سپنتا کتاب اکسپرس
کتاب مهندسی و بهینه‌سازی کارایی در TensorRT-LLM

کتاب مهندسی و بهینه‌سازی کارایی در TensorRT-LLM

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 مهندسی و بهینه‌سازی کارایی در TensorRT-LLM

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بهینه‌سازی مدل‌های زبانی بزرگ (LLMs)

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 3. معماری ترنسفورمر در LLMs
  • 4. نکات کلیدی مدل‌های ترنسفورمر
  • 5. پردازش زبان طبیعی با LLMs
  • 6. مفاهیم پایه در یادگیری عمیق
  • 7. توابع فعال‌سازی و بهینه‌سازی
  • 8. بهینه‌سازی مدل‌های یادگیری ماشین
  • 9. مقدمه‌ای بر TensorRT-LLM
  • 10. نصب و راه‌اندازی TensorRT-LLM
  • 11. معماری TensorRT-LLM
  • 12. مراحل اصلی در TensorRT-LLM
  • 13. کاربرد TensorRT-LLM در LLMs
  • 14. بهینه‌سازی زمان استنتاج (Inference)
  • 15. تکنیک‌های کوانتیزاسیون (Quantization)
  • 16. کوانتیزاسیون ۸ بیتی و ۴ بیتی
  • 17. مزایای کوانتیزاسیون
  • 18. بهینه‌سازی تنسور (Tensor Optimization)
  • 19. تجمیع عملیات (Operation Fusion)
  • 20. مدیریت حافظه در TensorRT-LLM
  • 21. بهینه‌سازی لایه‌های مدل
  • 22. بهینه‌سازی لایه‌های خطی (Linear Layers)
  • 23. بهینه‌سازی لایه‌های توجه (Attention Layers)
  • 24. بهینه‌سازی لایه‌های نرمال‌سازی (Normalization Layers)
  • 25. بهینه‌سازی لایه‌های پیش‌خور (Feed-Forward Layers)
  • 26. استفاده از کرنل‌های بهینه‌شده
  • 27. کرنل‌های سفارشی برای LLMs
  • 28. تولید و کامپایل کرنل‌ها
  • 29. مدیریت کرنل‌های سفارشی
  • 30. بهینه‌سازی در سطح مدل
  • 31. تنظیم پارامترهای مدل
  • 32. تکنیک‌های Pruning و Sparsity
  • 33. کاربرد Sparsity در LLMs
  • 34. بهینه‌سازی برای سخت‌افزارهای مختلف
  • 35. پشتیبانی از GPUهای NVIDIA
  • 36. بهینه‌سازی برای معماری‌های Ampere و Hopper
  • 37. تنظیمات خاص برای سخت‌افزار
  • 38. موازات‌سازی (Parallelism) در LLMs
  • 39. موازات‌سازی مدل (Model Parallelism)
  • 40. موازات‌سازی داده (Data Parallelism)
  • 41. موازات‌سازی پایپ‌لاین (Pipeline Parallelism)
  • 42. ترکیب روش‌های موازات‌سازی
  • 43. استراتژی‌های بهینه‌سازی مولد (Generative Optimization)
  • 44. تولید متن با کارایی بالا
  • 45. بهینه‌سازی برای وظایف خاص
  • 46. ترجمه ماشینی با TensorRT-LLM
  • 47. خلاصه‌سازی متن با TensorRT-LLM
  • 48. پاسخگویی به سوالات با TensorRT-LLM
  • 49. فهم زبان طبیعی با TensorRT-LLM
  • 50. کاربرد در سیستم‌های مکالمه‌ای
  • 51. توسعه برنامه‌های کاربردی مبتنی بر LLMs
  • 52. چالش‌های مهندسی LLMs
  • 53. عیب‌یابی (Debugging) در TensorRT-LLM
  • 54. پروفایلینگ (Profiling) عملکرد
  • 55. اندازه‌گیری معیارهای کلیدی
  • 56. تحلیل نتایج پروفایلینگ
  • 57. بهبود مستمر کارایی
  • 58. مدل‌های زبانی بزرگ پیشرفته
  • 59. آخرین دستاوردها در LLMs
  • 60. روش‌های آموزش LLMs
  • 61. یادگیری تقویتی با بازخورد انسانی (RLHF)
  • 62. کاربرد RLHF در بهینه‌سازی
  • 63. اخلاق در هوش مصنوعی
  • 64. مسئولیت‌پذیری در توسعه LLMs
  • 65. امنیت مدل‌های زبانی بزرگ
  • 66. حفاظت از داده‌ها و حریم خصوصی
  • 67. مدیریت ریسک در پروژه‌های LLMs
  • 68. استانداردهای صنعتی در LLMs
  • 69. آینده مهندسی LLMs
  • 70. مقایسه TensorRT-LLM با ابزارهای مشابه
  • 71. TensorFlow و PyTorch در LLMs
  • 72. مقایسه عملکرد TensorRT-LLM
  • 73. کارایی در مقیاس بزرگ
  • 74. بهینه‌سازی برای استقرار (Deployment)
  • 75. استقرار LLMs در محیط‌های تولیدی
  • 76. نکات عملی برای مهندسان
  • 77. مطالعات موردی (Case Studies)
  • 78. پروژه‌های موفق با TensorRT-LLM
  • 79. درس‌های آموخته شده از پروژه‌ها
  • 80. مفاهیم پیشرفته در یادگیری عمیق
  • 81. شبکه‌های عصبی کانولوشنی (CNNs)
  • 82. شبکه‌های عصبی بازگشتی (RNNs)
  • 83. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTMs)
  • 84. شبکه‌های حافظه کوتاه‌مدت (GRUs)
  • 85. یادگیری انتقالی (Transfer Learning)
  • 86. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 87. بهینه‌سازی مدل برای حافظه محدود
  • 88. تکنیک‌های کاهش حافظه
  • 89. فشرده‌سازی مدل (Model Compression)
  • 90. معماری‌های سبک (Lightweight Architectures)
  • 91. ابزارهای ارزیابی LLMs
  • 92. معیارهای ارزیابی کیفیت متن
  • 93. فهم متقابل (Mutual Information)
  • 94. ارزیابی عینی و ذهنی
  • 95. روش‌های خودکار ارزیابی
  • 96. کاربرد LLMs در علم و فناوری
  • 97. کشف دارو با LLMs
  • 98. تحلیل داده‌های علمی با LLMs
  • 99. نوآوری در آموزش با LLMs
  • 100. توسعه نرم‌افزار با LLMs

📚 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.