سپنتا کتاب اکسپرس
کتاب Deep Dive: TensorFlow و PyTorch در LLMs

کتاب Deep Dive: TensorFlow و PyTorch در 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 Deep Dive: TensorFlow و PyTorch در LLMs

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق و مدل‌های زبانی بزرگ
  • 2. مبانی شبکه‌های عصبی مصنوعی
  • 3. معماری ترنسفورمر در پردازش زبان طبیعی
  • 4. توابع فعال‌سازی در شبکه‌های عصبی
  • 5. بهینه‌سازها و کاهش نرخ یادگیری
  • 6. روش‌های تنظیم‌کننده (Regularization)
  • 7. مقدمه‌ای بر TensorFlow
  • 8. مبانی TensorFlow: تنسورها و عملیات
  • 9. ساخت مدل‌های خطی با TensorFlow
  • 10. آموزش مدل‌های خطی با TensorFlow
  • 11. مقدمه‌ای بر PyTorch
  • 12. مبانی PyTorch: تِنسورها و عملیات
  • 13. ساخت مدل‌های خطی با PyTorch
  • 14. آموزش مدل‌های خطی با PyTorch
  • 15. مقایسه TensorFlow و PyTorch
  • 16. مفاهیم پایه در مدل‌های زبانی بزرگ (LLMs)
  • 17. انواع مدل‌های زبانی بزرگ
  • 18. معماری‌های کلیدی LLMs
  • 19. توکن‌سازی (Tokenization) در LLMs
  • 20. لایه توجه (Attention Mechanism)
  • 21. مکانیزم خود-توجه (Self-Attention)
  • 22. ترنسفورمرهای Encoder-Decoder
  • 23. مدل‌های زبانی مبتنی بر Encoder (مانند BERT)
  • 24. مدل‌های زبانی مبتنی بر Decoder (مانند GPT)
  • 25. مدل‌های زبانی Encoder-Decoder (مانند T5)
  • 26. پیش‌پردازش متن برای LLMs
  • 27. بردارهای کلمه (Word Embeddings)
  • 28. تکامل بردارهای کلمه (Word2Vec, GloVe)
  • 29. بردارهای کلمه مبتنی بر ترنسفورمر (BERT Embeddings)
  • 30. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 31. روش‌های تنظیم دقیق (Full Fine-tuning, LoRA)
  • 32. تنظیم دقیق مدل‌های BERT
  • 33. تنظیم دقیق مدل‌های GPT
  • 34. تنظیم دقیق مدل‌های T5
  • 35. تولید متن با LLMs
  • 36. روش‌های نمونه‌برداری در تولید متن
  • 37. تکنیک‌های decoding (Greedy, Beam Search)
  • 38. ارزیابی مدل‌های تولید متن
  • 39. متریک‌های ارزیابی (BLEU, ROUGE)
  • 40. کاربردهای LLMs در پردازش زبان طبیعی
  • 41. طبقه‌بندی متن با LLMs
  • 42. تشخیص موجودیت نام‌دار (NER) با LLMs
  • 43. پاسخ به پرسش با LLMs
  • 44. ترجمه ماشینی با LLMs
  • 45. خلاصه‌سازی متن با LLMs
  • 46. تحلیل احساسات با LLMs
  • 47. مدل‌سازی موضوع (Topic Modeling) با LLMs
  • 48. تولید کد با LLMs
  • 49. کاربردهای LLMs در حوزه‌های غیرمتنی
  • 50. آموزش و توسعه مدل‌های LLM سفارشی
  • 51. مدیریت داده‌ها برای آموزش LLMs
  • 52. مهندسی پرامپت (Prompt Engineering)
  • 53. تکنیک‌های پیشرفته مهندسی پرامپت
  • 54. استفاده از LLMs برای استنتاج و استدلال
  • 55. اخلاق و مسئولیت‌پذیری در LLMs
  • 56. سوگیری (Bias) در LLMs و روش‌های کاهش آن
  • 57. حریم خصوصی و امنیت در LLMs
  • 58. پیاده‌سازی LLMs در TensorFlow
  • 59. پیاده‌سازی LLMs در PyTorch
  • 60. استفاده از کتابخانه‌های Hugging Face Transformers
  • 61. آموزش مدل‌های زبانی بزرگ از ابتدا (مقدماتی)
  • 62. بهینه‌سازی مدل‌های LLM برای استقرار
  • 63. استقرار مدل‌های LLM در محیط‌های ابری
  • 64. استقرار مدل‌های LLM بر روی دستگاه‌های لبه
  • 65. ملاحظات سخت‌افزاری برای LLMs
  • 66. واحد پردازش گرافیکی (GPU) و شتاب‌دهنده‌ها
  • 67. محاسبات توزیع‌شده برای آموزش LLMs
  • 68. تکنیک‌های کوانتیزاسیون (Quantization) مدل‌ها
  • 69. فشرده‌سازی مدل‌های LLM
  • 70. ارزیابی عملکرد مدل‌های LLM
  • 71. پایش و نگهداری مدل‌های LLM
  • 72. مدل‌های زبانی بزرگ در زبان فارسی
  • 73. چالش‌های پردازش زبان فارسی با LLMs
  • 74. داده‌های آموزشی فارسی برای LLMs
  • 75. تنظیم دقیق مدل‌های LLM برای زبان فارسی
  • 76. کاربردهای LLMs در صنعت و کسب‌وکار
  • 77. LLMs در آموزش و یادگیری
  • 78. LLMs در تحقیقات علمی
  • 79. LLMs در توسعه نرم‌افزار
  • 80. LLMs در خدمات مشتری
  • 81. LLMs در رسانه و سرگرمی
  • 82. آینده مدل‌های زبانی بزرگ
  • 83. مدل‌های زبانی چندوجهی (Multimodal LLMs)
  • 84. مدل‌های زبانی با قابلیت استدلال پیچیده
  • 85. انتقال یادگیری (Transfer Learning) در LLMs
  • 86. یادگیری چندوظیفه‌ای (Multi-task Learning) در LLMs
  • 87. یادگیری تقویتی (Reinforcement Learning) در LLMs
  • 88. بهینه‌سازی معماری‌های LLM
  • 89. مدل‌های LLM کوچک و کارآمد
  • 90. روش‌های ارزیابی جامع LLMs
  • 91. ملاحظات حقوقی و شرعی در استفاده از LLMs
  • 92. اصول اخلاقی در توسعه و به‌کارگیری LLMs
  • 93. نقش علما و متخصصان در هدایت LLMs
  • 94. حفظ ارزش‌های اسلامی در محتوای تولیدی LLMs
  • 95. سازگاری LLMs با فرهنگ و هنجارهای ایرانی
  • 96. تطبیق LLMs با قوانین و مقررات کشور
  • 97. چالش‌های پیاده‌سازی LLMs در نظام آموزشی
  • 98. آموزش مسئولانه استفاده از LLMs
  • 99. پتانسیل LLMs در پیشرفت علمی و فناورانه کشور
  • 100. ملاحظات امنیتی در به‌کارگیری 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.