اپلیکیشن اندرویدی فلش‌کارت آموزشی ساخت مدل‌های زبانی با استفاده از خدمات ابری AWS

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت مدل‌های زبانی با استفاده از خدمات ابری AWS

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌های زبانی و پردازش زبان طبیعی

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. مقدمه‌ای بر پردازش زبان طبیعی
• 3. انواع مدل‌های زبانی
• 4. مدل‌های آماری زبان
• 5. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
• 6. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
• 7. شبکه‌های حافظه طولانی کوتاه (LSTM)
• 8. واحد بازگشتی دروازه‌ای (GRU)
• 9. معماری ترنسفورمر
• 10. مکانیسم توجه (Attention Mechanism)
• 11. کاربردهای مدل‌های زبانی
• 12. ساخت مدل‌های زبانی سفارشی
• 13. مقدمه‌ای بر خدمات ابری AWS
• 14. خدمات AWS برای یادگیری ماشین
• 15. Amazon SageMaker
• 16. Amazon Comprehend
• 17. Amazon Transcribe
• 18. Amazon Translate
• 19. Amazon Lex
• 20. Amazon Rekognition
• 21. Amazon Personalize
• 22. Amazon Forecast
• 23. Amazon Textract
• 24. Amazon Kendra
• 25. Amazon CodeGuru
• 26. Amazon DevOps Guru
• 27. Amazon Lookout for Metrics
• 28. Amazon Lookout for Equipment
• 29. Amazon Lookout for Vision
• 30. Amazon Monitron
• 31. Amazon Fraud Detector
• 32. Amazon HealthLake
• 33. Amazon Augmented AI (A2I)
• 34. مقدمه‌ای بر ساخت مدل‌های زبانی در AWS
• 35. آماده‌سازی داده‌ها برای مدل‌های زبانی
• 36. جمع‌آوری و پاکسازی داده‌های متنی
• 37. برچسب‌گذاری داده‌ها
• 38. تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و آزمون
• 39. تنظیم محیط توسعه در AWS
• 40. نصب ابزارها و کتابخانه‌های لازم
• 41. استفاده از Amazon SageMaker Studio
• 42. ساخت مدل‌های زبانی ساده با استفاده از SageMaker
• 43. آموزش مدل‌های زبانی با استفاده از SageMaker
• 44. تنظیم ابرپارامترها
• 45. ارزیابی مدل‌های زبانی
• 46. معیارهای ارزیابی مدل‌های زبانی (Perplexity, BLEU)
• 47. بهینه‌سازی مدل‌های زبانی
• 48. استفاده از مدل‌های از پیش آموزش‌دیده
• 49. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
• 50. استفاده از مدل‌های زبانی برای وظایف خاص
• 51. خلاصه‌سازی متن
• 52. ترجمه ماشینی
• 53. طبقه‌بندی متن
• 54. تشخیص موجودیت نام‌گذاری شده (NER)
• 55. تولید متن
• 56. پاسخ به پرسش
• 57. ساخت چت‌بات‌ها
• 58. مدیریت و استقرار مدل‌های زبانی
• 59. استقرار مدل‌ها در Amazon SageMaker Endpoints
• 60. مانیتورینگ عملکرد مدل‌ها
• 61. امنیت مدل‌ها و داده‌ها در AWS
• 62. ملاحظات اخلاقی در هوش مصنوعی و مدل‌های زبانی
• 63. حریم خصوصی داده‌ها
• 64. سوگیری در مدل‌های زبانی
• 65. مسئولیت‌پذیری هوش مصنوعی
• 66. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
• 67. معماری‌های LLM
• 68. کاربردهای LLM
• 69. تنظیم دقیق LLMها
• 70. استفاده از LLMها در AWS
• 71. چالش‌های پیاده‌سازی LLMها
• 72. آینده مدل‌های زبانی
• 73. آموزش مدل‌های زبانی مولد
• 74. ارزیابی مدل‌های زبانی مولد
• 75. کاربرد مدل‌های زبانی در صنعت
• 76. مدل‌های زبانی برای تحقیقات علمی
• 77. مدل‌های زبانی برای آموزش
• 78. مدل‌های زبانی برای بازاریابی
• 79. مدل‌های زبانی برای خدمات مشتری
• 80. مدل‌های زبانی برای توسعه نرم‌افزار
• 81. مدل‌های زبانی برای تجزیه و تحلیل داده
• 82. مدل‌های زبانی برای حوزه‌های تخصصی
• 83. مدل‌های زبانی برای پزشکی
• 84. مدل‌های زبانی برای حقوق
• 85. مدل‌های زبانی برای مالی
• 86. مدل‌های زبانی برای رسانه
• 87. مدل‌های زبانی برای دولت
• 88. مدل‌های زبانی برای آموزش و پرورش
• 89. مدل‌های زبانی برای هوش مصنوعی سازمانی
• 90. پروژه‌های عملی ساخت مدل‌های زبانی در AWS