سپنتا کتاب اکسپرس
کتاب راه‌اندازی و بومی‌سازی مدل‌های زبان بزرگ (LLMs) متن‌باز در محیط داخلی

کتاب راه‌اندازی و بومی‌سازی مدل‌های زبان بزرگ (LLMs) متن‌باز در محیط داخلی

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 راه‌اندازی و بومی‌سازی مدل‌های زبان بزرگ (LLMs) متن‌باز در محیط داخلی

موضوع کلی: فناوری اطلاعات و هوش مصنوعی

موضوع میانی: هوش مصنوعی کاربردی و توسعه نرم‌افزار

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مفاهیم پایه هوش مصنوعی
  • 2. آشنایی با مدل‌های زبان بزرگ (LLMs)
  • 3. معماری مدل‌های ترنسفورمر
  • 4. مبانی پردازش زبان طبیعی (NLP)
  • 5. تفاوت مدل‌های متن‌باز و تجاری
  • 6. اهمیت بومی‌سازی و حفاظت از داده‌ها
  • 7. چرا اجرای LLMs در محیط داخلی؟
  • 8. ملاحظات امنیتی در اجرای مدل‌های هوش مصنوعی
  • 9. الزامات سخت‌افزاری برای اجرای LLMs
  • 10. بررسی کارت‌های گرافیک (GPU) مناسب
  • 11. نصب و پیکربندی درایورهای GPU
  • 12. مقدمه‌ای بر سیستم‌عامل‌های لینوکس و ویندوز
  • 13. نصب و مدیریت بسته‌های نرم‌افزاری
  • 14. آشنایی با ابزارهای خط فرمان (CLI)
  • 15. مفاهیم اولیه پایتون برای توسعه هوش مصنوعی
  • 16. نصب و پیکربندی محیط توسعه پایتون
  • 17. کتابخانه‌های کلیدی پایتون در NLP
  • 18. مقدمه‌ای بر Git و کنترل نسخه
  • 19. نصب و پیکربندی Git
  • 20. کار با مخازن Git
  • 21. مبانی Docker برای کانتینرسازی
  • 22. نصب و پیکربندی Docker
  • 23. ساخت ایمیج‌های Docker
  • 24. اجرای LLMs با استفاده از Docker
  • 25. معرفی فریم‌ورک‌های LLM متن‌باز
  • 26. مدل‌های Llama و خانواده آن
  • 27. مدل‌های Mistral و کارایی آن‌ها
  • 28. مدل‌های Falcon و قابلیت‌هایشان
  • 29. مدل‌های دیگر LLM متن‌باز
  • 30. معیارهای انتخاب مدل مناسب
  • 31. فرایند دانلود و آماده‌سازی مدل‌ها
  • 32. تنظیمات اولیه مدل‌های LLM
  • 33. مقدمه‌ای بر رابط‌های کاربری (UI) برای LLMs
  • 34. نصب و پیکربندی Oobabooga Text Generation Web UI
  • 35. تنظیمات پیشرفته Oobabooga
  • 36. معرفی LM Studio
  • 37. نصب و استفاده از LM Studio
  • 38. کار با Hugging Face Transformers
  • 39. مبانی بارگذاری مدل‌ها
  • 40. تنظیمات پارامترهای تولید متن
  • 41. نکات کلیدی در فرایند Prompt Engineering
  • 42. تکنیک‌های پیشرفته Prompt Engineering
  • 43. ارزیابی کیفیت خروجی مدل‌ها
  • 44. معیارهای ارزیابی مدل‌های زبان
  • 45. مقدمه‌ای بر Fine-tuning مدل‌ها
  • 46. آماده‌سازی داده‌ها برای Fine-tuning
  • 47. فرایندهای Fine-tuning با استفاده از کتابخانه‌ها
  • 48. نکات مهم در Fine-tuning
  • 49. مقدمه‌ای بر RAG (Retrieval-Augmented Generation)
  • 50. پیاده‌سازی RAG با استفاده از ابزارهای متن‌باز
  • 51. کار با پایگاه‌های داده برداری (Vector Databases)
  • 52. معرفی ChromaDB
  • 53. نصب و پیکربندی ChromaDB
  • 54. استفاده از ChromaDB در RAG
  • 55. معرفی Pinecone (فقط جنبه مفهومی)
  • 56. مقدمه‌ای بر امنیت داده‌ها در LLMs
  • 57. روش‌های حفاظت از اطلاعات حساس
  • 58. ملاحظات اخلاقی در استفاده از AI
  • 59. قوانین و مقررات مربوط به هوش مصنوعی در ایران
  • 60. الزامات شرعی در کاربردهای هوش مصنوعی
  • 61. مقدمه‌ای بر توسعه اپلیکیشن‌های مبتنی بر LLM
  • 62. ساخت API برای مدل‌های LLM
  • 63. یکپارچه‌سازی LLMs با برنامه‌های موجود
  • 64. مقدمه‌ای بر ابزارهای توسعه Low-code/No-code
  • 65. کاربرد LLMs در اتوماسیون فرآیندها
  • 66. توسعه دستیارهای هوشمند شخصی
  • 67. ساخت ربات‌های گفتگو (Chatbots)
  • 68. کاربرد LLMs در تولید محتوا (متن)
  • 69. مقدمه‌ای بر تحلیل داده با LLMs
  • 70. استفاده از LLMs برای خلاصه‌سازی متن
  • 71. استخراج اطلاعات از متن با LLMs
  • 72. مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
  • 73. کاربرد LLMs در پیش‌بینی روندها
  • 74. مقدمه‌ای بر مدل‌های چندوجهی (Multimodal Models)
  • 75. چالش‌های بومی‌سازی مدل‌های پیچیده
  • 76. راهکارهای بهینه‌سازی مصرف منابع
  • 77. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 78. استفاده از مدل‌های از پیش آموزش‌دیده
  • 79. ملاحظات مربوط به داده‌های آموزشی داخلی
  • 80. توسعه مدل‌های تخصصی برای صنایع خاص
  • 81. کاربرد LLMs در حوزه آموزش
  • 82. مقدمه‌ای بر ارزیابی و اعتبارسنجی مدل‌ها
  • 83. روش‌های عیب‌یابی (Debugging) مدل‌های LLM
  • 84. نکات مربوط به نگهداری و به‌روزرسانی مدل‌ها
  • 85. معرفی جامعه متن‌باز LLM
  • 86. نقش فعالان داخلی در توسعه AI
  • 87. مقدمه‌ای بر آینده LLMs
  • 88. آخرین روندها در تحقیقات هوش مصنوعی
  • 89. چالش‌های قانونی و حقوقی AI
  • 90. مسئولیت‌پذیری در توسعه AI
  • 91. اهمیت شفافیت در مدل‌های AI
  • 92. مقدمه‌ای بر مفاهیم اقتصاد توکنی (Tokenomics)
  • 93. کاربرد AI در اقتصاد مقاومتی
  • 94. نقش AI در تحقق اهداف سند چشم‌انداز
  • 95. ملاحظات مربوط به حقوق مالکیت معنوی در AI
  • 96. امنیت سایبری و هوش مصنوعی
  • 97. مقدمه‌ای بر هوش مصنوعی مولد (Generative AI)
  • 98. کاربرد Generative AI در طراحی
  • 99. مقدمه‌ای بر AI اخلاقی
  • 100. مدیریت ریسک در پروژه‌های AI

📚 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.