کتاب اصول پیشرفته و کاربردهای نوآورانه LLMها

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 اصول پیشرفته و کاربردهای نوآورانه LLMها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

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

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبانی بزرگ
  • 2. معماری ترانسفورمر: مبانی و اجزا
  • 3. مکانیزم توجه (Attention): درک عمیق
  • 4. رمزگذاری موقعیتی (Positional Encoding)
  • 5. لایه‌های نرمال‌سازی (Normalization Layers) و اهمیت آن‌ها
  • 6. تابع فعال‌سازی (Activation Functions) در LLMها
  • 7. پیش‌آموزش (Pre-training) مدل‌های زبانی
  • 8. مجموعه داده‌های بزرگ و کیفیت داده
  • 9. روش‌های مختلف پیش‌آموزش: ماسک کردن زبان (Masked Language Modeling)
  • 10. مدل‌سازی خودبازگشتی (Autoregressive Modeling)
  • 11. Fine-tuning: تطبیق مدل با وظایف خاص
  • 12. انتقال یادگیری (Transfer Learning) در LLMها
  • 13. ارزیابی مدل‌های زبانی: معیارها و روش‌ها
  • 14. Perplexity به عنوان معیار ارزیابی
  • 15. BLEU Score و ارزیابی ترجمه ماشینی
  • 16. ROUGE Score و خلاصه سازی متن
  • 17. تکنیک‌های regularization برای جلوگیری از بیش‌برازش (Overfitting)
  • 18. Dropout و اهمیت آن در LLMها
  • 19. Weight Decay
  • 20. بهینه‌سازها (Optimizers) در آموزش LLMها: Adam, SGD, RMSprop
  • 21. نرخ یادگیری (Learning Rate) و تنظیم آن
  • 22. مدیریت حافظه در آموزش مدل‌های بزرگ
  • 23. تکنیک‌های موازی‌سازی (Parallelization) برای آموزش LLMها
  • 24. Data Parallelism
  • 25. Model Parallelism
  • 26. Tensor Parallelism
  • 27. کوچک‌سازی مدل (Model Compression)
  • 28. Quantization
  • 29. Pruning
  • 30. Distillation
  • 31. تولید متن با LLMها: روش‌ها و تکنیک‌ها
  • 32. Decoding Strategies: Greedy Decoding, Beam Search
  • 33. Temperature Scaling
  • 34. Top-k Sampling
  • 35. Top-p (Nucleus) Sampling
  • 36. کنترل‌پذیری تولید متن
  • 37. Prompt Engineering: هنر طراحی دستورالعمل‌ها
  • 38. Few-shot Learning و Zero-shot Learning
  • 39. یادگیری تقویتی از بازخورد انسانی (RLHF)
  • 40. مفهوم Embeddings و کاربردهای آن
  • 41. Word Embeddings: Word2Vec, GloVe
  • 42. Sentence Embeddings
  • 43. استفاده از LLMها در ترجمه ماشینی
  • 44. بهبود کیفیت ترجمه با LLMها
  • 45. استفاده از LLMها در خلاصه‌سازی متن
  • 46. خلاصه‌سازی انتزاعی (Abstractive Summarization)
  • 47. استفاده از LLMها در پاسخگویی به سوالات
  • 48. Question Answering Systems
  • 49. استفاده از LLMها در تولید محتوا
  • 50. ایجاد داستان، شعر و متن‌های خلاقانه
  • 51. استفاده از LLMها در تحلیل احساسات (Sentiment Analysis)
  • 52. تشخیص نظرات مثبت، منفی و خنثی
  • 53. استفاده از LLMها در تشخیص نام موجودیت‌ها (Named Entity Recognition)
  • 54. تشخیص اشخاص، مکان‌ها و سازمان‌ها
  • 55. استفاده از LLMها در طبقه‌بندی متن (Text Classification)
  • 56. تشخیص موضوع و دسته‌بندی متن
  • 57. محدودیت‌ها و چالش‌های LLMها
  • 58. سوگیری (Bias) در LLMها و روش‌های کاهش آن
  • 59. حملات خصمانه (Adversarial Attacks) بر LLMها
  • 60. تفسیرپذیری (Interpretability) LLMها
  • 61. اخلاق و مسئولیت در استفاده از LLMها
  • 62. حریم خصوصی و امنیت داده‌ها
  • 63. آینده LLMها و مسیرهای تحقیقاتی
  • 64. مدل‌های چندوجهی (Multimodal Models)
  • 65. LLMها و هوش مصنوعی عمومی (AGI)
  • 66. استفاده از LLMها در برنامه‌نویسی
  • 67. تولید کد و تکمیل خودکار کد
  • 68. استفاده از LLMها در رباتیک
  • 69. LLMها و پردازش زبان طبیعی در فارسی
  • 70. چالش‌های پردازش زبان فارسی
  • 71. منابع و ابزارهای موجود برای LLMها
  • 72. TensorFlow, PyTorch, Hugging Face Transformers
  • 73. بهینه‌سازی LLMها برای منابع محدود
  • 74. اجرای LLMها بر روی دستگاه‌های لبه (Edge Devices)
  • 75. تکنیک‌های quantization و pruning برای کاهش اندازه مدل
  • 76. استفاده از LLMها در چت‌بات‌ها و دستیارهای مجازی
  • 77. طراحی مکالمات طبیعی و جذاب
  • 78. تکنیک‌های مدیریت گفتگو (Dialogue Management)

📚 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.