کتاب صوتی هوش مصنوعی مولد: قدرت ترنسفورمرها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی مولد: قدرت ترنسفورمرها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: شبکه‌های عصبی ترنسفورمر (Transformer Networks)

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی مولد
• 2. مقدمه‌ای بر شبکه‌های عصبی
• 3. یادگیری عمیق و شبکه‌های عصبی عمیق
• 4. معماری‌های شبکه‌های عصبی
• 5. مفهوم ترنسفورمرها
• 6. مکانیسم توجه (Attention Mechanism)
• 7. ترنسفورمرهای اولیه: مدل‌های Encoder-Decoder
• 8. مدل‌های Encoder-Only (مانند BERT)
• 9. مدل‌های Decoder-Only (مانند GPT)
• 10. مدل‌های Encoder-Decoder (مانند T5)
• 11. پیش‌پردازش داده‌ها برای مدل‌های زبانی
• 12. توکن‌سازی (Tokenization)
• 13. تعبیه‌های کلمه (Word Embeddings)
• 14. تعبیه‌های موقعیتی (Positional Embeddings)
• 15. ساختار داده‌های ورودی برای ترنسفورمرها
• 16. آموزش مدل‌های ترنسفورمر
• 17. تابع هزینه (Loss Function)
• 18. بهینه‌سازها (Optimizers)
• 19. تنظیم نرخ یادگیری (Learning Rate Scheduling)
• 20. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 21. ارزیابی مدل‌های زبانی
• 22. معیارهای ارزیابی عمومی
• 23. معیارهای ارزیابی وظایف خاص
• 24. تولید متن (Text Generation)
• 25. مدل‌های زبانی بزرگ (LLMs)
• 26. معرفی مدل‌های GPT
• 27. معرفی مدل‌های BERT
• 28. معرفی مدل‌های T5
• 29. کاربرد ترنسفورمرها در پردازش زبان طبیعی
• 30. خلاصه‌سازی متن
• 31. ترجمه ماشینی
• 32. پاسخ به سوالات
• 33. تحلیل احساسات
• 34. طبقه‌بندی متن
• 35. مهندسی پرامپت (Prompt Engineering)
• 36. اصول اولیه مهندسی پرامپت
• 37. تکنیک‌های پیشرفته مهندسی پرامپت
• 38. پرامپت‌های چند شات (Few-Shot Prompting)
• 39. پرامپت‌های زنجیره‌ای (Chain-of-Thought Prompting)
• 40. ارزیابی کیفیت پرامپت‌ها
• 41. کاربردهای هوش مصنوعی مولد در صنعت
• 42. تولید محتوای متنی
• 43. تولید کد برنامه
• 44. کمک به نویسندگان و تولیدکنندگان محتوا
• 45. تولید خلاصه‌های علمی
• 46. تحلیل و خلاصه‌سازی اخبار
• 47. کاربرد در آموزش و یادگیری
• 48. ایجاد تمرین و آزمون
• 49. شخصی‌سازی محتوای آموزشی
• 50. کمک به معلمان در تولید منابع
• 51. تولید محتوای آموزشی تعاملی
• 52. کاربرد در کسب و کار
• 53. خدمات مشتریان هوشمند
• 54. تحلیل بازخورد مشتریان
• 55. تولید محتوای بازاریابی
• 56. بهینه‌سازی فرآیندهای اداری
• 57. کاربرد در تحقیق و توسعه
• 58. کشف الگوها در داده‌های بزرگ
• 59. پیش‌بینی روندها
• 60. تولید فرضیه‌های تحقیقاتی
• 61. دستیارهای تحقیقاتی هوشمند
• 62. ملاحظات اخلاقی و امنیتی
• 63. سوگیری در مدل‌های زبانی
• 64. حریم خصوصی و امنیت داده‌ها
• 65. مسئولیت‌پذیری در استفاده از هوش مصنوعی
• 66. تولید اطلاعات نادرست (Fake News)
• 67. سوءاستفاده از فناوری
• 68. روش‌های کاهش سوگیری
• 69. ارزیابی و ممیزی مدل‌ها
• 70. چارچوب‌های قانونی و مقرراتی
• 71. قوانین حفاظت از داده‌ها
• 72. استانداردهای اخلاقی در هوش مصنوعی
• 73. مقررات داخلی در ایران
• 74. رعایت حدود شرعی در محتوا
• 75. فرهنگ‌سازی استفاده صحیح
• 76. آموزش و توسعه مهارت‌های کاربری
• 77. یادگیری مداوم و به‌روزرسانی دانش
• 78. کار با ابزارهای هوش مصنوعی مولد
• 79. توسعه مدل‌های سفارشی (Fine-tuning)
• 80. مدل‌های زبانی بزرگ: آینده و چالش‌ها
• 81. توسعه‌های آتی در معماری ترنسفورمر
• 82. هوش مصنوعی مولد چندوجهی (Multimodal Generative AI)
• 83. تولید تصاویر از متن
• 84. تولید صدا از متن
• 85. تولید ویدئو از متن
• 86. ترکیب هوش مصنوعی مولد با سایر فناوری‌ها
• 87. هوش مصنوعی مولد و بلاکچین
• 88. هوش مصنوعی مولد و اینترنت اشیاء
• 89. چالش‌های مقیاس‌پذیری و محاسباتی
• 90. نیاز به منابع محاسباتی عظیم
• 91. بهینه‌سازی مدل‌ها برای اجرا
• 92. مدل‌های کوچک‌تر و کارآمدتر
• 93. فناوری‌های نوظهور در هوش مصنوعی مولد
• 94. یادگیری تقویتی برای مدل‌های مولد
• 95. شبکه‌های مولد تخاصمی (GANs) در متن
• 96. کاربرد در حوزه‌های تخصصی
• 97. پزشکی و سلامت
• 98. حقوق و قانون
• 99. مهندسی و معماری
• 100. هنر و خلاقیت