سپنتا کتاب اکسپرس
کتاب کوانتیزاسیون در استقرار مدل‌های زبانی بزرگ: یک دیدگاه عملی

کتاب کوانتیزاسیون در استقرار مدل‌های زبانی بزرگ: یک دیدگاه عملی

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 کوانتیزاسیون در استقرار مدل‌های زبانی بزرگ: یک دیدگاه عملی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Quantization

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 2. معماری ترنسفورمر و اجزای آن
  • 3. مکانیزم توجه (Attention Mechanism)
  • 4. تکامل مدل‌های زبانی
  • 5. کاربردهای مدل‌های زبانی بزرگ
  • 6. مفاهیم پایه کوانتیزاسیون
  • 7. نیاز به کوانتیزاسیون در LLMs
  • 8. انواع کوانتیزاسیون (پست-ترینینگ، حین-ترینینگ)
  • 9. کوانتیزاسیون بدون اتلاف (Lossless Quantization)
  • 10. کوانتیزاسیون با اتلاف (Lossy Quantization)
  • 11. مبنای ریاضی کوانتیزاسیون: گام کوانتیزاسیون
  • 12. مقیاس و نقطه صفر در کوانتیزاسیون
  • 13. نمایندگی اعداد صحیح (Integer Representation)
  • 14. کوانتیزاسیون ۸ بیتی (INT8)
  • 15. کوانتیزاسیون ۴ بیتی (INT4)
  • 16. کوانتیزاسیون ۲ بیتی (INT2)
  • 17. کوانتیزاسیون ۱ بیتی (Binary Quantization)
  • 18. کوانتیزاسیون وزن‌ها (Weight Quantization)
  • 19. کوانتیزاسیون فعال‌سازی‌ها (Activation Quantization)
  • 20. کوانتیزاسیون مختلط (Mixed-Precision Quantization)
  • 21. کوانتیزاسیون متقارن (Symmetric Quantization)
  • 22. کوانتیزاسیون نامتقارن (Asymmetric Quantization)
  • 23. کوانتیزاسیون پویا (Dynamic Quantization)
  • 24. کوانتیزاسیون ثابت (Static Quantization)
  • 25. تکنیک‌های کوانتیزاسیون پست-ترینینگ
  • 26. کالیبراسیون داده برای کوانتیزاسیون
  • 27. روش‌های انتخاب نقطه صفر و مقیاس
  • 28. کوانتیزاسیون مبتنی بر هیستوگرام
  • 29. کوانتیزاسیون مبتنی بر آنتروپی
  • 30. کوانتیزاسیون مبتنی بر خطا
  • 31. کوانتیزاسیون با استفاده از داده‌های کالیبراسیون
  • 32. تکنیک‌های کوانتیزاسیون حین-ترینینگ
  • 33. کو-ترینینگ (Quantization-Aware Training)
  • 34. شبیه‌سازی کوانتیزاسیون در طول ترینینگ
  • 35. بهینه‌سازی پارامترهای کوانتیزاسیون
  • 36. روش‌های نرم‌سازی کوانتیزاسیون (Stochastic Rounding)
  • 37. کوانتیزاسیون پارامترهای خاص (مانند Embeddings)
  • 38. تأثیر کوانتیزاسیون بر دقت مدل
  • 39. معیارهای ارزیابی دقت پس از کوانتیزاسیون
  • 40. Perplexity به عنوان معیار ارزیابی
  • 41. SAMSum، GLUE، SuperGLUE برای ارزیابی
  • 42. مدل‌های زبانی پیش‌کوانتیزه شده
  • 43. GPT-2 و کوانتیزاسیون آن
  • 44. BERT و کوانتیزاسیون آن
  • 45. LLaMA و کوانتیزاسیون آن
  • 46. Mistral و کوانتیزاسیون آن
  • 47. ابزارها و کتابخانه‌های کوانتیزاسیون
  • 48. TensorFlow Lite Quantization
  • 49. PyTorch Quantization
  • 50. OpenVINO برای استقرار کوانتیزه شده
  • 51. ONNX Runtime Quantization
  • 52. Hugging Face Optimum
  • 53. نحوه استفاده از کتابخانه‌ها برای کوانتیزاسیون
  • 54. مثال عملی: کوانتیزاسیون یک مدل کوچک
  • 55. مثال عملی: کوانتیزاسیون یک مدل بزرگ
  • 56. بهینه‌سازی حافظه با کوانتیزاسیون
  • 57. کاهش حجم مدل
  • 58. کاهش مصرف حافظه RAM
  • 59. افزایش سرعت استنتاج (Inference Speed)
  • 60. تأثیر کوانتیزاسیون بر مصرف انرژی
  • 61. کوانتیزاسیون در سخت‌افزارهای مختلف
  • 62. CPU ها و کوانتیزاسیون
  • 63. GPU ها و کوانتیزاسیون
  • 64. TPU ها و کوانتیزاسیون
  • 65. NPU ها و کوانتیزاسیون
  • 66. دستگاه‌های موبایل و کوانتیزاسیون
  • 67. محدودیت‌های کوانتیزاسیون
  • 68. کاهش بالقوه دقت
  • 69. نیاز به داده‌های کالیبراسیون
  • 70. پیچیدگی پیاده‌سازی
  • 71. کوانتیزاسیون نامتقارن برای فلوتینگ پوینت
  • 72. کوانتیزاسیون با دقت متغیر (Variable-Precision Quantization)
  • 73. کوانتیزاسیون ترانسفورماتیو (Transformative Quantization)
  • 74. کوانتیزاسیون برای وظایف خاص (تولید متن، خلاصه‌سازی)
  • 75. کوانتیزاسیون متناسب با بار کاری (Workload-Aware Quantization)
  • 76. کوانتیزاسیون در سیستم‌های توزیع شده
  • 77. کوانتیزاسیون و امنیت مدل
  • 78. کوانتیزاسیون و قابلیت توضیح‌پذیری (Explainability)
  • 79. آینده کوانتیزاسیون در LLMs
  • 80. کوانتیزاسیون تا سطوح پایین‌تر (بیت‌های کمتر)
  • 81. کوانتیزاسیون مبتنی بر یادگیری عمیق
  • 82. کوانتیزاسیون برای مدل‌های مولد
  • 83. کوانتیزاسیون برای وظایف Real-time
  • 84. چالش‌های کوانتیزاسیون در مدل‌های بسیار بزرگ
  • 85. روش‌های جبران اتلاف دقت
  • 86. تکنیک‌های فشرده‌سازی اضافی
  • 87. ارزیابی جامع عملکرد کوانتیزه شده
  • 88. مطالعه موردی: استقرار مدل کوانتیزه شده در محیط عملیاتی
  • 89. بررسی مصرف منابع در زمان استقرار
  • 90. مقایسه با مدل اصلی (غیر کوانتیزه شده)
  • 91. بهینه‌سازی‌های مرتبط با کوانتیزاسیون در سطح کد
  • 92. استفاده از دستورالعمل‌های SIMD
  • 93. کوانتیزاسیون و تعامل با چارچوب‌های استقرار
  • 94. نکات کلیدی برای موفقیت در کوانتیزاسیون
  • 95. نتیجه‌گیری: نقش کوانتیزاسیون در دسترسی‌پذیری LLMs

📚 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.