آموزش آشنایی با مدل‌های زبانی بزرگ متن‌باز (Open-source LLMs) - آخرین آپدیت

دانلود Introduction to Open-source LLMs

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بسیاری از سازمان‌ها تمایل دارند از هوش مصنوعی بهره ببرند، اما در انتخاب بین مدل‌های زبانی بزرگ (LLM) متن‌باز و بسته، و همچنین درک گزینه‌های مجوزدهی و استقرار با چالش روبرو هستند. در این دوره آموزشی با عنوان «آشنایی با مدل‌های زبانی بزرگ متن‌باز»، شما یاد می‌گیرید که چگونه مدل‌های LLM متن‌باز را برای کاربردهای عملی کسب‌وکار ارزیابی، مستقر و یکپارچه کنید. در ابتدا، عملکرد مدل‌ها را بررسی کرده و مزایا و معایب گزینه‌های متن‌باز را در مقایسه با مدل‌های بسته تحلیل خواهید کرد. سپس، نحوه مدیریت شرایط مجوزدهی برای مصارف پژوهشی و تجاری را می‌آموزید. در نهایت، روش اجرا و تعامل با مدل‌ها را با استفاده از ابزارهایی نظیر Ollama، Open WebUI، رابط‌های سفارشی Streamlit و عامل‌های LangChain فرا خواهید گرفت. در پایان این دوره، شما مهارت‌ها و دانش لازم در زمینه LLMهای متن‌باز را برای انتخاب و پیاده‌سازی راهکارهای هوش مصنوعی مناسب برای پروژه‌های خود کسب خواهید کرد.

سرفصل ها و درس ها

درک مدل‌های زبانی بزرگ متن‌باز Understanding Open-source LLMs

  • مدل‌های زبانی بزرگ متن‌باز چیستند؟ What Are Open-source LLMs?

  • ظهور جنبش مدل‌های زبانی بزرگ متن‌باز The Rise of the Open-source LLM Movement

  • ویژگی‌های کلیدی LLMهای متن‌باز Key Characteristics of Open-source LLMs

  • مزایا برای کسب‌وکارها و توسعه‌دهندگان Benefits for Businesses and Developers

سفارشی‌سازی و استقرار مدل‌های زبانی بزرگ متن‌باز Customizing and Deploying Open-source LLMs

  • بررسی و اصلاح مدل‌های زبانی بزرگ متن‌باز Inspecting and Modifying Open-source LLMs

  • درک معماری LLM و گزینه‌های سفارشی‌سازی Understanding LLM Architecture and Customization Options

  • تنظیم دقیق (Fine-tuning) مدل‌های متن‌باز Fine-tuning Open-source LLMs

  • استقرار مدل‌های زبانی روی زیرساخت شخصی Deploying LLMs on Your Own Infrastructure

  • نمایش عملی سفارشی‌سازی برای صنایع خاص Industry Specific Customization Demonstration

بررسی مدل‌های پیشرو متن‌باز و موارد استفاده آن‌ها Surveying Leading Open-source LLMs and Their Use Cases

  • مروری بر Llama، BLOOM، DeepSeek و Mistral Llama, BLOOM, DeepSeek, and Mistral Overview

  • معماری، مقیاس و بنچمارک‌ها Architecture, Scale, and Benchmarks

  • مدل‌های تخصصی و بهینه‌ترین موارد استفاده Specialized Models and Optimal Use Cases

  • نقاط قوت و ضعف مدل‌ها و زمان استفاده از هر یک Model Strengths, Weaknesses, and When to Use Each

نمایش نظرات

آموزش آشنایی با مدل‌های زبانی بزرگ متن‌باز (Open-source LLMs)
جزییات دوره
1h 4m
13
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
23
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Laurentiu Raducu Laurentiu Raducu

همه چیز از دبیرستان شروع شد، زمانی که Laurentiu برای اولین بار راه خود را در سفر علم کامپیوتر آغاز کرد. در ابتدا او با C++ شروع کرد و به سرعت عاشق چشم انداز یادگیری توسعه نرم افزار شد. به لطف علاقه اش به شطرنج، اولین برنامه کامپیوتری او یک بازی شطرنج مبتنی بر کنسول ASCII بود که در C++ توسعه یافت. پس از مدتی، در دوران دانشگاه، لورنتیو شروع به آزمایش با سایر زبان های برنامه نویسی OOP، مانند جاوا، کاتلین یا پایتون کرد. او شروع به بازی با پشته ها و فریم ورک های مختلف فناوری، توسعه و انتشار برنامه های نرم افزاری برای دستگاه های اندرویدی کرد. با این حال، زمانی که لاورنتیو تصمیم گرفت دنیای امنیت سایبری را کشف کند، همه چیز شروع به تغییر کرد. او شروع به رفتن به هکاتون های امنیتی، رویدادهای CTF کرد و چالش های متعددی را در وب سایت هایی مانند overthewire.org تکمیل کرد. در همان زمان، او متوجه شد که ممکن است ایده خوبی باشد که سفر خود را با استفاده از فیلم‌های کوتاه مستند کند، و سپس فکر کرد که می‌تواند یک سخنران شود و به مردم کمک کند بیشتر در مورد فناوری بیاموزند.