سپنتا کتاب اکسپرس
کتاب کوانتیزاسیون مدل‌های زبانی بزرگ: تکنیک‌های پیشرفته برای مدل‌های کارآمد

کتاب کوانتیزاسیون مدل‌های زبانی بزرگ: تکنیک‌های پیشرفته برای مدل‌های کارآمد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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 کوانتیزاسیون مدل‌های زبانی بزرگ: تکنیک‌های پیشرفته برای مدل‌های کارآمد

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر کوانتیزاسیون مدل های زبانی بزرگ
  • 2. ضرورت کوانتیزاسیون برای مدل های کارآمد
  • 3. تعریف کوانتیزاسیون و انواع آن
  • 4. کوانتیزاسیون در مقابل تقطیر مدل
  • 5. کوانتیزاسیون در مقابل هرس مدل
  • 6. مزایای کوانتیزاسیون: کاهش اندازه مدل
  • 7. مزایای کوانتیزاسیون: کاهش مصرف حافظه
  • 8. مزایای کوانتیزاسیون: افزایش سرعت استنتاج
  • 9. مزایای کوانتیزاسیون: کاهش مصرف انرژی
  • 10. چالش های کوانتیزاسیون: افت دقت
  • 11. چالش های کوانتیزاسیون: پیچیدگی پیاده سازی
  • 12. چالش های کوانتیزاسیون: سازگاری سخت افزاری
  • 13. مروری بر مدل های زبانی بزرگ (LLMs)
  • 14. معماری ترنسفورمر
  • 15. اجزای کلیدی ترنسفورمر: خود توجهی
  • 16. اجزای کلیدی ترنسفورمر: لایه های خوراک رو به جلو
  • 17. اجزای کلیدی ترنسفورمر: جاسازی ها
  • 18. اجزای کلیدی ترنسفورمر: لایه نرمال سازی
  • 19. اجزای کلیدی ترنسفورمر: اتصالات باقی مانده
  • 20. مراحل آموزش LLMs
  • 21. مراحل استنتاج LLMs
  • 22. انواع کوانتیزاسیون: کوانتیزاسیون پس از آموزش (PTQ)
  • 23. انواع کوانتیزاسیون: کوانتیزاسیون در حین آموزش (QAT)
  • 24. کوانتیزاسیون PTQ: کوانتیزاسیون مبتنی بر مقیاس
  • 25. کوانتیزاسیون PTQ: کوانتیزاسیون مبتنی بر تقاطع
  • 26. کوانتیزاسیون PTQ: کوانتیزاسیون یکنواخت
  • 27. کوانتیزاسیون PTQ: کوانتیزاسیون غیر یکنواخت
  • 28. کوانتیزاسیون PTQ: کوانتیزاسیون متقارن
  • 29. کوانتیزاسیون PTQ: کوانتیزاسیون نامتقارن
  • 30. کوانتیزاسیون PTQ: کوانتیزاسیون با دقت کم (مانند INT8، INT4)
  • 31. کوانتیزاسیون PTQ: کوانتیزاسیون با دقت متغیر
  • 32. کوانتیزاسیون PTQ: کوانتیزاسیون مبتنی بر داده
  • 33. کوانتیزاسیون PTQ: کوانتیزاسیون بدون داده
  • 34. کوانتیزاسیون PTQ: انتخاب مجموعه داده کالیبراسیون
  • 35. کوانتیزاسیون PTQ: تکنیک های کالیبراسیون
  • 36. کوانتیزاسیون QAT: تنظیم دقیق مدل کوانتیزه شده
  • 37. کوانتیزاسیون QAT: شبیه سازی کوانتیزاسیون در طول آموزش
  • 38. کوانتیزاسیون QAT: استفاده از گرادیان های شبه
  • 39. کوانتیزاسیون QAT: تکنیک های تنظیم دقیق برای QAT
  • 40. کوانتیزاسیون QAT: مزایای QAT در حفظ دقت
  • 41. کوانتیزاسیون QAT: معایب QAT در افزایش زمان آموزش
  • 42. کوانتیزاسیون کوانتیزاسیون: کوانتیزاسیون وزن
  • 43. کوانتیزاسیون کوانتیزاسیون: کوانتیزاسیون فعال سازی
  • 44. کوانتیزاسیون کوانتیزاسیون: کوانتیزاسیون ترکیبی
  • 45. کوانتیزاسیون لایه ای: کوانتیزاسیون لایه توجه
  • 46. کوانتیزاسیون لایه ای: کوانتیزاسیون لایه خوراک رو به جلو
  • 47. کوانتیزاسیون لایه ای: کوانتیزاسیون لایه های جاسازی
  • 48. کوانتیزاسیون لایه ای: کوانتیزاسیون لایه های خروجی
  • 49. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون کم-رتبه
  • 50. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون مبتنی بر دیکشنری
  • 51. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون اسپارس
  • 52. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون مبتنی بر گروه
  • 53. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون پویا
  • 54. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون تطبیقی
  • 55. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون سلسله مراتبی
  • 56. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون توجه اسپارس
  • 57. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون فعال سازی اسپارس
  • 58. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون با استفاده از یادگیری تقویتی
  • 59. تکنیک های پیشرفته کوانتیزاسیون: کوانتیزاسیون با استفاده از شبکه های عصبی مولد (GANs)
  • 60. ارزیابی کوانتیزاسیون: معیارهای دقت (Perplexity، BLEU، ROUGE)
  • 61. ارزیابی کوانتیزاسیون: معیارهای کارایی (زمان استنتاج، توان عملیاتی)
  • 62. ارزیابی کوانتیزاسیون: معیارهای حافظه (اندازه مدل، مصرف RAM)
  • 63. ارزیابی کوانتیزاسیون: معیارهای انرژی
  • 64. مقایسه تکنیک های کوانتیزاسیون مختلف
  • 65. مطالعات موردی: کوانتیزاسیون مدل های BERT
  • 66. مطالعات موردی: کوانتیزاسیون مدل های GPT
  • 67. مطالعات موردی: کوانتیزاسیون مدل های T5
  • 68. مطالعات موردی: کوانتیزاسیون مدل های LLaMA
  • 69. مطالعات موردی: کوانتیزاسیون مدل های Stable Diffusion (اگر مرتبط باشد)
  • 70. ابزارها و فریمورک های کوانتیزاسیون: PyTorch Quantization
  • 71. ابزارها و فریمورک های کوانتیزاسیون: TensorFlow Lite
  • 72. ابزارها و فریمورک های کوانتیزاسیون: ONNX Runtime
  • 73. ابزارها و فریمورک های کوانتیزاسیون: NVIDIA TensorRT
  • 74. ابزارها و فریمورک های کوانتیزاسیون: Intel OpenVINO
  • 75. ابزارها و فریمورک های کوانتیزاسیون: Hugging Face Optimum
  • 76. پیاده سازی کوانتیزاسیون در عمل
  • 77. انتخاب بهترین تکنیک کوانتیزاسیون برای یک کاربرد خاص
  • 78. تنظیم پارامترهای کوانتیزاسیون
  • 79. کوانتیزاسیون و سخت افزار شتاب دهنده (GPU، TPU، NPU)
  • 80. تأثیر کوانتیزاسیون بر مصرف حافظه نهان
  • 81. تأثیر کوانتیزاسیون بر پهنای باند حافظه
  • 82. کوانتیزاسیون و محاسبات کم-دقت (Low-Precision Computing)
  • 83. روندهای آینده در کوانتیزاسیون LLM
  • 84. کوانتیزاسیون خودکار (Auto-Quantization)
  • 85. کوانتیزاسیون با هدف حفظ وظایف خاص (Task-Specific Quantization)
  • 86. کوانتیزاسیون برای محاسبات لبه (Edge Computing)
  • 87. کوانتیزاسیون برای مدل های توزیع شده
  • 88. کوانتیزاسیون و امنیت مدل
  • 89. جمع بندی و نتیجه گیری
  • 90. پرسش و پاسخ

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.