سپنتا کتاب اکسپرس
کتاب آشنایی با مدل‌های زبانی بزرگ (LLMs) و تولید افزوده بازیابی (RAG) در هوش مصنوعی

کتاب آشنایی با مدل‌های زبانی بزرگ (LLMs) و تولید افزوده بازیابی (RAG) در هوش مصنوعی

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 آشنایی با مدل‌های زبانی بزرگ (LLMs) و تولید افزوده بازیابی (RAG) در هوش مصنوعی

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: مدل‌های زبانی بزرگ و کاربردهای نوین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و پردازش زبان طبیعی
  • 2. مبانی زبان‌شناسی محاسباتی
  • 3. تاریخچه مدل‌های زبانی
  • 4. معماری‌های اولیه مدل‌های زبانی
  • 5. شبکه‌های عصبی بازگشتی (RNNs)
  • 6. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTMs)
  • 7. شبکه‌های حافظه طولانی (GRUs)
  • 8. مفهوم واژگان و نمایش کلمات
  • 9. تعبیه‌های کلمه (Word Embeddings)
  • 10. Word2Vec و GloVe
  • 11. شبکه‌های عصبی کانولوشنی (CNNs) در NLP
  • 12. ترنسفورمرها: انقلابی در پردازش زبان
  • 13. مکانیزم توجه (Attention Mechanism)
  • 14. معماری ترنسفورمر: کدگذار و کدگشا
  • 15. مدل‌های زبانی بزرگ (LLMs)
  • 16. معماری GPT
  • 17. معماری BERT
  • 18. مدل‌های ترنسفورمر مبتنی بر کدگذار
  • 19. مدل‌های ترنسفورمر مبتنی بر کدگشا
  • 20. مدل‌های ترنسفورمر دوطرفه
  • 21. آموزش مدل‌های زبانی بزرگ
  • 22. مجموعه داده‌های عظیم برای آموزش
  • 23. روش‌های پیش‌آموزش (Pre-training)
  • 24. یادگیری نظارت نشده در LLMs
  • 25. یادگیری نظارت شده در LLMs
  • 26. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
  • 27. تنظیم دقیق برای وظایف خاص
  • 28. تنظیم دقیق با دستورالعمل (Instruction Tuning)
  • 29. یادگیری چند وظیفه‌ای (Multi-task Learning)
  • 30. ارزیابی مدل‌های زبانی
  • 31. معیارهای ارزیابی کمی
  • 32. معیارهای ارزیابی کیفی
  • 33. چالش‌های ارزیابی LLMs
  • 34. کاربردهای مدل‌های زبانی بزرگ
  • 35. تولید متن
  • 36. ترجمه ماشینی
  • 37. خلاصه‌سازی متن
  • 38. پاسخ به پرسش
  • 39. طبقه‌بندی متن
  • 40. تشخیص موجودیت نام‌گذاری شده (NER)
  • 41. تحلیل احساسات
  • 42. تولید کد
  • 43. مدل‌های زبانی بزرگ در صنعت
  • 44. کاربرد LLMs در خدمات مشتری
  • 45. کاربرد LLMs در آموزش
  • 46. کاربرد LLMs در تحقیق و توسعه
  • 47. مقدمه‌ای بر تولید افزوده بازیابی (RAG)
  • 48. مفهوم بازیابی اطلاعات
  • 49. فناوری‌های بازیابی اطلاعات
  • 50. شاخص‌گذاری اسناد
  • 51. جستجوی معنایی
  • 52. بردار سازی اسناد
  • 53. تولید متن با استفاده از اطلاعات بازیابی شده
  • 54. معماری RAG
  • 55. مراحل پیاده‌سازی RAG
  • 56. انتخاب مدل زبانی مناسب
  • 57. انتخاب سیستم بازیابی مناسب
  • 58. ترکیب بازیابی و تولید
  • 59. مزایای RAG
  • 60. غلبه بر محدودیت‌های دانش LLMs
  • 61. کاهش توهم (Hallucination) در LLMs
  • 62. افزایش دقت و صحت پاسخ‌ها
  • 63. شخصی‌سازی پاسخ‌ها
  • 64. کاربردهای RAG
  • 65. پاسخ به پرسش مبتنی بر اسناد داخلی
  • 66. سیستم‌های پرسش و پاسخ سازمانی
  • 67. تولید گزارش‌های تخصصی
  • 68. دستیاران مجازی هوشمند
  • 69. تولید محتوای آکادمیک و علمی
  • 70. چالش‌های RAG
  • 71. انتخاب مجموعه داده مناسب
  • 72. بهینه‌سازی فرآیند بازیابی
  • 73. مدیریت حجم زیاد اسناد
  • 74. ارزیابی سیستم‌های RAG
  • 75. ملاحظات اخلاقی در LLMs و RAG
  • 76. سوگیری در مدل‌های زبانی
  • 77. مسئولیت‌پذیری در استفاده از LLMs
  • 78. حریم خصوصی و امنیت داده‌ها
  • 79. کاربرد LLMs و RAG در چارچوب قوانین ایران
  • 80. تولید محتوای بومی و اسلامی
  • 81. پشتیبانی از زبان فارسی در LLMs
  • 82. پژوهش و توسعه در حوزه هوش مصنوعی در ایران
  • 83. استفاده از LLMs برای توسعه نرم‌افزارهای داخلی
  • 84. کاربرد LLMs در نظام آموزشی کشور
  • 85. پتانسیل RAG برای دسترسی به دانش تخصصی داخلی
  • 86. نقش LLMs در هوشمندسازی خدمات دولتی
  • 87. امنیت سایبری و LLMs
  • 88. تحلیل داده‌های متنی با LLMs
  • 89. تولید سناریوهای آموزشی با LLMs
  • 90. تطبیق LLMs با نیازهای فرهنگی جامعه
  • 91. نوآوری در پردازش زبان فارسی با LLMs
  • 92. آینده مدل‌های زبانی بزرگ
  • 93. مدل‌های چندوجهی (Multimodal Models)
  • 94. یادگیری تقویتی در LLMs
  • 95. مدل‌های زبانی خود-اصلاح‌گر
  • 96. تکامل معماری‌های LLMs
  • 97. تحولات آتی در RAG
  • 98. دسترسی به دانش جهانی با رعایت چارچوب‌های اسلامی
  • 99. جمع‌بندی و چشم‌انداز آینده

📚 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.