آموزش هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM) - آخرین آپدیت

مقدمه‌ای بر هوش مصنوعی مولد Introduction to Generative AI

• خوش آمدید به دنیای هوش مصنوعی مولد Welcome to Generative AI

• آموزش مدل تشخیص: رگرسیون لجستیک روی داده‌های دوبعدی Training a Discriminative Model: Logistic Regression on 2D Blobs

• برازش و بصری‌سازی یک مدل مولد Fitting and Visualizing a Generative Model

• از GANها تا مدل‌های خودرگرسیونی: تمرین عملی مبانی مولد From GANs to Autoregressive Models: Hands-On with Generative Basics

• مدل‌های دیفیوژن در عمل: از نویز تا خروجی‌های واقع‌گرایانه Diffusion Models in Action: From Noise to Realistic Outputs

• امروزه LLMها چه کارهایی می‌توانند انجام دهند؟ موارد استفاده واقعی What Can LLMs Do Today? Real Use Cases Across Providers

• مدل‌های بینایی-زبانی چه توانایی‌هایی دارند؟ ترکیب تصویر و متن What Can Vision-Language Models Do? Image + Text in Action

• شناسایی سوگیری‌ها در خروجی‌های LLM Uncovering Bias in LLM Outputs

• توهمات و اطلاعات نادرست در عمل Hallucinations & Misinformation in Action

مدل‌های زبانی بزرگ (LLMs) و معماری ترنسفورمر Large Language Models (LLMs) & Transformer Architecture

• ترنسفورمرها LLMها را ممکن کردند: چرا این موضوع اهمیت دارد؟ Transformers Made LLMs Possible: Here's Why That Matters

• مشکلات RNNها و نحوه رفع آن‌ها توسط ترنسفورمرها The Problem with RNNs and How Transformers Fix It

• خود-توجهی (Self Attention)، توجه چند-سره و شبکه‌های پیش‌خور Self-Attention, Multi-Head Attention, and Feedforward Networks

• تنظیم خروجی LLM با Temperature، Top k و Top p Tuning LLM Output with Temperature, Top-k, and Top-p

• دسترسی به LLMها از طریق APIها و رابط‌های کاربری Accessing LLMs Through APIs and UIs

• مهندسی پرامپت: تغییرات کوچک، نتایج بزرگ Prompt Engineering: Small Tweaks, Big Results

• بهینه‌سازی (Fine-tuning) یک ترنسفورمر با Hugging Face Fine-Tuning a Transformer with Hugging Face

کاربردهای عملی مدل‌های زبانی بزرگ Hands-on Applications of LLMs

• بازیابی دانش: امبدینگ‌ها و جستجوی برداری با FAISS Retrieving Knowledge: Embeddings and Vector Search with FAISS

• تولید مستند: افزودن قابلیت بازیابی به خط لوله LLM Grounded Generation: Adding Retrieval to an LLM Pipeline

• پرامپت‌نویسی برای خروجی‌های ساختاریافته و شبیه‌سازی توابع Prompting LLMs for Structured Output and Function Simulation

• استقرار یک LLM با استفاده از MLflow و Streamlit Cloud Deploying an LLM Using MLflow and Streamlit Cloud

• شبیه‌سازی یک ایجنت هوش مصنوعی با Function Calling در OpenAI Simulate an AI Agent Using OpenAI Function Calling or Tool Simulation

مدل‌های دیفیوژن (Diffusion Models) Diffusion Models

• چرا دیفیوژن به روش برتر برای تولید تصاویر با کیفیت تبدیل شد؟ Why Diffusion Has Become the Preferred Approach for High-Quality Image Generation

• تولید تصویر از متن با Stable Diffusion Text-to-Image Generation with Stable Diffusion

• کاوش در فضای نهفته (Latent Space) در مدل‌های دیفیوژن Exploring Latent Space in Diffusion Models

• مقایسه GANها در مقابل VAEها و دیفیوژن: تحلیل خروجی‌ها GANs vs. VAEs vs. Diffusion: What Do the Outputs Say?

هوش مصنوعی مولد چندوجهی Multimodal Generative AI

• از متن تا همه چیز: انقلاب چندوجهی From Text to Everything: The Multimodal Revolution

• مدل‌های چندوجهی چگونه متن، تصویر و صوت را ترکیب می‌کنند؟ How Do Multimodal Models Combine Text, Image, and Audio?

• تولید کپشن تصاویر با مدل BLIP Generating Captions with BLIP

• طبقه‌بندی تصاویر Zero-Shot با مدل CLIP Zero-Shot Image Classification with CLIP

• تبدیل گفتار به متن با مدل Whisper Transcribing Speech to Text with Whisper

• تولید گفتار از متن با TTS Generating Speech from Text with TTS