سپنتا کتاب اکسپرس
کتاب تکنیک‌های کاهش حجم و افزایش سرعت مدل‌های هوش مصنوعی

کتاب تکنیک‌های کاهش حجم و افزایش سرعت مدل‌های 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 تکنیک‌های کاهش حجم و افزایش سرعت مدل‌های هوش مصنوعی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: بهینه‌سازی برای زمان استنتاج (Inference Optimization)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر فشرده‌سازی مدل‌های هوش مصنوعی
  • 2. مبانی نظری کاهش ابعاد در یادگیری ماشین
  • 3. انواع تکنیک‌های کاهش حجم مدل
  • 4. فشرده‌سازی مبتنی بر هرس کردن (Pruning)
  • 5. هرس کردن وزن‌ها (Weight Pruning)
  • 6. هرس کردن نورون‌ها (Neuron Pruning)
  • 7. هرس کردن کانال‌ها (Channel Pruning)
  • 8. روش‌های خودکار هرس کردن
  • 9. ارزیابی اثر هرس کردن بر عملکرد مدل
  • 10. فشرده‌سازی مبتنی بر کوانتیزاسیون (Quantization)
  • 11. کوانتیزاسیون با دقت پایین (Low-Precision Quantization)
  • 12. کوانتیزاسیون با مقادیر صحیح (Integer Quantization)
  • 13. کوانتیزاسیون ترتیبی (Ternary Quantization)
  • 14. کوانتیزاسیون باینری (Binary Quantization)
  • 15. کوانتیزاسیون Post-Training
  • 16. کوانتیزاسیون در حین آموزش (Quantization-Aware Training)
  • 17. تکنیک‌های کاهش پیچیدگی محاسباتی
  • 18. تقطیر دانش (Knowledge Distillation)
  • 19. شبکه‌های دانش‌آموز (Student Networks)
  • 20. شبکه‌های معلم (Teacher Networks)
  • 21. روش‌های مبتنی بر تابع هزینه تقطیر
  • 22. ارزیابی کیفیت دانش تقطیر شده
  • 23. فشرده‌سازی مبتنی بر فاکتورگیری ماتریس (Matrix Factorization)
  • 24. تجزیه مقادیر منفرد (SVD)
  • 25. تجزیه ماتریس‌های تنسوری
  • 26. کاربرد فاکتورگیری در شبکه‌های عصبی
  • 27. شبکه‌های عصبی پراکنده (Sparse Neural Networks)
  • 28. تکنیک‌های تولید پراکندگی
  • 29. مدیریت مدل‌های پراکنده
  • 30. فشرده‌سازی مبتنی بر معماری (Architecture Compression)
  • 31. طراحی معماری‌های سبک (Lightweight Architectures)
  • 32. شبکه‌های MobileNet
  • 33. شبکه‌های ShuffleNet
  • 34. شبکه‌های EfficientNet
  • 35. معماری‌های مبتنی بر تفکیک کانولوشن (Depthwise Separable Convolutions)
  • 36. شبکه‌های مبتنی بر کانولوشن‌های گروهی (Grouped Convolutions)
  • 37. فشرده‌سازی مدل‌های زبانی بزرگ (LLMs)
  • 38. تکنیک‌های کاهش حجم LLMs
  • 39. هرس کردن در LLMs
  • 40. کوانتیزاسیون در LLMs
  • 41. تقطیر دانش برای LLMs
  • 42. فشرده‌سازی معماری LLMs
  • 43. بهینه‌سازی مدل برای سخت‌افزارهای خاص
  • 44. شتاب‌دهنده‌های سخت‌افزاری برای هوش مصنوعی
  • 45. پردازنده‌های گرافیکی (GPUs)
  • 46. واحد پردازش تانسور (TPUs)
  • 47. مدارهای مجتمع با کاربرد خاص (ASICs)
  • 48. بهینه‌سازی برای دستگاه‌های موبایل
  • 49. بهینه‌سازی برای سیستم‌های نهفته (Embedded Systems)
  • 50. چارچوب‌های نرم‌افزاری برای بهینه‌سازی
  • 51. TensorFlow Lite
  • 52. PyTorch Mobile
  • 53. ONNX Runtime
  • 54. ابزارهای تحلیل و پروفایلینگ مدل
  • 55. شناسایی گلوگاه‌های محاسباتی
  • 56. اندازه‌گیری مصرف حافظه
  • 57. تحلیل مصرف انرژی
  • 58. ارزیابی سرعت استنتاج (Inference Speed)
  • 59. مقایسه عملکرد مدل‌های فشرده
  • 60. معیارهای ارزیابی فشرده‌سازی
  • 61. دقت (Accuracy)
  • 62. حجم مدل (Model Size)
  • 63. سرعت استنتاج (Inference Latency)
  • 64. مصرف انرژی (Energy Consumption)
  • 65. پیچیدگی پیاده‌سازی (Implementation Complexity)
  • 66. کاربرد فشرده‌سازی در سیستم‌های بلادرنگ
  • 67. کاربرد در رباتیک
  • 68. کاربرد در خودروهای خودران
  • 69. کاربرد در اینترنت اشیاء (IoT)
  • 70. کاربرد در پردازش تصویر بلادرنگ
  • 71. کاربرد در پردازش زبان طبیعی بلادرنگ
  • 72. چالش‌های فشرده‌سازی مدل‌های پیچیده
  • 73. حفظ دقت در مدل‌های فشرده
  • 74. توازن بین فشرده‌سازی و عملکرد
  • 75. پیاده‌سازی موثر تکنیک‌های فشرده‌سازی
  • 76. توسعه ابزارهای خودکار فشرده‌سازی
  • 77. تاثیر فشرده‌سازی بر قابلیت تفسیر مدل
  • 78. مقایسه تکنیک‌های مختلف فشرده‌سازی
  • 79. مطالعات موردی فشرده‌سازی مدل‌های موفق
  • 80. فشرده‌سازی شبکه‌های کانولوشن عمیق
  • 81. فشرده‌سازی شبکه‌های بازگشتی (RNNs)
  • 82. فشرده‌سازی مدل‌های ترنسفورمر (Transformers)
  • 83. آینده تحقیقات در زمینه فشرده‌سازی مدل
  • 84. مدل‌های فشرده‌تر و کارآمدتر
  • 85. روش‌های خودکار و هوشمند فشرده‌سازی
  • 86. فشرده‌سازی مدل‌های توزیع‌شده
  • 87. فشرده‌سازی مدل‌ها برای یادگیری فدرال (Federated Learning)
  • 88. تاثیر فشرده‌سازی بر توسعه پایدار هوش مصنوعی
  • 89. پژوهش‌های اخیر در زمینه فشرده‌سازی مدل
  • 90. نکات تکمیلی در فشرده‌سازی مدل
  • 91. مروری بر ابزارهای موجود برای فشرده‌سازی
  • 92. اصول بهینه‌سازی مدل برای استقرار
  • 93. پروژه‌های عملی فشرده‌سازی مدل

📚 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.