سپنتا کتاب اکسپرس
کتاب کاربرد Mixed Precision در کاهش زمان و هزینه آموزش

کتاب کاربرد Mixed Precision در کاهش زمان و هزینه آموزش

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 کاربرد Mixed Precision در کاهش زمان و هزینه آموزش

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: تکنیک‌های بهینه‌سازی آموزش (Distributed Training, Mixed Precision)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی
  • 2. مبانی شبکه‌های عصبی مصنوعی
  • 3. معماری‌های پرکاربرد شبکه‌های عصبی
  • 4. عملگرهای پایه در شبکه‌های عصبی
  • 5. توابع فعال‌سازی و نقش آن‌ها
  • 6. نحوه آموزش شبکه‌های عصبی: گرادیان کاهشی
  • 7. بهینه‌سازهای رایج در آموزش شبکه‌های عصبی
  • 8. تنظیم نرخ یادگیری و روش‌های آن
  • 9. تنظیم‌گری (Regularization) برای جلوگیری از بیش‌برازش
  • 10. روش‌های مختلف تنظیم‌گری: L1 و L2
  • 11. شبکه‌های عصبی کانولوشنی (CNN)
  • 12. معماری‌های معروف CNN
  • 13. شبکه‌های عصبی بازگشتی (RNN)
  • 14. کاربرد RNN در پردازش زبان طبیعی
  • 15. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTM)
  • 16. شبکه‌های حافظه کوتاه‌مدت طولانی (GRU)
  • 17. ترانسفورمرها و معماری Attention
  • 18. کاربرد ترانسفورمرها در NLP
  • 19. مقدمه‌ای بر محاسبات عددی و دقت ممیز شناور
  • 20. اعداد ممیز شناور در رایانه‌ها
  • 21. استاندارد IEEE 754
  • 22. انواع دقت در محاسبات ممیز شناور: دقت منفرد و دوگانه
  • 23. فرمت حافظه FP32 (Float32)
  • 24. فرمت حافظه FP16 (Float16)
  • 25. فرمت حافظه BF16 (BFloat16)
  • 26. مقایسه دقت FP32 و FP16
  • 27. مقایسه دقت FP16 و BF16
  • 28. مزایای استفاده از دقت‌های پایین‌تر
  • 29. کاهش مصرف حافظه با Mixed Precision
  • 30. سرعت بخشیدن به محاسبات با Mixed Precision
  • 31. کاهش توان مصرفی با Mixed Precision
  • 32. مفهوم Mixed Precision Training
  • 33. نقش Mixed Precision در آموزش مدل‌های بزرگ
  • 34. روش‌های پیاده‌سازی Mixed Precision
  • 35. استفاده از کتابخانه‌های یادگیری عمیق برای Mixed Precision
  • 36. TensorFlow و Mixed Precision
  • 37. PyTorch و Mixed Precision
  • 38. کلاس‌های مربوط به Mixed Precision در PyTorch
  • 39. استفاده از `torch.cuda.amp`
  • 40. استفاده از `autocast`
  • 41. استفاده از `GradScaler`
  • 42. استفاده از Mixed Precision در TensorFlow
  • 43. APIهای مربوط به Mixed Precision در TensorFlow
  • 44. `tf.keras.mixed_precision.set_global_policy`
  • 45. تنظیم سیاست Mixed Precision
  • 46. مثال عملی: آموزش یک مدل CNN با Mixed Precision
  • 47. مثال عملی: آموزش یک مدل RNN با Mixed Precision
  • 48. مثال عملی: آموزش یک مدل ترانسفورمر با Mixed Precision
  • 49. تنظیمات پیشرفته Mixed Precision
  • 50. تشخیص و رفع خطاهای رایج در Mixed Precision
  • 51. تأثیر Mixed Precision بر دقت مدل
  • 52. روش‌های حفظ دقت در Mixed Precision
  • 53. تکنیک‌های مقیاس‌بندی گرادیان (Gradient Scaling)
  • 54. مقیاس‌بندی گرادیان در PyTorch
  • 55. مقیاس‌بندی گرادیان در TensorFlow
  • 56. بهینه‌سازی سخت‌افزاری برای Mixed Precision
  • 57. پردازنده‌های گرافیکی (GPU) و پشتیبانی از Mixed Precision
  • 58. هسته‌های تنسور (Tensor Cores) در GPUهای NVIDIA
  • 59. تأثیر هسته‌های تنسور بر سرعت Mixed Precision
  • 60. سرورها و مراکز داده بهینه‌شده برای AI
  • 61. کاهش هزینه‌های سخت‌افزاری با Mixed Precision
  • 62. تأثیر Mixed Precision بر زمان آموزش
  • 63. مثال‌های کاربردی از کاهش زمان آموزش
  • 64. کاربرد Mixed Precision در تشخیص تصویر
  • 65. کاربرد Mixed Precision در پردازش زبان طبیعی
  • 66. کاربرد Mixed Precision در سیستم‌های توصیه‌گر
  • 67. کاربرد Mixed Precision در مدل‌های مولد
  • 68. کاربرد Mixed Precision در رباتیک
  • 69. کاربرد Mixed Precision در داده‌های سری زمانی
  • 70. کاربرد Mixed Precision در یادگیری تقویتی
  • 71. کاربرد Mixed Precision در مدل‌های فیزیکی
  • 72. کاربرد Mixed Precision در شبیه‌سازی‌های علمی
  • 73. کاربرد Mixed Precision در تحلیل داده‌های بزرگ
  • 74. کاربرد Mixed Precision در توسعه برنامه‌های AI
  • 75. مطالعات موردی موفق در استفاده از Mixed Precision
  • 76. بررسی فریم‌ورک‌های یادگیری عمیق و پشتیبانی از Mixed Precision
  • 77. ملاحظات امنیتی در استفاده از Mixed Precision
  • 78. آینده Mixed Precision در هوش مصنوعی
  • 79. تحولات در دقت‌های محاسباتی
  • 80. پیشرفت سخت‌افزارهای محاسباتی
  • 81. نقش Mixed Precision در دموکراتیزه کردن AI
  • 82. پایان‌نامه و پروژه‌های مرتبط با Mixed Precision
  • 83. منابع تکمیلی برای یادگیری عمیق‌تر
  • 84. مطالعه مقالات علمی در زمینه Mixed Precision
  • 85. نکات کلیدی برای موفقیت در استفاده از Mixed Precision
  • 86. جمع‌بندی و راهنمایی‌های نهایی

📚 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.