سپنتا کتاب اکسپرس
کتاب Optimizing LLM Performance using TensorFlow

کتاب Optimizing LLM Performance using TensorFlow

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 Optimizing LLM Performance using TensorFlow

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی
  • 2. آشنایی با معماری‌های شبکه‌های عصبی
  • 3. مبانی شبکه‌های عصبی کانولوشنی (CNN)
  • 4. مبانی شبکه‌های عصبی بازگشتی (RNN)
  • 5. مقدمه‌ای بر ترنسفورمرها و مکانیزم توجه
  • 6. معماری ترنسفورمر در پردازش زبان طبیعی
  • 7. لایه انکودر در ترنسفورمرها
  • 8. لایه دیکودر در ترنسفورمرها
  • 9. آموزش ترنسفورمرها از ابتدا
  • 10. پیش‌پردازش داده‌ها برای مدل‌های زبان
  • 11. توکن‌سازی و واژگان‌سازی
  • 12. تعبیه‌های کلمه (Word Embeddings)
  • 13. مبانی TensorFlow برای یادگیری عمیق
  • 14. ساخت مدل‌های سفارشی در TensorFlow
  • 15. کامپایل و آموزش مدل‌ها با TensorFlow
  • 16. ارزیابی مدل‌ها و معیارهای عملکرد
  • 17. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 18. بهینه‌سازی معماری شبکه‌های عصبی
  • 19. تکنیک‌های تنظیم‌گری (Regularization)
  • 20. کاهش بیش‌برازش (Overfitting)
  • 21. بیش‌برازش (Underfitting) و روش‌های مقابله
  • 22. بهینه‌سازی توابع هزینه (Loss Functions)
  • 23. بهینه‌سازهای گرادیان نزولی (Gradient Descent Optimizers)
  • 24. گرادیان نزولی تصادفی (SGD)
  • 25. آدام (Adam) و سایر بهینه‌سازهای پیشرفته
  • 26. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 27. استفاده از GPU برای تسریع آموزش
  • 28. مدیریت حافظه در TensorFlow
  • 29. یادگیری انتقالی (Transfer Learning)
  • 30. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 31. کاربرد مدل‌های ترنسفورمر در طبقه‌بندی متن
  • 32. کاربرد مدل‌های ترنسفورمر در تولید متن
  • 33. مدل‌سازی زبان (Language Modeling)
  • 34. پیش‌بینی کلمه بعدی
  • 35. تولید دنباله (Sequence Generation)
  • 36. کاربرد مدل‌های ترنسفورمر در ترجمه ماشینی
  • 37. معماری‌های دنباله به دنباله (Seq2Seq)
  • 38. ترجمه ماشینی با ترنسفورمرها
  • 39. کاربرد مدل‌های ترنسفورمر در خلاصه‌سازی متن
  • 40. خلاصه‌سازی استخراجی (Extractive Summarization)
  • 41. خلاصه‌سازی انتزاعی (Abstractive Summarization)
  • 42. مدل‌های زبانی بزرگ (LLMs)
  • 43. معماری‌های مدرن LLMs
  • 44. آموزش LLMs (Pre-training)
  • 45. تنظیم دقیق LLMs برای وظایف خاص
  • 46. ارزیابی LLMs
  • 47. اندازه‌گیری کیفیت تولید متن
  • 48. معیارهای ارزیابی LLMs
  • 49. چالش‌های اخلاقی در LLMs
  • 50. سوگیری در داده‌ها و مدل‌ها
  • 51. مدیریت و کاهش سوگیری
  • 52. اصول اخلاقی در توسعه هوش مصنوعی
  • 53. کاربرد LLMs در پرسش و پاسخ
  • 54. سیستم‌های پرسش و پاسخ استخراجی
  • 55. سیستم‌های پرسش و پاسخ مولد
  • 56. کاربرد LLMs در تحلیل احساسات
  • 57. شناسایی احساسات در متن
  • 58. تحلیل احساسات چندوجهی
  • 59. کاربرد LLMs در تشخیص موجودیت نام‌دار (NER)
  • 60. تشخیص موجودیت‌های خاص در متن
  • 61. تنظیم دقیق NER با ترنسفورمرها
  • 62. مدل‌های embedding پیشرفته
  • 63. Word2Vec و GloVe
  • 64. FastText
  • 65. ELMo و BERT
  • 66. کاربرد مدل‌های embedding در وظایف NLP
  • 67. استفاده از Embeddingهای از پیش آموزش‌دیده
  • 68. آموزش Embeddingهای سفارشی
  • 69. بهینه‌سازی مدل‌های ترنسفورمر برای استنتاج
  • 70. کوانتیزاسیون مدل (Model Quantization)
  • 71. تقطیر دانش (Knowledge Distillation)
  • 72. هرس کردن مدل (Model Pruning)
  • 73. تکنیک‌های تسریع استنتاج
  • 74. استفاده از TensorFlow Lite
  • 75. استفاده از TensorFlow Serving
  • 76. بهینه‌سازی مدل‌ها برای دستگاه‌های محدود
  • 77. مدل‌های ترنسفورمر برای پردازش تصویر
  • 78. Vision Transformer (ViT)
  • 79. کاربرد ViT در طبقه‌بندی تصویر
  • 80. کاربرد ViT در تشخیص اشیاء
  • 81. ترکیب NLP و بینایی کامپیوتر
  • 82. مدل‌های چندوجهی
  • 83. تولید شرح تصویر (Image Captioning)
  • 84. پرسش و پاسخ تصویری (Visual Question Answering)
  • 85. مدیریت و نظارت بر مدل‌های در حال اجرا
  • 86. مانیتورینگ عملکرد مدل
  • 87. تشخیص انحراف داده (Data Drift)
  • 88. بازآموزی مدل‌ها
  • 89. ملاحظات امنیتی در مدل‌های هوش مصنوعی
  • 90. حفاظت از مدل‌ها در برابر حملات
  • 91. پیشگیری از سوءاستفاده از LLMs
  • 92. ملاحظات مربوط به حریم خصوصی داده‌ها
  • 93. ذخیره‌سازی امن داده‌ها
  • 94. مدیریت دسترسی به داده‌ها
  • 95. اصول طراحی مدل‌های مسئولانه
  • 96. توسعه پایدار در هوش مصنوعی
  • 97. ارزیابی تاثیرات اجتماعی هوش مصنوعی
  • 98. آیندهٔ LLMs و معماری‌های نوین
  • 99. معماری‌های ترنسفورمر نسل جدید
  • 100. مدل‌های زبانی مولتی‌مودال

📚 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.