کتاب صوتی طراحی و پیاده‌سازی مدل‌های زبان پیشرفته در Azure برای کاربردهای هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی مدل‌های زبان پیشرفته در Azure برای کاربردهای هوش مصنوعی

موضوع کلی: هوش مصنوعی و یادگیری ماشین در پلتفرم‌های ابری

موضوع میانی: بهینه‌سازی مدل‌های زبان طبیعی در Azure

📋 سرفصل‌های دوره

• 1. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
• 2. مبانی یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. یادگیری نظارت شده
• 5. یادگیری بدون نظارت
• 6. یادگیری تقویتی
• 7. مقدمه ای بر پلتفرم های ابری
• 8. مزایای استفاده از ابر برای هوش مصنوعی
• 9. معرفی سرویس های Azure AI
• 10. مبانی Azure Machine Learning
• 11. کار با Azure Machine Learning Studio
• 12. آماده سازی داده ها در Azure
• 13. پاکسازی و پیش پردازش داده ها
• 14. مهندسی ویژگی در Azure
• 15. انتخاب و تقسیم داده ها
• 16. آموزش مدل های یادگیری ماشین در Azure
• 17. انتخاب الگوریتم های مناسب
• 18. تنظیم هایپرپارامترها
• 19. ارزیابی عملکرد مدل
• 20. بهینه سازی مدل ها
• 21. مقدمه ای بر مدل های زبان طبیعی
• 22. کاربرد مدل های زبان در هوش مصنوعی
• 23. مبانی پردازش زبان طبیعی (NLP)
• 24. تکنیک های پردازش زبان طبیعی
• 25. توکن سازی و نرمال سازی متن
• 26. ریشه یابی و حذف کلمات توقف
• 27. بردار سازی متنی
• 28. مدل های زبانی آماری
• 29. مدل های زبانی مبتنی بر شبکه های عصبی
• 30. مقدمه ای بر شبکه های عصبی بازگشتی (RNN)
• 31. شبکه های حافظه کوتاه مدت طولانی (LSTM)
• 32. واحد های بازگشتی دروازه ای (GRU)
• 33. معماری ترنسفورمر
• 34. مکانیزم توجه (Attention Mechanism)
• 35. مقدمه ای بر Azure AI Language
• 36. قابلیت های Azure AI Language
• 37. تشخیص زبان
• 38. تحلیل احساسات
• 39. استخراج عبارات کلیدی
• 40. تشخیص موجودیت های نام گذاری شده (NER)
• 41. خلاصه سازی متن
• 42. ترجمه ماشینی با Azure
• 43. مقدمه ای بر مدل های زبان بزرگ (LLM)
• 44. معماری مدل های زبان بزرگ
• 45. آموزش مدل های زبان بزرگ
• 46. تنظیم دقیق (Fine-tuning) مدل های زبان بزرگ
• 47. مدیریت مدل های زبان بزرگ
• 48. کاربرد مدل های زبان بزرگ در Azure
• 49. Azure OpenAI Service
• 50. مدل GPT-3.5 Turbo
• 51. مدل GPT-4
• 52. کار با Azure OpenAI Studio
• 53. تنظیم دقیق مدل های زبانی در Azure
• 54. آماده سازی داده ها برای تنظیم دقیق
• 55. فرآیند تنظیم دقیق
• 56. ارزیابی مدل های تنظیم شده
• 57. استقرار مدل های زبان در Azure
• 58. ایجاد نقطه پایانی (Endpoint) برای مدل
• 59. مدیریت استقرار مدل
• 60. مانیتورینگ عملکرد مدل مستقر
• 61. بهینه سازی مدل های زبان برای کارایی
• 62. فشرده سازی مدل
• 63. کوانتیزاسیون مدل
• 64. تقطیر دانش
• 65. استفاده از سخت افزار شتاب دهنده
• 66. بهینه سازی کد و معماری
• 67. ملاحظات امنیتی در Azure AI
• 68. امنیت داده ها در Azure
• 69. کنترل دسترسی و احراز هویت
• 70. مدیریت کلیدها و گواهی ها
• 71. حفاظت از مدل ها در برابر سوء استفاده
• 72. ملاحظات اخلاقی در هوش مصنوعی
• 73. سوگیری در مدل ها
• 74. شفافیت و توضیح پذیری مدل ها
• 75. مسئولیت پذیری در هوش مصنوعی
• 76. کاربردهای پیشرفته مدل های زبان در Azure
• 77. تولید متن خلاقانه
• 78. ایجاد پاسخ به سوالات پیچیده
• 79. تحلیل متون علمی و فنی
• 80. سیستم های پرسش و پاسخ هوشمند
• 81. توسعه چت بات های پیشرفته
• 82. تحلیل داده های متنی بزرگ
• 83. کار با داده های چند زبانه
• 84. مقایسه مدل های مختلف زبان
• 85. انتخاب بهترین مدل برای کاربرد خاص
• 86. آینده مدل های زبان در Azure
• 87. روندهای نوظهور در NLP
• 88. توسعه مدل های زبانی کوچکتر و کارآمدتر
• 89. هوش مصنوعی مولد و کاربردهای آن
• 90. یادگیری پیوسته در مدل های زبان
• 91. جمع بندی و گام های بعدی