دوره مبانی مدل‌های زبانی بزرگ (LLMs) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی مدل‌های زبانی بزرگ (LLMs)

موضوع کلی: برنامه نویسی

موضوع میانی: هوش مصنوعی و یادگیری ماشین (AI/ML)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌های زبانی بزرگ
• 2. تاریخچه و تکامل مدل‌های زبانی
• 3. معماری‌های کلیدی مدل‌های زبانی
• 4. ترنسفورمرها و مکانیزم توجه
• 5. توکن‌سازی و نمایش متنی
• 6. مدل‌های زبانی پیش‌آموزش‌دیده (Pre-trained LLMs)
• 7. یادگیری انتقالی و تنظیم دقیق (Fine-tuning)
• 8. معماری‌های GPT و خانواده آن
• 9. معماری‌های BERT و خانواده آن
• 10. معماری‌های T5 و خانواده آن
• 11. مدل‌های زبانی چندزبانه
• 12. معماری‌های متن به متن (Text-to-Text)
• 13. پردازش زبان طبیعی (NLP) چیست؟
• 14. کاربردهای مدل‌های زبانی در NLP
• 15. تحلیل احساسات با LLMs
• 16. شناسایی موجودیت‌های نام‌دار (NER)
• 17. خلاصه‌سازی متن با LLMs
• 18. ترجمه ماشینی با LLMs
• 19. تولید متن خلاقانه
• 20. پاسخگویی به سوالات (Question Answering)
• 21. مدل‌های زبانی و درک مطلب
• 22. مدل‌های زبانی در طبقه‌بندی متن
• 23. مدل‌های زبانی در تشخیص اسپم
• 24. مدل‌های زبانی در تشخیص لحن
• 25. مدل‌های زبانی و تولید کد
• 26. مبانی یادگیری ماشین
• 27. یادگیری نظارت‌شده
• 28. یادگیری نظارت‌نشده
• 29. یادگیری تقویتی
• 30. شبکه‌های عصبی مصنوعی
• 31. توابع فعال‌سازی
• 32. پس‌انتشار خطا (Backpropagation)
• 33. بهینه‌سازی مدل‌های یادگیری ماشین
• 34. تنظیم فراپارامترها (Hyperparameter Tuning)
• 35. معیارهای ارزیابی مدل‌ها
• 36. ارزیابی مدل‌های طبقه‌بندی
• 37. ارزیابی مدل‌های رگرسیون
• 38. ارزیابی مدل‌های تولید متن
• 39. مجموعه داده‌ها و پیش‌پردازش آن‌ها
• 40. استانداردسازی و نرمال‌سازی داده‌ها
• 41. مهندسی ویژگی (Feature Engineering)
• 42. کاهش ابعاد در داده‌ها
• 43. مدل‌های زبانی و اخلاق
• 44. سوگیری در مدل‌های زبانی
• 45. عدالت و شفافیت در LLMs
• 46. مسئولیت‌پذیری در توسعه LLMs
• 47. حریم خصوصی در استفاده از LLMs
• 48. تأثیرات اجتماعی مدل‌های زبانی
• 49. مدل‌های زبانی و آینده هوش مصنوعی
• 50. چالش‌های فعلی LLMs
• 51. محدودیت‌های مدل‌های زبانی
• 52. آینده پژوهش در LLMs
• 53. مدل‌های زبانی کوچک‌تر و کارآمدتر
• 54. مدل‌های زبانی برای دستگاه‌های لبه
• 55. مدل‌های زبانی و تعامل انسان و کامپیوتر
• 56. تولید گفتار و تشخیص گفتار با LLMs
• 57. مدل‌های زبانی و پردازش تصویر
• 58. مدل‌های زبانی و گراف دانش (Knowledge Graphs)
• 59. ترکیب LLMs با پایگاه‌های داده
• 60. مدل‌های زبانی و واقعیت افزوده
• 61. مدل‌های زبانی و واقعیت مجازی
• 62. مدل‌های زبانی در بازی‌سازی
• 63. مدل‌های زبانی و سلامت دیجیتال
• 64. مدل‌های زبانی در آموزش
• 65. مدل‌های زبانی در امور مالی
• 66. مدل‌های زبانی در حقوق
• 67. مدل‌های زبانی در بازاریابی
• 68. مدل‌های زبانی در خدمات مشتری
• 69. مدل‌های زبانی و تحلیل داده‌های بزرگ
• 70. مدل‌های زبانی و اینترنت اشیاء (IoT)
• 71. مبانی معماری هوش مصنوعی
• 72. یادگیری عمیق (Deep Learning)
• 73. شبکه‌های عصبی کانولوشنی (CNNs)
• 74. شبکه‌های عصبی بازگشتی (RNNs)
• 75. حافظه کوتاه‌مدت طولانی (LSTM)
• 76. واحد بازگشتی دروازه‌دار (GRU)
• 77. مدل‌های ترنسفورمر پیشرفته
• 78. ساختارهای چندمدالی (Multimodal Architectures)
• 79. مدل‌های زبانی مولد (Generative LLMs)
• 80. شبکه‌های مولد تخاصمی (GANs)
• 81. روش‌های نمونه‌برداری در مدل‌های مولد
• 82. متریک‌های ارزیابی مدل‌های مولد
• 83. تنظیم دقیق برای وظایف خاص
• 84. آموزش با بازخورد انسانی (RLHF)
• 85. مدل‌های زبانی و امنیت سایبری
• 86. تشخیص بدافزار با LLMs
• 87. تحلیل لاگ‌ها با LLMs
• 88. مدل‌های زبانی و رمزنگاری
• 89. مدل‌های زبانی و احراز هویت
• 90. مدل‌های زبانی در پیش‌بینی روندها
• 91. مدل‌های زبانی و مدیریت ریسک
• 92. مدل‌های زبانی و بهینه‌سازی فرآیندها
• 93. مدل‌های زبانی و شخصی‌سازی
• 94. مدل‌های زبانی و دستیارهای هوشمند
• 95. مدل‌های زبانی و رباتیک
• 96. مدل‌های زبانی و سیستم‌های توصیه‌گر
• 97. مدل‌های زبانی و پردازش زبان طبیعی فارسی
• 98. چالش‌های پردازش زبان فارسی
• 99. منابع داده فارسی برای LLMs
• 100. مدل‌های زبانی بزرگ بومی‌سازی شده