کارگاه مدل‌های زبان بزرگ: تمرین‌های عملی مدل‌های زبان بزرگ - آخرین آپدیت

دانلود LLMs Workshop: Practical Exercises of Large Language Models

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره:

تمرین هوش مصنوعی مولد و مدل‌های زبان بزرگ با پروژه‌های واقعی!

کشف دنیای انقلابی مدل‌های زبان بزرگ (LLMs) با کارگاه جامع ۴ ساعته ما. این دوره برای پر کردن شکاف بین دانش نظری و مهارت‌های عملی طراحی شده است و مناسب دانشمندان داده نوظهور، علاقه‌مندان به هوش مصنوعی و متخصصان باتجربه است که به دنبال گسترش ابزارهای خود هستند.

سرفصل‌های کلیدی:

یادگیری عمیق (Deep Learning)
ترنسفورمرها (Transformers)
لنگ‌چین (Langchain)
مدل‌های زبان بزرگ (Large Language Models)

پیش‌نیازها:

آشنایی با زبان پایتون (Python)
دانش پایه یادگیری عمیق (Basic Deep Learning Knowledge)
دانش ترنسفورمرها (Transformers knowledge) (مطلوب)

آنچه خواهید آموخت:

مبانی و تکنیک‌های پیشرفته: از اصول اولیه مدل‌های زبان بزرگ، از جمله معماری و قابلیت‌هایشان شروع کنید و سپس به روش‌های بهینه‌سازی پیشرفته مانند کوانتیزاسیون (Quantization) و LoRA بپردازید.
تمرین‌های عملی: در تمرین‌های ساختاریافته با استفاده از مجموعه داده‌های Kaggle در Colab شرکت کنید. مدل‌ها را برای وظایفی مانند پرسش و پاسخ (Question Answering) و خلاصه‌سازی متن (Text Summarization) با QLoRA تنظیم دقیق (Fine-tuning) کنید و مفاهیم پیشرفته‌ای مانند تولید افزوده بازیابی (Retrieval Augmented Generation - RAG) را کاوش کنید.
کاربردهای دنیای واقعی: پروژه‌های جذابی مانند ساخت یک موتور جستجوی معنایی (Semantic Search Engine) برای یافتن فیلم‌ها و توسعه یک رابط چت با مقالات علمی را انجام دهید و دانش خود را به روش‌های ملموس و تأثیرگذار به کار ببرید.
انتشار مدل (Model Publication): به عنوان یک مزیت اضافی، یاد بگیرید چگونه مدل‌های تنظیم دقیق شده خود را از طریق Huggingface با جهان به اشتراک بگذارید و دیده شدن خود را در جامعه هوش مصنوعی افزایش دهید.

مخاطبان دوره:

این دوره برای افرادی که به دنبال تعمیق درک خود از مدل‌های زبان بزرگ و به‌کارگیری نوآورانه این مدل‌ها هستند، ایده‌آل است. مناسب برای متخصصان هوش مصنوعی، دانشمندان داده و محققانی که مشتاق گسترش مهارت‌های خود و حل مسائل پیچیده با استفاده از مدل‌های زبان بزرگ هستند.

سرفصل ها و درس ها

مقدمه Introduction

مقدمه Introduction
نحوه استفاده از هر مجموعه داده در Kaggle در Colab How to use any dataset on Kaggle in Colab
روش‌های بهینه‌سازی آموزش LLMs – کوانتیزاسیون & LoRA LLMs Training Optimization Methods - Quantization & LoRA
RAG چیست؟ What is RAG ?
روش‌های ارزیابی برای LLMs Evaluation Methods for LLMs
چند مدل را می‌توانیم در مسائل RAG استفاده کنیم؟ How many models we can use in RAGs problems?
کدام یک از موارد زیر یک مورد استفاده رایج برای مدل‌های زبانی بزرگ (LLMs) است؟ Which of the following is a common use case for Large Language Models (LLMs)

Fine-tuning کامل برای پاسخ به سؤالات Full Fine-tuning for Question Answering

مقدمه مسئله و مجموعه داده Introduction to the problem & the dataset
آماده‌سازی داده Data preparation
مدل و توکنایزر Model and tokenizer
آموزش Training
ارزیابی و تست Evaluation and Testing

Fine-tuning برای خلاصه‌سازی متن اخبار (QLoRA) Fine-tuning for News-Text Summarization (QLoRA)

مقدمه مسئله و مجموعه داده Introduction to the problem & the dataset
آماده‌سازی داده Data preparation
توکنایزر Tokenizer
آماده‌سازی مدل Model Preparation
آموزش Training
ارزیابی Evaluation
اضافی: انتشار مدل شما در Huggingface Extra: Publish your model on Huggingface

فیلم خود را پیدا کنید – جستجوی معنایی Find your movie - Semantic Search

مقدمه مسئله و مجموعه داده Introduction to the problem & dataset
آماده‌سازی داده Data Preparation
ایجاد پایگاه داده برداری Vector Database creation
تست Testing
اپلیکیشن واقعی خود را بسازید! Create your real-world app!

با مقاله خود چت کنید – Retrieval Augmented Generation (RAG) Chat with your paper - Retrieval Augmented Generation (RAG)

مقدمه مسئله و مجموعه داده Introduction to the problem & dataset
آماده‌سازی و پیش‌پردازش داده Data Preparation & Preprocessing
ایجاد پایگاه داده برداری Vector Database creation
ادغام پرامپت LLM و مدل LLM Prompt Integration & Model
تست Testing

برای ارسال نظر ثبت نام کنید.

کارگاه مدل‌های زبان بزرگ: تمرین‌های عملی مدل‌های زبان بزرگ - آخرین آپدیت

دانلود LLMs Workshop: Practical Exercises of Large Language Models

تمرین هوش مصنوعی مولد و مدل‌های زبان بزرگ با پروژه‌های واقعی!

سرفصل‌های کلیدی:

پیش‌نیازها:

آنچه خواهید آموخت:

مخاطبان دوره:

مقدمه Introduction

مقدمه Introduction

نحوه استفاده از هر مجموعه داده در Kaggle در Colab How to use any dataset on Kaggle in Colab

روش‌های بهینه‌سازی آموزش LLMs – کوانتیزاسیون & LoRA LLMs Training Optimization Methods - Quantization & LoRA

RAG چیست؟ What is RAG ?

روش‌های ارزیابی برای LLMs Evaluation Methods for LLMs

چند مدل را می‌توانیم در مسائل RAG استفاده کنیم؟ How many models we can use in RAGs problems?

کدام یک از موارد زیر یک مورد استفاده رایج برای مدل‌های زبانی بزرگ (LLMs) است؟ Which of the following is a common use case for Large Language Models (LLMs)

Fine-tuning کامل برای پاسخ به سؤالات Full Fine-tuning for Question Answering

مقدمه مسئله و مجموعه داده Introduction to the problem & the dataset

آماده‌سازی داده Data preparation

مدل و توکنایزر Model and tokenizer

آموزش Training

ارزیابی و تست Evaluation and Testing

Fine-tuning برای خلاصه‌سازی متن اخبار (QLoRA) Fine-tuning for News-Text Summarization (QLoRA)

مقدمه مسئله و مجموعه داده Introduction to the problem & the dataset

آماده‌سازی داده Data preparation

توکنایزر Tokenizer

آماده‌سازی مدل Model Preparation

آموزش Training

ارزیابی Evaluation

اضافی: انتشار مدل شما در Huggingface Extra: Publish your model on Huggingface

فیلم خود را پیدا کنید – جستجوی معنایی Find your movie - Semantic Search

مقدمه مسئله و مجموعه داده Introduction to the problem & dataset

آماده‌سازی داده Data Preparation

ایجاد پایگاه داده برداری Vector Database creation

تست Testing

اپلیکیشن واقعی خود را بسازید! Create your real-world app!

با مقاله خود چت کنید – Retrieval Augmented Generation (RAG) Chat with your paper - Retrieval Augmented Generation (RAG)

مقدمه مسئله و مجموعه داده Introduction to the problem & dataset

آماده‌سازی و پیش‌پردازش داده Data Preparation & Preprocessing

ایجاد پایگاه داده برداری Vector Database creation

ادغام پرامپت LLM و مدل LLM Prompt Integration & Model

تست Testing

نمایش نظرات

https://donyad.com/d/5cacbb