سپنتا کتاب اکسپرس
کتاب مبانی مدل‌های زبان بزرگ (LLMs) و کاربردهای عملی آن‌ها

کتاب مبانی مدل‌های زبان بزرگ (LLMs) و کاربردهای عملی آن‌ها

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 مبانی مدل‌های زبان بزرگ (LLMs) و کاربردهای عملی آن‌ها

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و شبکه‌های عصبی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبان بزرگ
  • 2. تاریخچه و تکامل مدل‌های زبان
  • 3. معماری ترنسفورمر: ستون فقرات LLMها
  • 4. اجزای اصلی ترنسفورمر: Attention Mechanisms
  • 5. Self-Attention: درک روابط کلمه به کلمه
  • 6. Multi-Head Attention: افزایش ظرفیت مدل
  • 7. Positional Encoding: حفظ ترتیب توکن‌ها
  • 8. Encoder-Decoder Architecture
  • 9. وظایف توالی به توالی
  • 10. تکامل معماری‌ها: از RNN تا ترنسفورمر
  • 11. مبانی پردازش زبان طبیعی (NLP)
  • 12. توکن‌سازی و واژگان
  • 13. Word Embeddings: نمایش معنایی کلمات
  • 14. Word2Vec و GloVe
  • 15. تکامل Embeddings: FastText
  • 16. مبانی یادگیری ماشین
  • 17. یادگیری نظارت شده و بدون نظارت
  • 18. انواع مدل‌های یادگیری ماشین
  • 19. نکات اساسی در مورد شبکه‌های عصبی
  • 20. تابع فعال‌سازی و نقش آن
  • 21. پس‌انتشار خطا (Backpropagation)
  • 22. بهینه‌سازها: Adam, SGD
  • 23. مبانی یادگیری عمیق
  • 24. شبکه‌های عصبی کانولوشنال (CNN)
  • 25. شبکه‌های عصبی بازگشتی (RNN)
  • 26. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 27. واحد بازگشتی دروازه‌ای (GRU)
  • 28. معماری‌های پیشرفته‌تر
  • 29. تکنیک‌های تنظیم (Fine-tuning) مدل‌ها
  • 30. آموزش ترجیحی (Reinforcement Learning) در NLP
  • 31. مفاهیم اساسی در آموزش LLMها
  • 32. مجموعه داده‌های آموزشی بزرگ
  • 33. پیش‌پردازش داده‌ها برای LLMها
  • 34. پاکسازی و نرمال‌سازی متن
  • 35. مدیریت داده‌های نامتوازن
  • 36. ارزیابی مدل‌های زبان
  • 37. معیارهای ارزیابی: Perplexity, BLEU
  • 38. دقت و صحت (Precision & Recall)
  • 39. F1-Score و معیارهای دیگر
  • 40. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 41. استفاده از GPU و TPU برای آموزش
  • 42. ملاحظات اخلاقی در LLMها
  • 43. سوگیری در داده‌ها و مدل‌ها
  • 44. تکنیک‌های کاهش سوگیری
  • 45. شفافیت و قابلیت تفسیر مدل‌ها
  • 46. حریم خصوصی و امنیت داده‌ها
  • 47. ملاحظات فقهی و حقوقی در استفاده از LLMها
  • 48. مبانی اخلاق اسلامی در فناوری
  • 49. کاربردهای عملی LLMها
  • 50. تولید متن خلاقانه
  • 51. خلاصه‌سازی متون
  • 52. ترجمه ماشینی
  • 53. پاسخ به سوالات (Question Answering)
  • 54. طبقه‌بندی متون
  • 55. تشخیص موجودیت نام‌دار (NER)
  • 56. تحلیل احساسات
  • 57. ساخت چت‌بات‌ها و دستیارهای مجازی
  • 58. تولید کد برنامه‌نویسی
  • 59. کاربرد در آموزش و پژوهش
  • 60. کاربرد در حوزه سلامت و پزشکی
  • 61. مدل‌های زبان بزرگ متن‌باز
  • 62. معرفی مدل Llama
  • 63. معماری Llama
  • 64. آموزش پایه Llama
  • 65. تنظیم Llama برای وظایف خاص
  • 66. استفاده از ابزارهای Llama
  • 67. کتابخانه‌های مرتبط با LLMها
  • 68. Hugging Face Transformers
  • 69. PyTorch و TensorFlow
  • 70. مبانی برنامه‌نویسی پایتون برای LLMها
  • 71. کار با داده‌ها در پایتون (Pandas, NumPy)
  • 72. مصورسازی داده‌ها (Matplotlib, Seaborn)
  • 73. پیاده‌سازی ترنسفورمر از ابتدا
  • 74. تمرین عملی: ساخت یک مدل ساده NLP
  • 75. تمرین عملی: تنظیم یک مدل پیش‌آموزش‌دیده
  • 76. کارگاه: ساخت یک چت‌بات ساده
  • 77. کارگاه: خلاصه‌سازی مقالات علمی
  • 78. کارگاه: تولید محتوای متنی با Llama
  • 79. کارگاه: تحلیل احساسات متون فارسی
  • 80. کارگاه: پرسش و پاسخ از اسناد
  • 81. مبانی مهندسی پرامپت (Prompt Engineering)
  • 82. اصول طراحی پرامپت مؤثر
  • 83. انواع تکنیک‌های پرامپت‌نویسی
  • 84. Zero-shot و Few-shot Learning
  • 85. Chain-of-Thought Prompting
  • 86. پرامپت‌نویسی برای وظایف خاص
  • 87. ارزیابی پرامپت‌ها
  • 88. ملاحظات امنیتی در مهندسی پرامپت
  • 89. آینده مدل‌های زبان بزرگ
  • 90. روندهای پژوهشی نوین
  • 91. مدل‌های چندوجهی (Multimodal Models)
  • 92. LLMها و هوش مصنوعی عمومی (AGI)
  • 93. چالش‌های پیش رو در توسعه LLMها
  • 94. نقش LLMها در تحول دیجیتال
  • 95. استانداردهای حاکمیتی برای LLMها

📚 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.