سپنتا کتاب اکسپرس
کتاب TensorFlow & PyTorch: Building Next-Generation Language Models

کتاب TensorFlow & PyTorch: Building Next-Generation Language Models

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 TensorFlow & PyTorch: Building Next-Generation Language Models

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری عمیق و شبکه‌های عصبی
  • 2. مقدمه‌ای بر پردازش زبان طبیعی
  • 3. مفاهیم اساسی TensorFlow
  • 4. آشنایی با PyTorch
  • 5. نصب و پیکربندی محیط توسعه
  • 6. ساخت اولین مدل زبان ساده
  • 7. اصول مدل‌های ترنسفورمر
  • 8. معماری ترنسفورمر: مکانیسم توجه
  • 9. پیاده‌سازی مکانیسم توجه در TensorFlow
  • 10. پیاده‌سازی مکانیسم توجه در PyTorch
  • 11. مدل‌های مبتنی بر ترنسفورمر: BERT
  • 12. تنظیم دقیق (Fine-tuning) مدل BERT
  • 13. کاربرد BERT در طبقه‌بندی متن
  • 14. کاربرد BERT در تشخیص موجودیت نام‌دار
  • 15. مدل‌های مبتنی بر ترنسفورمر: GPT
  • 16. آموزش مدل GPT از ابتدا (مفاهیم)
  • 17. تنظیم دقیق مدل GPT
  • 18. تولید متن با مدل GPT
  • 19. معماری‌های پیشرفته‌تر ترنسفورمر
  • 20. مدل‌های Encoder-Decoder
  • 21. مدل‌های Sequence-to-Sequence
  • 22. کاربرد مدل‌های Seq2Seq در ترجمه ماشینی
  • 23. کاربرد مدل‌های Seq2Seq در خلاصه‌سازی متن
  • 24. بهینه‌سازی مدل‌های زبان
  • 25. روش‌های بهینه‌سازی در TensorFlow
  • 26. روش‌های بهینه‌سازی در PyTorch
  • 27. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 28. اعتبارسنجی مدل و جلوگیری از بیش‌برازش (Overfitting)
  • 29. تکنیک‌های منظم‌سازی (Regularization)
  • 30. مقدمه‌ای بر داده‌های زبانی
  • 31. پیش‌پردازش داده‌های متنی
  • 32. توکن‌سازی (Tokenization) و نرمال‌سازی
  • 33. تعبیه‌سازی کلمات (Word Embeddings)
  • 34. Word2Vec و GloVe
  • 35. تعبیه‌سازی‌های مبتنی بر زمینه (Contextual Embeddings)
  • 36. یادگیری تعبیه‌سازی‌ها در TensorFlow
  • 37. یادگیری تعبیه‌سازی‌ها در PyTorch
  • 38. استفاده از تعبیه‌سازی‌های از پیش آموزش‌دیده
  • 39. مدل‌های زبانی آماری (Statistical Language Models)
  • 40. مدل‌های N-gram
  • 41. محدودیت‌های مدل‌های N-gram
  • 42. یادگیری ماشینی کلاسیک برای NLP
  • 43. طبقه‌بندی متن با ماشین‌های بردار پشتیبان (SVM)
  • 44. طبقه‌بندی متن با رگرسیون لجستیک
  • 45. پردازش زبان طبیعی با استفاده از کتابخانه‌های پایتون
  • 46. NLTK و SpaCy
  • 47. کاربرد کتابخانه‌های استاندارد در پیش‌پردازش
  • 48. مفاهیم اساسی یادگیری تقویتی (Reinforcement Learning)
  • 49. کاربرد یادگیری تقویتی در NLP
  • 50. تولید متن با یادگیری تقویتی
  • 51. مدیریت مکالمه با یادگیری تقویتی
  • 52. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 53. شبکه‌های حافظه کوتاه‌مدت و بلندمدت (LSTM)
  • 54. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 55. پیاده‌سازی RNN/LSTM/GRU در TensorFlow
  • 56. پیاده‌سازی RNN/LSTM/GRU در PyTorch
  • 57. کاربرد RNN در مدل‌سازی زبان
  • 58. کاربرد RNN در تحلیل احساسات
  • 59. مقدمه‌ای بر گراف‌های دانش (Knowledge Graphs)
  • 60. کاربرد گراف‌های دانش در NLP
  • 61. مدل‌سازی زبان با گراف‌های دانش
  • 62. استخراج اطلاعات از متن
  • 63. تشخیص ارتباط بین موجودیت‌ها
  • 64. مدل‌سازی رویدادها در متن
  • 65. مقدمه‌ای بر مدل‌های مولد (Generative Models)
  • 66. شبکه‌های مولد تخاصمی (GANs) برای متن
  • 67. کاربرد GANs در تولید متن
  • 68. مدل‌های انتشار (Diffusion Models) برای متن
  • 69. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 70. استراتژی‌های یادگیری انتقالی در NLP
  • 71. کاربرد مدل‌های از پیش آموزش‌دیده در وظایف خاص
  • 72. تفسیرپذیری (Interpretability) در مدل‌های زبان
  • 73. روش‌های تفسیرپذیری مدل‌های ترنسفورمر
  • 74. تصویرسازی مکانیزم توجه (Attention Visualization)
  • 75. ارزیابی مدل‌های زبان
  • 76. معیارهای ارزیابی برای تولید متن (Perplexity, BLEU)
  • 77. معیارهای ارزیابی برای طبقه‌بندی متن (Accuracy, F1-Score)
  • 78. ارزیابی مدل‌های زبانی بزرگ (LLMs)
  • 79. ملاحظات اخلاقی در مدل‌های زبان
  • 80. سوگیری (Bias) در داده‌ها و مدل‌ها
  • 81. کاهش سوگیری در مدل‌های زبان
  • 82. امنیت و حریم خصوصی در مدل‌های زبان
  • 83. کاربرد مدل‌های زبان در صنعت
  • 84. تولید محتوای متنی خودکار
  • 85. سیستم‌های پرسش و پاسخ
  • 86. چت‌بات‌ها و دستیارهای مجازی
  • 87. تجزیه و تحلیل متن در مقیاس بزرگ
  • 88. مقدمه‌ای بر مدل‌های زبان چندوجهی (Multimodal Language Models)
  • 89. پردازش تصویر و متن همزمان
  • 90. پردازش صدا و متن همزمان
  • 91. کاربرد مدل‌های زبان در تحقیقات علمی
  • 92. توسعه ابزارهای پژوهشی با NLP
  • 93. تحلیل مقالات علمی
  • 94. آینده مدل‌های زبان و تحقیقات پیش رو
  • 95. مدل‌های زبان بزرگ (LLMs) و قابلیت‌های آن‌ها
  • 96. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 97. یادگیری با نمونه‌های کم (Few-shot Learning)
  • 98. مدل‌های زبانی برای زبان فارسی
  • 99. چالش‌های پردازش زبان فارسی
  • 100. استفاده از مدل‌های ترنسفورمر برای زبان فارسی

📚 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.