کتاب کالبدشکافی سخت‌افزار: GPUها و TPUها، موتور محرکه LLMs

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 کالبدشکافی سخت‌افزار: GPUها و TPUها، موتور محرکه LLMs

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: سخت‌افزار مورد نیاز برای آموزش LLMs (GPU, TPU)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر معماری پردازنده‌های گرافیکی (GPU)
  • 2. آشنایی با واحد پردازش تنسور (TPU)
  • 3. نقش GPUها در محاسبات موازی
  • 4. ساختار داخلی GPU: هسته‌ها، حافظه و پهنای باند
  • 5. معماری حافظه در GPUها: GDDR و HBM
  • 6. مبانی برنامه‌نویسی GPU: CUDA و OpenCL
  • 7. مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی
  • 8. شبکه‌های عصبی کانولوشنی (CNN) و کاربردهایشان
  • 9. شبکه‌های عصبی بازگشتی (RNN) و کاربردهایشان
  • 10. ترانسفورمرها: معماری نوین در پردازش زبان طبیعی
  • 11. مفهوم مدل‌های زبانی بزرگ (LLMs)
  • 12. چالش‌های آموزش LLMs
  • 13. نقش GPUها در آموزش LLMs
  • 14. تکنیک‌های موازی‌سازی در آموزش LLMs
  • 15. استفاده از چندین GPU برای آموزش
  • 16. موازی‌سازی داده (Data Parallelism)
  • 17. موازی‌سازی مدل (Model Parallelism)
  • 18. موازی‌سازی تانسور (Tensor Parallelism)
  • 19. موازی‌سازی پایپ‌لاین (Pipeline Parallelism)
  • 20. بهینه‌سازی مصرف حافظه در GPUها
  • 21. فشرده‌سازی مدل‌ها و کوانتیزاسیون
  • 22. استفاده از دقت پایین‌تر (Mixed Precision)
  • 23. تکنیک‌های کاهش بار محاسباتی
  • 24. موازنه بار بین GPUها
  • 25. مدیریت حافظه و تخصیص منابع GPU
  • 26. پایش عملکرد GPU در حین آموزش
  • 27. ابزارهای مانیتورینگ GPU: NVIDIA-SMI
  • 28. تحلیل گلوگاه‌های عملکردی GPU
  • 29. بهینه‌سازی کد CUDA برای حداکثر کارایی
  • 30. استفاده از هسته‌های تخصصی GPU (Tensor Cores)
  • 31. مقدمه‌ای بر TPUها و مزایای آن‌ها
  • 32. معماری TPU: واحدهای محاسباتی و حافظه
  • 33. مقایسه معماری GPU و TPU
  • 34. کاربرد TPUها در شتاب‌دهی یادگیری عمیق
  • 35. TPUها و آموزش مدل‌های زبانی بزرگ
  • 36. بهینه‌سازی مدل‌های LLM برای TPUها
  • 37. تکنیک‌های آموزش توزیع‌شده با TPU
  • 38. ملاحظات سخت‌افزاری برای استقرار LLMs
  • 39. انتخاب سخت‌افزار مناسب برای نیازهای LLM
  • 40. تحلیل هزینه-کارایی GPU و TPU
  • 41. پایداری سخت‌افزاری و مدیریت خطا
  • 42. نگهداری و عیب‌یابی سیستم‌های GPU/TPU
  • 43. امنیت سخت‌افزاری در مراکز داده
  • 44. ملاحظات زیست‌محیطی در استفاده از سخت‌افزار
  • 45. مصرف انرژی و خنک‌سازی سیستم‌های محاسباتی
  • 46. آیندهٔ معماری پردازنده‌های شتاب‌دهنده
  • 47. پردازنده‌های گرافیکی نسل آینده
  • 48. توسعهٔ معماری‌های جدید TPU
  • 49. نقش هوش مصنوعی در طراحی سخت‌افزار
  • 50. مفاهیم پیشرفته در شبکه‌های عصبی
  • 51. یادگیری تقویتی و کاربردهای آن
  • 52. شبکه‌های مولد تخاصمی (GANs)
  • 53. پردازش زبان طبیعی پیشرفته
  • 54. تولید متن با LLMs
  • 55. ترجمه ماشینی با LLMs
  • 56. خلاصه‌سازی متن با LLMs
  • 57. سیستم‌های پرسش و پاسخ با LLMs
  • 58. تحلیل احساسات با LLMs
  • 59. ربات‌های گفتگو (Chatbots) و LLMs
  • 60. اخلاق در هوش مصنوعی و LLMs
  • 61. مسئولیت‌پذیری در توسعه LLMs
  • 62. حریم خصوصی داده‌ها در LLMs
  • 63. سوگیری در مدل‌های LLM
  • 64. روش‌های کاهش سوگیری در LLMs
  • 65. مبانی اقتصاد محاسباتی
  • 66. مدل‌سازی اقتصادی با LLMs
  • 67. پیش‌بینی روند بازار با LLMs
  • 68. تحلیل ریسک با LLMs
  • 69. کاربرد LLMs در بهینه‌سازی فرآیندها
  • 70. اتوماسیون وظایف با LLMs
  • 71. توسعهٔ سیستم‌های هوشمند مبتنی بر LLMs
  • 72. ارزیابی و اعتبارسنجی مدل‌های LLM
  • 73. معیارهای ارزیابی LLMs
  • 74. تست‌های استاندارد برای LLMs
  • 75. روش‌های Fine-tuning LLMs
  • 76. تنظیم دقیق مدل برای وظایف خاص
  • 77. یادگیری انتقالی (Transfer Learning) در LLMs
  • 78. مقدمه‌ای بر نرم‌افزارهای شبیه‌سازی سخت‌افزار
  • 79. شبیه‌سازی بار کاری LLMs بر روی GPU
  • 80. تحلیل عملکرد در سطح تراشه
  • 81. بهینه‌سازی معماری سخت‌افزار برای LLMs
  • 82. مطالعات موردی: استقرار LLMs در صنایع مختلف
  • 83. LLMs در حوزهٔ سلامت
  • 84. LLMs در حوزهٔ آموزش
  • 85. LLMs در حوزهٔ مالی
  • 86. LLMs در حوزهٔ تولید
  • 87. تحلیل چالش‌های قانونی و نظارتی در استفاده از LLMs
  • 88. ملاحظات فنی برای پیاده‌سازی LLMs
  • 89. مستندسازی فنی پروژه‌های LLM
  • 90. مدیریت چرخهٔ عمر مدل‌های LLM
  • 91. دسترسی‌پذیری و فراگیری در LLMs
  • 92. آیندهٔ LLMs و پردازنده‌های شتاب‌دهنده

📚 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.