سپنتا کتاب اکسپرس
کتاب Advanced Techniques in TensorFlow for LLMs

کتاب Advanced Techniques in TensorFlow for 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 Advanced Techniques in TensorFlow for LLMs

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی
  • 2. آشنایی با کتابخانه TensorFlow
  • 3. نصب و راه‌اندازی TensorFlow
  • 4. ساخت اولین مدل یادگیری عمیق در TensorFlow
  • 5. مبانی شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 6. آموزش مدل‌های MLP با داده‌های طبقه‌بندی
  • 7. آموزش مدل‌های MLP با داده‌های رگرسیون
  • 8. بهینه‌سازی مدل‌های MLP: توابع هزینه و بهینه‌سازها
  • 9. تنظیم ابرپارامترها در مدل‌های MLP
  • 10. معماری‌های پیشرفته شبکه‌های عصبی: شبکه‌های عصبی کانولوشنال (CNN)
  • 11. کاربرد CNN در پردازش تصویر
  • 12. ساخت مدل‌های CNN برای طبقه‌بندی تصاویر
  • 13. تنظیم معماری CNN: لایه‌ها و فیلترها
  • 14. شبکه‌های عصبی بازگشتی (RNN) و کاربردهای آن
  • 15. مدل‌های LSTM و GRU برای داده‌های ترتیبی
  • 16. کاربرد RNN در پردازش زبان طبیعی (NLP)
  • 17. ساخت مدل‌های RNN برای تحلیل احساسات
  • 18. آموزش مدل‌های ترتیبی با TensorFlow
  • 19. مبانی مدل‌های ترنسفورمر (Transformer)
  • 20. معماری Attention و Self-Attention
  • 21. کاربرد ترنسفورمر در مدل‌های زبانی بزرگ (LLMs)
  • 22. مقدمه‌ای بر پردازش زبان طبیعی در TensorFlow
  • 23. پیش‌پردازش متن برای مدل‌های NLP
  • 24. تعبیه‌سازی کلمات (Word Embeddings): Word2Vec، GloVe
  • 25. تعبیه‌سازی کلمات با TensorFlow
  • 26. ساخت مدل‌های زبانی ساده با TensorFlow
  • 27. آموزش مدل‌های زبانی با استفاده از RNN و LSTM
  • 28. آموزش مدل‌های زبانی با استفاده از ترنسفورمر
  • 29. مبانی مدل‌های تولید متن (Text Generation)
  • 30. تنظیم پارامترهای مدل‌های تولید متن
  • 31. ارزیابی مدل‌های تولید متن
  • 32. مقدمه‌ای بر مدل‌های مولد (Generative Models)
  • 33. شبکه‌های مولد تخاصمی (GANs)
  • 34. کاربرد GANs در تولید تصویر
  • 35. آموزش GANs با TensorFlow
  • 36. مدل‌های انتشار (Diffusion Models)
  • 37. کاربرد مدل‌های انتشار در تولید تصویر
  • 38. آموزش مدل‌های انتشار با TensorFlow
  • 39. مبانی مدل‌های زبانی بزرگ (LLMs)
  • 40. معماری‌های پیشرفته LLMs: GPT، BERT، LLaMA
  • 41. آموزش LLMs از ابتدا: چالش‌ها و راهکارها
  • 42. تنظیم دقیق (Fine-tuning) LLMs برای وظایف خاص
  • 43. کاربرد Fine-tuning در طبقه‌بندی متن
  • 44. کاربرد Fine-tuning در پاسخگویی به سوالات
  • 45. کاربرد Fine-tuning در خلاصه‌سازی متن
  • 46. تکنیک‌های پیشرفته در Fine-tuning LLMs
  • 47. آموزش تقویتی (Reinforcement Learning) و LLMs
  • 48. کاربرد RLHF (Reinforcement Learning from Human Feedback)
  • 49. پیاده‌سازی RLHF با TensorFlow
  • 50. مبانی یادگیری انتقالی (Transfer Learning)
  • 51. کاربرد Transfer Learning در NLP
  • 52. استفاده از مدل‌های از پیش آموزش‌دیده (Pre-trained Models)
  • 53. مدیریت و استفاده از مدل‌های از پیش آموزش‌دیده
  • 54. استقرار مدل‌های LLMs در محیط عملیاتی
  • 55. بهینه‌سازی مدل‌های LLMs برای استنتاج (Inference)
  • 56. تکنیک‌های کوانتیزاسیون (Quantization) برای LLMs
  • 57. تکنیک‌های تقطیر دانش (Knowledge Distillation)
  • 58. چالش‌های اخلاقی و اجتماعی در استفاده از LLMs
  • 59. مسئولیت‌پذیری در توسعه و به‌کارگیری LLMs
  • 60. روش‌های ارزیابی جامع LLMs
  • 61. تکنیک‌های بهبود کیفیت خروجی LLMs
  • 62. مدیریت حافظه و منابع در آموزش LLMs
  • 63. معماری‌های توزیع‌شده برای آموزش LLMs
  • 64. استفاده از سخت‌افزارهای تخصصی (GPU, TPU)
  • 65. بهینه‌سازی کد TensorFlow برای عملکرد بهتر
  • 66. مبانی پردازش توزیع‌شده با TensorFlow
  • 67. استفاده از TensorFlow Extended (TFX)
  • 68. خطوط لوله (Pipelines) در TFX
  • 69. مدیریت داده‌ها و ویژگی‌ها در TFX
  • 70. آموزش و ارزیابی مدل در TFX
  • 71. استقرار مدل با TFX
  • 72. کاربرد LLMs در حوزه‌های علمی و پژوهشی
  • 73. LLMs در تحلیل داده‌های پزشکی
  • 74. LLMs در آموزش و یادگیری
  • 75. LLMs در توسعه نرم‌افزار
  • 76. LLMs در حوزه هوش مصنوعی مولد (Generative AI)
  • 77. آینده LLMs و روندهای تحقیقاتی
  • 78. مباحث پیشرفته در معماری ترنسفورمر
  • 79. مدل‌های LLM با کارایی بالا (Efficient LLMs)
  • 80. روش‌های کاهش اندازه مدل‌های LLM
  • 81. تکنیک‌های یادگیری مداوم (Continual Learning) برای LLMs
  • 82. LLMs و درک زمینه (Context Understanding)
  • 83. تکنیک‌های استدلال (Reasoning) در LLMs
  • 84. LLMs و تولید کد
  • 85. LLMs و رابط‌های کاربری هوشمند
  • 86. ملاحظات امنیتی در استفاده از LLMs
  • 87. حریم خصوصی و حفاظت از داده‌ها در LLMs
  • 88. اخلاق در طراحی و توسعه LLMs
  • 89. قوانین و مقررات مرتبط با LLMs در ایران
  • 90. چشم‌انداز بومی‌سازی و توسعه LLMs در ایران
  • 91. آینده‌پژوهی LLMs با رویکرد اسلامی
  • 92. کاربرد LLMs در ترویج معارف اسلامی
  • 93. توسعه LLMs با تمرکز بر زبان فارسی
  • 94. فرهنگ‌سازی استفاده صحیح از LLMs
  • 95. پروژه‌های عملی با استفاده از TensorFlow و LLMs
  • 96. کارگاه عملی: Fine-tuning یک LLM برای وظیفه فارسی
  • 97. کارگاه عملی: ساخت یک سیستم پرسش و پاسخ با LLMs
  • 98. کارگاه عملی: تولید محتوای خلاقانه با LLMs
  • 99. طراحی و پیاده‌سازی یک پروژه LLM کاربردی
  • 100. ارائه و نقد پروژه‌های دانشجویی

📚 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.