کتاب fine-tuning مدل‌های زبانی: کنترل بر میزان درک قوانین کلی

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 fine-tuning مدل‌های زبانی: کنترل بر میزان درک قوانین کلی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Fine-tuning برای جنبه‌های خاص (مانند لحن، سبک)

📋 سرفصل‌های دوره

  • 1. تنظیم دقیق مدل‌های زبانی: مقدمه‌ای بر کنترل درک قوانین کلی
  • 2. مبانی مدل‌های زبانی بزرگ
  • 3. معماری ترانسفورمر و کاربرد آن در مدل‌های زبانی
  • 4. توکن‌سازی و نمایش متن برای مدل‌های زبانی
  • 5. embeddings کلمه و جمله
  • 6. مفهوم attention در مدل‌های زبانی
  • 7. مکانیسم‌های self-attention
  • 8. لایه‌های feed-forward در مدل‌های زبانی
  • 9. نرمال‌سازی لایه‌ها و residual connections
  • 10. روش‌های آموزش مدل‌های زبانی
  • 11. تابع ضرر cross-entropy برای مدل‌های زبانی
  • 12. بهینه‌سازها و نرخ یادگیری در آموزش مدل‌های زبانی
  • 13. رگولاریزاسیون و جلوگیری از overfitting
  • 14. ارزیابی مدل‌های زبانی: معیارها و روش‌ها
  • 15. Perplexity و کاربرد آن در ارزیابی مدل‌های زبانی
  • 16. BLEU score و ارزیابی ترجمه ماشینی
  • 17. ROUGE score و ارزیابی خلاصه‌سازی متن
  • 18. تنظیم دقیق مدل‌های زبانی پیش‌آموزش‌دیده
  • 19. روش‌های fine-tuning مدل‌های زبانی
  • 20. یادگیری انتقال (transfer learning) در مدل‌های زبانی
  • 21. مجموعه‌داده‌های استاندارد برای fine-tuning
  • 22. تکنیک‌های افزایش داده (data augmentation)
  • 23. کنترل تولید متن در مدل‌های زبانی
  • 24. دمای نمونه‌برداری (temperature sampling)
  • 25. Top-k sampling و Top-p sampling
  • 26. Penalties برای تکرار و طول متن
  • 27. راهنمایی تولید متن با prompt engineering
  • 28. Promptهای موثر و طراحی آن‌ها
  • 29. استفاده از مثال‌ها در promptها (few-shot learning)
  • 30. تکنیک‌های کنترل محتوای تولیدی
  • 31. فیلتر کردن خروجی‌های نامناسب
  • 32. استفاده از طبقه‌بندها برای کنترل محتوا
  • 33. تقویت یادگیری با بازخورد انسانی (RLHF)
  • 34. یادگیری تقویتی از ترجیحات (RL from preferences)
  • 35. ارزیابی و تحلیل نتایج RLHF
  • 36. مدل‌های زبانی و مسائل اخلاقی
  • 37. سوگیری در مدل‌های زبانی و راهکارهای کاهش آن
  • 38. حریم خصوصی و امنیت داده‌ها در مدل‌های زبانی
  • 39. کاربردهای مدل‌های زبانی در پردازش زبان طبیعی
  • 40. خلاصه‌سازی متن با مدل‌های زبانی
  • 41. ترجمه ماشینی با مدل‌های زبانی
  • 42. تولید متن خلاقانه با مدل‌های زبانی
  • 43. چت‌بات‌ها و دستیارهای مجازی مبتنی بر مدل‌های زبانی
  • 44. تحلیل احساسات و طبقه‌بندی متن با مدل‌های زبانی
  • 45. تشخیص موجودیت‌های نام‌دار (NER)
  • 46. پاسخ به سوال با مدل‌های زبانی (Question Answering)
  • 47. استخراج اطلاعات از متن با مدل‌های زبانی
  • 48. مدل‌های زبانی و درک زبان طبیعی (NLU)
  • 49. مدل‌های زبانی و تولید زبان طبیعی (NLG)
  • 50. آینده مدل‌های زبانی و تحقیقات جاری
  • 51. مدل‌های زبانی چندزبانه
  • 52. مدل‌های زبانی و پردازش زبان‌های کم‌منبع
  • 53. بهینه‌سازی مدل‌های زبانی برای منابع محدود
  • 54. فشرده‌سازی مدل‌های زبانی (model compression)
  • 55. Quantization و Pruning
  • 56. Distillation دانش (knowledge distillation)
  • 57. استفاده از GPU و TPU در آموزش مدل‌های زبانی
  • 58. مفاهیم موازی‌سازی در آموزش مدل‌های زبانی
  • 59. TensorFlow و PyTorch برای مدل‌های زبانی
  • 60. Hugging Face Transformers library
  • 61. مدیریت نسخه‌ها و آزمایش‌های مدل‌های زبانی
  • 62. ابزارهای ردیابی آزمایش‌ها (experiment tracking)
  • 63. استقرار مدل‌های زبانی (model deployment)
  • 64. APIها و سرویس‌های ابری برای مدل‌های زبانی
  • 65. ملاحظات مقیاس‌پذیری در استقرار مدل‌های زبانی
  • 66. امنیت مدل‌های زبانی در استقرار
  • 67. تکنیک‌های مقابله با حملات adversarial
  • 68. تفسیرپذیری مدل‌های زبانی (interpretability)
  • 69. روش‌های توضیح‌دهی مدل‌های زبانی (explainable AI)
  • 70. بررسی اهمیت ویژگی‌ها در مدل‌های زبانی
  • 71. ارزیابی پایداری مدل‌های زبانی
  • 72. تشخیص تغییرات در داده‌ها (drift detection)
  • 73. به‌روزرسانی مدل‌های زبانی با داده‌های جدید
  • 74. یادگیری مداوم (continual learning) در مدل‌های زبانی

📚 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.