اکسپرس 24
کتاب از نظریه تا عمل: بهینه‌سازی مدل‌های زبانی با PEFT

کتاب از نظریه تا عمل: بهینه‌سازی مدل‌های زبانی با PEFT

تگ‌ها: PEFT بهینه‌سازی مدل پردازش زبان طبیعی تنظیم دقیق مدل فاین‌تونینگ مدل زبانی بزرگ هوش مصنوعی هوش مصنوعی مولد 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 از نظریه تا عمل: بهینه‌سازی مدل‌های زبانی با PEFT

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

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

📋 سرفصل‌های دوره

  • 1. مقدمه بر مدل‌های زبانی بزرگ
  • 2. مبانی یادگیری عمیق
  • 3. شبکه‌های عصبی بازگشتی (RNN)
  • 4. شبکه‌های عصبی پیچشی (CNN)
  • 5. مکانیسم توجه (Attention Mechanism)
  • 6. ترنسفورمرها (Transformers)
  • 7. معماری ترنسفورمر
  • 8. نحوه عملکرد ترنسفورمرها
  • 9. مدل‌های زبانی پیش‌آموزش‌دیده (Pre-trained Language Models)
  • 10. معرفی مدل‌های زبانی بزرگ
  • 11. اهمیت مدل‌های زبانی بزرگ
  • 12. کاربردهای مدل‌های زبانی بزرگ
  • 13. چالش‌های مدل‌های زبانی بزرگ
  • 14. مفهوم تنظیم دقیق (Fine-tuning)
  • 15. روش‌های سنتی تنظیم دقیق
  • 16. مشکلات تنظیم دقیق سنتی
  • 17. معرفی روش‌های بهینه‌سازی پارامترهای کم (Parameter-Efficient Fine-Tuning - PEFT)
  • 18. اهمیت PEFT
  • 19. مقایسه PEFT با تنظیم دقیق سنتی
  • 20. دسته‌بندی روش‌های PEFT
  • 21. بهینه‌سازی با استفاده از پارامترهای قابل آموزش کم
  • 22. تنظیم دقیق آداپتورها (Adapter Tuning)
  • 23. معماری آداپتورها
  • 24. روش‌های مختلف آداپتورها
  • 25. پیاده‌سازی آداپتورها
  • 26. تنظیم دقیق پارامترهای کم با پیشوند (Prefix Tuning)
  • 27. مفهوم پیشوندها
  • 28. نحوه اعمال پیشوندها
  • 29. مزایا و معایب Prefix Tuning
  • 30. تنظیم دقیق با پیشوند قابل آموزش (Prompt Tuning)
  • 31. مفهوم Prompt Tuning
  • 32. تفاوت Prompt Tuning با Prefix Tuning
  • 33. کاربردهای Prompt Tuning
  • 34. تنظیم دقیق با دستورالعمل (Instruction Tuning)
  • 35. اهمیت Instruction Tuning
  • 36. روش‌های Instruction Tuning
  • 37. ارزیابی مدل‌های تنظیم شده با دستورالعمل
  • 38. تنظیم دقیق با پارامترهای افزوده (LoRA - Low-Rank Adaptation)
  • 39. مفهوم LoRA
  • 40. نحوه عملکرد LoRA
  • 41. مزایای LoRA
  • 42. پیاده‌سازی LoRA
  • 43. تنظیم دقیق با ماتریس‌های مرتبه پایین (QLoRA)
  • 44. مفهوم QLoRA
  • 45. مزایای QLoRA
  • 46. مقایسه QLoRA با LoRA
  • 47. تنظیم دقیق با پارامترهای قابل آموزش کم (P-Tuning)
  • 48. مفهوم P-Tuning
  • 49. انواع P-Tuning
  • 50. کاربردهای P-Tuning
  • 51. تنظیم دقیق با پارامترهای قابل آموزش کم (Adapter Fusion)
  • 52. مفهوم Adapter Fusion
  • 53. نحوه ترکیب آداپتورها
  • 54. مزایای Adapter Fusion
  • 55. تنظیم دقیق با پارامترهای قابل آموزش کم (Prompt Tuning V2)
  • 56. نوآوری‌های Prompt Tuning V2
  • 57. تفاوت با Prompt Tuning اولیه
  • 58. کاربردهای Prompt Tuning V2
  • 59. تنظیم دقیق با پارامترهای قابل آموزش کم (Prefix-LM)
  • 60. مفهوم Prefix-LM
  • 61. کاربرد Prefix-LM در مدل‌های زبانی
  • 62. تکنیک‌های مرتبط با Prefix-LM
  • 63. تنظیم دقیق با پارامترهای قابل آموزش کم (AdapterDrop)
  • 64. مفهوم AdapterDrop
  • 65. روش‌های حذف آداپتورها
  • 66. بهینه‌سازی با AdapterDrop
  • 67. تنظیم دقیق با پارامترهای قابل آموزش کم (UniPELT)
  • 68. مفهوم UniPELT
  • 69. ترکیب روش‌های PEFT
  • 70. مزایای UniPELT
  • 71. تنظیم دقیق با پارامترهای قابل آموزش کم (AdapterHub)
  • 72. اکوسیستم AdapterHub
  • 73. نحوه استفاده از آداپتورهای موجود
  • 74. توسعه آداپتورهای جدید
  • 75. تنظیم دقیق با پارامترهای قابل آموزش کم (Hugging Face PEFT Library)
  • 76. معرفی کتابخانه Hugging Face PEFT
  • 77. نحوه استفاده از کلاس‌های PEFT
  • 78. مثال‌های کاربردی با کتابخانه
  • 79. تنظیم دقیق با پارامترهای قابل آموزش کم (Task-Adaptive PEFT)
  • 80. مفهوم PEFT تطبیق یافته با وظیفه
  • 81. طراحی PEFT برای وظایف خاص
  • 82. ارزیابی PEFT تطبیق یافته
  • 83. تنظیم دقیق با پارامترهای قابل آموزش کم (Parameter-Efficient Transfer Learning)
  • 84. مفهوم انتقال یادگیری با پارامترهای کم
  • 85. تطبیق مدل‌های پیش‌آموزش‌دیده
  • 86. مزایای PEFT در انتقال یادگیری
  • 87. تنظیم دقیق با پارامترهای قابل آموزش کم (Few-Shot Learning with PEFT)
  • 88. یادگیری با نمونه‌های کم با PEFT
  • 89. چالش‌های Few-Shot Learning
  • 90. راهکارهای PEFT برای Few-Shot Learning
  • 91. تنظیم دقیق با پارامترهای قابل آموزش کم (Zero-Shot Learning with PEFT)
  • 92. یادگیری بدون نمونه با PEFT
  • 93. کاربردهای Zero-Shot Learning
  • 94. قابلیت‌های PEFT در Zero-Shot Learning
  • 95. تنظیم دقیق با پارامترهای قابل آموزش کم (Continual Learning with PEFT)
  • 96. یادگیری پیوسته با PEFT
  • 97. چالش‌های یادگیری پیوسته
  • 98. روش‌های PEFT برای یادگیری پیوسته
  • 99. تنظیم دقیق با پارامترهای قابل آموزش کم (Federated Learning with PEFT)
  • 100. یادگیری فدرال با PEFT

📚 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.