آموزش انتخاب مدل زبانی بزرگ (LLM) مناسب با Hugging Face - آخرین آپدیت

دانلود Selecting the Right LLM with Hugging Face

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: در حال حاضر هزاران مدل زبانی بزرگ یا LLM در دسترس هستند که می‌توانند برای اهداف بسیار متنوعی مورد استفاده قرار گیرند. Hugging Face به عنوان مرکز اصلی مدل‌های زبانی، مجموعه‌ای عظیم را ارائه می‌دهد که در آن می‌توانید تقریباً هر مدلی را که نیاز دارید بیابید و استفاده کنید. با توجه به اینکه مدل‌ها در اشکال، اندازه‌ها و پیکربندی‌های مختلفی ارائه می‌شوند و هر مدل در زمینه‌ای خاص تخصص دارد، انتخاب مدل مناسب می‌تواند کاری دشوار باشد. بنابراین، زمانی که برای یافتن مدل مناسب با نیازهای خود در Hugging Face جستجو می‌کنید، باید هنر این تطبیق را بلد باشید. در این دوره، ما یاد می‌گیریم که چگونه در هاب Hugging Face برای مدل‌ها جستجو کنیم و پیکربندی‌های آن‌ها را با نیازهای خود مطابقت دهیم. ما ویژگی‌های کلیدی مدل‌های زبانی (LLMs)، مانند اندازه، نیازهای محاسباتی، تخصص‌ها، مجوزها و موارد دیگر را درک خواهیم کرد. همچنین به بررسی various خانواده‌های مدل و تخصص‌ها، عملکرد و نسخه‌های مختلف آن‌ها خواهیم پرداخت. علاوه بر این، یاد می‌گیریم که چگونه از مدل‌های مختلف Hugging Face استفاده کنیم و آن‌ها را بر اساس نیازهای خود ارزیابی کنیم. این دوره برای متخصصانی که عمیقاً در حوزه هوش مصنوعی و یادگیری ماشین راه‌اندازی شده است، از جمله دانشمندان داده، مهندسان یادگیری ماشین، مهندسان هوش مصنوعی، توسعه‌دهندگان برنامه‌های RAG، توسعه‌دهندگان نرم‌افزار و مهندسان IT. این دوره افرادی را هدف قرار می‌دهد که در حال ساخت یا قصد دارند برنامه‌هایی را با استفاده از مدل‌های زبانی بزرگ (LLMs) بسازند و به دنبال تقویت توانایی خود در انتخاب و به‌کارگیری مناسب‌ترین مدل‌ها برای نیازهای خاص خود هستند. شرکت‌کنندگان باید پایه قوی در برنامه‌نویسی پایتون و درک بنیادی از مدل‌های زبانی بزرگ (LLMs) و استفاده برنامه‌نویسی شده از آن‌ها داشته باشند، زیرا این دوره بر اساس این مفاهیم با تمرینات کدنویسی عملی و مباحث پیشرفته مانند انتخاب، مقایسه و ارزیابی مدل‌ها ساخته خواهد شد. تا پایان این دوره، فراگیران به چهار هدف کلیدی را خواهند رسید. آن‌ها در پیمایش و استفاده از اکوسیستم Hugging Face تسلط پیدا می‌کنند و در یافتن و درک مدل‌های مختلف مهارت پیدا می‌کنند. همچنین یاد می‌گیرند که چگونه از این مدل‌ها به طور موثر استفاده کنند و آن‌ها را بر اساس عوامل متعدد و ملاحظات عملی مقایسه کنند. علاوه بر این، این دوره شرکت‌کنندگان را در تست و تزیین ارزیابی مدل‌های مختلف هدایت می‌کند تا آن‌ها را قادر سازد نتایج را بر اساس پارامترهای خاص امتیازدهی و ارزیابی کنند. در نهایت، فراگیران قادر خواهند بود مناسب‌ترین مدل را برای یک تکلیف را انتخاب کنند تا از عملکرد بهینه در برنامه‌های خود اطمینان حاصل کنند.

سرفصل ها و درس ها

انتخاب مدل زبانی بزرگ (LLM) مناسب با Hugging Face Selecting the Right LLM with Hugging Face

مقدمه‌ای بر دوره و آشنایی با مدرس Introduction to the Course & Meet Your Instructor
آشنایی با Hugging Face Introduction to Hugging Face
پیمایش در هاب Hugging Face Navigating through Hugging Face Hub
ویژگی‌های مدل‌ها Model Characteristics
خانواده‌های مدل Model Families
ارزیابی مدل‌ها بر اساس معیارها (Metrics) Evaluating Models Based on Metrics
ارزیابی مدل‌ها بر اساس ویژگی‌های استقرار (Deployment) Evaluating Models Based on Deployment characteristics
مقدمه‌ای بر مطالعه موردی Case-Study Intro
مجموعه داده‌ها و معیارها Dataset and Metrics
تست و ارزیابی Testing and Evaluation
تبریکات و مسیر یادگیری مستمر Congratulations and Continuous Learning Journey