کتاب ارتقاء قابلیت‌های مدل‌های زبانی بزرگ در پردازش و تولید زبان طبیعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ارتقاء قابلیت‌های مدل‌های زبانی بزرگ در پردازش و تولید زبان طبیعی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌های زبانی بزرگ (LLMs)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش زبان طبیعی
• 2. مبانی یادگیری ماشین برای مدل‌های زبانی
• 3. آشنایی با مدل‌های زبانی بزرگ
• 4. معماری ترنسفورمر در LLMs
• 5. مکانیزم توجه (Attention Mechanism)
• 6. کدگذاری و رمزگشایی در ترنسفورمرها
• 7. پیش‌پردازش متن برای LLMs
• 8. توکنیزاسیون و واژگان
• 9. تعبیه‌سازی کلمات (Word Embeddings)
• 10. تعبیه‌سازی موقعیتی (Positional Embeddings)
• 11. آموزش مدل‌های زبانی بزرگ
• 12. تابع هزینه و بهینه‌سازی
• 13. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 14. ارزیابی مدل‌های زبانی
• 15. معیارهای ارزیابی سنتی
• 16. معیارهای ارزیابی مدرن LLMs
• 17. کاربردهای اصلی LLMs
• 18. تولید متن خلاقانه
• 19. خلاصه‌سازی متون
• 20. ترجمه ماشینی
• 21. پاسخگویی به سوالات
• 22. طبقه‌بندی متن
• 23. تشخیص موجودیت نام‌گذاری شده (NER)
• 24. تحلیل احساسات
• 25. مدل‌سازی موضوعی
• 26. تولید کد
• 27. تکمیل کد
• 28. تولید متن داستانی
• 29. تولید شعر و ترانه
• 30. تولید محتوای آموزشی
• 31. تولید محتوای خبری
• 32. تولید متن تبلیغاتی
• 33. تولید متن حقوقی
• 34. تولید متن پزشکی
• 35. تولید متن فنی
• 36. محدودیت‌های مدل‌های زبانی بزرگ
• 37. سوگیری در LLMs
• 38. راه‌های کاهش سوگیری
• 39. تولید محتوای نامناسب
• 40. راه‌های کنترل تولید محتوا
• 41. امنیت و حریم خصوصی در LLMs
• 42. استفاده اخلاقی از LLMs
• 43. مدل‌های زبانی بزرگ در ایران
• 44. بومی‌سازی LLMs
• 45. چالش‌های بومی‌سازی
• 46. داده‌های زبانی فارسی برای LLMs
• 47. جمع‌آوری و برچسب‌گذاری داده‌های فارسی
• 48. پیش‌پردازش داده‌های فارسی
• 49. آموزش LLMs بر روی داده‌های فارسی
• 50. ارزیابی LLMs فارسی
• 51. کاربردهای LLMs فارسی در ایران
• 52. تولید محتوای فارسی
• 53. ترجمه فارسی به زبان‌های دیگر
• 54. خلاصه‌سازی متون فارسی
• 55. پاسخگویی به سوالات فارسی
• 56. طبقه‌بندی متون فارسی
• 57. تشخیص موجودیت نام‌گذاری شده فارسی
• 58. تحلیل احساسات فارسی
• 59. مدل‌سازی موضوعی فارسی
• 60. تولید کد به زبان فارسی
• 61. تکمیل کد به زبان فارسی
• 62. تولید متن داستانی فارسی
• 63. تولید شعر و ترانه فارسی
• 64. تولید محتوای آموزشی فارسی
• 65. تولید محتوای خبری فارسی
• 66. تولید متن تبلیغاتی فارسی
• 67. تولید متن حقوقی فارسی
• 68. تولید متن پزشکی فارسی
• 69. تولید متن فنی فارسی
• 70. فرا-یادگیری (Meta-Learning) برای LLMs
• 71. یادگیری با چند نمونه (Few-Shot Learning)
• 72. یادگیری با یک نمونه (One-Shot Learning)
• 73. یادگیری بدون نمونه (Zero-Shot Learning)
• 74. تنظیم دقیق (Fine-Tuning) مدل‌های بزرگ
• 75. روش‌های تنظیم دقیق کارآمد
• 76. تنظیم دقیق با پارامترهای کم (LoRA)
• 77. تنظیم دقیق با دانش‌افزایی (Knowledge Augmentation)
• 78. افزایش قابلیت‌های LLMs
• 79. استفاده از ابزارها و APIها
• 80. اتصال LLMs به پایگاه‌های دانش
• 81. اتصال LLMs به موتورهای جستجو
• 82. استفاده از ابزارهای محاسباتی
• 83. استفاده از استدلال زنجیره‌ای (Chain-of-Thought)
• 84. استفاده از ابزارهای برنامه‌نویسی
• 85. استفاده از ابزارهای بصری‌سازی
• 86. تولید پاسخ‌های چندوجهی
• 87. پردازش و تولید تصاویر
• 88. پردازش و تولید صدا
• 89. پردازش و تولید ویدئو
• 90. ادغام مدل‌های زبانی با مدل‌های دیگر
• 91. مدل‌های زبانی چندوجهی (Multimodal LLMs)
• 92. آینده مدل‌های زبانی بزرگ
• 93. هوش مصنوعی مولد (Generative AI)
• 94. کاربردهای آینده LLMs
• 95. چالش‌های اخلاقی و اجتماعی آینده
• 96. قوانین و مقررات مربوط به LLMs
• 97. توسعه مسئولانه LLMs
• 98. نقش LLMs در تحول دیجیتال