کتاب معماری ترنسفورمر: ستون فقرات LLMهای پیشرفته

انتخاب پلن

افزودنی‌های اختیاری

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 معماری ترنسفورمر: ستون فقرات LLMهای پیشرفته

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: معماری ترنسفورمر برای LLMs

📋 سرفصل‌های دوره

  • 1. ریشه‌های معماری ترنسفورمر: از RNN و LSTM تا توجه
  • 2. معرفی مقاله "Attention Is All You Need" و ایده‌های بنیادین
  • 3. جایگاه ترنسفورمر در سیر تکامل مدل‌های زبانی بزرگ
  • 4. ساختار کلی رمزگذار-رمزگشا در ترنسفورمر اصلی
  • 5. مکانیسم خودتوجهی (Self-Attention) و محاسبه آن
  • 6. توجه چندسر (Multi-Head Attention) و هدف از چندسر کردن
  • 7. رمزگذاری موقعیت (Positional Encoding) و روش‌های سینوسی و یادگیرنده
  • 8. جمع‌سازی نرمال‌سازی (Add & Norm) و نقش Residual Connections
  • 9. شبکه‌های پیش‌خور موضعی (Position-wise FFN) و نقش آن‌ها
  • 10. تفاوت معماری رمزگذار و رمزگشا در ترنسفورمر
  • 11. آشنایی با ماسک در ترنسفورمر: Padding Mask و Look-ahead Mask
  • 12. توجه متقاطع (Cross-Attention) و نحوه اتصال رمزگذار به رمزگشا
  • 13. لایه‌های نرمال‌سازی و تأثیر آن بر پایداری آموزش
  • 14. مدیریت وزن‌ها و مقداردهی اولیه در ترنسفورمر
  • 15. معماری ترنسفورمرهای تنها رمزگذار (مانند BERT)
  • 16. معماری ترنسفورمرهای تنها رمزگشا (مانند GPT)
  • 17. تفاوت‌های کلیدی در معماری مدل‌های رمزگذار-رمزگشا (مانند T5)
  • 18. بررسی مقیاس‌پذیری ترنسفورمر و افزایش تعداد پارامترها
  • 19. مفهوم پنجره‌های متنی و محدودیت طول توالی در ترنسفورمر
  • 20. معرفی Positional Encoding با روش‌های جدید (RoPE، ALiBi)
  • 21. بررسی لایه‌های Feed-Forward و انتخاب توابع فعال‌سازی (ReLU، GELU، Swish)
  • 22. مدیریت حافظه و توجه در ترنسفورمرهای عظیم
  • 23. مقایسه معماری ترنسفورمر با معماری‌های جایگزین (SSM، Mamba)
  • 24. بررسی تغییرات معماری در مدل‌های اخیر (GPT-4، Claude، Gemini)
  • 25. تکنیک‌های کاهش پیچیدگی محاسباتی (Flash Attention، Sparse Attention)
  • 26. معماری گروهی و تقسیم توجه (Grouped Query Attention و Multi-Query Attention)
  • 27. بررسی لایه‌های MoE (Mixture of Experts) در معماری ترنسفورمر
  • 28. معماری ترنسفورمر در مدل‌های چندحالته (Multimodal Transformers)
  • 29. نقش Normalization و LayerNorm در مقابل RMSNorm
  • 30. استفاده از Bias در لایه‌های ترنسفورمر و تأثیر آن
  • 31. راه‌های کاهش مصرف حافظه در طول آموزش ترنسفورمر (Gradient Checkpointing)
  • 32. مدیریت Softmax و جایگزین‌های آن در لایه توجه
  • 33. تکنیک‌های افزایش سرعت استنتاج در معماری ترنسفورمر (KV Caching)
  • 34. مفهوم State Space Models و مقایسه با ترنسفورمر
  • 35. بررسی معماری‌های هیبریدی (ترکیب CNN با ترنسفورمر)
  • 36. نقش عمق شبکه و انتخاب تعداد لایه‌ها در مدل‌های بزرگ
  • 37. بررسی معماری ترنسفورمر برای ورودی‌های طولانی (Longformer، BigBird)
  • 38. مدیریت وزن‌ها و تکنیک‌های Quantization در معماری
  • 39. ارتباط معماری ترنسفورمر با قابلیت‌های In-Context Learning
  • 40. بررسی معماری ترنسفورمر در کاربردهای خاص (ترجمه، خلاصه‌سازی، تولید کد)
  • 41. تحلیل هزینه‌های محاسباتی هر بخش از معماری ترنسفورمر
  • 42. مطالعه موردی: بررسی معماری BERT و تفاوت آن با GPT
  • 43. مطالعه موردی: تحلیل معماری T5 و رویکرد متن-به-متن
  • 44. مطالعه موردی: معماری LLaMA و بهینه‌سازی‌های آن
  • 45. پروژه نهایی: پیاده‌سازی گام‌به‌گام یک بلوک ترنسفورمر با PyTorch

📚 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.