سپنتا کتاب اکسپرس
کتاب سفارشی‌سازی و ارزیابی مدل‌های زبان بزرگ با Amazon SageMaker JumpStart

کتاب سفارشی‌سازی و ارزیابی مدل‌های زبان بزرگ با Amazon SageMaker JumpStart

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 سفارشی‌سازی و ارزیابی مدل‌های زبان بزرگ با Amazon SageMaker JumpStart

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و استقرار مدل‌های زبان بزرگ (LLMs)

📋 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. مقدمه‌ای بر مدل‌های زبان بزرگ (LLMs)
  • 8. معماری ترنسفورمر
  • 9. انواع ترنسفورمرها
  • 10. مفاهیم اساسی در LLMs
  • 11. آموزش پیشین LLMs
  • 12. تنظیم دقیق (Fine-tuning) LLMs
  • 13. مقدمه‌ای بر Amazon SageMaker
  • 14. قابلیت‌های SageMaker JumpStart
  • 15. کاربرد SageMaker JumpStart در LLMs
  • 16. محیط توسعه SageMaker
  • 17. آماده‌سازی داده‌ها برای LLMs
  • 18. پیش‌پردازش داده‌ها
  • 19. مدیریت مجموعه داده‌ها
  • 20. انتخاب مدل پایه LLM
  • 21. ملاحظات انتخاب مدل
  • 22. مدل‌های زبان بزرگ متن‌باز
  • 23. مدل‌های زبان بزرگ تجاری
  • 24. سفارشی‌سازی مدل با داده‌های خود
  • 25. تکنیک‌های تنظیم دقیق
  • 26. تنظیم دقیق پارامترافت
  • 27. تنظیم دقیق با داده‌های برچسب‌دار
  • 28. تنظیم دقیق بدون نظارت
  • 29. تنظیم دقیق با یادگیری فعال
  • 30. تنظیم دقیق با روش‌های Prompt Engineering
  • 31. طراحی Prompt های مؤثر
  • 32. تکنیک‌های Prompt Engineering پیشرفته
  • 33. ارزیابی عملکرد LLMs
  • 34. معیارهای ارزیابی LLMs
  • 35. ارزیابی وظایف خاص
  • 36. ارزیابی کیفیت تولید متن
  • 37. ارزیابی سوگیری در LLMs
  • 38. کاهش سوگیری در LLMs
  • 39. روش‌های ارزیابی عینی
  • 40. روش‌های ارزیابی انسانی
  • 41. ابزارهای ارزیابی در SageMaker
  • 42. استقرار مدل‌های LLM
  • 43. فرآیند استقرار در SageMaker
  • 44. استقرار برای استنتاج بلادرنگ
  • 45. استقرار برای پردازش دسته‌ای
  • 46. مدیریت نقطه پایانی (Endpoint)
  • 47. مانیتورینگ عملکرد مدل مستقر
  • 48. بهینه‌سازی هزینه استقرار
  • 49. امنیت در استقرار LLMs
  • 50. ملاحظات حریم خصوصی داده‌ها
  • 51. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 52. مسئولیت‌پذیری در LLMs
  • 53. شفافیت در LLMs
  • 54. کاربرد LLMs در پردازش زبان طبیعی
  • 55. خلاصه‌سازی متن
  • 56. ترجمه ماشینی
  • 57. پاسخ به پرسش
  • 58. تولید متن خلاقانه
  • 59. تحلیل احساسات
  • 60. طبقه‌بندی متن
  • 61. شناسایی موجودیت نام‌گذاری شده (NER)
  • 62. درک مطلب
  • 63. تولید کد با LLMs
  • 64. کاربرد LLMs در حوزه‌های خاص
  • 65. کاربرد LLMs در آموزش
  • 66. کاربرد LLMs در سلامت
  • 67. کاربرد LLMs در امور مالی
  • 68. کاربرد LLMs در خدمات مشتری
  • 69. کاربرد LLMs در تحقیقات علمی
  • 70. کاربرد LLMs در صنعت
  • 71. ملاحظات حقوقی و انطباق LLMs
  • 72. قوانین حفاظت از داده‌ها
  • 73. حقوق مالکیت معنوی در LLMs
  • 74. مقررات مربوط به محتوای تولید شده
  • 75. انطباق با قوانین داخلی
  • 76. چارچوب‌های اخلاقی برای LLMs
  • 77. مستندسازی مدل‌های LLM
  • 78. گزارش‌دهی عملکرد مدل
  • 79. قابلیت ردیابی در LLMs
  • 80. تکنیک‌های پیشرفته سفارشی‌سازی
  • 81. یادگیری انتقال (Transfer Learning)
  • 82. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 83. تنظیم دقیق با پارامترهای اضافی
  • 84. استفاده از مدل‌های کوچک‌تر
  • 85. فشرده‌سازی مدل‌های LLM
  • 86. ملاحظات عملی در کار با LLMs
  • 87. مدیریت منابع محاسباتی
  • 88. بهینه‌سازی زمان آموزش
  • 89. بهینه‌سازی زمان استنتاج
  • 90. عیب‌یابی مدل‌های LLM
  • 91. توسعه پایدار LLMs
  • 92. آینده LLMs و SageMaker
  • 93. روندهای نوظهور در LLMs
  • 94. نقش SageMaker در آینده LLMs
  • 95. پروژه‌های عملی با SageMaker JumpStart
  • 96. مثال کاربردی ۱: خلاصه‌سازی اخبار
  • 97. مثال کاربردی ۲: چت‌بات پشتیبانی مشتری
  • 98. مثال کاربردی ۳: تولید محتوای بازاریابی
  • 99. مثال کاربردی ۴: تحلیل نظرات کاربران
  • 100. مثال کاربردی ۵: دستیار کدنویسی

📚 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.