کتاب Customizing Transformer Architectures with PyTorch

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 Customizing Transformer Architectures with PyTorch

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر معماری ترانسفورمر
  • 2. تاریخچه و تحول مدل‌های زبانی
  • 3. شبکه‌های عصبی بازگشتی (RNN) و محدودیت‌های آن‌ها
  • 4. شبکه‌های حافظه کوتاه‌مدت و بلندمدت (LSTM)
  • 5. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 6. مکانیزم توجه (Attention Mechanism)
  • 7. انواع مکانیزم توجه: خودتوجهی (Self-Attention)
  • 8. انواع مکانیزم توجه: توجه متقابل (Cross-Attention)
  • 9. معماری ترانسفورمر: انکودر و دکودر
  • 10. ساختار لایه‌های انکودر
  • 11. لایه‌های Feed-Forward در انکودر
  • 12. ساختار لایه‌های دکودر
  • 13. لایه‌های Feed-Forward در دکودر
  • 14. استفاده از جایگشت‌های موقعیتی (Positional Encodings)
  • 15. جایگشت‌های موقعیتی سینوسی و کسینوسی
  • 16. جایگشت‌های موقعیتی قابل یادگیری
  • 17. پیاده‌سازی ترانسفورمر با PyTorch
  • 18. مقدمه‌ای بر PyTorch و تنسورها
  • 19. تابع Loss در PyTorch
  • 20. بهینه‌سازها (Optimizers) در PyTorch
  • 21. ساخت مدل ترانسفورمر سفارشی
  • 22. پیاده‌سازی ماژول Self-Attention
  • 23. پیاده‌سازی ماژول Multi-Head Attention
  • 24. پیاده‌سازی لایه Feed-Forward
  • 25. پیاده‌سازی ماژول Positional Encoding
  • 26. پیاده‌سازی بلوک انکودر
  • 27. پیاده‌سازی بلوک دکودر
  • 28. ساخت مدل کامل ترانسفورمر
  • 29. آماده‌سازی داده برای ترانسفورمر
  • 30. توکن‌سازی (Tokenization)
  • 31. ساخت واژگان (Vocabulary)
  • 32. تبدیل متن به شاخص (Index)
  • 33. تولید داده‌های دسته‌ای (Batching)
  • 34. مدیریت طول متغیر دنباله‌ها
  • 35. پدینگ (Padding) و ماسکینگ (Masking)
  • 36. آموزش مدل ترانسفورمر
  • 37. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 38. مدیریت Overfitting
  • 39. تنظیم هایپرپارامترها
  • 40. ارزیابی مدل ترانسفورمر
  • 41. معیارهای ارزیابی: دقت (Accuracy)
  • 42. معیارهای ارزیابی: F1-Score
  • 43. معیارهای ارزیابی: BLEU Score
  • 44. کاربردهای ترانسفورمر
  • 45. ترجمه ماشینی
  • 46. خلاصه‌سازی متن
  • 47. تولید متن
  • 48. طبقه‌بندی متن
  • 49. تشخیص موجودیت نام‌دار (NER)
  • 50. پاسخ به پرسش (Question Answering)
  • 51. مدل‌های زبانی بزرگ (LLMs)
  • 52. سفارشی‌سازی معماری ترانسفورمر
  • 53. تغییر تعداد لایه‌ها
  • 54. تغییر ابعاد مدل (Embedding Dimension)
  • 55. تغییر تعداد سرها در Multi-Head Attention
  • 56. تغییر ابعاد لایه Feed-Forward
  • 57. استفاده از مکانیزم‌های توجه جایگزین
  • 58. توجه خطی (Linear Attention)
  • 59. توجه اسپارس (Sparse Attention)
  • 60. توجه مبتنی بر شکاف (Gated Attention)
  • 61. تکنیک‌های پیشرفته در ترانسفورمر
  • 62. ترانسفورمرهای مبتنی بر گراف (Graph Transformers)
  • 63. ترانسفورمرهای سه‌بعدی (3D Transformers)
  • 64. ترانسفورمرهای چندوجهی (Multimodal Transformers)
  • 65. ترانسفورمرهای مبتنی بر دانش (Knowledge-enhanced Transformers)
  • 66. بهینه‌سازی مدل‌های ترانسفورمر
  • 67. کوانتیزاسیون (Quantization)
  • 68. تقطیر دانش (Knowledge Distillation)
  • 69. هرس کردن (Pruning)
  • 70. تکنیک‌های Regularization پیشرفته
  • 71. ملاحظات امنیتی و اخلاقی در ترانسفورمرها
  • 72. سوگیری در داده‌ها و مدل‌ها
  • 73. مقابله با تولید محتوای مضر
  • 74. حفظ حریم خصوصی
  • 75. استانداردهای حاکمیتی در توسعه مدل‌های زبانی
  • 76. مدل‌های ترانسفورمر برای زبان فارسی
  • 77. چالش‌های پردازش زبان فارسی
  • 78. داده‌های فارسی برای آموزش ترانسفورمر
  • 79. مدل‌های از پیش آموزش‌دیده برای فارسی
  • 80. سفارشی‌سازی مدل‌های فارسی
  • 81. کاربرد ترانسفورمر در حوزه‌های علمی اسلامی
  • 82. تحلیل متون روایی و حدیثی
  • 83. فهم عبارات فقهی
  • 84. استخراج مفاهیم کلامی
  • 85. تحلیل عرفانی متون
  • 86. کاربرد ترانسفورمر در اقتصاد اسلامی
  • 87. تحلیل عقود اسلامی
  • 88. پیش‌بینی بازارهای مالی اسلامی
  • 89. مدیریت ریسک در بانکداری اسلامی
  • 90. تحلیل قراردادهای بیمه اتکایی
  • 91. کاربرد ترانسفورمر در علوم پزشکی
  • 92. تحلیل پرونده‌های پزشکی
  • 93. تشخیص بیماری‌ها
  • 94. پیش‌بینی روند درمان
  • 95. تحلیل داده‌های ژنتیکی
  • 96. کاربرد ترانسفورمر در آموزش
  • 97. شخصی‌سازی مسیر یادگیری
  • 98. تولید محتوای آموزشی
  • 99. ارزیابی دانش‌آموزان
  • 100. پشتیبانی آموزشی هوشمند

📚 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.