اپلیکیشن اندرویدی فلش‌کارت آموزشی تنظیم دقیق (Fine-tuning) مدل‌های Transformer برای وظایف خاص

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تنظیم دقیق (Fine-tuning) مدل‌های Transformer برای وظایف خاص

موضوع کلی: برنامه نویسی

موضوع میانی: علم داده (Data Science)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر مدل های ترنسفورمر
• 2. معماری ترنسفورمر
• 3. مکانیزم توجه (Attention Mechanism)
• 4. خود-توجهی (Self-Attention)
• 5. توجه چند-سری (Multi-Head Attention)
• 6. رمزگذار (Encoder) ترنسفورمر
• 7. رمزگشا (Decoder) ترنسفورمر
• 8. مسائل و چالش های مدل های ترنسفورمر
• 9. مفهوم تنظیم دقیق (Fine-tuning)
• 10. چرا تنظیم دقیق لازم است؟
• 11. تفاوت تنظیم دقیق با آموزش از ابتدا (Training from Scratch)
• 12. مراحل کلی تنظیم دقیق
• 13. انتخاب مدل پایه (Pre-trained Model)
• 14. مدل های ترنسفورمر محبوب برای تنظیم دقیق
• 15. BERT
• 16. RoBERTa
• 17. XLNet
• 18. BART
• 19. انتخاب مدل پایه مناسب برای وظیفه مورد نظر
• 20. ملاحظات در انتخاب مدل پایه: اندازه، عملکرد، زبان
• 21. داده های تنظیم دقیق
• 22. اهمیت داده های با کیفیت
• 23. جمع آوری داده های تنظیم دقیق
• 24. پاکسازی و پیش پردازش داده ها
• 25. قالب بندی داده ها برای تنظیم دقیق
• 26. تقسیم داده ها: آموزش، اعتبارسنجی، تست
• 27. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 28. نرخ یادگیری (Learning Rate)
• 29. اندازه دسته (Batch Size)
• 30. تعداد دوره ها (Number of Epochs)
• 31. بهینه سازها (Optimizers)
• 32. تنظیم نرخ یادگیری (Learning Rate Schedules)
• 33. تنظیم منظم سازی (Regularization)
• 34. تنظیم پارامترهای مربوط به توجه
• 35. تنظیم پارامترهای مربوط به لایه های خروجی
• 36. تکنیک های پیشرفته تنظیم دقیق
• 37. تنظیم دقیق با کمترین داده (Few-Shot Fine-tuning)
• 38. تنظیم دقیق با استفاده از دستورالعمل ها (Instruction Tuning)
• 39. تنظیم دقیق مداوم (Continual Fine-tuning)
• 40. تنظیم دقیق تطبیقی (Adaptive Fine-tuning)
• 41. تنظیم دقیق سلسله مراتبی (Hierarchical Fine-tuning)
• 42. تنظیم دقیق با استفاده از دانش خارجی (Knowledge-Augmented Fine-tuning)
• 43. تنظیم دقیق بر روی چندین وظیفه (Multi-Task Fine-tuning)
• 44. تنظیم دقیق با استفاده از یادگیری تقویتی (Reinforcement Learning for Fine-tuning)
• 45. تنظیم دقیق برای وظایف پردازش زبان طبیعی (NLP Tasks)
• 46. تنظیم دقیق برای طبقه بندی متن (Text Classification)
• 47. تنظیم دقیق برای تشخیص موجودیت نام گذاری شده (Named Entity Recognition - NER)
• 48. تنظیم دقیق برای پاسخ به سوال (Question Answering - QA)
• 49. تنظیم دقیق برای ترجمه ماشینی (Machine Translation)
• 50. تنظیم دقیق برای تولید متن (Text Generation)
• 51. تنظیم دقیق برای خلاصه سازی متن (Text Summarization)
• 52. تنظیم دقیق برای تحلیل احساسات (Sentiment Analysis)
• 53. تنظیم دقیق برای تشخیص هویت گوینده (Speaker Diarization)
• 54. تنظیم دقیق برای تشخیص موضوع (Topic Modeling)
• 55. تنظیم دقیق برای تشخیص لحن (Tone Detection)
• 56. تنظیم دقیق برای تشخیص کنایه (Sarcasm Detection)
• 57. تنظیم دقیق برای تشخیص طنز (Humor Detection)
• 58. تنظیم دقیق برای تشخیص تعصب (Bias Detection)
• 59. تنظیم دقیق برای تشخیص اطلاعات نادرست (Fake News Detection)
• 60. تنظیم دقیق برای استخراج اطلاعات (Information Extraction)
• 61. تنظیم دقیق برای تشخیص رابطه (Relation Extraction)
• 62. تنظیم دقیق برای تشخیص رویداد (Event Extraction)
• 63. تنظیم دقیق برای تولید شرح تصویر (Image Captioning)
• 64. تنظیم دقیق برای وظایف مربوط به صدا (Speech Tasks)
• 65. تنظیم دقیق برای تشخیص گفتار (Speech Recognition)
• 66. تنظیم دقیق برای تولید گفتار (Speech Synthesis)
• 67. تنظیم دقیق برای وظایف بینایی ماشین (Computer Vision Tasks)
• 68. تنظیم دقیق برای طبقه بندی تصویر (Image Classification)
• 69. تنظیم دقیق برای تشخیص اشیاء (Object Detection)
• 70. تنظیم دقیق برای تقسیم بندی تصویر (Image Segmentation)
• 71. تنظیم دقیق برای تولید تصویر (Image Generation)
• 72. تنظیم دقیق برای وظایف چندوجهی (Multimodal Tasks)
• 73. تنظیم دقیق برای درک تصویر و متن (Image-Text Understanding)
• 74. تنظیم دقیق برای تولید متن از تصویر (Image-to-Text Generation)
• 75. تنظیم دقیق برای تولید تصویر از متن (Text-to-Image Generation)
• 76. ارزیابی مدل های تنظیم شده
• 77. معیارهای ارزیابی برای وظایف مختلف
• 78. شاخص های ارزیابی (Metrics)
• 79. دقت (Accuracy)
• 80. دقت (Precision)
• 81. بازیابی (Recall)
• 82. امتیاز F1 (F1-Score)
• 83. BLEU
• 84. ROUGE
• 85. METEOR
• 86. Perplexity
• 87. ارزیابی انسانی (Human Evaluation)
• 88. تفسیرپذیری (Interpretability)
• 89. تجزیه و تحلیل نتایج ارزیابی
• 90. اشکال زدایی (Debugging) مدل های تنظیم شده
• 91. شناسایی مشکلات رایج در تنظیم دقیق
• 92. راهکارهای رفع اشکال
• 93. تکنیک های جلوگیری از فراموشی فاجعه بار (Catastrophic Forgetting)
• 94. انتقال یادگیری (Transfer Learning) در تنظیم دقیق
• 95. یادگیری چند-وظیفه ای (Multi-task Learning)
• 96. تکنیک های منظم سازی پیشرفته
• 97. یادگیری فعال (Active Learning) برای بهبود داده های تنظیم دقیق
• 98. روش های بهینه سازی حافظه و محاسبات
• 99. فشرده سازی مدل (Model Compression)
• 100. تقطیر دانش (Knowledge Distillation)