کتاب سفارشی‌سازی و بهینه‌سازی مدل‌های زبان بزرگ با مثال‌های عملی

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 بهینه‌سازی مدل‌های زبان بزرگ با مثال‌های عملی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌های زبان بزرگ (LLMs)

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر مدل‌های زبان بزرگ (LLMs)
  • 3. معماری ترنسفورمر و مکانیزم توجه
  • 4. مفاهیم اساسی پردازش زبان طبیعی
  • 5. پیش‌پردازش متن برای مدل‌های زبان
  • 6. ساخت واژگان و جاسازی کلمات (Word Embeddings)
  • 7. جاسازی‌های مبتنی بر ترنسفورمر (BERT, GPT)
  • 8. معرفی Fine-tuning در مدل‌های زبان
  • 9. چرا Fine-tuning مهم است؟
  • 10. فرایند کلی Fine-tuning LLMs
  • 11. انتخاب مدل پایه مناسب برای Fine-tuning
  • 12. مجموعه داده‌های مناسب برای Fine-tuning
  • 13. آماده‌سازی و برچسب‌گذاری داده‌ها
  • 14. تکنیک‌های Fine-tuning: Supervised Fine-tuning (SFT)
  • 15. Fine-tuning برای وظایف طبقه‌بندی متن
  • 16. Fine-tuning برای وظایف تولید متن
  • 17. Fine-tuning برای وظایف پاسخگویی به سوال
  • 18. Fine-tuning برای وظایف خلاصه‌سازی متن
  • 19. Fine-tuning برای وظایف ترجمه ماشینی
  • 20. Fine-tuning برای وظایف استخراج اطلاعات
  • 21. Fine-tuning برای وظایف تحلیل احساسات
  • 22. Fine-tuning برای وظایف تشخیص موجودیت نام‌گذاری شده (NER)
  • 23. Fine-tuning برای وظایف تشخیص رابطه (Relation Extraction)
  • 24. Fine-tuning برای وظایف پرسش و پاسخ باز (Open-domain QA)
  • 25. Fine-tuning برای وظایف تولید کد
  • 26. Fine-tuning برای وظایف چندزبانه
  • 27. Fine-tuning با استفاده از داده‌های کم (Few-shot Learning)
  • 28. Fine-tuning با استفاده از داده‌های صفر (Zero-shot Learning)
  • 29. Fine-tuning مبتنی بر دستورالعمل (Instruction Tuning)
  • 30. بهینه‌سازی فراپارامترها در Fine-tuning
  • 31. نرخ یادگیری و زمان‌بندی آن
  • 32. اندازه بچ (Batch Size) و تأثیر آن
  • 33. تکنیک‌های تنظیم‌کننده (Regularization)
  • 34. استفاده از بهینه‌سازها (Optimizers)
  • 35. روش‌های تنظیم دقیق (Parameter-Efficient Fine-tuning - PEFT)
  • 36. LoRA (Low-Rank Adaptation)
  • 37. QLoRA
  • 38. Adapter Tuning
  • 39. Prompt Tuning
  • 40. Prefix Tuning
  • 41. P-Tuning
  • 42. معرفی ابزارهای Fine-tuning (Hugging Face Transformers)
  • 43. نصب و راه‌اندازی کتابخانه Transformers
  • 44. بارگذاری مدل‌های از پیش آموزش‌دیده
  • 45. استفاده از Tokenizers
  • 46. آماده‌سازی مجموعه داده با Tokenizers
  • 47. فرایند آموزش با Trainer API
  • 48. ارزیابی مدل‌های Fine-tuned
  • 49. معیارهای ارزیابی برای وظایف مختلف
  • 50. Metrics: Accuracy, Precision, Recall, F1-Score
  • 51. Metrics: BLEU, ROUGE, METEOR
  • 52. Metrics: Perplexity
  • 53. Metrics: Exact Match (EM), F1
  • 54. Metrics: MRR
  • 55. Metrics: CIDEr, SPICE
  • 56. Metrics: GLUE, SuperGLUE
  • 57. Metrics: MMLU
  • 58. Metrics: HELLASWAG
  • 59. Metrics: ARC
  • 60. Metrics: Winograd Schema Challenge
  • 61. Metrics: Big-Bench Hard
  • 62. Metrics: Human Evaluation
  • 63. مدیریت حافظه و محاسبات در Fine-tuning
  • 64. استفاده از GPU و TPU
  • 65. توزیع آموزش (Distributed Training)
  • 66. کوانتیزاسیون مدل (Model Quantization)
  • 67. تقطیر دانش (Knowledge Distillation)
  • 68. پایپ‌لاین‌های استنتاج (Inference Pipelines)
  • 69. بهینه‌سازی مدل برای استنتاج سریع
  • 70. Deploy کردن مدل‌های Fine-tuned
  • 71. ملاحظات اخلاقی در Fine-tuning LLMs
  • 72. سوگیری در مدل‌های زبان
  • 73. کاهش سوگیری در مجموعه داده‌ها
  • 74. کاهش سوگیری در فرایند Fine-tuning
  • 75. امنیت و حریم خصوصی در LLMs
  • 76. استفاده مسئولانه از LLMs
  • 77. کاربرد LLMs در ایران
  • 78. توسعه مدل‌های زبان فارسی
  • 79. Fine-tuning برای زبان فارسی
  • 80. چالش‌های Fine-tuning مدل‌های فارسی
  • 81. مثال‌های عملی Fine-tuning مدل‌های فارسی
  • 82. Fine-tuning مدل‌های کوچک‌تر برای وظایف خاص
  • 83. Fine-tuning مدل‌های بزرگ‌تر برای وظایف عمومی
  • 84. Fine-tuning مدل‌های چندوجهی (Multimodal LLMs)
  • 85. Fine-tuning برای تولید تصاویر از متن
  • 86. Fine-tuning برای درک تصاویر
  • 87. Fine-tuning برای رباتیک و کنترل
  • 88. Fine-tuning برای سیستم‌های توصیه‌گر
  • 89. Fine-tuning برای تحلیل داده‌های سری زمانی
  • 90. Fine-tuning برای کاربردهای پزشکی (با احتیاط)
  • 91. Fine-tuning برای کاربردهای حقوقی (با احتیاط)
  • 92. Fine-tuning برای کاربردهای آموزشی (با احتیاط)
  • 93. Fine-tuning مدل‌های زبانی با رویکرد اسلامی (با احتیاط)
  • 94. Fine-tuning برای تولید محتوای دینی (با احتیاط)
  • 95. Fine-tuning برای پاسخگویی به سوالات دینی (با احتیاط)
  • 96. Fine-tuning برای تحلیل متون تاریخی اسلامی (با احتیاط)
  • 97. Fine-tuning برای درک و تولید زبان عربی (با احتیاط)
  • 98. مدیریت نسخه (Version Control) مدل‌ها
  • 99. ذخیره‌سازی و بازیابی مدل‌ها
  • 100. نظارت بر عملکرد مدل در طول زمان

📚 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.