اکسپرس 24
کتاب یادگیری عمیق و مدل‌های زبانی بزرگ: اصول و کاربردها

کتاب یادگیری عمیق و مدل‌های زبانی بزرگ: اصول و کاربردها

تگ‌ها: Artificial Intelligence Deep Learning Fine-Tuning Large Language Models LLM NLP Prompt Engineering RAG Retrieval Augmented Generation Transformer پردازش زبان طبیعی مدل زبانی بزرگ مدل‌های زبانی فارسی هوش مصنوعی یادگیری عمیق

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 یادگیری عمیق و مدل‌های زبانی بزرگ: اصول و کاربردها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مدل‌های زبانی بزرگ (LLMs) - مفاهیم و اصول**

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری عمیق و جایگاه آن در هوش مصنوعی
  • 2. مفاهیم پایه شبکه‌های عصبی مصنوعی
  • 3. نورون مصنوعی و ساختار لایه‌های شبکه عصبی
  • 4. توابع فعال‌سازی و نقش آن‌ها در یادگیری
  • 5. تابع هزینه و مفهوم خطای مدل
  • 6. الگوریتم پس‌انتشار خطا
  • 7. بهینه‌سازی مدل با Gradient Descent
  • 8. بهینه‌سازهای رایج در یادگیری عمیق
  • 9. تنظیم نرخ یادگیری و پارامترهای آموزشی
  • 10. مفهوم Overfitting و روش‌های مقابله با آن
  • 11. Regularization در شبکه‌های عصبی
  • 12. Dropout و نقش آن در تعمیم مدل
  • 13. Batch Normalization و پایداری آموزش
  • 14. داده‌های آموزشی و آماده‌سازی آن‌ها برای یادگیری عمیق
  • 15. تقسیم داده به مجموعه آموزش، اعتبارسنجی و آزمون
  • 16. مفهوم Embedding در پردازش زبان طبیعی
  • 17. نمایش عددی کلمات و توکن‌های متنی
  • 18. مبانی پردازش زبان طبیعی برای مدل‌های زبانی
  • 19. توکن‌سازی و ساخت Vocabulary
  • 20. انواع Tokenization در مدل‌های زبانی
  • 21. محدودیت‌های مدل‌های زبانی سنتی
  • 22. مفهوم مدل زبانی و پیش‌بینی توکن بعدی
  • 23. معماری شبکه‌های عصبی بازگشتی در پردازش متن
  • 24. محدودیت‌های RNN و مشکل وابستگی‌های بلندمدت
  • 25. LSTM و GRU برای مدل‌سازی توالی‌های متنی
  • 26. مبانی معماری Transformer
  • 27. مفهوم Attention در مدل‌های زبانی
  • 28. Self-Attention و محاسبه وابستگی میان توکن‌ها
  • 29. Multi-Head Attention
  • 30. Positional Encoding و اطلاعات موقعیتی
  • 31. معماری Encoder و Decoder در Transformer
  • 32. مقایسه Encoder-only و Decoder-only و Encoder-Decoder
  • 33. معماری مدل‌های زبانی بزرگ
  • 34. مفهوم پارامتر و مقیاس مدل در LLMها
  • 35. ارتباط مقیاس مدل با توانایی‌های زبانی
  • 36. پیش‌آموزش مدل‌های زبانی بزرگ
  • 37. ساخت و آماده‌سازی داده برای Pretraining
  • 38. هدف‌های آموزشی در پیش‌آموزش LLM
  • 39. Causal Language Modeling
  • 40. Masked Language Modeling
  • 41. مفهوم Context Window
  • 42. پردازش متن‌های طولانی در مدل‌های زبانی
  • 43. محاسبه هزینه و منابع موردنیاز آموزش LLM
  • 44. GPU و شتاب‌دهی آموزش مدل‌های زبانی
  • 45. موازی‌سازی داده و مدل در آموزش LLM
  • 46. Fine-Tuning مدل‌های زبانی بزرگ
  • 47. انتخاب داده مناسب برای Fine-Tuning
  • 48. تنظیم ابرپارامترهای Fine-Tuning
  • 49. Parameter-Efficient Fine-Tuning
  • 50. روش LoRA در تنظیم مدل‌های زبانی
  • 51. روش‌های Quantization برای کاهش هزینه مدل
  • 52. مقایسه Fine-Tuning کامل و روش‌های کم‌هزینه
  • 53. Instruction Tuning و آموزش دنبال‌کردن دستور
  • 54. مدل‌های زبانی Instruction-Following
  • 55. Preference Optimization در مدل‌های زبانی
  • 56. بازخورد انسانی و هم‌راستاسازی مدل
  • 57. مفهوم RLHF در توسعه LLM
  • 58. ارزیابی کیفیت و توانایی‌های مدل زبانی
  • 59. معیارهای ارزیابی مدل‌های زبانی
  • 60. ارزیابی Perplexity و تفسیر نتایج
  • 61. ارزیابی توانایی مدل در درک و تولید متن
  • 62. آزمون‌های بنچمارک برای LLMها
  • 63. مقایسه مدل‌ها با روش ارزیابی استاندارد
  • 64. Prompt و نقش آن در تعامل با LLM
  • 65. ساختار Prompt مؤثر
  • 66. Zero-Shot و Few-Shot Prompting
  • 67. Chain-of-Thought و استدلال مرحله‌ای
  • 68. Prompt Engineering برای وظایف مختلف
  • 69. کنترل خروجی و قالب پاسخ مدل
  • 70. مدیریت Context در تعامل با مدل
  • 71. تولید متن با مدل‌های زبانی بزرگ
  • 72. خلاصه‌سازی خودکار متون
  • 73. پاسخ‌گویی به پرسش‌های متنی
  • 74. ترجمه ماشینی با LLMها
  • 75. استخراج اطلاعات از متن
  • 76. طبقه‌بندی متن با مدل‌های زبانی
  • 77. تولید و تکمیل کد با LLM
  • 78. استفاده از LLM در تحلیل داده و محتوا
  • 79. Retrieval-Augmented Generation و اصول RAG
  • 80. اتصال LLM به منابع دانش خارجی
  • 81. Embedding و جست‌وجوی معنایی در RAG
  • 82. طراحی Pipeline کامل RAG
  • 83. Chunking و انتخاب قطعات متنی
  • 84. بازیابی اسناد مرتبط برای تولید پاسخ
  • 85. کاهش خطاهای بازیابی و تولید در RAG
  • 86. مفهوم Hallucination در مدل‌های زبانی
  • 87. روش‌های شناسایی و کاهش Hallucination
  • 88. امنیت مدل‌های زبانی و Prompt Injection
  • 89. حریم خصوصی داده‌ها در کاربردهای LLM
  • 90. سوگیری و Fairness در مدل‌های زبانی
  • 91. تفسیرپذیری و تحلیل رفتار مدل‌های زبانی
  • 92. بهینه‌سازی استنتاج و کاهش Latency
  • 93. Quantization و فشرده‌سازی برای اجرای سریع‌تر
  • 94. مدیریت حافظه در زمان اجرای LLM
  • 95. استقرار مدل زبانی در محیط عملیاتی
  • 96. طراحی سرویس مبتنی بر API برای LLM
  • 97. معماری برنامه‌های کاربردی مبتنی بر LLM
  • 98. انتخاب مدل مناسب برای یک کاربرد مشخص
  • 99. تحلیل هزینه و کارایی مدل‌های زبانی
  • 100. طراحی سیستم پرسش‌وپاسخ مبتنی بر LLM

📚 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.