سپنتا کتاب اکسپرس
کتاب ساخت و آموزش مدل‌های زبانی کوچک (GPT-2) با استفاده از nanoGPT

کتاب ساخت و آموزش مدل‌های زبانی کوچک (GPT-2) با استفاده از nanoGPT

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 ساخت و آموزش مدل‌های زبانی کوچک (GPT-2) با استفاده از nanoGPT

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌های زبانی بزرگ (LLMs) و عملیات آن‌ها (MLOps)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. یادگیری تقویتی
  • 7. شبکه‌های عصبی مصنوعی
  • 8. معماری شبکه‌های عصبی
  • 9. پس‌انتشار خطا (Backpropagation)
  • 10. توابع فعال‌سازی
  • 11. بهینه‌سازی مدل‌های یادگیری ماشین
  • 12. تنظیم ابرپارامترها
  • 13. انتخاب ویژگی
  • 14. روش‌های کاهش ابعاد
  • 15. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 16. معماری ترنسفورمر (Transformer)
  • 17. مکانیزم توجه (Attention Mechanism)
  • 18. مدل‌های زبانی پیش‌آموزش‌دیده
  • 19. معماری GPT
  • 20. ساختار nanoGPT
  • 21. مجموعه داده‌های متنی
  • 22. پیش‌پردازش داده‌ها
  • 23. توکنایز کردن (Tokenization)
  • 24. ساخت واژگان (Vocabulary)
  • 25. فشرده‌سازی داده‌ها
  • 26. آموزش مدل‌های زبانی
  • 27. فرآیند آموزش
  • 28. تابع هزینه (Loss Function)
  • 29. بهینه‌سازها (Optimizers)
  • 30. نرخ یادگیری (Learning Rate)
  • 31. تنظیمات آموزش
  • 32. نظارت بر فرآیند آموزش
  • 33. ارزیابی مدل‌های زبانی
  • 34. معیارهای ارزیابی
  • 35. Perplexity
  • 36. دقت (Accuracy)
  • 37. F1-Score
  • 38. تفسیر نتایج ارزیابی
  • 39. تنظیم و بهینه‌سازی مدل‌های زبانی
  • 40. تنظیم ابرپارامترها برای LLMs
  • 41. روش‌های تنظیم دقیق (Fine-tuning)
  • 42. آموزش با انتقال (Transfer Learning)
  • 43. استفاده از داده‌های برچسب‌دار
  • 44. استفاده از داده‌های بدون برچسب
  • 45. ساخت مدل‌های زبانی کوچک
  • 46. مزایای مدل‌های زبانی کوچک
  • 47. محدودیت‌های مدل‌های زبانی کوچک
  • 48. کاربرد مدل‌های زبانی کوچک
  • 49. پیاده‌سازی nanoGPT
  • 50. نصب و راه‌اندازی nanoGPT
  • 51. پیکربندی nanoGPT
  • 52. مراحل آموزش با nanoGPT
  • 53. مدیریت پروژه MLOps
  • 54. مفاهیم MLOps
  • 55. چرخه عمر مدل یادگیری ماشین
  • 56. استقرار مدل (Model Deployment)
  • 57. نظارت بر مدل (Model Monitoring)
  • 58. بازآموزی مدل (Model Retraining)
  • 59. ابزارهای MLOps
  • 60. پلتفرم‌های MLOps
  • 61. اتوماسیون فرآیندها در MLOps
  • 62. یکپارچه‌سازی مداوم (CI)
  • 63. تحویل مداوم (CD)
  • 64. مدیریت نسخه مدل (Model Versioning)
  • 65. مدیریت داده‌ها در MLOps
  • 66. مستندسازی مدل
  • 67. قابلیت تکرارپذیری (Reproducibility)
  • 68. امنیت در MLOps
  • 69. اخلاق در هوش مصنوعی
  • 70. مسئولیت‌پذیری در هوش مصنوعی
  • 71. شفافیت در مدل‌های هوش مصنوعی
  • 72. سوگیری در داده‌ها و مدل‌ها
  • 73. کاهش سوگیری در مدل‌های زبانی
  • 74. کاربرد LLMs در پردازش زبان طبیعی
  • 75. تولید متن
  • 76. خلاصه‌سازی متن
  • 77. ترجمه ماشینی
  • 78. پاسخ به پرسش
  • 79. تحلیل احساسات
  • 80. مقدمه‌ای بر مدل‌های زبانی مولد
  • 81. کاربردهای مدل‌های زبانی مولد
  • 82. تولید محتوای خلاقانه
  • 83. نوشتن کد
  • 84. حل مسائل منطقی
  • 85. ملاحظات عملی در آموزش LLMs
  • 86. مدیریت منابع محاسباتی
  • 87. بهینه‌سازی مصرف حافظه
  • 88. استفاده از شتاب‌دهنده‌ها (GPU/TPU)
  • 89. توزیع آموزش (Distributed Training)
  • 90. تنظیمات پیشرفته آموزش
  • 91. تنظیمات پیشرفته nanoGPT
  • 92. تکنیک‌های تنظیم دقیق پیشرفته
  • 93. آموزش با دستورالعمل (Instruction Tuning)
  • 94. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 95. ارزیابی پیشرفته LLMs
  • 96. معیارهای کیفی ارزیابی
  • 97. ارزیابی انسانی
  • 98. چالش‌های ارزیابی LLMs
  • 99. آینده مدل‌های زبانی بزرگ
  • 100. روندهای تحقیقاتی

📚 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.