آموزش راهنمای جامع و سریع مدل‌های زبانی بزرگ (LLMs): واحد ۳ - آخرین آپدیت

دانلود Quick Start Guide to Large Language Models (LLMs): Unit 3

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره آموزشی، به بررسی ساخت معماری‌های نوین متناسب با چالش‌های منحصر‌به‌فرد می‌پردازیم. شما تجربه عملی در ساخت مدل‌های چندوجهی (Multimodal) سفارشی که داده‌های بصری و متنی را ادغام می‌کنند، کسب خواهید کرد و نحوه پیاده‌سازی یادگیری تقویتی برای بهبود پاسخ‌های پویا را خواهید آموخت. از طریق مطالعات موردی کاربردی، تکنیک‌های پیشرفته تنظیم دقیق (Fine-tuning) مانند آموزش با دقت ترکیبی (Mixed Precision Training) و انباشت گرادینت را برای بهینه‌سازی مدل‌های متن‌باز مانند BERT و GPT-2 یاد می‌گیرید. همچنین در مسیر انتقال از تئوری به عمل، پیچیدگی‌های استقرار مدل‌های زبانی بزرگ در فضای ابری با استفاده از تکنیک‌هایی نظیر کوانتیزاسیون (Quantization) و تقطیر دانش (Knowledge Distillation) برای ایجاد مدل‌های بهینه و مقرون‌به‌صرفه بررسی می‌شود. در پایان این دوره، شما مهارت‌های لازم برای ارزیابی وظایف LLM و استقرار مدل‌های با کارایی بالا را به دست خواهید آورد.

سرفصل ها و درس ها

کاربردهای پیشرفته مدل‌های زبانی بزرگ Advanced LLM Usage

  • سرفصل‌ها Topics

  • ویژن ترنسفورمر (Vision Transformer) The Vision Transformer

  • استفاده از توجه متقاطع برای ترکیب مودالیته‌های داده Using Cross Attention to Mix Data Modalities

  • مطالعه موردی — پرسش و پاسخ بصری: راه‌اندازی مدل Case Study—Visual QA: Setting Up Our Model

  • مطالعه موردی — پرسش و پاسخ بصری: تنظیم پارامترها و داده‌ها Case Study—Visual QA: Setting Up Our Parameters and Data

  • مقدمه‌ای بر یادگیری تقویتی از طریق بازخورد Introduction to Reinforcement Learning from Feedback

  • همسوسازی FLAN T5 با یادگیری تقویتی از طریق بازخورد Aligning FLAN-T5 with Reinforcement Learning from Feedback

  • سرفصل‌ها Topics

  • استفاده از BERT برای طبقه‌بندی چندبرچسبی — بخش اول BERT for Multi-label Classification—Part 1

  • استفاده از BERT برای طبقه‌بندی چندبرچسبی — بخش دوم BERT for Multi-label Classification—Part 2

  • نوشتن لاتک (LaTeX) با GPT-2 Writing LaTeX with GPT-2

  • مطالعه موردی: تلاش سینان برای ایجاد پاسخ‌های هوشمند و جذاب — Sawyer Case Study: Sinan’s Attempt at Wise Yet Engaging Responses—Sawyer

  • همسوسازی دستورالعمل‌های LLM: تنظیم دقیق نظارت‌شده (SFT) Instruction Alignment of LLMs: Supervised Fine-Tuning

  • همسوسازی دستورالعمل‌های LLM: مدل‌سازی پاداش Instruction Alignment of LLMs: Reward Modeling

  • همسوسازی دستورالعمل‌های LLM: یادگیری تقویتی از بازخورد انسانی (RLHF) Instruction Alignment of LLMs: RLHF

  • همسوسازی دستورالعمل‌های LLM: استفاده از مدل همسوسازی شده Instruction Alignment of LLMs: Using Our Instruction-Aligned LLM

  • سرفصل‌ها Topics

  • پیش‌بینی هزینه‌ها و استقرار مدل‌های زبانی بزرگ در محیط عملیاتی Cost Projecting and Deploying LLMs to Production

  • تقطیر دانش (Knowledge Distillation) Knowledge Distillation

  • سرفصل‌ها Topics

  • ارزیابی وظایف مولد — بخش اول Evaluating Generative Tasks—Part 1

  • ارزیابی وظایف مولد — بخش دوم Evaluating Generative Tasks—Part 2

  • ارزیابی وظایف درک مطلب Evaluating Understanding Tasks

  • کاوش در LLMها برای مدل جهانی (World Model) Probing LLMs for World Model

نمایش نظرات

آموزش راهنمای جامع و سریع مدل‌های زبانی بزرگ (LLMs): واحد ۳
جزییات دوره
8h 7m
24
(آخرین آپدیت)
179
- 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