کتاب صوتی کوانتیزاسیون برای مدل‌های زبانی بزرگ با سخت‌افزار اختصاصی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کوانتیزاسیون برای مدل‌های زبانی بزرگ با سخت‌افزار اختصاصی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مبانی کوانتیزاسیون در مدل‌های زبانی بزرگ
  • 2. انواع کوانتیزاسیون: INT8، FP16 و فراتر از آن
  • 3. تأثیر کوانتیزاسیون بر دقت مدل‌های زبانی
  • 4. معماری‌های سخت‌افزاری برای تسریع کوانتیزاسیون
  • 5. واحد پردازش تنسور (TPU) و نقش آن
  • 6. پردازنده‌های گرافیکی (GPU) و بهینه‌سازی کوانتیزاسیون
  • 7. مدارهای مجتمع با کاربرد خاص (ASIC) برای کوانتیزاسیون
  • 8. طراحی معماری‌های سخت‌افزاری سازگار با کوانتیزاسیون
  • 9. روش‌های کوانتیزاسیون بدون اتلاف (Lossless Quantization)
  • 10. کوانتیزاسیون با اتلاف (Lossy Quantization)
  • 11. روش‌های کوانتیزاسیون پس از آموزش (Post-Training Quantization - PTQ)
  • 12. کوانتیزاسیون در طول آموزش (Quantization-Aware Training - QAT)
  • 13. تکنیک‌های تعیین مقیاس (Scaling) در کوانتیزاسیون
  • 14. کانال‌های کوانتیزاسیون و بهینه‌سازی آن‌ها
  • 15. کوانتیزاسیون متقارن و نامتقارن
  • 16. کوانتیزاسیون پویا (Dynamic Quantization)
  • 17. کوانتیزاسیون ایستا (Static Quantization)
  • 18. کوانتیزاسیون بر اساس مقادیر متوسط (Mean-based Quantization)
  • 19. کوانتیزاسیون بر اساس مقادیر انحراف معیار (Std-dev-based Quantization)
  • 20. کوانتیزاسیون برای لایه‌های خطی (Linear Layers)
  • 21. کوانتیزاسیون برای لایه‌های کانولوشن (Convolutional Layers)
  • 22. کوانتیزاسیون برای مکانیزم توجه (Attention Mechanism)
  • 23. کوانتیزاسیون برای جاسازی کلمات (Word Embeddings)
  • 24. کوانتیزاسیون برای لایه‌های نرمال‌سازی (Normalization Layers)
  • 25. کوانتیزاسیون برای توابع فعال‌سازی (Activation Functions)
  • 26. تکنیک‌های کوانتیزاسیون مختلط (Mixed-Precision Quantization)
  • 27. کوانتیزاسیون با دقت متغیر (Variable-Precision Quantization)
  • 28. بهینه‌سازی الگوریتم‌های کوانتیزاسیون
  • 29. تحلیل تأثیر کوانتیزاسیون بر مصرف حافظه
  • 30. تحلیل تأثیر کوانتیزاسیون بر سرعت استنتاج
  • 31. ارزیابی دقت مدل‌های کوانتیزه شده
  • 32. سنجه‌های ارزیابی در مدل‌های کوانتیزه شده
  • 33. مدل‌های زبانی بزرگ (LLMs) و چالش‌های کوانتیزاسیون
  • 34. معماری ترنسفورمر و کوانتیزاسیون آن
  • 35. مدل‌های GPT و بهینه‌سازی کوانتیزاسیون
  • 36. مدل‌های BERT و بهینه‌سازی کوانتیزاسیون
  • 37. مدل‌های T5 و بهینه‌سازی کوانتیزاسیون
  • 38. مدل‌های Llama و بهینه‌سازی کوانتیزاسیون
  • 39. مدل‌های Falcon و بهینه‌سازی کوانتیزاسیون
  • 40. مدل‌های Mistral و بهینه‌سازی کوانتیزاسیون
  • 41. مدل‌های فارسی‌زبان و چالش‌های کوانتیزاسیون
  • 42. کاربردهای کوانتیزاسیون در پردازش زبان طبیعی
  • 43. کوانتیزاسیون برای وظایف تولید متن
  • 44. کوانتیزاسیون برای وظایف ترجمه ماشینی
  • 45. کوانتیزاسیون برای وظایف خلاصه‌سازی متن
  • 46. کوانتیزاسیون برای وظایف پاسخ به سؤال
  • 47. کوانتیزاسیون برای وظایف طبقه‌بندی متن
  • 48. کوانتیزاسیون برای وظایف تحلیل احساسات
  • 49. کوانتیزاسیون در دستگاه‌های لبه (Edge Devices)
  • 50. کوانتیزاسیون برای تلفن‌های هوشمند
  • 51. کوانتیزاسیون برای دستگاه‌های پوشیدنی
  • 52. کوانتیزاسیون برای سیستم‌های تعبیه‌شده (Embedded Systems)
  • 53. پیاده‌سازی کوانتیزاسیون با استفاده از کتابخانه‌های نرم‌افزاری
  • 54. PyTorch Quantization
  • 55. TensorFlow Lite Quantization
  • 56. ONNX Runtime Quantization
  • 57. Hugging Face Optimum Quantization
  • 58. کتابخانه‌های سخت‌افزاری برای کوانتیزاسیون
  • 59. NVIDIA TensorRT
  • 60. Intel OpenVINO
  • 61. ARM Compute Library
  • 62. Xilinx Vitis AI
  • 63. مدیریت حافظه در مدل‌های کوانتیزه شده
  • 64. بهینه‌سازی دسترسی به حافظه
  • 65. فشرده‌سازی مدل با استفاده از کوانتیزاسیون
  • 66. کاهش حجم مدل‌های زبانی بزرگ
  • 67. کاهش مصرف انرژی در زمان استنتاج
  • 68. ملاحظات امنیتی در مدل‌های کوانتیزه شده
  • 69. حملات مبتنی بر کوانتیزاسیون
  • 70. روش‌های مقابله با حملات کوانتیزاسیون
  • 71. ارزیابی مقایسه‌ای روش‌های مختلف کوانتیزاسیون
  • 72. مطالعات موردی از کوانتیزاسیون موفق
  • 73. چالش‌های آتی در کوانتیزاسیون مدل‌های زبانی
  • 74. کوانتیزاسیون مدل‌های بسیار بزرگ (VLMs)
  • 75. کوانتیزاسیون برای مدل‌های چندوجهی (Multimodal Models)
  • 76. استانداردهای کوانتیزاسیون در صنعت
  • 77. آیندهٔ کوانتیزاسیون و هوش مصنوعی
  • 78. کوانتیزاسیون و یادگیری تقویتی
  • 79. کوانتیزاسیون در شبکه‌های عصبی اسپایکی
  • 80. کوانتیزاسیون برای پردازش بلادرنگ
  • 81. بهینه‌سازی لایه‌های کوانتیزاسیون با استفاده از الگوریتم‌های ژنتیک
  • 82. استفاده از یادگیری عمیق برای خودکارسازی کوانتیزاسیون
  • 83. کوانتیزاسیون و تأثیر آن بر قابلیت تفسیرپذیری مدل
  • 84. مدل‌های زبانی بزرگ مبتنی بر معماری‌های نوین
  • 85. کوانتیزاسیون در مدل‌های مبتنی بر گراف
  • 86. کوانتیزاسیون برای مدل‌های توزیع‌شده
  • 87. بهینه‌سازی سخت‌افزار و نرم‌افزار برای کوانتیزاسیون
  • 88. کوانتیزاسیون و ابزارهای شبیه‌سازی سخت‌افزار
  • 89. مدل‌سازی مصرف توان در سخت‌افزارهای کوانتیزه شده
  • 90. تأثیر کوانتیزاسیون بر پایداری عددی
  • 91. کوانتیزاسیون و کاربرد آن در رباتیک
  • 92. کوانتیزاسیون برای سیستم‌های خودمختار
  • 93. کوانتیزاسیون و ملاحظات اخلاقی در هوش مصنوعی
  • 94. کوانتیزاسیون برای مدل‌های زبانی با قابلیت تولید کد
  • 95. کوانتیزاسیون در سیستم‌های تشخیص گفتار
  • 96. کوانتیزاسیون در سیستم‌های پردازش تصویر زبانی
  • 97. کوانتیزاسیون برای مدل‌های زبانی در حوزه سلامت
  • 98. کوانتیزاسیون برای مدل‌های زبانی در حوزه آموزش
EXPRESS24 AUDIO EXPERIENCE
یادگیری را بشنوید؛ زندگی کنید
کتاب‌های صوتی و پادکست‌های آموزشی، راهی دلنشین برای کشف ایده‌های تازه، گسترش دانش و استفاده بهتر از لحظه‌های روزمره هستند.
دانش، الهام و تجربه؛ این بار با صدای زندگی
برای آموختن، همیشه لازم نیست بخوانید
گاهی بهترین فرصت یادگیری زمانی است که در مسیر رفت‌وآمد هستید، قدم می‌زنید، استراحت می‌کنید یا کارهای روزمره‌تان را انجام می‌دهید. محتوای صوتی کمک می‌کند از این لحظه‌ها برای شنیدن، اندیشیدن و آشنایی با موضوعات تازه بهره ببرید.
◷
یادگیری در دل روزمرگی
از زمان رفت‌وآمد، پیاده‌روی یا استراحت برای شنیدن محتوای مفید استفاده کنید؛ بدون آنکه همیشه به کتاب چاپی یا صفحه نمایش نیاز داشته باشید.
◎
تجربه‌ای شنیداری و دلنشین
با روایت صوتی، توضیحات گفتاری و فضای شنیداری هر محتوا همراه شوید و متناسب با سلیقه خود، شیوه تازه‌ای برای دریافت مطالب تجربه کنید.
✦
گسترش دانش و دیدگاه
با موضوعات متنوع آشنا شوید، ایده‌های تازه کشف کنید و فرصت بیشتری برای یادگیری مستمر و پرورش کنجکاوی خود بسازید.
♫
همراه با سبک زندگی شما
محتوای صوتی را متناسب با برنامه روزانه خود انتخاب کنید و در زمان مناسب، شنیدن را به بخشی از عادت‌های شخصی‌تان تبدیل کنید.
کتاب صوتی یا پادکست؟
کتاب صوتی
راهی برای همراه شدن با محتوای یک کتاب از طریق شنیدن. بسته به اثر، می‌توانید داستان‌ها، آموزش‌ها، مفاهیم تخصصی یا مطالب کاربردی را در قالب روایت و بیان صوتی دنبال کنید.
مناسب برای شنیدن و مرور محتوای کتاب‌ها
پادکست آموزشی
فرصتی برای دنبال کردن موضوعات مشخص در قالب گفت‌وگو، روایت، توضیح آموزشی یا مجموعه‌ای از قسمت‌های صوتی؛ مناسب برای کشف ایده‌ها و آشنایی با دیدگاه‌های گوناگون.
مناسب برای یادگیری موضوعی و شنیدن دیدگاه‌های تازه
هر جا که هستید، شنیدن را آغاز کنید
با دستگاه مناسب خود، محتوای صوتی را به آسانی دنبال کنید.
▯
گوشی هوشمند
اندروید و آیفون
▣
تبلت
برای شنیدن و دنبال کردن محتوا
▤
رایانه و لپ‌تاپ
با پخش‌کننده صوتی سازگار
♫
هدفون و بلندگو
برای شنیدن متناسب با محیط
چطور از تجربه شنیدن بیشتر بهره ببریم؟
✦ زمان مناسبی برای شنیدن انتخاب کنید؛ زمانی که بتوانید با آرامش به محتوا توجه داشته باشید.
✦ برای مطالب آموزشی، نکته‌های مهم را یادداشت کنید یا پس از پایان شنیدن، آن‌ها را مرور کنید.
✦ اگر محتوا طولانی است، آن را در چند نوبت دنبال کنید تا فرصت بیشتری برای درک و مرور داشته باشید.
✦ هنگام رانندگی یا انجام کارهای نیازمند تمرکز، ایمنی را در اولویت قرار دهید و از شیوه شنیدنی استفاده کنید که حواس شما را مختل نکند.
هر شنیدن، فرصتی برای کشف است
با کتاب‌های صوتی و پادکست‌های آموزشی، دنیای تازه‌ای از ایده‌ها، روایت‌ها و آموختنی‌ها را به لحظه‌های خود اضافه کنید.
کشف محصولات بیشتر در اکسپرس ۲۴
sp.express24.ir
امکانات پخش، ادامه شنیدن و دسترسی آفلاین به نوع فایل، دستگاه و نرم‌افزار مورد استفاده بستگی دارد.
AUDIO PREVIEW
قبل از انتخاب، گوش کنید!
بخشی از سبک محتوای محصولات صوتی ما را بشنوید و با فضای آن آشنا شوید.
♫
نمونه صوتی از سبک محصولات صوتی ما
پیش‌نمایش کوتاهی از سبک پادکست های صوتی محصولات ما
پخش آنلاین
برای تجربه بهتر، می‌توانید از هدفون استفاده کنید.

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.