اکسپرس 24
کتاب کوانتیزاسیون مدل‌های زبانی بزرگ: کاهش حجم و افزایش سرعت در مدل‌های زبانی مدرن

کتاب کوانتیزاسیون مدل‌های زبانی بزرگ: کاهش حجم و افزایش سرعت در مدل‌های زبانی مدرن

تگ‌ها: deep learning inference optimization large language models LLM model compression post-training quantization quantization quantization aware training افزایش سرعت مدل بهینه‌سازی مدل کاهش حجم مدل کوانتیزاسیون مدل زبانی بزرگ هوش مصنوعی یادگیری عمیق

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 کوانتیزاسیون مدل‌های زبانی بزرگ: کاهش حجم و افزایش سرعت در مدل‌های زبانی مدرن

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر کوانتیزاسیون در مدل‌های زبانی بزرگ
  • 2. اهمیت کوانتیزاسیون: کاهش حجم و افزایش سرعت
  • 3. بررسی روش‌های ذخیره‌سازی وزن‌ها در مدل‌های زبانی
  • 4. معماری‌های مدل زبانی بزرگ و تأثیر آن‌ها بر کوانتیزاسیون
  • 5. کوانتیزاسیون پس از آموزش (Post-Training Quantization)
  • 6. کوانتیزاسیون آگاه از آموزش (Quantization-Aware Training)
  • 7. کوانتیزاسیون پویا (Dynamic Quantization)
  • 8. کوانتیزاسیون ایستا (Static Quantization)
  • 9. مقایسه کوانتیزاسیون پویا و ایستا
  • 10. کوانتیزاسیون وزن‌ها به int8
  • 11. کوانتیزاسیون وزن‌ها به int4 و کمتر
  • 12. روش‌های کالیبراسیون در کوانتیزاسیون
  • 13. تأثیر کوانتیزاسیون بر دقت مدل
  • 14. ارزیابی مدل کوانتیزه شده
  • 15. کوانتیزاسیون لایه‌های مختلف مدل زبانی
  • 16. کوانتیزاسیون لایه‌های Embedding
  • 17. کوانتیزاسیون لایه‌های Attention
  • 18. کوانتیزاسیون لایه‌های Feedforward
  • 19. کوانتیزاسیون فعال‌سازی‌ها (Activations)
  • 20. تکنیک‌های Quantization-Aware Training
  • 21. تنظیم هایپرپارامترها در Quantization-Aware Training
  • 22. کوانتیزاسیون در سخت‌افزارهای مختلف (CPU, GPU, TPU)
  • 23. کوانتیزاسیون با استفاده از کتابخانه TensorFlow Lite
  • 24. کوانتیزاسیون با استفاده از کتابخانه PyTorch
  • 25. کوانتیزاسیون با استفاده از کتابخانه ONNX Runtime
  • 26. بهینه‌سازی مدل‌های کوانتیزه شده برای استنتاج (Inference)
  • 27. کوانتیزاسیون و فشرده‌سازی مدل‌های ترنسفورمر
  • 28. کوانتیزاسیون و مدل‌های تولید متن
  • 29. کوانتیزاسیون و مدل‌های طبقه‌بندی متن
  • 30. کوانتیزاسیون و مدل‌های پاسخ به سؤال
  • 31. کوانتیزاسیون و مدل‌های ترجمه ماشینی
  • 32. کوانتیزاسیون و مدل‌های خلاصه‌سازی متن
  • 33. کوانتیزاسیون و مدل‌های تشخیص گفتار
  • 34. کوانتیزاسیون و مدل‌های تولید صدا
  • 35. کوانتیزاسیون و مدل‌های چندوجهی (Multimodal)
  • 36. کوانتیزاسیون و یادگیری فدرال (Federated Learning)
  • 37. کوانتیزاسیون و حریم خصوصی تفاضلی (Differential Privacy)
  • 38. استفاده از کوانتیزاسیون برای کاهش مصرف انرژی
  • 39. کوانتیزاسیون و استقرار مدل‌ها روی دستگاه‌های لبه (Edge Devices)
  • 40. کوانتیزاسیون و مدل‌های سبک (Lightweight Models)
  • 41. کوانتیزاسیون و معماری‌های مدل کم‌دقت (Low-Precision Architectures)
  • 42. روش‌های پیشرفته کوانتیزاسیون: Binary/Ternary Quantization
  • 43. روش‌های پیشرفته کوانتیزاسیون: Group Quantization
  • 44. روش‌های پیشرفته کوانتیزاسیون: SmoothQuant
  • 45. کوانتیزاسیون و آموزش تقطیری (Knowledge Distillation)
  • 46. کوانتیزاسیون و هرس کردن (Pruning)
  • 47. کوانتیزاسیون و بهینه‌سازی گراف محاسباتی (Graph Optimization)
  • 48. چالش‌ها و محدودیت‌های کوانتیزاسیون
  • 49. آینده کوانتیزاسیون در مدل‌های زبانی بزرگ
  • 50. مطالعه موردی: کوانتیزاسیون BERT
  • 51. مطالعه موردی: کوانتیزاسیون GPT
  • 52. ابزارهای خودکار کوانتیزاسیون
  • 53. استراتژی‌های انتخاب لایه‌ها برای کوانتیزاسیون
  • 54. کوانتیزاسیون و معماری‌های sparse
  • 55. کوانتیزاسیون و کاهش تأثیر نویز کوانتیزاسیون

📚 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.