🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
کار با مدل های از پیش آموزش دیده NLP
- آخرین آپدیت
Working with Pre-trained NLP Models
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
ایجاد یک مدل NLP از ابتدا بسیار پیچیده و زمان بر است. خوشبختانه، شما می توانید با آموزش انتقال بر شانه غول ها بایستید.
در این دوره، کار با مدل های از پیش آموزش دیده NLP، شما توانایی اعمال LLM های از پیش آموزش دیده را در مدل های خود به دست خواهید آورد.
ابتدا، کشف خواهید کرد که یادگیری انتقال چیست.
در مرحله بعد، نحوه استفاده از آن را با Hugging Face خواهید فهمید.
در نهایت، شما یاد خواهید گرفت که چگونه از بیش از حد مناسب جلوگیری کنید و انصاف را اندازه گیری کنید.
پس از اتمام این دوره، مهارت ها و دانش استفاده از مدل های از پیش آموزش دیده در NLP را خواهید داشت که برای ایجاد مدل های شگفت انگیز با کد بسیار کمی لازم است.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
معرفی آموزش انتقالی
Introducing Transfer Learning
Over the Shoulder of Giants: Transfer Learning
Over the Shoulder of Giants: Transfer Learning
نسخه ی نمایشی: انتقال یادگیری با GloVe
Demo: Transfer Learning with GloVe
نمایش عملکرد هنگام استفاده از مدل های از پیش آموزش دیده
Performance Indication while Using Pre-trained Models
مدل های محک زدن در تابلوهای برتر
Benchmarking Models on Leaderboards
LLMs A La Carte
LLMs A La Carte
مقایسه LLM ها: رمزگذار، رمزگشا، و رمزگذار-رمزگشا
Comparing LLMs: Encoder, Decoder, and Encoder-decoder
نسخه ی نمایشی: استفاده از BERT برای تحلیل احساسات
Demo: Using BERT for Sentiment Analysis
مشکل بیش از حد و مسائل استقرار
The Problem of Overfitting and Deployment Issues
RLHF: الگوریتمی برای مدلهای همترازتر
RLHF: An Algorithm for More Aligned Models
آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.
نمایش نظرات