آموزش مهندسی پرامپت، مبانی هوش مصنوعی مولد و مدل‌های LLM - آخرین آپدیت

مبانی مدل‌های زبانی بزرگ و هوش مصنوعی مولد Foundations of Large Language Models and Generative AI

• مقدمه‌ای بر مدل‌های زبانی بزرگ Introduction to Large Language Models

• مدل هوش مصنوعی مولد چیست؟ What is a Generative AI Model?

• اجزای هوش مصنوعی مولد Components of Generative AI

• کاربرد LLM در وظایف NLP – دمو HuggingFace Usage of LLM on NLP Tasks – HuggingFace – Demo

• داده‌های آموزشی برای LLMها Training Data for LLMs

• پاک‌سازی داده‌ها برای LLMها Data Cleaning for LLMs

آموزش، بهینه‌سازی و ارزیابی LLM LLM Training, Optimization, and Evaluation

• آموزش و بهینه‌سازی LLM LLM Training and Optimization

• تکنیک‌های روش‌های یادگیری (Zero shot, Few shot, Instruction Tuning, RLHF) Techniques of Learning Methods (Zero-shot, Few-shot, Instruction Tuning, RLHF)

• توابع زیان (Loss Functions) در LLMها Loss Functions of LLMs

• تکنیک‌های ترازسازی (Alignment) در LLM LLM Alignment Techniques

• معیارهای ارزیابی LLM Evaluation Metrics of LLM

• مفهوم Perplexity Perplexity

• نقش انسان در ارزیابی LLMها Role of Humans in Evaluation of LLMs

• نقش GPUها در آموزش مدل Role of GPUs in Model Training

مهندسی پرامپت، Fine Tuning و معماری‌های پیشرفته LLM Prompt Engineering, Fine-Tuning, and Advanced LLM Architectures

• مهندسی پرامپت Prompt Engineering

• مبانی طراحی پرامپت Fundamentals of Prompt Design

• تکنیک‌هایی برای نوشتن پرامپت‌های موثر Techniques for Effective Prompts

• بهینه‌سازی LLM – Prompt Tuning و PEFT LLM Fine-Tuning – Prompt Tuning & PEFT

• تکنیک Fine Tuning کارآمد در پرامپت Prompt Efficient Fine-Tuning Technique

• یادگیری پرامپت: P Tuning Prompt Learning: P-Tuning

• مقدمه‌ای بر NVIDIA NeMo Introduction to NVIDIA NeMo

• دموی مهندسی پرامپت با یک مدل LLM Prompt Engineering Demo with an LLM

• درک معماری RAG در مدل‌های زبانی بزرگ Understanding RAG Architecture of LLM