سپنتا کتاب اکسپرس
کتاب بهینه‌سازی مدل‌های زبانی بزرگ با روش‌های نوین (PEFT)

کتاب بهینه‌سازی مدل‌های زبانی بزرگ با روش‌های نوین (PEFT)

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 بهینه‌سازی مدل‌های زبانی بزرگ با روش‌های نوین (PEFT)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش زبان طبیعی پیشرفته

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین و هوش مصنوعی
  • 2. مقدمه‌ای بر مدل‌های زبانی بزرگ
  • 3. معماری ترنسفورمر و مکانیسم توجه
  • 4. آموزش پیشین مدل‌های زبانی
  • 5. مفاهیم اولیه تنظیم دقیق (Fine-tuning)
  • 6. چالش‌های تنظیم دقیق مدل‌های بزرگ
  • 7. مقدمه‌ای بر روش‌های پارامتر-کارآمد (PEFT)
  • 8. نیاز به PEFT در عصر مدل‌های بزرگ
  • 9. دسته‌بندی روش‌های PEFT
  • 10. تنظیم دقیق مبتنی بر پیشوند (Prefix Tuning)
  • 11. آشنایی با Prefix Tuning
  • 12. پیاده‌سازی Prefix Tuning
  • 13. تنظیم دقیق مبتنی بر آداپتور (Adapter Tuning)
  • 14. معرفی ماژول‌های آداپتور
  • 15. کاربرد Adapter Tuning
  • 16. آموزش مبتنی بر راهنما (Prompt Tuning)
  • 17. مفهوم Prompt Tuning
  • 18. مزایای Prompt Tuning
  • 19. تنظیم دقیق کم‌رتبه (Low-Rank Adaptation - LoRA)
  • 20. اصول LoRA
  • 21. کاربردهای LoRA
  • 22. مزایای LoRA نسبت به روش‌های دیگر
  • 23. تکنیک‌های بسته‌بندی پارامتر (Parameter Packing)
  • 24. مفهوم Parameter Packing
  • 25. کاربرد در PEFT
  • 26. روش‌های دیگر PEFT: P-Tuning
  • 27. مقدمه‌ای بر P-Tuning
  • 28. کاربردهای P-Tuning
  • 29. روش‌های دیگر PEFT: Soft Prompts
  • 30. تفاوت Soft Prompts با Prompt Tuning
  • 31. کاربرد Soft Prompts
  • 32. ترکیب روش‌های PEFT
  • 33. مزایای ترکیب روش‌ها
  • 34. پیاده‌سازی ترکیبی
  • 35. ارزیابی مدل‌های تنظیم شده
  • 36. معیارهای ارزیابی در پردازش زبان طبیعی
  • 37. ابزارهای ارزیابی
  • 38. تنظیم دقیق برای وظایف خاص زبانی
  • 39. تنظیم دقیق برای طبقه‌بندی متن
  • 40. تنظیم دقیق برای خلاصه‌سازی متن
  • 41. تنظیم دقیق برای ترجمه ماشینی
  • 42. تنظیم دقیق برای پاسخ به سوال
  • 43. تنظیم دقیق برای تولید متن خلاقانه
  • 44. تنظیم دقیق مدل‌های چندزبانه
  • 45. چالش‌های تنظیم دقیق مدل‌های چندزبانه
  • 46. راهکارها در PEFT
  • 47. ملاحظات اخلاقی در هوش مصنوعی و مدل‌های زبانی
  • 48. سوگیری در داده‌ها و مدل‌ها
  • 49. روش‌های کاهش سوگیری با PEFT
  • 50. حریم خصوصی در تنظیم دقیق مدل‌ها
  • 51. امنیت مدل‌های زبانی تنظیم شده
  • 52. تکنیک‌های حافظت از حریم خصوصی
  • 53. کاربردهای پیشرفته PEFT
  • 54. تنظیم دقیق برای خلاصه‌سازی اسناد طولانی
  • 55. تنظیم دقیق برای مکالمه هوشمند
  • 56. تنظیم دقیق برای تشخیص احساسات پیشرفته
  • 57. تنظیم دقیق برای تولید کد
  • 58. کاربرد PEFT در حوزه‌های علمی و پژوهشی
  • 59. تنظیم دقیق برای پردازش متون تخصصی
  • 60. تنظیم دقیق در حوزه علوم پزشکی
  • 61. تنظیم دقیق در حوزه حقوق
  • 62. تنظیم دقیق در حوزه علوم انسانی
  • 63. پیاده‌سازی PEFT با کتابخانه‌های محبوب
  • 64. معرفی کتابخانه Hugging Face Transformers
  • 65. استفاده از کتابخانه PEFT (Hugging Face)
  • 66. مثال‌های عملی با PEFT
  • 67. تنظیم دقیق مدل Llama 2 با LoRA
  • 68. تنظیم دقیق مدل GPT-2 با Prefix Tuning
  • 69. تنظیم دقیق مدل BERT با Adapter Tuning
  • 70. تنظیم دقیق مدل T5 با Prompt Tuning
  • 71. بهینه‌سازی هایپرپارامترها در PEFT
  • 72. تأثیر هایپرپارامترها بر عملکرد
  • 73. روش‌های جستجوی هایپرپارامتر
  • 74. یادگیری تقویتی در تنظیم دقیق مدل‌ها
  • 75. مقدمه‌ای بر یادگیری تقویتی
  • 76. کاربرد در تنظیم دقیق مدل‌های زبانی
  • 77. مدل‌های زبانی مولد و PEFT
  • 78. تنظیم دقیق مدل‌های مولد برای وظایف خاص
  • 79. تولید متن با کنترل پارامترها
  • 80. محدودیت‌های PEFT
  • 81. مقایسه PEFT با تنظیم دقیق کامل (Full Fine-tuning)
  • 82. زمان و منابع مورد نیاز
  • 83. عملکرد در وظایف مختلف
  • 84. آینده PEFT و مدل‌های زبانی
  • 85. روندهای نوظهور در PEFT
  • 86. نقش PEFT در توسعه هوش مصنوعی مسئولانه
  • 87. جمع‌بندی و چشم‌انداز آینده PEFT

📚 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.