سپنتا کتاب اکسپرس
کتاب بهینه‌سازی و تسریع آموزش پیش‌زمینه LLMها

کتاب بهینه‌سازی و تسریع آموزش پیش‌زمینه LLMها

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 بهینه‌سازی و تسریع آموزش پیش‌زمینه LLMها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: آموزش پیش‌زمینه (Pre-training) LLMs

📋 سرفصل‌های دوره

  • 1. مقدمات و مبانی یادگیری عمیق
  • 2. شبکه‌های عصبی مصنوعی
  • 3. توابع فعال‌سازی در شبکه‌های عصبی
  • 4. روش‌های بهینه‌سازی مدل‌های یادگیری عمیق
  • 5. شبکه‌های عصبی کانولوشنال (CNN)
  • 6. شبکه‌های عصبی بازگشتی (RNN)
  • 7. مفهوم Embeddings و کاربردهای آن
  • 8. Word Embeddings: Word2Vec و GloVe
  • 9. یادگیری نمایندگی کلمات در مدل‌های زبانی
  • 10. مبانی پردازش زبان طبیعی (NLP)
  • 11. مراحل پیش‌پردازش متن
  • 12. توکنیزاسیون و نرمال‌سازی متن
  • 13. حذف کلمات پرت (Stop Words)
  • 14. ریشه‌یابی کلمات (Stemming) و بن‌واژه‌سازی (Lemmatization)
  • 15. مدل‌های زبانی آماری
  • 16. مبانی مدل‌های زبانی پیش‌بینی‌کننده
  • 17. مفهوم احتمالات در مدل‌های زبانی
  • 18. مدل‌های زبانی ان‌گرامی (N-gram)
  • 19. ارزیابی مدل‌های زبانی
  • 20. معیارهای ارزیابی مدل‌های زبانی: Perplexity
  • 21. تاریخچه و تکامل مدل‌های زبانی
  • 22. معرفی مدل‌های زبانی مبتنی بر ترنسفورمر
  • 23. معماری ترنسفورمر: مکانیزم توجه (Attention)
  • 24. خود-توجهی (Self-Attention)
  • 25. مکانیزم توجه چند-سر (Multi-Head Attention)
  • 26. رمزگذار-رمزگشا (Encoder-Decoder) در ترنسفورمر
  • 27. مدل‌های زبانی بزرگ (LLMs)
  • 28. مفهوم و اهمیت LLMs
  • 29. کاربرد LLMs در حوزه‌های مختلف
  • 30. مراحل آموزش LLMs
  • 31. مجموعه‌داده‌های بزرگ برای آموزش LLMs
  • 32. آموزش پیش‌زمینه (Pre-training) LLMs
  • 33. مفاهیم کلیدی در آموزش پیش‌زمینه
  • 34. هدف آموزش پیش‌زمینه: پیش‌بینی کلمه بعدی
  • 35. مفاهیم Masked Language Modeling (MLM)
  • 36. مفاهیم Next Sentence Prediction (NSP)
  • 37. مدل‌های مبتنی بر MLM: BERT
  • 38. آشنایی با معماری BERT
  • 39. کاربردهای BERT در وظایف NLP
  • 40. مدل‌های مبتنی بر پیش‌بینی کلمه بعدی: GPT
  • 41. آشنایی با معماری GPT
  • 42. کاربردهای GPT در تولید متن
  • 43. تفاوت‌های BERT و GPT
  • 44. روش‌های بهبود آموزش پیش‌زمینه
  • 45. بهینه‌سازی فراپارامترها در آموزش پیش‌زمینه
  • 46. تکنیک‌های تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 47. استفاده از Batch Normalization
  • 48. مفهوم Regularization و انواع آن
  • 49. روش‌های کاهش Overfitting
  • 50. تکنیک‌های Data Augmentation برای متون
  • 51. اهمیت کیفیت داده در آموزش LLMs
  • 52. پاکسازی و پیش‌پردازش داده‌های بزرگ
  • 53. شناسایی و حذف داده‌های نامرتبط
  • 54. ملاحظات اخلاقی در استفاده از داده‌ها
  • 55. تسریع فرایند آموزش LLMs
  • 56. استفاده از سخت‌افزارهای تخصصی (GPU, TPU)
  • 57. توزیع آموزش بر روی چندین دستگاه
  • 58. موازی‌سازی داده (Data Parallelism)
  • 59. موازی‌سازی مدل (Model Parallelism)
  • 60. ترکیب موازی‌سازی داده و مدل
  • 61. تکنیک‌های بهینه‌سازی حافظه
  • 62. استفاده از Mixed Precision Training
  • 63. فشرده‌سازی مدل‌های زبانی
  • 64. Quantization و کاربردهای آن
  • 65. Knowledge Distillation برای کوچک‌سازی مدل
  • 66. Pruning مدل‌های زبانی
  • 67. روش‌های ارزیابی مدل‌های آموزش‌دیده
  • 68. ارزیابی در وظایف Downstream
  • 69. معیارهای ارزیابی برای وظایف مختلف NLP
  • 70. ارزیابی بلینک (Zero-shot) و چند-شات (Few-shot)
  • 71. تنظیم دقیق (Fine-tuning) LLMs
  • 72. مفهوم Fine-tuning و اهمیت آن
  • 73. روش‌های Fine-tuning برای وظایف خاص
  • 74. انتقال یادگیری (Transfer Learning) در NLP
  • 75. کاربرد Transfer Learning در Fine-tuning
  • 76. ملاحظات امنیتی در Fine-tuning
  • 77. حفظ حریم خصوصی در Fine-tuning
  • 78. جلوگیری از تولید محتوای نامناسب
  • 79. روش‌های مقابله با Bias در LLMs
  • 80. شناسایی و کاهش Bias در داده‌ها و مدل‌ها
  • 81. اصول اخلاقی در توسعه LLMs
  • 82. چارچوب‌های قانونی و شرعی در تولید محتوا
  • 83. استانداردهای اسلامی در تولید محتوای آموزشی
  • 84. تطابق محتوا با موازین نظام جمهوری اسلامی ایران
  • 85. مدیریت دانش و مستندسازی در پروژه‌های LLM
  • 86. مستندسازی معماری و فرایندهای آموزش
  • 87. نکات کلیدی برای توسعه موفق LLMs
  • 88. روندهای آینده در آموزش و تسریع LLMs
  • 89. تحقیقات پیشرو در حوزه LLMs
  • 90. چالش‌های پیش رو در توسعه LLMs
  • 91. جمع‌بندی مباحث و جمع‌بندی کلی

📚 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.