, ,

کتاب Customizing Transformer Architectures with PyTorch

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 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)

🎓 گواهی دوزبانه اتمام دوره

پس از تکمیل کامل دوره، گواهی رسمی اتمام دوره به صورت دوزبانه (فارسی – انگلیسی) برای شما صادر می‌شود.

✅ شرایط دریافت گواهی

  • مطالعه کامل تمامی فلش کارت‌های دوره (نزدیک به 4000 فلش کارت)
  • تکمیل تمامی بخش‌های آموزشی
  • قبولی در آزمون‌های دوره با موفقیت

⏱ مدت زمان دوره

با توجه به وجود نزدیک به 4000 فلش کارت آموزشی، مدت زمان این دوره بر اساس تخمین آموزشی معادل 60 ساعت آموزش در گواهی درج می‌گردد.

🔍 قابلیت استعلام آنلاین

گواهی صادرشده دارای لینک اختصاصی و QR Code برای استعلام آنلاین می‌باشد. کارفرمایان و شرکت‌ها می‌توانند اعتبار گواهی شما را به صورت مستقیم بررسی کنند.

🌍 قابل اشتراک‌گذاری در رزومه و شبکه‌های اجتماعی

می‌توانید گواهی خود را در پروفایل شبکه‌های اجتماعی، رزومه کاری، لینکدین یا هنگام ارسال به شرکت‌ها و سازمان‌ها ارائه دهید.

⚖️ توضیح مهم

این گواهی صرفاً به عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نمی‌باشد.

🌐 نسخه تحت وب فلش‌ کارت با الگوریتم هوشمند SM-2

فلش کارت‌های حرفه‌ای، در یک وب‌اپلیکیشن هوشمند که دقیقا می‌داند چه زمانی و کدام کارت را به شما نشان دهد تا کمترین فراموشی و بیشترین ماندگاری را تجربه کنید.

🧠 یادگیری بر اساس منحنی فراموشی، نه حدس و گمان

این نسخه تحت وب از الگوریتم SM-2 (استفاده‌شده در سیستم‌های حرفه‌ای فلش کارت دنیا) استفاده می‌کند تا هر فلش کارت را درست در زمانی که مرز فراموشی‌اش نزدیک است به شما نشان دهد. نتیجه؟ یادگیری عمیق‌تر با زمان کمتر.

⏱ مرور زمان‌دار هوشمند

سیستم به‌طور خودکار برنامه مرور شما را می‌چیند؛ دیگر لازم نیست فکر کنید امروز چی بخونم؟ فقط وارد شوید و شروع کنید.

📊 پیگیری پیشرفت لحظه‌ای

ببینید چند فلش‌کارت را کاملا مسلط هستید، چندتا نیاز به مرور دارد و چقدر تا تسلط کامل فاصله دارید.

🖥 همیشه در دسترس، فقط با مرورگر

بدون نصب هیچ برنامه‌ای؛ فقط با یک مرورگر ساده روی موبایل، تبلت یا لپ‌تاپ می‌توانید به کل فلش کارت‌ها دسترسی داشته باشید.

⚡ تمرکز روی مهم‌ترین فلش کارت‌ها

سیستم بر اساس عملکرد شما تشخیص می‌دهد چه کارت‌هایی بیشتری نیاز به تمرین دارند و اولویت نمایش را روی همان‌ها می‌گذارد.

این نسخه تحت وب برای چه کسانی عالی است؟

  • کسانی که می‌خواهند یادگیری‌شان علمی و سیستماتیک باشد، نه شانسی.
  • افرادی که زمان کمی دارند و می‌خواهند با حداقل وقت، حداکثر نتیجه بگیرند.
  • کاربرانی که دوست دارند از هر دستگاهی (موبایل، لپ‌تاپ، محل کار، خانه) به فلش کارت‌ها دسترسی داشته باشند.

اگر فلش کارت‌های معمولی را دوست داشتید، وقتی نسخه تحت وب با الگوریتم SM-2 را ببینید، عاشقش می‌شوید.

📋 سرفصل‌های دوره (100 موضوع)

  • 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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب Customizing Transformer Architectures with PyTorch”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا