-Pi
  • 84. روش LoRA-IA-Rho
  • 85. روش LoRA-IA-Sigma
  • 86. روش LoRA-IA-Tau
  • 87. روش LoRA-IA-Upsilon
  • 88. روش LoRA-IA-Phi
  • 89. روش LoRA-IA-Chi
  • 90. روش LoRA-IA-Psi
  • 91. روش LoRA-IA-Omega
  • 92. پیاده‌سازی PEFT با کتابخانه‌های متن‌باز
  • 93. کتابخانه PEFT از Hugging Face
  • 94. نصب و راه‌اندازی کتابخانه PEFT
  • 95. تنظیمات و پارامترهای کلیدی در کتابخانه PEFT
  • 96. مثال‌های عملی از استفاده PEFT
  • 97. تنظیم دقیق مدل GPT-2 با LoRA
  • 98. تنظیم دقیق مدل Llama با QLoRA
  • 99. تنظیم دقیق مدل T5 با Prefix Tuning
  • 100. کاربرد PEFT در وظایف مختلف NLP

📚 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.