کتاب صوتی کوانتیزاسیون مدل‌های زبانی بزرگ: افزایش کارایی و کاهش ردپای محاسباتی

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 مدل‌های زبانی بزرگ: افزایش کارایی و کاهش ردپای محاسباتی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر کوانتیزاسیون مدل‌های زبانی بزرگ
  • 2. مبانی نظری کوانتیزاسیون
  • 3. انواع روش‌های کوانتیزاسیون
  • 4. کوانتیزاسیون با دقت ثابت (Fixed-Point Quantization)
  • 5. کوانتیزاسیون با دقت متغیر (Floating-Point Quantization)
  • 6. کوانتیزاسیون خطی (Linear Quantization)
  • 7. کوانتیزاسیون غیرخطی (Non-Linear Quantization)
  • 8. کوانتیزاسیون پارامتری (Parametric Quantization)
  • 9. کوانتیزاسیون بدون پارامتر (Zero-Shot Quantization)
  • 10. کوانتیزاسیون آموزشی (Quantization-Aware Training)
  • 11. کوانتیزاسیون پس از آموزش (Post-Training Quantization)
  • 12. روش‌های کوانتیزاسیون برای لایه‌های کانولوشن
  • 13. کوانتیزاسیون برای لایه‌های ترنسفورمر
  • 14. کوانتیزاسیون ماتریس وزن (Weight Quantization)
  • 15. کوانتیزاسیون فعال‌سازی (Activation Quantization)
  • 16. کوانتیزاسیون گسسته (Discrete Quantization)
  • 17. کوانتیزاسیون برداری (Vector Quantization)
  • 18. کوانتیزاسیون خوشه‌ای (Clustering-based Quantization)
  • 19. کوانتیزاسیون متقارن (Symmetric Quantization)
  • 20. کوانتیزاسیون نامتقارن (Asymmetric Quantization)
  • 21. کوانتیزاسیون با کاهش دقت (Low-Precision Quantization)
  • 22. تکنیک‌های کاهش دقت در کوانتیزاسیون
  • 23. کوانتیزاسیون ۸ بیتی
  • 24. کوانتیزاسیون ۴ بیتی
  • 25. کوانتیزاسیون ۲ بیتی
  • 26. کوانتیزاسیون ۱ بیتی (Binary Neural Networks)
  • 27. کوانتیزاسیون ترنری (Ternary Neural Networks)
  • 28. کوانتیزاسیون برای مدل‌های زبانی بزرگ
  • 29. چالش‌های کوانتیزاسیون در مدل‌های زبانی بزرگ
  • 30. تاثیر کوانتیزاسیون بر دقت مدل‌های زبانی
  • 31. روش‌های حفظ دقت در کوانتیزاسیون
  • 32. کوانتیزاسیون لایه‌های کلیدی مدل‌های زبانی
  • 33. کوانتیزاسیون لایه‌های توجه (Attention Layers)
  • 34. کوانتیزاسیون لایه‌های پیش‌خور (Feed-Forward Layers)
  • 35. کوانتیزاسیون گره‌های ورودی و خروجی
  • 36. کوانتیزاسیون متاداده‌ها و امبدینگ‌ها
  • 37. کوانتیزاسیون مدل‌های تولید متن
  • 38. کوانتیزاسیون مدل‌های ترجمه ماشینی
  • 39. کوانتیزاسیون مدل‌های خلاصه‌سازی متن
  • 40. کوانتیزاسیون مدل‌های پرسش و پاسخ
  • 41. کوانتیزاسیون مدل‌های طبقه‌بندی متن
  • 42. کوانتیزاسیون برای پردازش زبان طبیعی بر روی دستگاه‌های محدود
  • 43. کاربرد کوانتیزاسیون در هوش مصنوعی روی لبه (Edge AI)
  • 44. کوانتیزاسیون برای استنتاج سریع‌تر
  • 45. کوانتیزاسیون برای کاهش مصرف حافظه
  • 46. کوانتیزاسیون برای کاهش مصرف انرژی
  • 47. بهینه‌سازی سخت‌افزار برای مدل‌های کوانتیزه شده
  • 48. معماری‌های سخت‌افزاری سازگار با کوانتیزاسیون
  • 49. شبیه‌سازهای کوانتیزاسیون
  • 50. ابزارهای کوانتیزاسیون (Quantization Toolkits)
  • 51. PyTorch Quantization
  • 52. TensorFlow Lite Quantization
  • 53. ONNX Runtime Quantization
  • 54. Hugging Face Optimum
  • 55. کوانتیزاسیون با استفاده از کتابخانه‌های متن‌باز
  • 56. ارزیابی عملکرد مدل‌های کوانتیزه شده
  • 57. سنجه‌های ارزیابی کوانتیزاسیون
  • 58. تست بنچمارک مدل‌های کوانتیزه شده
  • 59. مقایسه روش‌های مختلف کوانتیزاسیون
  • 60. مطالعات موردی در کوانتیزاسیون مدل‌های زبانی
  • 61. کوانتیزاسیون مدل‌های GPT
  • 62. کوانتیزاسیون مدل‌های BERT
  • 63. کوانتیزاسیون مدل‌های T5
  • 64. کوانتیزاسیون مدل‌های LLaMA
  • 65. کوانتیزاسیون مدل‌های فارسی
  • 66. چالش‌های کوانتیزاسیون در زبان فارسی
  • 67. کوانتیزاسیون مدل‌های زبانی بزرگ با تمرکز بر منابع محدود
  • 68. بهینه‌سازی کوانتیزاسیون برای معماری‌های خاص
  • 69. کوانتیزاسیون تطبیقی (Adaptive Quantization)
  • 70. کوانتیزاسیون سلسله مراتبی (Hierarchical Quantization)
  • 71. کوانتیزاسیون توزیع شده (Distributed Quantization)
  • 72. کوانتیزاسیون با یادگیری تقویتی (Reinforcement Learning for Quantization)
  • 73. کوانتیزاسیون با شبکه‌های مولد تخاصمی (GANs for Quantization)
  • 74. کوانتیزاسیون خودکار (Auto-Quantization)
  • 75. کوانتیزاسیون برای مدل‌های بزرگ و پیچیده
  • 76. کوانتیزاسیون بر مبنای تحلیل حساسیت (Sensitivity Analysis)
  • 77. کوانتیزاسیون بر مبنای تحلیل خطا (Error Analysis)
  • 78. کوانتیزاسیون برای کاربردهای بلادرنگ
  • 79. کوانتیزاسیون و امنیت مدل‌های زبانی
  • 80. حملات تضعیف کوانتیزاسیون (Quantization Attack)
  • 81. دفاع در برابر حملات تضعیف کوانتیزاسیون
  • 82. استانداردهای کوانتیزاسیون در صنعت
  • 83. آینده پژوهش در کوانتیزاسیون مدل‌های زبانی
  • 84. کوانتیزاسیون با دقت فوق‌العاده پایین (Ultra-Low Precision Quantization)
  • 85. کوانتیزاسیون ترکیبی (Hybrid Quantization)
  • 86. کوانتیزاسیون قابل تنظیم (Configurable Quantization)
  • 87. کوانتیزاسیون برای مدل‌های کوچک‌تر (Model Compression)
  • 88. کوانتیزاسیون و فشرده‌سازی مدل
  • 89. ارتباط کوانتیزاسیون با هرس کردن (Pruning)
  • 90. کوانتیزاسیون در معماری‌های جدید شبکه‌های عصبی
  • 91. کوانتیزاسیون برای پردازش زبان طبیعی اخلاقی
  • 92. حفظ حریم خصوصی با کوانتیزاسیون
  • 93. کاربردهای کوانتیزاسیون در هوش مصنوعی مسئولیت‌پذیر
  • 94. کوانتیزاسیون و دسترسی‌پذیری مدل‌های زبانی
  • 95. کوانتیزاسیون مدل‌های زبانی در مراکز تحقیقاتی ایران
  • 96. کوانتیزاسیون مدل‌های زبانی در صنعت نرم‌افزار ایران
  • 97. کوانتیزاسیون مدل‌های زبانی برای کاربردهای آموزشی
  • 98. کوانتیزاسیون مدل‌های زبانی برای پژوهشگران جوان
  • 99. ملاحظات عملی در پیاده‌سازی کوانتیزاسیون
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.