اپلیکیشن اندرویدی فلش‌کارت آموزشی اصول یادگیری ماشین برای LLMها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول یادگیری ماشین برای LLMها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

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

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین
• 2. مفاهیم پایهٔ یادگیری نظارت‌شده
• 3. انواع مسائل در یادگیری نظارت‌شده
• 4. مقدمه‌ای بر یادگیری نظارت‌نشده
• 5. انواع مسائل در یادگیری نظارت‌نشده
• 6. یادگیری تقویتی: اصول اولیه
• 7. مفاهیم کلیدی در یادگیری تقویتی
• 8. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
• 9. معماری‌های اساسی LLMها
• 10. ترانسفورمرها در LLMها
• 11. مکانیزم توجه (Attention Mechanism)
• 12. کدگذاری و رمزگشایی در ترانسفورمرها
• 13. آموزش پیش‌بینی‌کننده (Pre-training) در LLMها
• 14. فرایند Fine-tuning برای وظایف خاص
• 15. تنظیم دقیق مدل‌ها (Hyperparameter Tuning)
• 16. ارزیابی عملکرد مدل‌های زبانی
• 17. معیارهای ارزیابی LLMها
• 18. داده‌ها و پیش‌پردازش در LLMها
• 19. مدیریت داده‌های متنی
• 20. تکنیک‌های پاک‌سازی داده‌ها
• 21. مهندسی ویژگی برای متون
• 22. جاسازی کلمات (Word Embeddings)
• 23. جاسازی جملات و پاراگراف‌ها
• 24. شبکه‌های عصبی بازگشتی (RNNs)
• 25. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTMs)
• 26. واحد بازگشتی دروازه‌ای (GRUs)
• 27. شبکه‌های عصبی کانولوشنی (CNNs) در NLP
• 28. مدل‌های زبانی آماری
• 29. مدل‌های زبانی مبتنی بر آمار (N-grams)
• 30. نرمال‌سازی متن
• 31. ریشه‌یابی کلمات (Stemming) و لماتیزاسیون (Lemmatization)
• 32. تجزیه و تحلیل احساسات (Sentiment Analysis)
• 33. طبقه‌بندی متون
• 34. استخراج اطلاعات (Information Extraction)
• 35. تشخیص موجودیت نام‌گذاری شده (NER)
• 36. پاسخ به پرسش (Question Answering)
• 37. خلاصه‌سازی متون (Text Summarization)
• 38. ترجمه ماشینی (Machine Translation)
• 39. تولید متن (Text Generation)
• 40. مدل‌های زبانی مولد (Generative Language Models)
• 41. مدل‌های زبانی مبتنی بر واژگان (Vocabulary-based LLMs)
• 42. مفاهیم پیشرفته در ترانسفورمرها
• 43. توجه چندسر (Multi-head Attention)
• 44. لایه‌های نرمال‌سازی (Layer Normalization)
• 45. اتصال‌های باقیمانده (Residual Connections)
• 46. آموزش موازی و توزیع‌شده LLMها
• 47. بهینه‌سازی حافظه در LLMها
• 48. تکنیک‌های کاهش ابعاد (Dimensionality Reduction)
• 49. کاهش پیچیدگی محاسباتی
• 50. روش‌های تنظیم مدل (Model Regularization)
• 51. تنظیم‌گرهای پیشرفته (Advanced Optimizers)
• 52. یادگیری انتقالی (Transfer Learning)
• 53. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 54. یادگیری با داده‌های کم (Few-shot Learning)
• 55. یادگیری بدون نمونه (Zero-shot Learning)
• 56. مدل‌های زبانی با قابلیت تفسیر (Interpretable LLMs)
• 57. اخلاق در هوش مصنوعی و LLMها
• 58. سوگیری در داده‌ها و مدل‌ها
• 59. مسئولیت‌پذیری در توسعهٔ LLMها
• 60. حریم خصوصی و امنیت در LLMها
• 61. کاربردهای LLMها در آموزش
• 62. کاربرد LLMها در پژوهش
• 63. کاربرد LLMها در صنعت
• 64. کاربرد LLMها در خدمات
• 65. کاربرد LLMها در سلامت
• 66. کاربرد LLMها در امور مالی
• 67. کاربرد LLMها در حقوق
• 68. کاربرد LLMها در تولید محتوا
• 69. مدل‌های زبانی کاربردی در ایران
• 70. ملاحظات بومی‌سازی LLMها
• 71. توسعهٔ LLMهای فارسی
• 72. پردازش زبان طبیعی فارسی
• 73. فرهنگ لغت و واژگان فارسی در LLMها
• 74. نحو و صرف زبان فارسی در LLMها
• 75. اصطلاحات تخصصی فارسی در LLMها
• 76. تحلیل گفتمان در زبان فارسی
• 77. مدل‌های زبانی برای زبان‌های منطقه‌ای
• 78. امنیت داده‌ها در پردازش زبان فارسی
• 79. مقررات حفاظت از داده‌ها در ایران
• 80. چارچوب‌های قانونی برای توسعهٔ هوش مصنوعی
• 81. اصول شرعی در توسعهٔ فناوری
• 82. نظارت بر محتوای تولیدی LLMها
• 83. پیشگیری از تولید محتوای نامناسب
• 84. مدیریت ریسک در پیاده‌سازی LLMها
• 85. ارزیابی تأثیرات اجتماعی LLMها
• 86. آموزش کاربران LLMها
• 87. توسعهٔ پایدار با LLMها
• 88. آیندهٔ یادگیری ماشین و LLMها
• 89. همکاری با متخصصان داخلی
• 90. تطابق با استانداردهای ملی
• 91. نوآوری در حوزهٔ LLMها
• 92. پژوهش‌های کاربردی در ایران
• 93. زیرساخت‌های مورد نیاز LLMها
• 94. مدیریت دانش در LLMها
• 95. کاربرد LLMها در حکمرانی هوشمند
• 96. بهینه‌سازی منابع در LLMها
• 97. توسعهٔ ابزارهای کمکی برای LLMها
• 98. یادگیری عمیق در پردازش زبان فارسی
• 99. شبکه‌های مولد تخاصمی (GANs) در NLP
• 100. خودرمزگذارها (Autoencoders) در NLP