کتاب fine-tuning مدل‌های زبانی: خلق لحن‌های کارآمد و متمرکز بر هدف با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره fine-tuning مدل‌های زبانی: خلق لحن‌های کارآمد و متمرکز بر هدف

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: Fine-tuning برای جنبه‌های خاص (مانند لحن، سبک)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های زبانی بزرگ و قابلیت تنظیم دقیق
  • 2. مبانی معماری ترانسفورمر برای مدل‌های زبانی
  • 3. آشنایی با فرآیند آموزش اولیه مدل‌های زبانی
  • 4. مفهوم و اهمیت تنظیم دقیق (Fine-tuning)
  • 5. انواع روش‌های تنظیم دقیق مدل‌های زبانی
  • 6. تنظیم دقیق برای وظایف تولید متن
  • 7. تنظیم دقیق برای وظایف خلاصه‌سازی متن
  • 8. تنظیم دقیق برای وظایف ترجمه ماشینی
  • 9. تنظیم دقیق برای وظایف طبقه‌بندی متن
  • 10. تنظیم دقیق برای وظایف پاسخ به پرسش
  • 11. اصول انتخاب مجموعه داده مناسب برای تنظیم دقیق
  • 12. پیش‌پردازش داده‌ها برای تنظیم دقیق
  • 13. تکنیک‌های افزایش داده (Data Augmentation) برای مدل‌های زبانی
  • 14. تنظیم دقیق با داده‌های کم (Few-shot Learning)
  • 15. تنظیم دقیق با داده‌های بسیار کم (Zero-shot Learning)
  • 16. معیارهای ارزیابی عملکرد مدل‌های تنظیم دقیق شده
  • 17. متریک‌های ارزیابی برای وظایف تولید متن
  • 18. متریک‌های ارزیابی برای وظایف خلاصه‌سازی
  • 19. متریک‌های ارزیابی برای وظایف ترجمه
  • 20. متریک‌های ارزیابی برای وظایف طبقه‌بندی
  • 21. متریک‌های ارزیابی برای وظایف پاسخ به پرسش
  • 22. تنظیم دقیق پارامترهای مدل (Hyperparameter Tuning)
  • 23. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 24. استفاده از تکنیک‌های تنظیم‌کننده (Regularization)
  • 25. مدیریت بیش‌برازش (Overfitting) در تنظیم دقیق
  • 26. تنظیم دقیق با استفاده از روش‌های انتقال یادگیری (Transfer Learning)
  • 27. مدل‌های از پیش آموزش‌دیده پرکاربرد (مانند BERT, GPT)
  • 28. تنظیم دقیق مدل‌های مبتنی بر BERT
  • 29. تنظیم دقیق مدل‌های مبتنی بر GPT
  • 30. تنظیم دقیق مدل‌های مبتنی بر T5
  • 31. تنظیم دقیق مدل‌های مبتنی بر LLaMA
  • 32. تنظیم دقیق مدل‌های مبتنی بر Mistral
  • 33. تنظیم دقیق مدل‌های مبتنی بر Falcon
  • 34. تنظیم دقیق مدل‌های مبتنی بر Claude
  • 35. تنظیم دقیق مدل‌های مبتنی بر Gemini
  • 36. تنظیم دقیق مدل‌های مبتنی بر PaLM
  • 37. تنظیم دقیق مدل‌های مبتنی بر Command-R
  • 38. تنظیم دقیق مدل‌های مبتنی بر Llama 3
  • 39. تنظیم دقیق مدل‌های مبتنی بر Qwen
  • 40. تنظیم دقیق مدل‌های مبتنی بر Yi
  • 41. تنظیم دقیق مدل‌های مبتنی بر Grok
  • 42. تنظیم دقیق مدل‌های مبتنی بر StableLM
  • 43. تنظیم دقیق مدل‌های مبتنی بر Bloom
  • 44. تنظیم دقیق مدل‌های مبتنی بر Megatron-LM
  • 45. تنظیم دقیق مدل‌های مبتنی بر DeBERTa
  • 46. تنظیم دقیق مدل‌های مبتنی بر RoBERTa
  • 47. تنظیم دقیق مدل‌های مبتنی بر XLNet
  • 48. تنظیم دقیق مدل‌های مبتنی بر ELECTRA
  • 49. تنظیم دقیق مدل‌های مبتنی بر ALBERT
  • 50. تنظیم دقیق مدل‌های مبتنی بر DistilBERT
  • 51. تنظیم دقیق مدل‌های مبتنی بر GPT-2
  • 52. تنظیم دقیق مدل‌های مبتنی بر GPT-3
  • 53. تنظیم دقیق مدل‌های مبتنی بر GPT-4
  • 54. تنظیم دقیق مدل‌های مبتنی بر Llama 2
  • 55. تنظیم دقیق مدل‌های مبتنی بر Mistral 7B
  • 56. تنظیم دقیق مدل‌های مبتنی بر Mixtral 8x7B
  • 57. تنظیم دقیق مدل‌های مبتنی بر Falcon 7B
  • 58. تنظیم دقیق مدل‌های مبتنی بر Falcon 40B
  • 59. تنظیم دقیق مدل‌های مبتنی بر Claude 2
  • 60. تنظیم دقیق مدل‌های مبتنی بر Gemini Pro
  • 61. تنظیم دقیق مدل‌های مبتنی بر Gemini Ultra
  • 62. تنظیم دقیق مدل‌های مبتنی بر PaLM 2
  • 63. تنظیم دقیق مدل‌های مبتنی بر Command-R+
  • 64. تنظیم دقیق مدل‌های مبتنی بر Llama 3 8B
  • 65. تنظیم دقیق مدل‌های مبتنی بر Llama 3 70B
  • 66. تنظیم دقیق مدل‌های مبتنی بر Qwen 1.5
  • 67. تنظیم دقیق مدل‌های مبتنی بر Yi-34B
  • 68. تنظیم دقیق مدل‌های مبتنی بر Grok-1
  • 69. تنظیم دقیق مدل‌های مبتنی بر StableLM 2
  • 70. تنظیم دقیق مدل‌های مبتنی بر BloomZ
  • 71. تنظیم دقیق مدل‌های مبتنی بر Falcon 180B
  • 72. تنظیم دقیق مدل‌های مبتنی بر Llama 3 Instruct
  • 73. تنظیم دقیق مدل‌های مبتنی بر Mistral Instruct
  • 74. تنظیم دقیق مدل‌های مبتنی بر Mixtral Instruct
  • 75. تنظیم دقیق مدل‌های مبتنی بر Command-R Instruct
  • 76. تنظیم دقیق مدل‌های مبتنی بر Claude 3 Opus
  • 77. تنظیم دقیق مدل‌های مبتنی بر Claude 3 Sonnet
  • 78. تنظیم دقیق مدل‌های مبتنی بر Claude 3 Haiku
  • 79. تنظیم دقیق مدل‌های مبتنی بر Gemini 1.5 Pro
  • 80. تنظیم دقیق مدل‌های مبتنی بر Gemini 1.5 Flash
  • 81. تنظیم دقیق مدل‌های مبتنی بر Llama 3 400B
  • 82. تنظیم دقیق مدل‌های مبتنی بر Qwen 72B
  • 83. تنظیم دقیق مدل‌های مبتنی بر Yi-200B
  • 84. تنظیم دقیق مدل‌های مبتنی بر StableLM 3
  • 85. تنظیم دقیق مدل‌های مبتنی بر Bloom Ultra
  • 86. تنظیم دقیق مدل‌های مبتنی بر Megatron-Turing NLG
  • 87. تنظیم دقیق مدل‌های مبتنی بر GPT-Neo
  • 88. تنظیم دقیق مدل‌های مبتنی بر GPT-J
  • 89. تنظیم دقیق مدل‌های مبتنی بر GPT-NeoX
  • 90. تنظیم دقیق مدل‌های مبتنی بر OPT
  • 91. تنظیم دقیق مدل‌های مبتنی بر BLOOM
  • 92. تنظیم دقیق مدل‌های مبتنی بر LaMDA
  • 93. تنظیم دقیق مدل‌های مبتنی بر Gopher
  • 94. تنظیم دقیق مدل‌های مبتنی بر Chinchilla
  • 95. تنظیم دقیق مدل‌های مبتنی بر PaLM-E
  • 96. تنظیم دقیق مدل‌های مبتنی بر Minerva
  • 97. تنظیم دقیق مدل‌های مبتنی بر HuBERT
  • 98. تنظیم دقیق مدل‌های مبتنی بر Wav2Vec 2.0
  • 99. تنظیم دقیق مدل‌های مبتنی بر Whisper
  • 100. تنظیم دقیق مدل‌های مبتنی بر BART
تگ‌ها: fine-tuning پردازش زبان طبیعی تولید محتوا با هوش مصنوعی مدل‌های زبان بزرگ مدل‌های زبانی هوش مصنوعی هوش مصنوعی اخلاقی هوش مصنوعی در ایران هوش مصنوعی کاربردی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.