فلش‌کارت‌های آموزشی Hugging Face Transformers: ساخت دستیارهای زبانی هوشمند

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب Hugging Face Transformers: ساخت دستیارهای زبانی هوشمند

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: کتابخانه‌های NLP (NLTK, spaCy, Hugging Face Transformers)

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر Hugging Face Transformers
• 2. چرا از Hugging Face Transformers استفاده کنیم؟
• 3. نصب و راه اندازی Hugging Face Transformers
• 4. مفاهیم اساسی مدل های ترنسفورمر
• 5. معماری ترنسفورمر: جزئیات
• 6. توکن سازی (Tokenization) چیست؟
• 7. انواع توکن سازها در Transformers
• 8. استفاده از توکن سازهای از پیش آموزش دیده
• 9. آماده سازی داده ها برای مدل های ترنسفورمر
• 10. تنظیمات پیشرفته توکن سازی
• 11. مقدمه ای بر مدل های زبانی بزرگ (LLMs)
• 12. انواع مدل های ترنسفورمر: Encoder-only
• 13. انواع مدل های ترنسفورمر: Decoder-only
• 14. انواع مدل های ترنسفورمر: Encoder-Decoder
• 15. مدل های BERT و کاربردهای آن
• 16. مدل های GPT و کاربردهای آن
• 17. مدل های T5 و کاربردهای آن
• 18. مدل های RoBERTa و کاربردهای آن
• 19. مدل های XLNet و کاربردهای آن
• 20. انتخاب مدل مناسب برای وظیفه مورد نظر
• 21. بارگذاری مدل های از پیش آموزش دیده
• 22. تنظیم دقیق (Fine-tuning) مدل ها
• 23. مراحل تنظیم دقیق مدل
• 24. تنظیم دقیق برای وظایف تولید متن
• 25. تنظیم دقیق برای وظایف طبقه بندی متن
• 26. تنظیم دقیق برای وظایف ترجمه ماشینی
• 27. تنظیم دقیق برای وظایف پاسخ به سوال
• 28. تنظیم دقیق برای وظایف خلاصه سازی متن
• 29. تنظیم دقیق برای وظایف تشخیص موجودیت نامگذاری شده (NER)
• 30. تنظیم دقیق برای وظایف استخراج رابطه
• 31. تنظیم دقیق برای وظایف تجزیه و تحلیل احساسات
• 32. تنظیم دقیق برای وظایف تشخیص تشابه متن
• 33. تنظیم دقیق برای وظایف تشخیص تناقض متن
• 34. تنظیم دقیق برای وظایف تولید کد
• 35. تنظیم دقیق برای وظایف تولید موسیقی
• 36. تنظیم دقیق برای وظایف تولید تصویر (با استفاده از مدل های متنی)
• 37. کار با GPU برای تنظیم دقیق
• 38. بهینه سازی فرآیند تنظیم دقیق
• 39. تنظیم دقیق با استفاده از مجموعه داده های سفارشی
• 40. استفاده از Hugging Face Datasets
• 41. بارگذاری و پیش پردازش داده ها با Datasets
• 42. ایجاد مجموعه داده های سفارشی
• 43. تقسیم داده ها به مجموعه های آموزشی، اعتبارسنجی و آزمون
• 44. مدیریت مجموعه داده های بزرگ
• 45. مقدمه ای بر Hugging Face Accelerate
• 46. نصب و راه اندازی Accelerate
• 47. استفاده از Accelerate برای توزیع آموزش
• 48. تنظیم دقیق توزیع شده
• 49. تنظیم دقیق با استفاده از چندین GPU
• 50. تنظیم دقیق با استفاده از چندین ماشین
• 51. کاهش زمان آموزش با Accelerate
• 52. استفاده از Hugging Face Trainer
• 53. مراحل استفاده از Trainer
• 54. تعریف Trainer برای وظایف مختلف
• 55. تنظیم پارامترهای Trainer
• 56. مانیتورینگ فرآیند آموزش با Trainer
• 57. ذخیره و بارگذاری مدل های تنظیم شده
• 58. ارزیابی مدل های تنظیم شده
• 59. متریک های ارزیابی برای وظایف مختلف
• 60. نحوه محاسبه متریک ها
• 61. استفاده از Hugging Face Evaluate
• 62. بارگذاری و استفاده از متریک های ارزیابی
• 63. محاسبه متریک های سفارشی
• 64. مقایسه مدل های مختلف با استفاده از متریک ها
• 65. مقدمه ای بر تولید متن با مدل های ترنسفورمر
• 66. روش های نمونه برداری (Sampling) در تولید متن
• 67. Greedy Search
• 68. Beam Search
• 69. Top-K Sampling
• 70. Top-P (Nucleus) Sampling
• 71. Temperature Sampling
• 72. مقایسه روش های نمونه برداری
• 73. تنظیم پارامترهای تولید متن
• 74. کنترل طول متن تولید شده
• 75. جلوگیری از تکرار در متن تولید شده
• 76. تولید متن خلاقانه
• 77. تولید شعر
• 78. تولید داستان
• 79. تولید دیالوگ
• 80. تولید کد
• 81. تولید متن برای ربات های چت (Chatbots)
• 82. ساخت دستیار زبانی ساده
• 83. معماری یک دستیار زبانی
• 84. اجزاء یک دستیار زبانی
• 85. ادغام مدل های ترنسفورمر در دستیار زبانی
• 86. پردازش زبان طبیعی (NLP) در دستیار زبانی
• 87. فهم زبان طبیعی (NLU)
• 88. تولید زبان طبیعی (NLG)
• 89. مدیریت گفتگو (Dialogue Management)
• 90. ادغام با API های خارجی
• 91. مثال عملی: ساخت یک دستیار زبانی برای پرسش و پاسخ
• 92. مثال عملی: ساخت یک دستیار زبانی برای خلاصه سازی
• 93. مثال عملی: ساخت یک دستیار زبانی برای نوشتن ایمیل
• 94. مقدمه ای بر تکنیک های پیشرفته
• 95. Prompt Engineering
• 96. Zero-shot Learning
• 97. Few-shot Learning
• 98. In-context Learning
• 99. Prompt Tuning
• 100. Parameter-Efficient Fine-Tuning (PEFT)