کتاب بهینه‌سازی LLMs برای سفارشی‌سازی عمیق

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 بهینه‌سازی LLMs برای سفارشی‌سازی عمیق

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: تکنیک‌های ارزیابی و بهینه‌سازی LLMs**

📋 سرفصل‌های دوره

  • 1. مبانی زبان‌های بزرگ مدل (LLMs)
  • 2. معماری ترنسفورمر و اجزای آن
  • 3. مکانیزم توجه (Attention Mechanism)
  • 4. پردازش زبان طبیعی (NLP) در LLMs
  • 5. نمایش کلمات (Word Embeddings)
  • 6. آموزش پیش‌فرض LLMs
  • 7. مجموعه داده‌های آموزشی و پیش‌پردازش
  • 8. مقیاس‌پذیری و چالش‌های آموزش LLMs
  • 9. ارزیابی مدل‌های زبان بزرگ
  • 10. معیارهای ارزیابی LLMs
  • 11. انواع تنظیم دقیق (Fine-tuning)
  • 12. تنظیم دقیق نظارت شده (Supervised Fine-tuning)
  • 13. تنظیم دقیق با یادگیری تقویتی (RLHF)
  • 14. آموزش با بازخورد انسانی (RLHF)
  • 15. تنظیم پارامترها (Parameter-Efficient Fine-tuning - PEFT)
  • 16. LoRA (Low-Rank Adaptation)
  • 17. QLoRA
  • 18. Adapter-based PEFT
  • 19. Prompt Tuning
  • 20. Prefix Tuning
  • 21. تکنیک‌های مهندسی پرامپت
  • 22. پرامپت‌های صفر-شات (Zero-shot) و چند-شات (Few-shot)
  • 23. طراحی پرامپت برای وظایف خاص
  • 24. دستورالعمل‌های طراحی پرامپت مؤثر
  • 25. ارزیابی کیفیت پرامپت‌ها
  • 26. سفارشی‌سازی LLMs برای وظایف تولید متن
  • 27. تولید متن خلاقانه
  • 28. تولید متن خبری و تحلیلی
  • 29. خلاصه‌سازی متن
  • 30. ترجمه ماشینی با LLMs
  • 31. پاسخگویی به سوالات (Question Answering)
  • 32. مدیریت مکالمه و چت‌بات‌ها
  • 33. تولید کد با LLMs
  • 34. سفارشی‌سازی LLMs برای وظایف طبقه‌بندی متن
  • 35. تحلیل احساسات
  • 36. شناسایی موجودیت نام‌گذاری شده (NER)
  • 37. تشخیص موضوع
  • 38. استخراج رابطه
  • 39. سفارشی‌سازی LLMs برای وظایف استخراج اطلاعات
  • 40. سفارشی‌سازی LLMs برای درک مطلب
  • 41. مدل‌های دانش‌محور (Knowledge-Grounded LLMs)
  • 42. ادغام دانش خارجی در LLMs
  • 43. استفاده از پایگاه‌های دانش
  • 44. تکنیک‌های بازیابی اطلاعات (Retrieval-Augmented Generation - RAG)
  • 45. معماری‌های RAG
  • 46. پیاده‌سازی سیستم‌های RAG
  • 47. ارزیابی سیستم‌های RAG
  • 48. امنیت و حریم خصوصی در LLMs
  • 49. سوگیری در LLMs
  • 50. روش‌های کاهش سوگیری
  • 51. اخلاق در هوش مصنوعی و LLMs
  • 52. مسئولیت‌پذیری در LLMs
  • 53. حفاظت از داده‌ها در طول سفارشی‌سازی
  • 54. ملاحظات شرعی در محتوای تولید شده
  • 55. چارچوب‌های قانونی محتوای دیجیتال در ایران
  • 56. قوانین مربوط به حریم خصوصی و داده‌ها
  • 57. اصول طراحی مدل‌های سازگار با قوانین
  • 58. تطبیق مدل‌های آماری با اصول فقهی
  • 59. کاربرد LLMs در آموزش رسمی
  • 60. تولید محتوای آموزشی با LLMs
  • 61. ارزیابی محتوای تولیدی LLMs
  • 62. محدودیت‌های LLMs در تولید محتوای دینی
  • 63. استفاده از LLMs در پژوهش‌های علمی (سازگار با چارچوب ایران)
  • 64. مدیریت و نگهداری مدل‌های سفارشی شده
  • 65. بهینه‌سازی عملکرد مدل‌های سفارشی شده
  • 66. استقرار LLMs سفارشی شده
  • 67. پایش و به‌روزرسانی مدل‌ها
  • 68. مدل‌های مولد متنی پیشرفته
  • 69. تکنیک‌های تولید متن با کیفیت بالا
  • 70. تکنیک‌های کنترل خروجی مدل
  • 71. مدیریت تاریخچه مکالمه در چت‌بات‌ها
  • 72. تکنیک‌های تولید پاسخ‌های مرتبط و منسجم
  • 73. سفارشی‌سازی برای زبان فارسی
  • 74. چالش‌های پردازش زبان فارسی در LLMs
  • 75. مجموعه داده‌های فارسی برای آموزش و تنظیم دقیق
  • 76. مدل‌های LLM با پشتیبانی از زبان فارسی
  • 77. ارزیابی LLMs بر روی داده‌های فارسی
  • 78. کاربردهای LLMs در صنایع داخلی ایران
  • 79. کاربرد در حوزه فرهنگ و هنر (سازگار)
  • 80. کاربرد در حوزه کسب و کار (سازگار)
  • 81. کاربرد در حوزه خدمات دولتی (سازگار)
  • 82. کاربرد در حوزه پژوهش و فناوری (سازگار)
  • 83. اخلاق حرفه‌ای در استفاده از LLMs
  • 84. مسئولیت تولید کننده محتوا
  • 85. مسئولیت کاربر نهایی
  • 86. ملاحظات حقوقی استفاده از LLMs
  • 87. نکات مهم در انتخاب مدل مناسب
  • 88. راهنمای گام به گام سفارشی‌سازی LLM
  • 89. آینده LLMs و کاربردهای نوین (سازگار)

📚 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.