اکسپرس 24
کتاب کوانتیزاسیون پیشرفته برای مدل‌های زبانی بزرگ مبتنی بر ترانسفورمر

کتاب کوانتیزاسیون پیشرفته برای مدل‌های زبانی بزرگ مبتنی بر ترانسفورمر

تگ‌ها: AI AWQ bitsandbytes GGUF GPTQ LLaMA LLM Quantization استنتاج ترانسفورمر فشرده‌سازی مدل کوانتیزاسیون کوانتیزاسیون پیشرفته مدل زبانی بزرگ هوش مصنوعی

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 پیشرفته برای مدل‌های زبانی بزرگ مبتنی بر ترانسفورمر

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر کوانتیزاسیون در مدل‌های زبانی بزرگ
  • 2. پایه‌های نظری کوانتیزاسیون: تقریب پست‌ترین بیت
  • 3. دقت عدد شناور و محدودیت‌های حافظه در ترانسفورمرها
  • 4. کوانتیزاسیون یک‌پارامتره و چندپارامتره
  • 5. تکنیک‌های تزریق دما و مقیاس‌دهی
  • 6. Round-to-Nearest و Round-to-Zero در کوانتیزاسیون
  • 7. پارامترهای آماری: میانه، میانگین، درصدی و MAD
  • 8. کوانتیزاسیون پست-آموزشی PTQ: مفهوم و جریان کار
  • 9. کوانتیزاسیون آگاهانه از آموزش QAT در مدل‌های ترانسفورمر
  • 10. GPTQ: کوانتیزاسیون مبتنی بر کوچک‌ترین مربعات
  • 11. AWQ: وزن‌های مهم‌تر و حفاظت از دقت
  • 12. LLM.int8() و کوانتیزاسیون هیبرید ۸ بیتی
  • 13. NF4 و کوانتیزاسیون نرمال‌فریم ۴ بیتی
  • 14. Double Quantization و KV Cache
  • 15. bitsandbytes: پیاده‌سازی ۸ و ۴ بیت در PyTorch
  • 16. llama.cpp و فرمت GGUF: استفاده در CPU/GPU حاشیه‌ای
  • 17. vLLM و TensorRT-LLM: استنتاج سریع با مدل‌های کوانتیزه
  • 18. AutoGPTQ و AutoAWQ: یکپارچگی با Hugging Face
  • 19. SmoothQuant: کوانتیزاسیون وزن‌ها و فعال‌سازی‌ها
  • 20. RTN, ABS, OOMQ: روش‌های رتبه‌بندی بیت
  • 21. Mixture-of-Quantization MoQ و ترکیب بیت‌ها
  • 22. کوانتیزاسیون لایه‌های توجه Attention
  • 23. کوانتیزاسیون FFN و لایه‌های Feed-Forward
  • 24. کوانتیزاسیون Embedding و LayerNorm
  • 25. کوانتیزاسیون KV Cache و Attention Head
  • 26. کوانتیزاسیون در مدل‌های چندزبانه و چندوجهی
  • 27. کوانتیزاسیون برای مدل‌های رمزگشا و رمزنگار
  • 28. کوانتیزاسیون در مدل‌های ترکیبی Encoder-Decoder
  • 29. تحلیل دقت: Perplexity و benchmark های استاندارد
  • 30. بازیابی دقت: Knowledge Distillation پس از کوانتیزاسیون
  • 31. تصحیح خطا و Calibration Set بهینه
  • 32. کوانتیزاسیون واکنش‌گراً بر اساس محتوا Outlier-aware
  • 33. کوانتیزاسیون چندحافظه‌ای و ترکیب دستگاه‌ها
  • 34. بهینه‌سازی حافظه: VRAM, RAM, SSD-offload
  • 35. مقایسه عملکرد: سرعت، تأخیر، توان مصرفی
  • 36. کوانتیزاسیون در لبه Edge AI و دستگاه‌های موبایل
  • 37. کوانتیزاسیون برای استنتاج روی Apple Silicon
  • 38. کوانتیزاسیون و امنیت: مدل‌های فشرده و محافظت مالکیتی
  • 39. کوانتیزاسیون مدل‌های ترکیبی Mixture of Experts
  • 40. کوانتیزاسیون در مدل‌های چندزبانه بزرگ
  • 41. کوانتیزاسیون و RLHF: تنظیم دقیق پس از فشرده‌سازی
  • 42. کوانتیزاسیون در زنجیره‌های ابزار Tool-Use و Agent
  • 43. کوانتیزاسیون برای Fine-tuning و LoRA روی مدل‌های کوانتیزه
  • 44. بهینه‌سازی Kernel و Quantized MatMul
  • 45. کوانتیزاسیون گراف محاسباتی و Graph Optimization
  • 46. پیش‌پردازش داده و Calibration Strategy
  • 47. ارزیابی کیفیت خروجی پس از کوانتیزاسیون
  • 48. خطای کوانتیزاسیون و تحلیل ابعاد
  • 49. کوانتیزاسیون ۳ بیتی و ۲ بیتی: چالش‌ها و راه‌حل‌ها
  • 50. کوانتیزاسیون در مدل‌های واقعی: LLaMA, Mistral, Qwen, Phi
  • 51. پوشش عملی: پیاده‌سازی کامل یک پروژه کوانتیزاسیون
  • 52. ترکیب کوانتیزاسیون با Pruning و Sparsity
  • 53. کوانتیزاسیون و Compression: ترکیب تکنیک‌ها
  • 54. مستقبل کوانتیزاسیون: ۱ بیت و سایرکید ترکیبی

📚 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.