سپنتا کتاب اکسپرس
کتاب مبانی LLMها برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی

کتاب مبانی LLMها برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی

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 مبانی LLMها برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مدل‌های زبانی بزرگ (LLMs) - مفاهیم و اصول**

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. تاریخچه و تکامل هوش مصنوعی
  • 3. انواع یادگیری ماشین: نظارت‌شده، نظارت‌نشده و تقویتی
  • 4. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
  • 5. مبانی یادگیری عمیق
  • 6. مفاهیم کلیدی در پردازش زبان طبیعی (NLP)
  • 7. مدل‌های زبانی آماری
  • 8. معماری‌های ترنسفورمر و مکانیزم توجه
  • 9. مدل‌های زبانی بزرگ (LLMs): تعریف و اصول
  • 10. تاریخچه LLMs و مدل‌های پیشین
  • 11. معماری‌های اصلی LLMs (مانند GPT، BERT)
  • 12. فرآیند آموزش LLMs: پیش‌پردازش داده‌ها
  • 13. جمع‌آوری و پاک‌سازی داده‌های متنی
  • 14. روش‌های توکنایز کردن (Tokenization)
  • 15. تعبیه‌سازی کلمات (Word Embeddings)
  • 16. مدل‌های زبانی مبتنی بر ترنسفورمر
  • 17. مکانیسم توجه (Attention Mechanism)
  • 18. آموزش پیش‌فرض (Pre-training) LLMs
  • 19. تابع هزینه (Loss Function) در آموزش LLMs
  • 20. بهینه‌سازها (Optimizers) در آموزش LLMs
  • 21. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 22. منابع محاسباتی و سخت‌افزار مورد نیاز
  • 23. مبانی یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 24. مدل‌های زبانی بزرگ (LLMs) و کاربردهای آن‌ها
  • 25. تنظیم دقیق (Fine-tuning) LLMs برای وظایف خاص
  • 26. تنظیم دقیق نظارت‌شده (Supervised Fine-tuning)
  • 27. تنظیم دقیق با بازخورد انسانی (RLHF)
  • 28. روش‌های پیشرفته تنظیم دقیق
  • 29. کاربرد LLMs در تولید متن
  • 30. تولید متن خلاقانه و داستانی
  • 31. تولید کد برنامه‌نویسی با LLMs
  • 32. خلاصه‌سازی متن با LLMs
  • 33. ترجمه ماشینی با LLMs
  • 34. پاسخ به پرسش (Question Answering) با LLMs
  • 35. طبقه‌بندی متن با LLMs
  • 36. تشخیص موجودیت نام‌گذاری شده (NER)
  • 37. تحلیل احساسات (Sentiment Analysis)
  • 38. مدل‌های مولد (Generative Models) در NLP
  • 39. مدل‌های زبانی برای ربات‌های گفتگو (Chatbots)
  • 40. طراحی معماری ربات‌های گفتگو
  • 41. مدیریت مکالمه در ربات‌های گفتگو
  • 42. تولید پاسخ‌های طبیعی و مرتبط
  • 43. ارزیابی عملکرد ربات‌های گفتگو
  • 44. ملاحظات اخلاقی در LLMs
  • 45. سوگیری (Bias) در LLMs و روش‌های مقابله
  • 46. شفافیت و قابلیت تفسیر LLMs
  • 47. امنیت و حریم خصوصی در LLMs
  • 48. تولید محتوای ایمن و مسئولانه
  • 49. کاربردهای LLMs در صنایع مختلف
  • 50. LLMs در آموزش و پژوهش
  • 51. LLMs در حوزه سلامت و پزشکی
  • 52. LLMs در حوزه حقوق و قضا
  • 53. LLMs در حوزه کسب‌وکار و بازاریابی
  • 54. LLMs در حوزه رسانه و سرگرمی
  • 55. چالش‌های فعلی در توسعه LLMs
  • 56. بهینه‌سازی کارایی و سرعت LLMs
  • 57. کاهش مصرف منابع محاسباتی
  • 58. مقیاس‌پذیری LLMs
  • 59. دقت و صحت اطلاعات تولید شده
  • 60. مدیریت دانش در LLMs
  • 61. روش‌های به‌روزرسانی و نگهداری LLMs
  • 62. آینده LLMs و روندهای پژوهشی
  • 63. مدل‌های چندوجهی (Multimodal LLMs)
  • 64. LLMs و تعامل با جهان واقعی
  • 65. LLMs و هوش مصنوعی عمومی (AGI)
  • 66. معرفی ابزارها و کتابخانه‌های توسعه LLMs
  • 67. TensorFlow و Keras
  • 68. PyTorch
  • 69. Hugging Face Transformers
  • 70. LangChain و ابزارهای مشابه
  • 71. مبانی پیاده‌سازی LLMs
  • 72. مثال‌های عملی از استفاده از LLMs
  • 73. ساخت یک ربات گفتگو ساده
  • 74. تولید محتوای متنی برای وبلاگ
  • 75. خلاصه‌سازی مقالات علمی
  • 76. ترجمه جملات کوتاه
  • 77. تحلیل احساسات نظرات کاربران
  • 78. نکات مهم در توسعه و به‌کارگیری LLMs
  • 79. اصول مهندسی پرامپت (Prompt Engineering)
  • 80. طراحی پرامپت‌های مؤثر
  • 81. تکنیک‌های پیشرفته مهندسی پرامپت
  • 82. ارزیابی خروجی LLMs
  • 83. معیارهای ارزیابی کیفیت متن تولیدی
  • 84. ارزیابی پاسخ به پرسش
  • 85. ارزیابی خلاصه‌سازی
  • 86. ارزیابی ترجمه
  • 87. ملاحظات فنی در استقرار LLMs
  • 88. نحوه استفاده از APIهای LLMs
  • 89. استقرار مدل‌های محلی (Local Deployment)
  • 90. نکات امنیتی در استفاده از LLMs
  • 91. توسعه پایدار LLMs
  • 92. نقش LLMs در تحول دیجیتال
  • 93. جمع‌بندی و چشم‌انداز آینده

📚 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.