کتاب آشنایی با کتابخانه Hugging Face برای ساخت و استفاده از مدل‌های پردازش زبان طبیعی

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 آشنایی با کتابخانه Hugging Face برای ساخت و استفاده از مدل‌های پردازش زبان طبیعی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش زبان طبیعی و مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 2. تاریخچه و تکامل NLP
  • 3. مبانی زبان‌شناسی محاسباتی
  • 4. مدل‌های زبانی سنتی (N-grams)
  • 5. کاربرد مدل‌های زبانی
  • 6. مقدمه‌ای بر یادگیری ماشین برای NLP
  • 7. یادگیری نظارت‌شده و بدون نظارت در NLP
  • 8. الگوریتم‌های پایه یادگیری ماشین (رگرسیون، طبقه‌بندی)
  • 9. شبکه‌های عصبی برای NLP
  • 10. مقدمه‌ای بر یادگیری عمیق
  • 11. شبکه‌های عصبی بازگشتی (RNN)
  • 12. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTM)
  • 13. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 14. مقدمه‌ای بر مدل‌های ترنسفورمر (Transformer)
  • 15. مکانیزم توجه (Attention Mechanism)
  • 16. مدل‌های ترنسفورمر پیشرفته (BERT, GPT)
  • 17. معماری مدل‌های ترنسفورمر
  • 18. آموزش مدل‌های ترنسفورمر
  • 19. تنظیم دقیق (Fine-tuning) مدل‌های ترنسفورمر
  • 20. مقدمه‌ای بر کتابخانه Hugging Face
  • 21. نصب و راه‌اندازی Hugging Face Transformers
  • 22. مفاهیم کلیدی در Hugging Face
  • 23. کلاس Tokenizer
  • 24. پیش‌پردازش متن با Tokenizer
  • 25. انواع Tokenizer ها
  • 26. کلاس Model
  • 27. بارگذاری مدل‌های از پیش آموزش‌دیده
  • 28. دسته‌بندی وظایف NLP
  • 29. مدل‌های طبقه‌بندی متن
  • 30. مدل‌های شناسایی موجودیت نام‌دار (NER)
  • 31. مدل‌های پاسخ به پرسش (Question Answering)
  • 32. مدل‌های خلاصه‌سازی متن
  • 33. مدل‌های ترجمه ماشینی
  • 34. مدل‌های تولید متن
  • 35. کار با Pipeline در Hugging Face
  • 36. تنظیم دقیق مدل برای وظایف خاص
  • 37. آموزش مدل طبقه‌بندی متن
  • 38. آموزش مدل NER
  • 39. آموزش مدل پاسخ به پرسش
  • 40. آموزش مدل خلاصه‌سازی
  • 41. آموزش مدل ترجمه
  • 42. آموزش مدل تولید متن
  • 43. مبانی پایپ‌لاین‌های سفارشی
  • 44. ذخیره‌سازی و بارگذاری مدل‌ها
  • 45. مدیریت مجموعه داده‌ها در Hugging Face
  • 46. مجموعه داده‌های متنی رایج
  • 47. پیش‌پردازش مجموعه داده‌ها
  • 48. تقسیم مجموعه داده‌ها (آموزش، اعتبارسنجی، تست)
  • 49. آموزش مدل با استفاده از Trainer API
  • 50. تنظیم پارامترهای آموزش
  • 51. استفاده از ابزارهای ارزیابی
  • 52. شاخص‌های ارزیابی وظایف NLP
  • 53. ارزیابی مدل طبقه‌بندی متن
  • 54. ارزیابی مدل NER
  • 55. ارزیابی مدل پاسخ به پرسش
  • 56. ارزیابی مدل خلاصه‌سازی
  • 57. ارزیابی مدل ترجمه
  • 58. ارزیابی مدل تولید متن
  • 59. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 60. معماری مدل‌های زبانی بزرگ
  • 61. آموزش مدل‌های زبانی بزرگ
  • 62. کاربرد مدل‌های زبانی بزرگ
  • 63. تنظیم دقیق مدل‌های زبانی بزرگ
  • 64. دستورالعمل‌ها (Prompt Engineering) برای LLMs
  • 65. فناوری‌های مرتبط با LLMs
  • 66. ملاحظات اخلاقی در LLMs
  • 67. امنیت و حریم خصوصی در LLMs
  • 68. مدیریت و استقرار LLMs
  • 69. مقدمه‌ای بر Hugging Face Hub
  • 70. بارگذاری مدل‌ها و مجموعه داده‌ها در Hub
  • 71. همکاری در Hub
  • 72. استفاده از مدل‌های موجود در Hub
  • 73. جستجو و کشف مدل‌ها
  • 74. مقدمه‌ای بر کتابخانه Datasets
  • 75. بارگذاری مجموعه داده‌ها با Datasets
  • 76. عملیات بر روی مجموعه داده‌ها
  • 77. فیلتر کردن و نگاشت مجموعه داده‌ها
  • 78. اشتراک‌گذاری مجموعه داده‌ها
  • 79. مقدمه‌ای بر کتابخانه Accelerate
  • 80. آموزش توزیع‌شده با Accelerate
  • 81. استفاده از Accelerate برای آموزش چند GPU
  • 82. تنظیمات Accelerate
  • 83. مقدمه‌ای بر کتابخانه Tokenizers (مستقل)
  • 84. ساخت Tokenizer سفارشی
  • 85. آموزش Tokenizer سفارشی
  • 86. استفاده از Tokenizer سفارشی
  • 87. بهینه‌سازی پردازش متن
  • 88. مقدمه‌ای بر مدل‌های embedding
  • 89. Word Embeddings (Word2Vec, GloVe)
  • 90. Contextual Embeddings (ELMo, GPT)
  • 91. استفاده از Embeddings در مدل‌ها
  • 92. کاربرد Embeddings در جستجوی معنایی
  • 93. مقدمه‌ای بر مدل‌های DistilBERT و TinyBERT
  • 94. فشرده‌سازی مدل‌ها
  • 95. تکنیک‌های تقطیر دانش
  • 96. کاربرد مدل‌های فشرده
  • 97. مقدمه‌ای بر مدل‌های Sequence-to-Sequence
  • 98. معماری Encoder-Decoder
  • 99. کاربرد مدل‌های Seq2Seq
  • 100. مقدمه‌ای بر مدل‌های Generative Adversarial Networks (GANs) برای متن

📚 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.