سپنتا کتاب اکسپرس
کتاب کاربرد PyTorch در ساخت مدل‌های زبانی مولد

کتاب کاربرد PyTorch در ساخت مدل‌های زبانی مولد

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 کاربرد PyTorch در ساخت مدل‌های زبانی مولد

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه به PyTorch
  • 2. نصب PyTorch
  • 3. مفاهیم پایه PyTorch: تنسورها
  • 4. عملیات تنسوری در PyTorch
  • 5. توابع فعال‌سازی در PyTorch
  • 6. بهینه‌سازها (Optimizers) در PyTorch
  • 7. توابع زیان (Loss Functions) در PyTorch
  • 8. مقدمه به شبکه‌های عصبی
  • 9. لایه‌های عصبی در PyTorch (Dense, Conv, RNN, etc.)
  • 10. ساخت مدل‌های سفارشی در PyTorch
  • 11. مقدمه به پردازش زبان طبیعی (NLP)
  • 12. نمایش متن برای مدل‌های زبانی
  • 13. فرهنگ لغات (Vocabulary) و توکن‌سازی (Tokenization)
  • 14. تعبیه‌های کلمه (Word Embeddings)
  • 15. Word2Vec و GloVe
  • 16. تعبیه‌های سفارشی با PyTorch
  • 17. مقدمه به مدل‌های زبانی مولد
  • 18. انواع مدل‌های زبانی مولد
  • 19. مدل‌های زبانی مبتنی بر N-gram
  • 20. شبکه‌های عصبی بازگشتی (RNN) برای مدل‌های زبانی
  • 21. حافظه کوتاه‌مدت طولانی (LSTM)
  • 22. واحد بازگشتی دروازه‌ای (GRU)
  • 23. ساخت RNN/LSTM/GRU با PyTorch
  • 24. آموزش RNN/LSTM/GRU برای تولید متن
  • 25. مقدمه به شبکه‌های عصبی ترنسفورمر (Transformer)
  • 26. مکانیسم توجه (Attention Mechanism)
  • 27. توجه خود (Self-Attention)
  • 28. رمزگذار-رمزگشا (Encoder-Decoder) در ترنسفورمر
  • 29. معماری ترنسفورمر با PyTorch
  • 30. مدل‌های زبانی مبتنی بر ترنسفورمر
  • 31. GPT (Generative Pre-trained Transformer)
  • 32. BERT (Bidirectional Encoder Representations from Transformers)
  • 33. تفاوت GPT و BERT
  • 34. مقدمه به GPT-2
  • 35. معماری GPT-2
  • 36. آموزش GPT-2 از ابتدا (Pre-training)
  • 37. تنظیم دقیق (Fine-tuning) GPT-2 برای وظایف خاص
  • 38. تولید متن با GPT-2
  • 39. مقدمه به GPT-3
  • 40. مقیاس GPT-3
  • 41. توانایی‌های GPT-3
  • 42. محدودیت‌های GPT-3
  • 43. مدل‌های زبانی بزرگ (LLMs)
  • 44. تکنیک‌های تولید متن پیشرفته
  • 45. نمونه‌برداری از نمونه (Sampling)
  • 46. نمونه‌برداری Top-K
  • 47. نمونه‌برداری Nucleus (Top-P)
  • 48. جستجوی پرتوشعاع (Beam Search)
  • 49. مقایسه روش‌های نمونه‌برداری
  • 50. استفاده از PyTorch برای پیاده‌سازی نمونه‌برداری
  • 51. ارزیابی مدل‌های زبانی مولد
  • 52. معیارهای ارزیابی (Perplexity, BLEU, ROUGE)
  • 53. پیاده‌سازی معیارهای ارزیابی با PyTorch
  • 54. مجموعه داده‌های رایج برای مدل‌های زبانی مولد
  • 55. آماده‌سازی داده‌ها برای آموزش
  • 56. تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و آزمون
  • 57. مدیریت حافظه در PyTorch برای مدل‌های بزرگ
  • 58. استفاده از GPU برای سرعت بخشیدن به آموزش
  • 59. موازی‌سازی داده‌ها (Data Parallelism)
  • 60. موازی‌سازی مدل (Model Parallelism)
  • 61. توزیع آموزش (Distributed Training)
  • 62. استفاده از ابزارهای PyTorch برای آموزش توزیع شده
  • 63. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 64. جستجوی شبکه‌ای (Grid Search)
  • 65. جستجوی تصادفی (Random Search)
  • 66. بهینه‌سازی بیزی (Bayesian Optimization)
  • 67. ابزارهای تنظیم فراپارامترها (Optuna, Ray Tune)
  • 68. مدل‌های زبانی مولد برای خلاقیت
  • 69. تولید شعر با PyTorch
  • 70. تولید داستان با PyTorch
  • 71. تولید کد با PyTorch
  • 72. تولید موسیقی با PyTorch
  • 73. مدل‌های زبانی مولد برای مکالمه
  • 74. ساخت چت‌بات با PyTorch
  • 75. مدل‌های زبانی مولد برای خلاصه‌سازی متن
  • 76. مدل‌های زبانی مولد برای ترجمه ماشینی
  • 77. مدل‌های زبانی مولد برای پاسخگویی به سوالات
  • 78. مدل‌های زبانی مولد برای تکمیل خودکار متن
  • 79. مدل‌های زبانی مولد برای تحلیل احساسات
  • 80. مدل‌های زبانی مولد برای تشخیص اسپم
  • 81. مدل‌های زبانی مولد برای تولید محتوای وب
  • 82. مدل‌های زبانی مولد برای بازی‌سازی
  • 83. مدل‌های زبانی مولد برای آموزش
  • 84. مدل‌های زبانی مولد برای سلامت روان
  • 85. مدل‌های زبانی مولد و اخلاق
  • 86. سوگیری در مدل‌های زبانی مولد
  • 87. تولید محتوای مضر
  • 88. حریم خصوصی و امنیت
  • 89. مسئولیت‌پذیری در توسعه مدل‌های زبانی مولد
  • 90. آینده مدل‌های زبانی مولد
  • 91. مدل‌های زبانی مولد چندوجهی (Multimodal)
  • 92. مدل‌های زبانی مولد قابل تفسیر
  • 93. مدل‌های زبانی مولد سبک‌تر و کارآمدتر
  • 94. مدل‌های زبانی مولد برای زبان‌های کم‌منابع
  • 95. مدل‌های زبانی مولد شخصی‌سازی شده
  • 96. پیاده‌سازی یک مدل زبانی مولد ساده با PyTorch (مثال عملی)
  • 97. آماده‌سازی یک مجموعه داده کوچک
  • 98. تعریف معماری مدل
  • 99. آموزش مدل
  • 100. تولید متن با مدل آموزش دیده

📚 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.