اپلیکیشن اندرویدی فلشکارت آموزشی ساخت و بهکارگیری مدلهای هوش مصنوعی مولد با کتابخانه Hugging Face
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره ساخت و بهکارگیری مدلهای هوش مصنوعی مولد با کتابخانه Hugging Face
موضوع کلی: هوش مصنوعی و یادگیری ماشین
موضوع میانی: توسعه مدلهای هوش مصنوعی پیشرفته
📋 سرفصلهای دوره
- 1. مقدمهای بر هوش مصنوعی و یادگیری ماشین
- 2. آشنایی با کتابخانه Hugging Face
- 3. نصب و راهاندازی محیط توسعه
- 4. مفاهیم پایهٔ یادگیری ماشین
- 5. انواع یادگیری ماشین: نظارتشده، بدون نظارت، تقویتی
- 6. پیشپردازش دادهها برای مدلهای یادگیری ماشین
- 7. کار با مجموعه دادهها در Hugging Face
- 8. مقدمهای بر مدلهای زبانی بزرگ (LLMs)
- 9. معماری ترنسفورمر (Transformer)
- 10. مبانی ترنسفورمرها و مکانیزم توجه (Attention)
- 11. آموزش مدلهای ترنسفورمر از ابتدا
- 12. تنظیم دقیق (Fine-tuning) مدلهای از پیش آموزشدیده
- 13. کار با مدلهای ترنسفورمر برای طبقهبندی متن
- 14. کار با مدلهای ترنسفورمر برای تشخیص موجودیت نامدار (NER)
- 15. کار با مدلهای ترنسفورمر برای پاسخ به سؤال
- 16. کار با مدلهای ترنسفورمر برای خلاصهسازی متن
- 17. تولید متن خلاقانه با مدلهای زبانی
- 18. مقدمهای بر مدلهای تولید تصویر
- 19. مبانی شبکههای مولد تخاصمی (GANs)
- 20. معماری Diffusers برای تولید تصویر
- 21. تنظیم دقیق مدلهای تولید تصویر
- 22. کار با مدلهای تولید تصویر برای تبدیل متن به تصویر
- 23. کار با مدلهای تولید تصویر برای ویرایش تصویر
- 24. کار با مدلهای تولید تصویر برای افزایش وضوح تصویر
- 25. مقدمهای بر مدلهای صوتی
- 26. پردازش و تولید گفتار با Hugging Face
- 27. کار با مدلهای صوتی برای تبدیل متن به گفتار
- 28. کار با مدلهای صوتی برای تشخیص گفتار
- 29. مقدمهای بر یادگیری تقویتی عمیق
- 30. کاربرد یادگیری تقویتی در بازیها
- 31. کاربرد یادگیری تقویتی در رباتیک
- 32. کاربرد یادگیری تقویتی در بهینهسازی
- 33. مقدمهای بر مدلهای گراف (Graph Neural Networks)
- 34. کاربرد مدلهای گراف در شبکههای اجتماعی
- 35. کاربرد مدلهای گراف در شیمی و زیستشناسی
- 36. کاربرد مدلهای گراف در سیستمهای توصیهگر
- 37. مقدمهای بر هوش مصنوعی قابل توضیح (XAI)
- 38. تکنیکهای تفسیرپذیری مدلهای یادگیری ماشین
- 39. ارزیابی و سنجش عملکرد مدلها
- 40. معیارهای ارزیابی برای طبقهبندی
- 41. معیارهای ارزیابی برای رگرسیون
- 42. معیارهای ارزیابی برای پردازش زبان طبیعی
- 43. مقدمهای بر مهندسی ویژگی (Feature Engineering)
- 44. تکنیکهای انتخاب و استخراج ویژگی
- 45. یادگیری عمیق برای دادههای جدولی
- 46. مقدمهای بر یادگیری چندوجهی (Multimodal Learning)
- 47. ترکیب دادههای متنی و تصویری
- 48. ترکیب دادههای متنی و صوتی
- 49. کاربرد مدلهای چندوجهی در سیستمهای توصیهگر
- 50. کاربرد مدلهای چندوجهی در رباتیک
- 51. بهینهسازی و تسریع مدلهای هوش مصنوعی
- 52. استفاده از سختافزار شتابدهنده (GPU, TPU)
- 53. تکنیکهای کوانتیزاسیون (Quantization)
- 54. تکنیکهای هرس (Pruning)
- 55. استقرار مدلهای هوش مصنوعی در محیط عملیاتی
- 56. ساخت API برای مدلهای هوش مصنوعی
- 57. استقرار مدلها در سرویسهای ابری
- 58. مقدمهای بر اخلاق در هوش مصنوعی
- 59. سوگیری در مدلهای هوش مصنوعی و راهکارهای آن
- 60. حریم خصوصی و امنیت دادهها در هوش مصنوعی
- 61. مسئولیتپذیری در توسعهٔ هوش مصنوعی
- 62. مقدمهای بر هوش مصنوعی مولد (Generative AI)
- 63. کاربردهای هوش مصنوعی مولد در صنعت
- 64. هوش مصنوعی مولد برای تولید محتوا
- 65. هوش مصنوعی مولد برای طراحی محصولات
- 66. هوش مصنوعی مولد برای شبیهسازی
- 67. مقدمهای بر مدلهای تولید کد
- 68. استفاده از مدلهای تولید کد برای برنامهنویسی
- 69. تکنیکهای پیشرفته در Hugging Face Transformers
- 70. تنظیم دقیق مدلهای DistilBERT
- 71. تنظیم دقیق مدلهای RoBERTa
- 72. تنظیم دقیق مدلهای GPT-2
- 73. تنظیم دقیق مدلهای T5
- 74. مقدمهای بر کتابخانه Accelerate
- 75. استفاده از Accelerate برای آموزش توزیعشده
- 76. مقدمهای بر کتابخانه Datasets
- 77. کار با فرمتهای مختلف داده در Datasets
- 78. عملیات روی مجموعه دادهها در Datasets
- 79. مقدمهای بر کتابخانه Tokenizers
- 80. کار با انواع Tokenizer ها
- 81. سفارشیسازی Tokenizer ها
- 82. مقدمهای بر کتابخانه Evaluate
- 83. محاسبهٔ معیارهای ارزیابی با Evaluate
- 84. کاربرد مدلهای پیشبینی سری زمانی
- 85. کاربرد مدلهای پیشبینی سری زمانی در امور مالی
- 86. کاربرد مدلهای پیشبینی سری زمانی در پیشبینی آب و هوا
- 87. مقدمهای بر پردازش زبان طبیعی فارسی
- 88. کار با مدلهای زبانی فارسی در Hugging Face
- 89. تنظیم دقیق مدلهای زبانی فارسی
- 90. کار با مدلهای تشخیص احساسات در فارسی
- 91. کار با مدلهای ترجمه ماشینی فارسی
- 92. کاربرد هوش مصنوعی در خدمات مشتریان
- 93. کاربرد هوش مصنوعی در مدیریت زنجیره تأمین
- 94. کاربرد هوش مصنوعی در آموزش و یادگیری
- 95. کاربرد هوش مصنوعی در سلامت و پزشکی
- 96. مقدمهای بر آیندهٔ هوش مصنوعی مولد
- 97. چالشها و فرصتهای هوش مصنوعی مولد
- 98. یادگیری مداوم در مدلهای هوش مصنوعی
- 99. توسعهٔ سیستمهای خودکار و هوشمند
- 100. آیندهٔ تعامل انسان و ماشین
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.