سپنتا کتاب اکسپرس
کتاب شتاب‌دهی استنتاج مدل‌های زبان بزرگ (LLM) بر روی پردازنده‌های مرکزی (CPU) و پردازنده‌های گرافیکی (GPU) اینتل

کتاب شتاب‌دهی استنتاج مدل‌های زبان بزرگ (LLM) بر روی پردازنده‌های مرکزی (CPU) و پردازنده‌های گرافیکی (GPU) اینتل

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 شتاب‌دهی استنتاج مدل‌های زبان بزرگ (LLM) بر روی پردازنده‌های مرکزی (CPU) و پردازنده‌های گرافیکی (GPU) اینتل

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: بهینه‌سازی مدل‌های یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم کامپیوتر و هوش مصنوعی
  • 2. مبانی یادگیری ماشین
  • 3. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 4. معماری‌های پرکاربرد شبکه‌های عصبی
  • 5. یادگیری عمیق و کاربردهای آن
  • 6. مدل‌های زبان بزرگ (LLM) چیستند؟
  • 7. مروری بر معماری ترنسفورمر
  • 8. مکانیسم توجه در ترنسفورمرها
  • 9. پیش‌نیازهای سخت‌افزاری برای LLM
  • 10. معرفی پردازنده‌های مرکزی (CPU) اینتل
  • 11. معماری پردازنده‌های گرافیکی (GPU) اینتل
  • 12. مزایای استفاده از CPU و GPU اینتل در محاسبات
  • 13. مفهوم استنتاج (Inference) در یادگیری عمیق
  • 14. چالش‌های استنتاج LLM
  • 15. اهمیت بهینه‌سازی استنتاج LLM
  • 16. مقدمه‌ای بر بهینه‌سازی مدل
  • 17. تکنیک‌های کوانتیزاسیون (Quantization)
  • 18. کوانتیزاسیون ۸ بیتی (INT8)
  • 19. کوانتیزاسیون ۴ بیتی (INT4)
  • 20. مزایا و معایب کوانتیزاسیون
  • 21. تکنیک‌های تقطیر دانش (Knowledge Distillation)
  • 22. کاهش اندازه مدل با تقطیر دانش
  • 23. کاربرد تقطیر دانش در LLM
  • 24. تکنیک‌های هرس مدل (Pruning)
  • 25. هرس وزن‌ها و نورون‌ها
  • 26. انواع هرس: اسپارس و متراکم
  • 27. بهینه‌سازی معماری مدل
  • 28. تکنیک‌های تغییر معماری برای کارایی
  • 29. استفاده از معماری‌های سبک‌تر
  • 30. بهینه‌سازی لایه‌های متراکم
  • 31. بهینه‌سازی لایه‌های کانولوشنال
  • 32. کاهش ابعاد ورودی و خروجی
  • 33. تکنیک‌های بهینه‌سازی در سطح کرنل (Kernel Optimization)
  • 34. بهینه‌سازی عملیات ماتریسی
  • 35. بهینه‌سازی عملیات کانولوشن
  • 36. استفاده از کتابخانه‌های بهینه‌سازی
  • 37. معرفی Intel® oneAPI Math Kernel Library (oneMKL)
  • 38. کاربرد oneMKL در تسریع محاسبات
  • 39. معرفی Intel® Distribution for Python
  • 40. بهینه‌سازی پایتون برای پردازنده‌های اینتل
  • 41. استفاده از NumPy و SciPy بهینه شده
  • 42. پشتیبانی از فریم‌ورک‌های یادگیری عمیق
  • 43. TensorFlow و بهینه‌سازی آن
  • 44. PyTorch و بهینه‌سازی آن
  • 45. کاربرد Intel® Extension for TensorFlow
  • 46. کاربرد Intel® Extension for PyTorch
  • 47. استفاده از OpenVINO™ Toolkit
  • 48. معرفی OpenVINO™ برای استنتاج بهینه
  • 49. مراحل استفاده از OpenVINO™
  • 50. تبدیل مدل‌ها به فرمت OpenVINO™
  • 51. اجرای مدل‌های بهینه‌شده با OpenVINO™
  • 52. مزایای OpenVINO™ در استنتاج LLM
  • 53. بهینه‌سازی استنتاج بر روی CPU
  • 54. استفاده از دستورالعمل‌های AVX-512
  • 55. بهینه‌سازی برای NUMA
  • 56. مدیریت حافظه در CPU
  • 57. استفاده از کش CPU
  • 58. تکنیک‌های پیش‌بارگذاری داده (Prefetching)
  • 59. بهینه‌سازی استنتاج بر روی GPU اینتل
  • 60. معماری Xe-HPG و Xe-HPC
  • 61. هسته‌های محاسباتی GPU
  • 62. حافظه مشترک (Shared Memory) در GPU
  • 63. مدیریت تردها (Threads) و گروه‌ها (Groups) در GPU
  • 64. همگام‌سازی در GPU
  • 65. استفاده از کتابخانه Level Zero
  • 66. بهینه‌سازی با استفاده از SYCL
  • 67. برنامه‌نویسی موازی با SYCL
  • 68. مزایای SYCL برای GPU اینتل
  • 69. مقایسه عملکرد CPU و GPU برای استنتاج LLM
  • 70. انتخاب سخت‌افزار مناسب برای کاربرد خاص
  • 71. تحلیل هزینه-کارایی
  • 72. مطالعات موردی: اجرای LLMهای معروف
  • 73. بهینه‌سازی Llama 2 بر روی CPU اینتل
  • 74. بهینه‌سازی Mistral 7B بر روی GPU اینتل
  • 75. بهینه‌سازی Falcon 7B با OpenVINO™
  • 76. بهینه‌سازی مدل‌های تولید متن
  • 77. بهینه‌سازی مدل‌های ترجمه ماشینی
  • 78. بهینه‌سازی مدل‌های پاسخ به پرسش
  • 79. آینده بهینه‌سازی استنتاج LLM
  • 80. روندهای جدید در معماری مدل‌ها
  • 81. تکنیک‌های نوظهور کوانتیزاسیون
  • 82. پیشرفت‌های سخت‌افزاری آینده
  • 83. استانداردهای باز برای بهینه‌سازی
  • 84. جمع‌بندی و گام‌های بعدی در بهینه‌سازی
  • 85. کاربرد عملی در سیستم‌های آموزشی
  • 86. ملاحظات امنیتی در استنتاج LLM
  • 87. حفاظت از مدل‌های بهینه‌شده
  • 88. مقررات و استانداردهای مربوط به هوش مصنوعی
  • 89. نقش بهینه‌سازی در دسترس‌پذیری هوش مصنوعی
  • 90. توسعه ابزارهای خودکار بهینه‌سازی
  • 91. نقش جامعه در توسعه ابزارهای منبع‌باز
  • 92. چشم‌انداز آینده استنتاج LLM در ایران

📚 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.