سپنتا کتاب اکسپرس
کتاب راهنمای جامع برای پیاده‌سازی Distributed Training و Mixed Precision

کتاب راهنمای جامع برای پیاده‌سازی Distributed Training و Mixed Precision

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 راهنمای جامع برای پیاده‌سازی Distributed Training و Mixed Precision

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 یادگیری ماشین
  • 3. مفاهیم کلیدی در شبکه‌های عصبی مصنوعی
  • 4. انواع شبکه‌های عصبی: پرسپترون چندلایه
  • 5. شبکه‌های عصبی کانولوشنی (CNN)
  • 6. شبکه‌های عصبی بازگشتی (RNN)
  • 7. کاربرد شبکه‌های عصبی در پردازش تصویر
  • 8. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
  • 9. مقدمه‌ای بر آموزش توزیع‌شده (Distributed Training)
  • 10. چرا آموزش توزیع‌شده؟ مزایا و چالش‌ها
  • 11. معماری‌های آموزش توزیع‌شده
  • 12. آموزش موازی داده (Data Parallelism)
  • 13. آموزش موازی مدل (Model Parallelism)
  • 14. آموزش موازی خط لوله (Pipeline Parallelism)
  • 15. استراتژی‌های همگام‌سازی در آموزش توزیع‌شده
  • 16. همگام‌سازی سراسری (All-reduce)
  • 17. همگام‌سازی ناهمگام (Asynchronous SGD)
  • 18. مقایسه روش‌های همگام‌سازی
  • 19. ابزارها و فریم‌ورک‌های آموزش توزیع‌شده
  • 20. TensorFlow Distributed
  • 21. PyTorch DistributedDataParallel
  • 22. Horovod
  • 23. مفاهیم کلیدی در Mixed Precision Training
  • 24. اعداد ممیز شناور ۳۲ بیتی (FP32)
  • 25. اعداد ممیز شناور ۱۶ بیتی (FP16)
  • 26. اعداد ممیز شناور ۸ بیتی (INT8)
  • 27. مزایای استفاده از Mixed Precision
  • 28. کاهش مصرف حافظه
  • 29. افزایش سرعت آموزش
  • 30. چالش‌های Mixed Precision
  • 31. کاهش دقت عددی
  • 32. ناپایداری عددی
  • 33. تکنیک‌های بهبود Mixed Precision
  • 34. Scaling گرادیان (Gradient Scaling)
  • 35. تکنیک‌های نگهداری دقت (Loss Scaling)
  • 36. استفاده از انواع داده‌های ترکیبی
  • 37. پیاده‌سازی Mixed Precision با PyTorch
  • 38. استفاده از `torch.cuda.amp`
  • 39. `autocast` و `GradScaler`
  • 40. پیاده‌سازی Mixed Precision با TensorFlow
  • 41. استفاده از `tf.keras.mixed_precision`
  • 42. تنظیمات `mixed_precision.set_global_policy`
  • 43. بهینه‌سازی سخت‌افزاری برای Mixed Precision
  • 44. کارت‌های گرافیک سازگار با FP16
  • 45. تکنولوژی Tensor Cores انویدیا
  • 46. تنظیمات درایور و CUDA
  • 47. آموزش توزیع‌شده و Mixed Precision با هم
  • 48. ترکیب Data Parallelism و Mixed Precision
  • 49. ترکیب Model Parallelism و Mixed Precision
  • 50. کاربردها و مطالعات موردی
  • 51. آموزش مدل‌های بزرگ زبان (LLMs)
  • 52. آموزش مدل‌های بینایی کامپیوتر
  • 53. بهینه‌سازی مدل‌های یادگیری عمیق برای استقرار
  • 54. چالش‌های مقیاس‌پذیری در آموزش مدل‌های عظیم
  • 55. نکات پیشرفته در آموزش توزیع‌شده
  • 56. بهینه‌سازی ارتباطات شبکه
  • 57. مدیریت حافظه در گره‌های توزیع‌شده
  • 58. تکنیک‌های تحمل خطا در آموزش توزیع‌شده
  • 59. نکات پیشرفته در Mixed Precision
  • 60. تنظیم خودکار مقیاس گرادیان
  • 61. استفاده از انواع داده‌های سفارشی
  • 62. بررسی و اعتبارسنجی مدل‌های آموزش‌دیده با Mixed Precision
  • 63. ارزیابی عملکرد و دقت
  • 64. مقایسه نتایج با آموزش FP32
  • 65. تکنیک‌های اشکال‌زدایی در آموزش توزیع‌شده و Mixed Precision
  • 66. مانیتورینگ منابع سیستم
  • 67. تحلیل لاگ‌ها و خطاها
  • 68. ملاحظات امنیتی در آموزش توزیع‌شده
  • 69. حفاظت از داده‌ها در طول انتقال
  • 70. امنیت گره‌های محاسباتی
  • 71. ملاحظات اخلاقی در توسعه مدل‌های هوش مصنوعی
  • 72. مسئولیت‌پذیری و شفافیت
  • 73. جلوگیری از سوگیری در داده‌ها و مدل‌ها
  • 74. آینده آموزش توزیع‌شده و Mixed Precision
  • 75. یادگیری فدرال (Federated Learning)
  • 76. آموزش روی سخت‌افزارهای نوین
  • 77. تکنیک‌های خودکارسازی آموزش
  • 78. مقدمه‌ای بر مفاهیم شبکه‌های مولد (Generative Networks)
  • 79. شبکه‌های مولد تخاصمی (GANs)
  • 80. انواع معماری‌های GAN
  • 81. کاربرد GANs در تولید تصویر
  • 82. شبکه‌های تبدیل‌کننده (Transformers)
  • 83. معماری ترنسفورمر و مکانیزم توجه (Attention)
  • 84. کاربرد ترنسفورمرها در پردازش زبان طبیعی
  • 85. ترنسفورمرها در بینایی کامپیوتر
  • 86. معماری‌های یادگیری عمیق برای داده‌های سری زمانی
  • 87. شبکه‌های عصبی گرافی (Graph Neural Networks)
  • 88. مقدمه‌ای بر داده‌های گرافی
  • 89. کاربرد GNNs در شبکه‌های اجتماعی
  • 90. کاربرد GNNs در شیمی و کشف دارو
  • 91. یادگیری تقویتی (Reinforcement Learning)
  • 92. مبانی یادگیری تقویتی
  • 93. الگوریتم‌های یادگیری تقویتی
  • 94. کاربرد یادگیری تقویتی در رباتیک
  • 95. مباحث تخصصی در بهینه‌سازی مدل‌های یادگیری عمیق
  • 96. فشرده‌سازی مدل (Model Compression)
  • 97. کوانتیزاسیون (Quantization)
  • 98. هرس کردن (Pruning)
  • 99. تقطیر دانش (Knowledge Distillation)
  • 100. مقدمه‌ای بر پردازش زبان طبیعی پیشرفته

📚 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.