سپنتا کتاب اکسپرس
کتاب شتاب‌دهی به یادگیری ماشین: تکنیک‌های پردازش موازی برای مدل‌های بزرگ

کتاب شتاب‌دهی به یادگیری ماشین: تکنیک‌های پردازش موازی برای مدل‌های بزرگ

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شتاب‌دهی به یادگیری ماشین: تکنیک‌های پردازش موازی برای مدل‌های بزرگ

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی و معماری‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. در اینجا 100 سرفصل برای دوره آموزشی "شتاب‌دهی به یادگیری ماشین: تکنیک‌های پردازش موازی برای مدل‌های بزرگ" با الهام از کتاب "پردازش موازی در یادگیری ماشین" آورده شده است:
  • 2. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 3. مبانی یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. انواع مدل‌های یادگیری ماشین: رگرسیون، طبقه‌بندی، خوشه‌بندی
  • 5. یادگیری عمیق: شبکه‌های عصبی و لایه‌های آن‌ها
  • 6. مقدمه‌ای بر پردازش موازی
  • 7. مزایای پردازش موازی در یادگیری ماشین
  • 8. انواع معماری‌های پردازش موازی: SIMD، MIMD
  • 9. مدل‌های موازی‌سازی: داده موازی، مدل موازی
  • 10. چالش‌های پردازش موازی در یادگیری ماشین
  • 11. معماری‌های سخت‌افزاری رایج برای یادگیری ماشین: CPU، GPU
  • 12. معماری GPU: هسته‌ها، حافظه، پهنای باند
  • 13. برنامه‌نویسی GPU: CUDA، OpenCL
  • 14. مبانی الگوریتم‌های یادگیری ماشین قابل موازی‌سازی
  • 15. موازی‌سازی الگوریتم‌های رگرسیون خطی
  • 16. موازی‌سازی الگوریتم‌های رگرسیون لجستیک
  • 17. موازی‌سازی الگوریتم‌های ماشین بردار پشتیبان (SVM)
  • 18. موازی‌سازی الگوریتم‌های درخت تصمیم
  • 19. موازی‌سازی الگوریتم‌های جنگل تصادفی
  • 20. موازی‌سازی الگوریتم‌های K-نزدیکترین همسایه (KNN)
  • 21. موازی‌سازی الگوریتم‌های K-میانگین (K-Means)
  • 22. موازی‌سازی الگوریتم‌های تجزیه مولفه‌های اصلی (PCA)
  • 23. مبانی شبکه‌های عصبی مصنوعی (ANN)
  • 24. موازی‌سازی در لایه‌های ورودی شبکه‌های عصبی
  • 25. موازی‌سازی در لایه‌های پنهان شبکه‌های عصبی
  • 26. موازی‌سازی در لایه‌های خروجی شبکه‌های عصبی
  • 27. موازی‌سازی الگوریتم انتشار رو به عقب (Backpropagation)
  • 28. موازی‌سازی الگوریتم‌های گرادیان کاهشی دسته‌ای (Batch Gradient Descent)
  • 29. موازی‌سازی الگوریتم‌های گرادیان کاهشی تصادفی (Stochastic Gradient Descent)
  • 30. موازی‌سازی الگوریتم‌های بهینه‌سازهای پیشرفته: Adam، RMSprop
  • 31. مبانی شبکه‌های عصبی کانولوشنی (CNN)
  • 32. موازی‌سازی عملیات کانولوشن
  • 33. موازی‌سازی عملیات Pooling
  • 34. موازی‌سازی در لایه‌های Fully Connected در CNN
  • 35. کاربرد CNN در پردازش تصویر و موازی‌سازی
  • 36. مبانی شبکه‌های عصبی بازگشتی (RNN)
  • 37. موازی‌سازی در واحدهای زمانی RNN
  • 38. موازی‌سازی در لایه‌های پنهان RNN
  • 39. موازی‌سازی در لایه‌های خروجی RNN
  • 40. کاربرد RNN در پردازش زبان طبیعی و موازی‌سازی
  • 41. مبانی شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 42. موازی‌سازی در گیت‌های LSTM
  • 43. کاربرد LSTM در پردازش دنباله‌های طولانی و موازی‌سازی
  • 44. مبانی شبکه‌های حافظه کوتاه مدت (GRU)
  • 45. موازی‌سازی در گیت‌های GRU
  • 46. کاربرد GRU و مقایسه با LSTM در موازی‌سازی
  • 47. مبانی شبکه‌های مولد تخاصمی (GAN)
  • 48. موازی‌سازی در بخش تولیدکننده (Generator) GAN
  • 49. موازی‌سازی در بخش تفکیک‌کننده (Discriminator) GAN
  • 50. موازی‌سازی در فرآیند آموزش GAN
  • 51. کاربرد GAN در تولید داده و موازی‌سازی
  • 52. مبانی شبکه‌های ترنسفورمر
  • 53. موازی‌سازی مکانیزم توجه (Attention Mechanism)
  • 54. موازی‌سازی در لایه‌های Encoder و Decoder ترنسفورمر
  • 55. کاربرد ترنسفورمر در پردازش زبان طبیعی و موازی‌سازی
  • 56. موازی‌سازی در مدل‌های زبان بزرگ (LLM)
  • 57. استراتژی‌های موازی‌سازی داده برای LLM
  • 58. استراتژی‌های موازی‌سازی مدل برای LLM
  • 59. استراتژی‌های موازی‌سازی پایپ‌لاین برای LLM
  • 60. بهینه‌سازی ارتباطات در پردازش موازی یادگیری ماشین
  • 61. تکنیک‌های کاهش سربار ارتباطی
  • 62. استفاده از سخت‌افزارهای تخصصی: TPU، FPGA
  • 63. معماری‌های تراشه‌ای برای یادگیری عمیق
  • 64. فریم‌ورک‌های یادگیری ماشین موازی: TensorFlow، PyTorch
  • 65. پیاده‌سازی موازی‌سازی با TensorFlow
  • 66. پیاده‌سازی موازی‌سازی با PyTorch
  • 67. ابزارهای پروفایلینگ و اشکال‌زدایی در یادگیری ماشین موازی
  • 68. اندازه‌گیری عملکرد مدل‌های موازی
  • 69. تحلیل گلوگاه‌های پردازشی
  • 70. بهینه‌سازی مصرف حافظه در مدل‌های بزرگ
  • 71. تکنیک‌های کوانتیزاسیون (Quantization) برای شتاب‌دهی
  • 72. تکنیک‌های تقطیر دانش (Knowledge Distillation)
  • 73. موازی‌سازی در یادگیری تقویتی عمیق (DRL)
  • 74. موازی‌سازی الگوریتم‌های Policy Gradient
  • 75. موازی‌سازی الگوریتم‌های Actor-Critic
  • 76. موازی‌سازی در محیط‌های شبیه‌سازی شده برای DRL
  • 77. کاربرد DRL در رباتیک و بازی‌ها و موازی‌سازی
  • 78. موازی‌سازی در یادگیری نیمه نظارت شده (Semi-Supervised Learning)
  • 79. موازی‌سازی در یادگیری خودنظارت شده (Self-Supervised Learning)
  • 80. موازی‌سازی در یادگیری فدرال (Federated Learning)
  • 81. چالش‌های امنیتی و حریم خصوصی در یادگیری ماشین موازی
  • 82. ملاحظات اخلاقی در استفاده از مدل‌های بزرگ و موازی
  • 83. آینده پردازش موازی در یادگیری ماشین
  • 84. نوآوری‌های سخت‌افزاری آینده
  • 85. پیشرفت‌های نرم‌افزاری و الگوریتمی
  • 86. نقش هوش مصنوعی در طراحی سیستم‌های موازی
  • 87. نتیجه‌گیری و جمع‌بندی دوره

📚 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.