کتاب مقدمه‌ای بر محاسبات در هوش مصنوعی مولد (Generative AI)
, ,

کتاب مقدمه‌ای بر محاسبات در هوش مصنوعی مولد (Generative AI)

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000000362 دسته: , , برچسب: , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مقدمه‌ای بر محاسبات در هوش مصنوعی مولد (Generative AI)

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر هوش مصنوعی مولد
  • 2. مبانی هوش مصنوعی
  • 3. یادگیری ماشین مقدماتی
  • 4. انواع یادگیری ماشین
  • 5. یادگیری تحت نظارت
  • 6. یادگیری بدون نظارت
  • 7. یادگیری تقویتی
  • 8. مبانی شبکه‌های عصبی
  • 9. نورون مصنوعی
  • 10. توابع فعال‌سازی
  • 11. لایه‌های شبکه‌های عصبی
  • 12. پس‌انتشار خطا (Backpropagation)
  • 13. بهینه‌سازی در شبکه‌های عصبی
  • 14. نرخ یادگیری
  • 15. گرادیان کاهشی (Gradient Descent)
  • 16. بهینه‌سازهای پیشرفته (Adam, RMSprop)
  • 17. شبکه‌های عصبی کانولوشنال (CNN)
  • 18. کاربرد CNN در پردازش تصویر
  • 19. شبکه‌های عصبی بازگشتی (RNN)
  • 20. کاربرد RNN در پردازش متن
  • 21. حافظه بلند-کوتاه مدت (LSTM)
  • 22. شبکه واحد بازگشتی (GRU)
  • 23. مدل‌های زبان (Language Models)
  • 24. یادگیری نمایش (Representation Learning)
  • 25. جاسازی کلمات (Word Embeddings)
  • 26. Word2Vec
  • 27. GloVe
  • 28. مبانی محاسبات سطح بالا (HPC)
  • 29. مفاهیم HPC
  • 30. سخت‌افزار HPC
  • 31. پردازنده‌های گرافیکی (GPU)
  • 32. موازی‌سازی
  • 33. معماری GPU
  • 34. حافظه GPU
  • 35. دستورالعمل‌های SIMD
  • 36. موازی‌سازی داده
  • 37. موازی‌سازی وظیفه
  • 38. انواع موازی‌سازی
  • 39. موازی‌سازی از طریق تقسیم داده
  • 40. موازی‌سازی از طریق تقسیم وظیفه
  • 41. ارتباط بین پردازنده‌ها
  • 42. پهنای باند حافظه
  • 43. تأخیر
  • 44. کارایی HPC
  • 45. معیارهای سنجش کارایی
  • 46. محاسبات موازی
  • 47. مدل برنامه‌نویسی موازی
  • 48. MPI (Message Passing Interface)
  • 49. OpenMP
  • 50. CUDA (Compute Unified Device Architecture)
  • 51. برنامه‌نویسی CUDA
  • 52. کرنل‌های CUDA
  • 53. مدیریت حافظه در CUDA
  • 54. همگام‌سازی در CUDA
  • 55. بهینه‌سازی کد CUDA
  • 56. NCCL (NVIDIA Collective Communications Library)
  • 57. Framework های یادگیری عمیق
  • 58. TensorFlow
  • 59. Keras
  • 60. PyTorch
  • 61. مدل‌های مولد
  • 62. مقدمه‌ای بر مدل‌های مولد
  • 63. مدل‌های مولد در مقابل مدل‌های تفکیکی
  • 64. انواع مدل‌های مولد
  • 65. مدل‌های مولد مبتنی بر شبکه‌های عصبی
  • 66. مدل‌های مولد مبتنی بر احتمال
  • 67. مدل‌های مولد مبتنی بر انتشار (Diffusion Models)
  • 68. شبکه‌های مولد تخاصمی (GANs)
  • 69. معماری GAN
  • 70. عملکرد GAN
  • 71. آموزش GAN
  • 72. مشکلات در آموزش GAN
  • 73. کاربرد GAN
  • 74. مدل‌های مولد مبتنی بر انتشار
  • 75. مفاهیم انتشار
  • 76. انتشار معکوس
  • 77. فرآیند انتشار
  • 78. فرآیند معکوس
  • 79. آموزش مدل‌های انتشار
  • 80. کاربرد مدل‌های انتشار
  • 81. تولید تصویر
  • 82. تولید متن
  • 83. تولید صدا
  • 84. مدل‌های ترنسفورمر (Transformers)
  • 85. مکانیسم توجه (Attention Mechanism)
  • 86. توجه خودی (Self-Attention)
  • 87. کدگذار-رمزگشا (Encoder-Decoder)
  • 88. ترنسفورمرهای اولیه
  • 89. مدل‌های زبانی بزرگ (LLMs)
  • 90. معماری ترنسفورمر در LLMs
  • 91. آموزش LLMs
  • 92. تنظیم دقیق LLMs (Fine-tuning)
  • 93. Prompt Engineering
  • 94. کاربرد LLMs
  • 95. تولید متن خلاقانه
  • 96. ترجمه ماشینی
  • 97. خلاصه‌سازی متن
  • 98. پاسخ به سوالات
  • 99. مباحث پیشرفته در مدل‌های مولد
  • 100. Multimodal Generative Models

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب مقدمه‌ای بر محاسبات در هوش مصنوعی مولد (Generative AI)”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا