اکسپرس 24
کتاب مبانی LLMها برای توسعه‌دهندگان نرم‌افزار

کتاب مبانی LLMها برای توسعه‌دهندگان نرم‌افزار

تگ‌ها: llm-fundamentals ai-for-developers transformers nlp fine-tuning prompt-engineering rag-system gpt machine-learning llm-deployment deep-learning neural-networks huggingface python-ai openai-api

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 مبانی LLMها برای توسعه‌دهندگان نرم‌افزار

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

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

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و پردازش زبان طبیعی
  • 2. تاریخچهٔ مدل‌های زبانی و تکامل آنها
  • 3. تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
  • 4. معماری شبکه‌های عصبی برای پردازش زبان
  • 5. معرفی مدل‌های زبانی بزرگ (LLMs)
  • 6. تاریخچه و تکامل LLMها از GPT تا مدل‌های مدرن
  • 7. معماری ترنسفورمر: پایه و اساس LLMها
  • 8. مکانیزم توجه (Attention Mechanism) در عمق
  • 9. خودتوجه (Self-Attention) و محاسبات داخلی آن
  • 10. کدنگاری تعبیری (Tokenization) در LLMها
  • 11. الگوریتم‌های tokenization: BPE، WordPiece و سایر روش‌ها
  • 12. واژگان مدل (Vocabulary) و مدیریت آن
  • 13. پیش‌آموزش (Pre-training) مدل‌های زبانی
  • 14. داده‌های آموزشی LLMها: منابع، فیلترینگ و پردازش
  • 15. یادگیری خودنظارتی (Self-Supervised Learning) در LLMها
  • 16. هدف آموزشی: پیش‌بینی کلمه بعدی (Next Token Prediction)
  • 17. مقیاس‌پذیری (Scaling Laws) در مدل‌های زبانی
  • 18. پارامترهای مدل: ابعاد، لایه‌ها و تعادل عملکرد
  • 19. معرفی مدل‌های بزرگ: GPT، BERT، LLaMA و غيره
  • 20. تفاوت مدل‌های انکودر-تنها و دکودر-تنها و ترکیبی
  • 21. مدل‌های دکودر-تنها و کاربردشان در تولید متن
  • 22. مدل‌های انکودر-تنها و کاربردشان در درک زبان
  • 23. الگوریتم‌های بهینه‌سازی: Adam، AdamW و Learning Rate
  • 24. تابع هزینه و Cross-Entropy در آموزش LLMها
  • 25. نرخ یادگیری (Learning Rate) و برنامه‌ریزی آن
  • 26. پس‌انداز (Checkpointing) و مدیریت آموزش
  • 27. دستگاه‌های محاسباتی و GPU برای آموزش LLM
  • 28. توزیع‌پذیری آموزش مدل‌های زبانی بزرگ
  • 29. دقت مخلوط (Mixed Precision) و بهینه‌سازی حافظه
  • 30. تکنیک‌های کاهش حافظه در آموزش LLM
  • 31. پیش‌آموزش پس از (Fine-tuning): مفهوم و روش
  • 32. LoRA و QLoRA: آموزش مؤثر پارامتری
  • 33. تکنیک‌های Adapter و تغییرپذیری مدل
  • 34. روش‌های RLHF و آموزش با بازخورد انسانی
  • 35. DPO و روش‌های مستقیم انطباق مدل
  • 36. تنظیم دقیق مدل برای کاربردهای تخصصی
  • 37. Prompt Engineering: طراحی دستورالعمل‌های مؤثر
  • 38. زنجیرهٔ تفکر (Chain-of-Thought) و تقویت استدلال
  • 39. درهم‌سازی داده (Data Augmentation) برای پرامپت
  • 40. RAG: بازیابی افزوده تولید
  • 41. ساختار پایه RAG و مکانیزم کارکرد آن
  • 42. فهرست برداری (Vector Indexing) و پایگاه‌های داده برای RAG
  • 43. ارزیابی و اندازه‌گیری عملکرد LLMها
  • 44. معیارهای BLEU، ROUGE و Perplexity
  • 45. ارزیابی انسانی و مبتنی بر مدل
  • 46. هالوسیناسیون در LLMها: علل و راهکارها
  • 47. واکنش به الگوهای سمی و تعصب در خروجی مدل
  • 48. فیلتر و ایمنی خروجی LLMها
  • 49. مدیریت بلوک کردن (Guardrails) در تولید محتوا
  • 50. استقرار مدل‌های LLM روی سرورها
  • 51. API‌سازی مدل‌های زبانی با FastAPI و Flask
  • 52. مدیریت خط لوله پردازش درخواست (Inference Pipeline)
  • 53. سرعت نتیجه‌گیری (Inference Speed) و بهینه‌سازی آن
  • 54. کوانتیزاسیون مدل‌ها: INT8، INT4 و GGUF
  • 55. استقرار مدل با vLLM و TensorRT-LLM
  • 56. مدیریت حافظه و کش در زمان اجرا
  • 57. پردازش دفعه‌ای (Batching) و مدیریت درخواست‌های همزمان
  • 58. LLMها در توسعه نرم‌افزار: کدنویسی و دیباگ
  • 59. ابزارهای تولید کد با LLM و یکپارچه‌سازی با IDE
  • 60. تولید تست‌های خودکار با استفاده از LLM
  • 61. تحلیل و مرور کد (Code Review) با مدل‌های زبانی
  • 62. LLMها در ساخت چت‌بات و دستیارهای هوشمند
  • 63. طراحی گفتگوچندمه (Dialogue Management) با LLM
  • 64. مدیریت حافظه مکالمه و بافت زمانی
  • 65. استخراج اطلاعات و تحلیل سند با LLM
  • 66. خلاصه‌سازی خودکار متون طولانی
  • 67. ترجمهٔ ماشین و تطبیق زبانی با LLM
  • 68. تحلیل احساسات و دسته‌بندی متن
  • 69. LLMها در بازیابی اطلاعات و جستجو
  • 70. دسته‌بندی و تگ‌گذاری خودکار محتوا
  • 71. بومی‌سازی و تعدیل زبانی LLMها
  • 72. آموزش LLMها روی داده‌های فارسی و چالش‌های آن
  • 73. مدیریت داده‌های آموزشی چندزبانه
  • 74. اخلاق و مسئولیت اجتماعی در توسعه LLM
  • 75. حریم خصوصی و امنیت داده در مدل‌های زبانی
  • 76. قوانین و مقررات مربوط به هوش مصنوعی
  • 77. آیندهٔ LLMها و روندهای نوظهور
  • 78. مدل‌های دوجمله‌ای و چندماژولی
  • 79. مدل‌های عامل هوش مصنوعی (Foundation Models)
  • 80. پروژهٔ عملی: ساخت دستیار هوشمند از صفر

📚 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.