کتاب صوتی طراحی و پیاده‌سازی سیستم‌های هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی سیستم‌های هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: معماری‌های هوش مصنوعی مولد

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLM)
• 3. معماری مدل‌های ترانسفورمر
• 4. نحوه آموزش و تنظیم دقیق مدل‌های زبانی
• 5. مفاهیم کلیدی در مدل‌های زبانی مولد
• 6. مقدمه‌ای بر مهندسی پرامپت (Prompt Engineering)
• 7. تکنیک‌های پیشرفته مهندسی پرامپت
• 8. طراحی پرامپت‌های مؤثر برای وظایف مختلف
• 9. ارزیابی کیفیت پرامپت‌ها
• 10. مقدمه‌ای بر بازیابی افزوده (Retrieval Augmented Generation - RAG)
• 11. اجزای اصلی سیستم‌های RAG
• 12. نحوه انتخاب و تنظیم مدل‌های زبانی در RAG
• 13. کاربرد پایگاه‌های داده برداری (Vector Databases)
• 14. مفاهیم پایگاه‌های داده برداری
• 15. معماری‌های پایگاه داده برداری
• 16. نحوه ذخیره و جستجو در پایگاه‌های داده برداری
• 17. ارتباط بین RAG و پایگاه‌های داده برداری
• 18. طراحی سیستم‌های تولید محتوا با LLM
• 19. پیاده‌سازی سیستم‌های پرسش و پاسخ مبتنی بر LLM
• 20. تولید کد با استفاده از LLM
• 21. خلاصه‌سازی متون با LLM
• 22. ترجمه ماشینی با LLM
• 23. سیستم‌های مکالمه‌ای و چت‌بات‌ها با LLM
• 24. کاربرد LLM در تحلیل احساسات
• 25. کاربرد LLM در تولید داستان و شعر
• 26. اصول امنیتی در سیستم‌های هوش مصنوعی مولد
• 27. مسائل اخلاقی در هوش مصنوعی مولد
• 28. انطباق با قوانین و مقررات جمهوری اسلامی ایران در هوش مصنوعی
• 29. حفاظت از داده‌ها و حریم خصوصی در سیستم‌های هوش مصنوعی
• 30. مقدمه‌ای بر مدل‌های زبانی کوچک (SLM)
• 31. مقایسه LLM و SLM
• 32. فناوری‌های جدید در حوزه مدل‌های زبانی
• 33. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
• 34. کاربرد یادگیری تقویتی در مدل‌های زبانی
• 35. مقدمه‌ای بر شبکه‌های عصبی گرافی (Graph Neural Networks)
• 36. کاربرد GNN در پردازش زبان طبیعی
• 37. مقدمه‌ای بر مدل‌های انتشار (Diffusion Models)
• 38. کاربرد مدل‌های انتشار در تولید تصویر
• 39. تکنیک‌های یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
• 40. کاربرد یادگیری نیمه‌نظارتی در LLM
• 41. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
• 42. بهینه‌سازی مدل‌های زبانی برای سخت‌افزارهای مختلف
• 43. فشرده‌سازی مدل‌های زبانی
• 44. کوانتیزاسیون مدل‌های زبانی
• 45. استفاده از تکنیک‌های Distillation
• 46. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
• 47. کاربرد مهندسی ویژگی در مدل‌های زبانی
• 48. مدیریت داده‌ها در پروژه‌های هوش مصنوعی مولد
• 49. پاکسازی و پیش‌پردازش داده‌ها
• 50. برچسب‌گذاری داده‌ها
• 51. ارزیابی و اعتبارسنجی مدل‌ها
• 52. معیارهای ارزیابی مدل‌های زبانی
• 53. تکنیک‌های اعتبارسنجی متقابل (Cross-validation)
• 54. مقدمه‌ای بر مدل‌های زبانی چندوجهی (Multimodal LLMs)
• 55. کاربرد LLM در ترکیب متن و تصویر
• 56. کاربرد LLM در ترکیب متن و صوت
• 57. طراحی سیستم‌های توصیه‌گر با LLM
• 58. شخصی‌سازی محتوا با LLM
• 59. مقدمه‌ای بر مباحث حقوقی و مالکیت فکری در هوش مصنوعی مولد
• 60. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 61. مدل‌های زبانی متن‌باز (Open-Source LLMs)
• 62. نحوه استفاده از مدل‌های زبانی متن‌باز
• 63. استانداردهای کدنویسی در پروژه‌های هوش مصنوعی
• 64. مستندسازی سیستم‌های هوش مصنوعی مولد
• 65. مقدمه‌ای بر معماری‌های توزیع‌شده برای LLM
• 66. پردازش موازی در آموزش LLM
• 67. کاربرد GPU و TPU در آموزش LLM
• 68. بهینه‌سازی مصرف منابع در سیستم‌های LLM
• 69. مدیریت چرخه عمر مدل‌های هوش مصنوعی
• 70. مقدمه‌ای بر هوش مصنوعی اخلاقی (Ethical AI)
• 71. طراحی سیستم‌های هوش مصنوعی عادلانه
• 72. جلوگیری از سوگیری در مدل‌های زبانی
• 73. مقدمه‌ای بر هوش مصنوعی قابل تفسیر (Interpretable AI)
• 74. تکنیک‌های تفسیرپذیری مدل‌های زبانی
• 75. ارتباط هوش مصنوعی مولد با علوم شناختی
• 76. مقدمه‌ای بر مدل‌های زبانی عصبی
• 77. معماری‌های پیشین مدل‌های زبانی (RNN, LSTM)
• 78. تفاوت ترانسفورمر با معماری‌های پیشین
• 79. کاربرد LLM در آموزش و یادگیری
• 80. طراحی ابزارهای آموزشی با هوش مصنوعی
• 81. مقدمه‌ای بر بهینه‌سازی پردازش زبان طبیعی (NLP)
• 82. تکنیک‌های پیشرفته پردازش زبان طبیعی
• 83. کاربرد LLM در تحلیل داده‌های بزرگ
• 84. مقدمه‌ای بر هوش مصنوعی در صنعت
• 85. کاربرد LLM در کسب‌وکارها
• 86. تحول دیجیتال با استفاده از هوش مصنوعی مولد
• 87. مقدمه‌ای بر هوش مصنوعی و اینترنت اشیا (IoT)
• 88. کاربرد LLM در سیستم‌های هوشمند
• 89. مقدمه‌ای بر آینده هوش مصنوعی مولد
• 90. روندهای تحقیقاتی در حوزه LLM
• 91. چالش‌های پیش روی توسعه هوش مصنوعی مولد
• 92. نقش هوش مصنوعی مولد در پیشرفت علم
• 93. مقدمه‌ای بر کاربردهای پزشکی هوش مصنوعی
• 94. کاربرد LLM در حوزه سلامت
• 95. تحلیل داده‌های پزشکی با LLM
• 96. مقدمه‌ای بر هوش مصنوعی در حوزه حقوق
• 97. کاربرد LLM در تحلیل اسناد حقوقی
• 98. مقدمه‌ای بر هوش مصنوعی در حوزه کشاورزی
• 99. کاربرد LLM در بهینه‌سازی فرایندهای کشاورزی
• 100. مقدمه‌ای بر هوش مصنوعی در حوزه انرژی