سپنتا کتاب اکسپرس
کتاب آماده‌سازی داده و بهینه‌سازی مدل‌های زبان بزرگ با Unsloth

کتاب آماده‌سازی داده و بهینه‌سازی مدل‌های زبان بزرگ با Unsloth

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 آماده‌سازی داده و بهینه‌سازی مدل‌های زبان بزرگ با Unsloth

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی و بهینه‌سازی مدل‌های یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 4. یادگیری عمیق و شبکه‌های عصبی
  • 5. مقدمه‌ای بر مدل‌های زبان بزرگ (LLMs)
  • 6. معماری ترنسفورمرز
  • 7. مبانی پردازش زبان طبیعی (NLP)
  • 8. مفاهیم اساسی در آماده‌سازی داده
  • 9. اهمیت کیفیت داده در یادگیری ماشین
  • 10. شناسایی و مدیریت داده‌های پرت
  • 11. پاکسازی و پیش‌پردازش داده‌های متنی
  • 12. نرمال‌سازی متن و توکن‌سازی
  • 13. ایجاد واژگان و جاسازی کلمات (Word Embeddings)
  • 14. مقدمه‌ای بر کتابخانه Unsloth
  • 15. نصب و پیکربندی Unsloth
  • 16. مزایای استفاده از Unsloth برای بهینه‌سازی
  • 17. کار با مجموعه داده‌های متنی بزرگ
  • 18. ساختار داده‌های مورد نیاز Unsloth
  • 19. فرمت‌های پشتیبانی شده توسط Unsloth
  • 20. تبدیل فرمت‌های داده به فرمت Unsloth
  • 21. مقدمه‌ای بر Fine-Tuning مدل‌های زبان
  • 22. اهداف Fine-Tuning
  • 23. انواع Fine-Tuning
  • 24. Fine-Tuning با استفاده از Unsloth
  • 25. تنظیم پارامترهای Fine-Tuning
  • 26. انتخاب مدل پایه مناسب برای Fine-Tuning
  • 27. مدل‌های زبان بزرگ موجود و سازگار با Unsloth
  • 28. مقدمه‌ای بر مدل Whisper
  • 29. کاربرد مدل Whisper در پردازش صوت
  • 30. آماده‌سازی داده برای Fine-Tuning مدل Whisper
  • 31. داده‌های صوتی و متنی برای Whisper
  • 32. تطابق داده‌های صوتی و متنی
  • 33. تکنیک‌های افزایش داده (Data Augmentation) برای صوت
  • 34. استفاده از Unsloth برای Fine-Tuning Whisper
  • 35. بهینه‌سازی سرعت Fine-Tuning با Unsloth
  • 36. استفاده از سخت‌افزار مناسب (GPU)
  • 37. مدیریت حافظه در طول Fine-Tuning
  • 38. تنظیمات پیشرفته در Unsloth
  • 39. تکنیک‌های کوانتیزاسیون (Quantization)
  • 40. کوانتیزاسیون 4 بیتی
  • 41. کوانتیزاسیون 8 بیتی
  • 42. مزایای کوانتیزاسیون برای کاهش حجم مدل
  • 43. استفاده از QLoRA با Unsloth
  • 44. مبانی LoRA (Low-Rank Adaptation)
  • 45. مزایای LoRA در Fine-Tuning
  • 46. پیکربندی QLoRA در Unsloth
  • 47. تنظیم پارامترهای QLoRA
  • 48. ارزیابی عملکرد مدل Fine-Tuned
  • 49. معیارهای ارزیابی در NLP
  • 50. معیارهای ارزیابی برای وظایف صوتی (ASR)
  • 51. محاسبه دقت و نرخ خطا
  • 52. تفسیر نتایج ارزیابی
  • 53. اشکال‌زدایی (Debugging) مدل‌های Fine-Tuned
  • 54. شناسایی مشکلات رایج در Fine-Tuning
  • 55. راهکارهای رفع مشکلات
  • 56. تکنیک‌های تنظیم دقیق (Hyperparameter Tuning)
  • 57. جستجوی شبکه‌ای (Grid Search)
  • 58. جستجوی تصادفی (Random Search)
  • 59. بهینه‌سازی بیزی (Bayesian Optimization)
  • 60. استفاده از ابزارهای مانیتورینگ (مانند TensorBoard)
  • 61. مفاهیم اساسی در مهندسی مدل
  • 62. انتخاب معماری مناسب مدل
  • 63. اندازه مدل و تعداد پارامترها
  • 64. تاثیر پارامترها بر عملکرد و منابع
  • 65. روش‌های Regularization برای جلوگیری از Overfitting
  • 66. Dropout
  • 67. Weight Decay
  • 68. Early Stopping
  • 69. مدیریت داده‌های نامتوازن (Imbalanced Data)
  • 70. روش‌های نمونه‌برداری (Sampling Techniques)
  • 71. تکنیک‌های تولید داده مصنوعی (Synthetic Data Generation)
  • 72. مقدمه‌ای بر مدل‌های Diffusion
  • 73. کاربرد مدل‌های Diffusion در تولید محتوا
  • 74. Fine-Tuning مدل‌های Diffusion با Unsloth
  • 75. بهینه‌سازی فرآیند آموزش مدل‌های Diffusion
  • 76. ملاحظات اخلاقی در هوش مصنوعی
  • 77. سوگیری (Bias) در داده‌ها و مدل‌ها
  • 78. شناسایی و کاهش سوگیری
  • 79. شفافیت و قابلیت توضیح‌پذیری مدل‌ها (Explainability)
  • 80. حریم خصوصی داده‌ها در آموزش مدل‌ها
  • 81. امنیت مدل‌های هوش مصنوعی
  • 82. حملات adversarial و دفاع در برابر آن‌ها
  • 83. مقدمه‌ای بر Metalearning
  • 84. یادگیری چگونه یاد گرفتن
  • 85. کاربرد Metalearning در بهینه‌سازی مدل‌ها
  • 86. Fine-Tuning مدل‌ها برای وظایف جدید با داده کم
  • 87. تکنیک‌های Few-Shot Learning
  • 88. مقدمه‌ای بر Graph Neural Networks (GNNs)
  • 89. کاربرد GNNs در داده‌های ساختاریافته
  • 90. Fine-Tuning GNNs با Unsloth
  • 91. بهینه‌سازی آموزش GNNs
  • 92. مقدمه‌ای بر Reinforcement Learning
  • 93. مفاهیم اساسی در یادگیری تقویتی
  • 94. کاربرد یادگیری تقویتی در Unsloth
  • 95. بهینه‌سازی مدل‌ها با یادگیری تقویتی
  • 96. مقدمه‌ای بر مدل‌های مولد (Generative Models)
  • 97. GANs (Generative Adversarial Networks)
  • 98. VAEs (Variational Autoencoders)
  • 99. کاربرد مدل‌های مولد در Unsloth
  • 100. بهینه‌سازی آموزش مدل‌های مولد

📚 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.