لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش انویدیا: استقرار مدلهای زبانی بزرگ و هوش مصنوعی مولد
- آخرین آپدیت
دانلود NVIDIA: Large Language Models and Generative AI Deployment
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره NVIDIA: Large Language Models and Generative AI Deployment چهارمین بخش از مجموعه آمادگی آزمون (NCA-GENL) برای دریافت گواهینامه تخصصی NVIDIA در زمینه مدلهای زبانی بزرگ (LLMs) و هوش مصنوعی مولد است. این دوره درک جامع و عمیقی از مدلهای زبانی بزرگ و نحوه استقرار هوش مصنوعی مولد را از طریق ترکیب مفاهیم تئوری و مهارتهای عملی ارائه میدهد.
فراگیران در این دوره با اجزای کلیدی هوش مصنوعی مولد، نیازمندیهای دادهای و تکنیکهای پاکسازی دادهها برای LLMها آشنا خواهند شد. همچنین مباحث مربوط به آموزش مدل، بهینهسازی و روشهای ارزیابی شامل Few-shot، Zero-shot و Instruction Tuning مورد بررسی قرار میگیرند. علاوه بر این، دوره به بررسی توابع هزینه (Loss Functions)، تکنیکهای همترازی (Alignment) و معیارهای ارزیابی مانند Perplexity میپردازد. همچنین بر نقش GPUها در آموزش، روشهای Fine-tuning مانند Prompt Tuning و روشهای بهینهسازی پارامترها (PEFT) تأکید شده است. در نهایت، کاربران تخصص لازم برای استقرار مدلهای LLM و مانیتورینگ آنها با استفاده از ONNX را کسب خواهند کرد.
این دوره به سه ماژول تقسیم شده است که هر کدام شامل دروس و ویدیوهای آموزشی هستند. محتوای ویدیوئی این دوره حدود ۴:۳۰ تا ۵ ساعت است که مفاهیم تئوری و تمرینات عملی را پوشش میدهد. هر ماژول دارای آزمونهایی برای تثبیت یادگیری و سنجش میزان درک مفاهیم است.
ماژول ۱: مبانی مدلهای زبانی بزرگ
ماژول ۲: آموزش، بهینهسازی و ارزیابی LLMها
ماژول ۳: استراتژیهای استقرار و مانیتورینگ LLM
در پایان این دوره، فراگیر قادر خواهد بود:
- مفاهیم بنیادی LLMها، از جمله پردازش زبان طبیعی (NLP) و دادههای آموزشی را درک کند.
- تکنیکهای بهینهسازی مدل مانند توابع هزینه، همترازی و PEFT را به کار گیرد.
- استراتژیهای استقرار برای LLMها را پیادهسازی کرده و عملکرد آنها را با استفاده از ONNX مانیتور کند.
این دوره برای متخصصانی طراحی شده است که به دنبال تعمیق مهارتهای خود در استقرار و بهینهسازی مدلهای زبانی بزرگ برای کاربردهای هوش مصنوعی مولد هستند.
سرفصل ها و درس ها
مبانی مدلهای زبانی بزرگ
Fundamentals of Large Language Models
مقدمهای بر مدلهای زبانی بزرگ
Introduction to Large Language Models
کاربرد LLM در وظایف NLP - دموی HuggingFace
Usage of LLM on NLP Tasks - HuggingFace - Demo
مدل هوش مصنوعی مولد چیست؟
What is Generative AI Model ?
اجزای هوش مصنوعی مولد
Components of Generative AI
دادههای آموزشی برای LLMها
Training data for LLMs
پاکسازی دادهها برای LLMها
Data Cleaning for LLMs
آموزش، بهینهسازی و ارزیابی LLMها
Training, Optimization, and Evaluation of LLMs
آموزش و بهینهسازی LLM
LLM Training and Optimization
تکنیکهای روشهای یادگیری (Few shot, Zero shot, Instruction tuning, RLHF)
Techniques of Learning methods (Few-shot, Zero-shot, Instruction tuning, RLHF)
توابع هزینه (Loss Functions) در LLMها
Loss Functions of LLMs
تکنیکهای همترازی 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
نمایش نظرات