فلش‌کارت‌های آموزشی Prompt Tuning برای متخصصان هوش مصنوعی: ارتقاء مهارت‌های مدل‌سازی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب Prompt Tuning برای متخصصان هوش مصنوعی: ارتقاء مهارت‌های مدل‌سازی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Prompt Tuning

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر Prompt Tuning
• 2. چرا Prompt Tuning؟
• 3. مقایسه Prompt Tuning با Fine-tuning سنتی
• 4. کاربردهای Prompt Tuning
• 5. پیش‌نیازهای Prompt Tuning
• 6. مفاهیم کلیدی Prompt Tuning
• 7. مدل‌های زبانی بزرگ (LLMs)
• 8. مکانیسم Attention
• 9. Embeddings
• 10. Tokenization
• 11. Prompt Engineering چیست؟
• 12. انواع Promptها
• 13. Promptهای Zero-shot
• 14. Promptهای Few-shot
• 15. Promptهای Chain-of-Thought
• 16. Promptهای Instruct
• 17. Promptهای Role-Playing
• 18. Promptهای Constraint-Based
• 19. Promptهای Template-Based
• 20. Promptهای Generative
• 21. Promptهای Discriminative
• 22. Promptهای Contextual
• 23. Promptهای In-Context Learning
• 24. بهینه‌سازی Prompt
• 25. اصول طراحی Prompt موثر
• 26. وضوح و صراحت در Prompt
• 27. ارائه مثال‌های کافی
• 28. تعیین نقش و وظیفه مدل
• 29. مدیریت طول Prompt
• 30. تست و تکرار Prompt
• 31. ابزارهای Prompt Engineering
• 32. مقدمه ای بر Prompt Tuning
• 33. تفاوت Prompt Tuning و Fine-tuning
• 34. مزایای Prompt Tuning
• 35. معایب Prompt Tuning
• 36. زمینه Prompt Tuning
• 37. چگونه Prompt Tuning کار می کند؟
• 38. ساختار Prompt Tuning
• 39. پارامترهای قابل تنظیم در Prompt Tuning
• 40. Prompt Embeddings
• 41. Prompt Soft
• 42. Prompt Hard
• 43. آموزش Prompt Embeddings
• 44. تابع هزینه در Prompt Tuning
• 45. الگوریتم‌های بهینه‌سازی برای Prompt Tuning
• 46. Gradient Descent
• 47. Adam Optimizer
• 48. SGD Optimizer
• 49. معیارهای ارزیابی Prompt Tuning
• 50. دقت (Accuracy)
• 51. F1-Score
• 52. BLEU Score
• 53. ROUGE Score
• 54. Perplexity
• 55. چالش‌های Prompt Tuning
• 56. انتخاب بهترین Prompt
• 57. حساسیت به Prompt
• 58. تفسیرپذیری Prompt
• 59. مقیاس‌پذیری Prompt Tuning
• 60. Prompt Tuning برای وظایف مختلف
• 61. تولید متن
• 62. ترجمه ماشینی
• 63. خلاصه‌سازی متن
• 64. پاسخ به سوالات
• 65. طبقه‌بندی متن
• 66. تشخیص احساسات
• 67. استخراج اطلاعات
• 68. تولید کد
• 69. Prompt Tuning در مدل‌های مختلف
• 70. GPT-2
• 71. GPT-3
• 72. BERT
• 73. RoBERTa
• 74. BLOOM
• 75. LLaMA
• 76. Prompt Tuning پیشرفته
• 77. Parameter-Efficient Fine-Tuning (PEFT)
• 78. LoRA (Low-Rank Adaptation)
• 79. Adapter Tuning
• 80. Prefix Tuning
• 81. Prompt Tuning برای مدل‌های چندوجهی (Multimodal)
• 82. Prompt Tuning برای وظایف خلاقانه
• 83. Prompt Tuning برای کاربردهای خاص صنعتی
• 84. Prompt Tuning در پردازش زبان طبیعی (NLP)
• 85. Prompt Tuning در بینایی کامپیوتر (Computer Vision)
• 86. Prompt Tuning در سیستم‌های توصیه‌گر (Recommender Systems)
• 87. Prompt Tuning در رباتیک (Robotics)
• 88. Prompt Tuning در هوش مصنوعی مولد (Generative AI)
• 89. ابزارهای Prompt Tuning
• 90. Hugging Face Transformers
• 91. OpenAI API
• 92. LangChain
• 93. LlamaIndex
• 94. Promptflow
• 95. Prompt Tuning در عمل: یک مطالعه موردی
• 96. انتخاب وظیفه
• 97. انتخاب مدل
• 98. طراحی Prompt اولیه
• 99. تنظیم پارامترهای Prompt Tuning
• 100. ارزیابی نتایج