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

  • فین‌تیونینگ LLM - پرامپت تیونینگ و PEFT LLM Finetuning - Prompt Tuning & PEFT

استراتژی‌های استقرار و مانیتورینگ LLM LLM Deployment Strategies and Monitoring

  • استراتژی‌های استقرار LLM LLM Deployment Strategies

  • ONNX: یکپارچه‌سازی چشم‌انداز یادگیری عمیق ONNX: Unifying the Deep Learning Landscape

  • تبدیل مدل یادگیری عمیق با ONNX - دمو Convert the Deep Learning Model with ONNX - Demo

  • مانیتورینگ مدل‌های LLM در محیط عملیاتی Monitoring the LLM Models in Production

  • اکوسیستم ان‌ویدیا در استقرار LLM NVIDIA Eco System in LLM Deployment

نمایش نظرات

آموزش ان‌ویدیا: استقرار مدل‌های زبانی بزرگ و هوش مصنوعی مولد
جزییات دوره
4h 24m
20
(آخرین آپدیت)
1,957
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده