سپنتا کتاب اکسپرس
کتاب مبانی عمیق آموزش پیش‌زمینه LLMها

کتاب مبانی عمیق آموزش پیش‌زمینه LLMها

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 عمیق آموزش پیش‌زمینه LLMها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: آموزش پیش‌زمینه (Pre-training) LLMs

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. تاریخچه و تکامل مدل‌های زبانی بزرگ
  • 3. معماری‌های کلیدی مدل‌های زبانی (مانند ترنسفورمر)
  • 4. مفاهیم پایه در پردازش زبان طبیعی (NLP)
  • 5. نمایش کلمات: Word Embeddings (Word2Vec, GloVe)
  • 6. نمایش کلمات: FastText و مزایای آن
  • 7. مفهوم توکن‌سازی (Tokenization) و انواع آن
  • 8. پیش‌پردازش متن: پاکسازی و نرمال‌سازی داده‌ها
  • 9. پیش‌پردازش متن: حذف کلمات توقف (Stop Words)
  • 10. پیش‌پردازش متن: ریشه‌یابی (Stemming) و بن‌واژه‌سازی (Lemmatization)
  • 11. مفاهیم پایه در یادگیری عمیق: شبکه‌های عصبی
  • 12. شبکه‌های عصبی بازگشتی (RNN) و کاربردها
  • 13. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 14. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 15. مفهوم توجه (Attention Mechanism) در مدل‌های زبانی
  • 16. معماری ترنسفورمر: رمزگذار (Encoder)
  • 17. معماری ترنسفورمر: رمزگشا (Decoder)
  • 18. مدل‌های زبانی خودرگرسیو (Autoregressive Language Models)
  • 19. مدل‌های زبانی مولد (Generative Language Models)
  • 20. مفهوم پیش‌آموزش (Pre-training) در LLMها
  • 21. مجموعه داده‌های عظیم برای پیش‌آموزش LLMها
  • 22. تکنیک‌های پیش‌آموزش: Masked Language Modeling (MLM)
  • 23. تکنیک‌های پیش‌آموزش: Next Sentence Prediction (NSP)
  • 24. مدل‌های پیش‌آموزش معروف: BERT
  • 25. مدل‌های پیش‌آموزش معروف: RoBERTa
  • 26. مدل‌های پیش‌آموزش معروف: GPT (Generative Pre-trained Transformer)
  • 27. مدل‌های پیش‌آموزش معروف: T5 (Text-to-Text Transfer Transformer)
  • 28. مفهوم تنظیم دقیق (Fine-tuning)
  • 29. روش‌های تنظیم دقیق برای وظایف خاص NLP
  • 30. تنظیم دقیق برای طبقه‌بندی متن
  • 31. تنظیم دقیق برای تولید متن
  • 32. تنظیم دقیق برای پاسخ به سوالات
  • 33. تنظیم دقیق برای خلاصه‌سازی متن
  • 34. تنظیم دقیق برای ترجمه ماشینی
  • 35. مفهوم یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 36. یادگیری انتقالی (Transfer Learning) در LLMها
  • 37. مفاهیم ارزیابی مدل‌های زبانی
  • 38. معیارهای ارزیابی تولید متن (مانند BLEU, ROUGE)
  • 39. معیارهای ارزیابی طبقه‌بندی متن (مانند Accuracy, F1-score)
  • 40. محدودیت‌های مدل‌های زبانی فعلی
  • 41. مفاهیم اخلاقی در هوش مصنوعی و LLMها
  • 42. سوگیری (Bias) در داده‌ها و مدل‌ها
  • 43. راهکارهای کاهش سوگیری در LLMها
  • 44. حفظ حریم خصوصی در LLMها
  • 45. مسئولیت‌پذیری در توسعه و استفاده از LLMها
  • 46. کاربردهای LLMها در آموزش
  • 47. کاربردهای LLMها در تولید محتوا
  • 48. کاربردهای LLMها در تحلیل داده
  • 49. کاربردهای LLMها در خدمات مشتری
  • 50. کاربرد LLMها در برنامه‌نویسی و توسعه نرم‌افزار
  • 51. کاربرد LLMها در حوزه سلامت (با رعایت چارچوب رسمی)
  • 52. مفاهیم پایه‌ای در اقتصاد اسلامی (با رعایت چارچوب رسمی)
  • 53. مبانی بانکداری بدون ربا (با رعایت چارچوب رسمی)
  • 54. عقود اسلامی در نظام بانکی (با رعایت چارچوب رسمی)
  • 55. مقررات بانک مرکزی جمهوری اسلامی ایران در حوزه رمزارزها (با رعایت چارچوب رسمی)
  • 56. مفاهیم پایه در روانشناسی خانواده (با رعایت چارچوب رسمی)
  • 57. اصول خانواده ایرانی-اسلامی (با رعایت چارچوب رسمی)
  • 58. مفاهیم پایه در تاریخ ایران (با تأکید بر منافع ملی)
  • 59. سیاست خارجی جمهوری اسلامی ایران (با چارچوب رسمی)
  • 60. روابط بین‌الملل از منظر منافع ملی (با چارچوب رسمی)
  • 61. مبانی فقهی در حوزه احکام (با رعایت مذهب رسمی)
  • 62. کلام اسلامی و مباحث اعتقادی (با رعایت مذهب رسمی)
  • 63. عرفان اسلامی و سلوک (با رعایت مذهب رسمی)
  • 64. مفاهیم پایه در علوم پزشکی (مطابق پروتکل‌های وزارت بهداشت)
  • 65. اصول داروسازی و فارماکولوژی (مطابق پروتکل‌های وزارت بهداشت)
  • 66. مفاهیم پایه در روانپزشکی (مطابق پروتکل‌های وزارت بهداشت)
  • 67. اصول پیشگیری از جرم (با رعایت چارچوب قانونی)
  • 68. مبانی حقوق شهروندی (با رعایت چارچوب قانونی)
  • 69. مفاهیم پایه در جامعه‌شناسی (با رویکرد جامعه ایرانی)
  • 70. مبانی توسعه پایدار (با تأکید بر منافع ملی)
  • 71. فرهنگ و هنر ایرانی (در چارچوب مجوزهای رسمی)
  • 72. سینما و تئاتر در ایران (در چارچوب مجوزهای رسمی)
  • 73. موسیقی در ایران (در چارچوب مجوزهای رسمی، بدون ترویج حرام)
  • 74. اصول مدیریت پروژه (با رویکرد سازمانی)
  • 75. مبانی مدیریت منابع انسانی (با رویکرد سازمانی)
  • 76. مبانی بازاریابی (با رویکرد کسب‌وکارهای ایرانی)
  • 77. مبانی حسابداری (با رعایت قوانین ایران)
  • 78. اصول مالیات (با رعایت قوانین ایران)
  • 79. مبانی قراردادنویسی (با رعایت قوانین ایران)
  • 80. مفاهیم پایه در هوش مصنوعی مولد (Generative AI)
  • 81. معماری‌های مدل‌های مولد: GANs (با احتیاط و چارچوب علمی)
  • 82. معماری‌های مدل‌های مولد: VAEs (با احتیاط و چارچوب علمی)
  • 83. تولید تصویر با مدل‌های زبانی بزرگ
  • 84. تولید کد با مدل‌های زبانی بزرگ
  • 85. استفاده اخلاقی از هوش مصنوعی مولد
  • 86. مفاهیم پایه در یادگیری تقویتی (Reinforcement Learning)
  • 87. کاربرد یادگیری تقویتی در LLMها
  • 88. مفاهیم پایه در یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 89. مفاهیم پایه در یادگیری بدون نظارت (Unsupervised Learning)
  • 90. تکنیک‌های کاهش ابعاد (Dimensionality Reduction)
  • 91. خوشه‌بندی (Clustering)
  • 92. تحلیل مولفه‌های اصلی (PCA)
  • 93. مفاهیم پایه در یادگیری عمیق برای بینایی ماشین
  • 94. شبکه‌های عصبی کانولوشنال (CNN)
  • 95. کاربرد CNN در پردازش تصویر
  • 96. مفاهیم پایه در یادگیری عمیق برای داده‌های سری زمانی
  • 97. شبکه‌های عصبی گرافی (Graph Neural Networks - GNN)
  • 98. کاربرد GNN در LLMها
  • 99. تکنیک‌های تنظیم پارامتر (Hyperparameter Tuning)
  • 100. اعتبارسنجی متقابل (Cross-validation)

📚 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.