کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش ساخت مدل ترنسفورمر (Transformer) با PyTorch [ویدئویی] - آخرین آپدیت

دانلود Building a Transformer with PyTorch [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مدل‌های ترنسفورمر انقلابی در حوزه هوش مصنوعی، به‌ویژه در پردازش زبان طبیعی (NLP) ایجاد کرده‌اند و قدرت مدل‌هایی مانند GPT و BERT را تامین می‌کنند. در این آموزش عملی، شما عمیقاً وارد معماری‌ای خواهید شد که همه چیز را تغییر داد؛ یعنی ترنسفورمر که در مقاله جریان‌ساز «Attention Is All You Need» معرفی شد. از طریق پیاده‌سازی عملی با PyTorch، درک روشنی از اجزای کلیدی مانند توجه به خود (Self-Attention)، کدگذاری موقعیتی (Positional Encoding)، توجه چند-سره (Multi-head Attention) و لایه‌های پیش‌خور (Feedforward) به دست خواهید آورد. هر بخش از این معماری به طور تفکیک شده توضیح داده شده است تا بتوانید یک مدل ترنسفورمر کاربردی را از پایه بسازید. با به‌کارگیری این مدل در یک مورد استفاده ساده، خواهید دید که ترنسفورمرها چگونه توالی‌ها را به صورت موازی پردازش می‌کنند و یادگیری سریع‌تر و کارآمدتری نسبت به RNNهای سنتی فراهم می‌کنند. چه هدف شما درک نحوه عملکرد مدل‌های زبانی بزرگ (LLM) باشد و چه بخواهید مدل خودتان را بسازید، این جلسه پایه‌ای مستحکم در یادگیری عمیق مدرن به شما ارائه می‌دهد. در این دوره موارد زیر را خواهید آموخت: - ساخت انکودرها و دیکودرهای ترنسفورمر با استفاده از PyTorch - پیاده‌سازی توجه چند-سره در جریان‌های مدل‌سازی توالی - ادغام کدگذاری‌های موقعیتی در خط لوله‌های یادگیری عمیق - ساخت لایه‌های پیش‌خور در شبکه‌های ترنسفورمر - آموزش مدل‌های ترنسفورمر روی مجموعه‌داده‌های واقعی - ارزیابی عملکرد ترنسفورمر در مقایسه با معیارهای RNN این دوره برای مهندسان پیشرفته یادگیری ماشین، متخصصان یادگیری عمیق و پژوهشگران AI که مشتاق تسلط بر مدل‌های مبتنی بر ترنسفورمر هستند، طراحی شده است. تجربه قبلی در PyTorch، مهارت بالا در پایتون و تسلط بر شبکه‌های عصبی و مدل‌سازی توالی برای بهره‌مندی کامل از این تجربه آموزشی کد-محور ضروری است. آنچه در این دوره می‌یابید: * تحلیل کامل معماری ترنسفورمر در ماژول‌های کدنویسی کاربردی * بررسی عمیق جریان‌های کاری توجه به خود، کدگذاری و رمزگشایی * یک مسیر کدنویسی واقعی که هر جزء معماری را در PyTorch به تصویر می‌کشد
سرفصل ها و درس ها

ساخت مدل ترنسفورمر با PyTorch Building a Transformer with PyTorch

  • ساخت مدل ترنسفورمر با PyTorch Building a Transformer with PyTorch

آموزش اتوماسیون گردش کار با استفاده از هوش مصنوعی مولد (Generative AI)

آموزش اتوماسیون گردش کار با استفاده از هوش مصنوعی مولد (Generative AI)

دانلود Workflow Automation using Generative AI

آموزش مرتب سازی و فیلتر کردن داده ها در مایکروسافت اکسل

آموزش مرتب سازی و فیلتر کردن داده ها در مایکروسافت اکسل

دانلود Sort and Filter Data in Microsoft Excel

آموزش کنترل دسترسی امن

آموزش کنترل دسترسی امن

دانلود Secure Access Control

نمایش نظرات

آموزش ساخت مدل ترنسفورمر (Transformer) با PyTorch [ویدئویی]
جزییات دوره
2h 56m
1
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد

https://donyad.com/d/12976e

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

DataLab DataLab

DataLab یک راهکار آموزشی است که برای توانمندسازی افراد و تیم‌ها در جهت کاوش در داده‌ها، ارتقای مهارت‌ها و حل مسائل دنیای واقعی طراحی شده است. DataLab با محتوای تعاملی، تمرینات عملی و تمرکز بر کاربردهای واقعی، به یادگیرندگان کمک می‌کند تا کنجکاوی‌های داده‌ای خود را به توانمندی‌های مطمئن تبدیل کنند.

Jeroen Hermans Jeroen Hermans

Jeroen مهندس ارشد نرم‌افزار با مدرک کارشناسی ارشد علوم کامپیوتر از KU Leuven و متخصص در هوش مصنوعی است. او در DataCamp روی سیستم‌های یادگیری شخصی‌سازی شده کار کرده و به ساخت DataLab کمک کرد تا افراد بتوانند با حمایت هوش مصنوعی، یاد بگیرند و در زمینه داده‌ها مسلط شوند. او همواره در حال یادگیری موارد جدید است و آموخته‌های خود را با دیگران به اشتراک می‌گذارد تا به هدف توانمندسازی از طریق دانش کمک کند.

Python PyTorch پایتون Data Deep Learning داده یادگیری عمیق