آموزش مدل‌ها و معماری هوش مصنوعی مولد (Generative AI) - آخرین آپدیت

سرفصل ها و درس ها

چه چیزی هوش مصنوعی مولد را ممکن می‌سازد؟ What Makes Generative AI Possible?

• جهش در خلاقیت هوش مصنوعی The Leap in AI Creativity

• هوش مصنوعی چگونه می‌خواند: از کلمات تا توکن‌ها How AI Reads: From Words to Tokens

• جاسازی‌ها (Embeddings) چیستند؟ What Are Embeddings?

• مکانیسم توجه: تمام آن چیزی که نیاز دارید Attention Is All You Need

• معماری ترنسفورمر The Transformer Architecture

معماری‌های محوری هوش مصنوعی مولد Core Architectures of Generative AI

• مقایسه ترنسفورمرها، GANها، VAEها و مدل‌های دیفیوژن Transformers, GANs, VAEs, and Diffusion Models: A Comparison

• توضیح شبکه‌های مولد رقابتی (GANs) Generative Adversarial Networks (GANs) Explained

• توضیح خودرمزگذارهای متغیر (VAEs) Variational Autoencoders (VAEs) Explained

• توضیح مدل‌های دیفیوژن (Diffusion Models) Diffusion Models Explained

• ترکیب ورودی‌ها: مدل‌های چندوجهی چگونه کار می‌کنند Combining Inputs: How Multimodal Models Work

آموزش و ارزیابی مدل‌های هوش مصنوعی مولد Training and Evaluating Generative AI Models

• مدل‌ها چگونه یاد می‌گیرند: پیش‌آموزش، تنظیم دقیق و RAG How Models Learn: Pretraining, Fine-tuning, and RAG

• ارزیابی مدل‌های هوش مصنوعی مولد Evaluating Generative AI Models

• چه مشکلاتی ممکن است پیش بیاید؟ سوگیری و ریسک در هوش مصنوعی What Could Go Wrong? Bias and Risk in AI