لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی مولد: مقدمه ای بر مدل های زبان بزرگ
Generative AI: Introduction to Large Language Models
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
ابزارهای مولد هوش مصنوعی مانند ChatGPT، DALL-E، Bard و Stable Diffusion اخیراً مورد توجه بسیاری قرار گرفتهاند. در این دوره، فرد نوانگانگا، متخصص و معلم فناوری اطلاعات، مقدمهای ملایم در مورد این که این ابزارها چیست، چگونه کار میکنند و چگونه در اکوسیستم بزرگتر هوش مصنوعی قرار میگیرند، به یادگیرندگان ارائه میدهد. هوش مصنوعی مولد را با مدلهای زبان بزرگ (LLM) کاوش کنید. بیاموزید که هوش مصنوعی و LLM مولد چیست، انواع LLMها وجود دارند و چگونه تکامل یافته اند. در شبکه های عصبی، از جمله نحوه یادگیری آنها و مروری بر یادگیری عمیق و تأثیر تحول آفرین آن، غواصی کنید. بلوکهای سازنده LLMها، مانند معماری ترانسفورماتور، رمزگذارها و رمزگشاها، مکانیسم توجه و توجه به خود را کشف کنید. به علاوه، مفاهیم اجتماعی LLM را بررسی کنید.
سرفصل ها و درس ها
معرفی
Introduction
هوش مصنوعی مولد با مدل های زبان بزرگ
Generative AI with large language models
1. مدل های زبان بزرگ
1. Large Language Models
هوش مصنوعی مولد چیست؟
What is generative AI?
مدل زبان بزرگ چیست؟
What is a large language model?
انواع مدل های زبان بزرگ
Types of large language models
تکامل مدل های زبان بزرگ
The evolution of large language models
2. شبکه های عصبی و مدل های زبان
2. Neural Networks and Language Models
شبکه عصبی چیست؟
What is a neural network?
شبکه های عصبی چگونه یاد می گیرند؟
How do neural networks learn?
یادگیری عمیق و اهمیت آن
Deep learning and its significance
3. بلوک های ساختمان مدل های زبان بزرگ
3. Building Blocks of Large Language Models
معماری ترانسفورماتور
The Transformer architecture
رمزگشا چیست؟
What is an encoder-decoder?
مکانیسم توجه
The attention mechanism
توجه به خود چگونه کار می کند؟
How does self-attention work?
4. پیامدهای اجتماعی مدل های زبان بزرگ
4. Societal Implications of Large Language Models
کاربردهای رایج مدل های زبان بزرگ
Common applications of large language models
چالش ها با مدل های زبان بزرگ
Challenges with large language models
آینده مدل های زبان بزرگ
The future of large language models
فردریک نوانگانگا دانشیار تدریس در زمینه تجزیه و تحلیل و عملیات.
او بیش از 15 سال تجربه تحلیلی دارد و دوره های کارشناسی ارشد و لیسانس در مدیریت داده، یادگیری ماشین و تجزیه و تحلیل داده های بدون ساختار را در کالج تجارت مندوزا در دانشگاه نوتردام تدریس می کند. قبل از پیوستن به مندوزا به عنوان استاد تمام وقت، فرد تقریباً 20 سال در زمینه فناوری اطلاعات در چندین سمت به عنوان توسعه دهنده نرم افزار، تحلیلگر تجاری، مدیر پایگاه داده، مدیر پروژه و مدیر فناوری کار کرد. او به مدت سه سال یک شرکت مشاوره خدمات کسب و کار فناوری اطلاعات را تأسیس کرد و آن را اداره کرد و نویسنده کتاب درسی یادگیری ماشینی به نام یادگیری ماشین عملی در R.
نمایش نظرات