کتاب مدل‌های زبانی بزرگ روی دستگاه: معماری، پیاده‌سازی و بهینه‌سازی
, ,

کتاب مدل‌های زبانی بزرگ روی دستگاه: معماری، پیاده‌سازی و بهینه‌سازی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000026988 دسته: , ,

📚 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 مدل‌های زبانی بزرگ روی دستگاه: معماری، پیاده‌سازی و بهینه‌سازی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: On-device LLMs

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر مدل های زبانی بزرگ (LLMs)
  • 2. تعریف LLM
  • 3. تاریخچه LLM
  • 4. کاربردهای LLM
  • 5. چالش های LLM
  • 6. مدل های زبانی بزرگ روی دستگاه (On-Device LLMs)
  • 7. اهمیت On-Device LLMs
  • 8. مزایای On-Device LLMs
  • 9. معماری های LLM
  • 10. معماری ترنسفورمر (Transformer Architecture)
  • 11. مولفه های ترنسفورمر
  • 12. مکانیزم توجه (Attention Mechanism)
  • 13. انواع Attention
  • 14. ملاحظات معماری برای On-Device LLMs
  • 15. مدل های Encoder-Decoder
  • 16. مدل های Decoder-Only
  • 17. مدل های Encoder-Only
  • 18. مدل های مبتنی بر Attention Sparsity
  • 19. مدل های مبتنی بر Mixture-of-Experts (MoE)
  • 20. معماری های سبک تر (Lightweight Architectures)
  • 21. MobileBERT
  • 22. DistilBERT
  • 23. TinyBERT
  • 24. Quantized Models
  • 25. Pruned Models
  • 26. معماری های سفارشی برای دستگاه های خاص
  • 27. پیاده سازی On-Device LLMs
  • 28. مراحل پیاده سازی
  • 29. انتخاب چارچوب (Framework)
  • 30. TensorFlow Lite
  • 31. PyTorch Mobile
  • 32. ONNX Runtime
  • 33. Core ML
  • 34. ML Kit
  • 35. آماده سازی داده ها برای On-Device LLMs
  • 36. پیش پردازش متن
  • 37. توکنیزاسیون (Tokenization)
  • 38. انواع توکنایزرها
  • 39. Byte-Pair Encoding (BPE)
  • 40. WordPiece
  • 41. SentencePiece
  • 42. Tokenization برای زبان های مختلف
  • 43. آموزش (Training) یا Fine-tuning On-Device LLMs
  • 44. آموزش از ابتدا (Training from Scratch)
  • 45. Fine-tuning مدل های از پیش آموزش دیده (Pre-trained Models)
  • 46. روش های Fine-tuning
  • 47. Parameter-Efficient Fine-Tuning (PEFT)
  • 48. LoRA (Low-Rank Adaptation)
  • 49. Adapters
  • 50. Prompt Tuning
  • 51. QLoRA
  • 52. آموزش توزیع شده (Distributed Training)
  • 53. تنظیمات آموزش (Training Hyperparameters)
  • 54. تنظیمات بهینه سازی (Optimizer Settings)
  • 55. نرخ یادگیری (Learning Rate)
  • 56. اندازه بچ (Batch Size)
  • 57. تعداد Epoch ها
  • 58. تنظیمات Regularization
  • 59. مدیریت حافظه در حین آموزش
  • 60. ارزیابی On-Device LLMs
  • 61. معیارهای ارزیابی
  • 62. Perplexity
  • 63. BLEU
  • 64. ROUGE
  • 65. METEOR
  • 66. Human Evaluation
  • 67. مجموعه داده های ارزیابی
  • 68. چالش های ارزیابی روی دستگاه
  • 69. بهینه سازی On-Device LLMs
  • 70. چالش های بهینه سازی
  • 71. محدودیت های سخت افزاری (Hardware Constraints)
  • 72. محدودیت های حافظه (Memory Constraints)
  • 73. محدودیت های محاسباتی (Computational Constraints)
  • 74. محدودیت های توان مصرفی (Power Consumption Constraints)
  • 75. روش های کوانتیزاسیون (Quantization)
  • 76. انواع کوانتیزاسیون
  • 77. Post-Training Quantization (PTQ)
  • 78. Quantization-Aware Training (QAT)
  • 79. کوانتیزاسیون 8 بیتی (8-bit Quantization)
  • 80. کوانتیزاسیون 4 بیتی (4-bit Quantization)
  • 81. کوانتیزاسیون اعداد ممیز شناور (Floating-Point Quantization)
  • 82. کوانتیزاسیون اعداد صحیح (Integer Quantization)
  • 83. کوانتیزاسیون پویا (Dynamic Quantization)
  • 84. کوانتیزاسیون ایستا (Static Quantization)
  • 85. کوانتیزاسیون مختلط (Mixed-Precision Quantization)
  • 86. روش های هرس (Pruning)
  • 87. انواع هرس
  • 88. Unstructured Pruning
  • 89. Structured Pruning
  • 90. Magnitude Pruning
  • 91. Lottery Ticket Hypothesis
  • 92. Knowledge Distillation
  • 93. معماری های کوچک تر (Model Compression)
  • 94. تکنیک های فشرده سازی مدل
  • 95. Low-Rank Matrix Factorization
  • 96. Parameter Sharing
  • 97. Shared Embeddings
  • 98. Parameter Sharing در Attention
  • 99. روش های بهینه سازی زمان استنتاج (Inference Optimization)
  • 100. بهینه سازی کامپایلر (Compiler Optimization)

📚 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 مدل‌های زبانی بزرگ روی دستگاه: معماری، پیاده‌سازی و بهینه‌سازی”

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

محصولات مشابه

پیمایش به بالا