لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مدلهای زبانی بزرگ (LLMs) و مهندسی پرامپت از Pearson
- آخرین آپدیت
دانلود Introduction to Large Language Models (LLMs) and Prompt Engineering by Pearson
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آیا میدانید چگونه مدلهای زبانی بزرگ (LLM) مانند GPT، Llama، Claude، T5 و BERT را در مقیاس وسیع پیادهسازی کنید؟ این دوره یک رویکرد گامبهگام برای ساخت و استقرار LLMها ارائه میدهد و شامل مطالعات موردی واقعی است که مفاهیم را به صورت عملی به تصویر میکشد. در این دوره، نحوه شروع مسیر یادگیری LLM با مهندسی پرامپت (Prompt Engineering) و روشهای بهینه قرارگیری دستورات در مدلهای مختلف آموزش داده میشود. همچنین، نحوه ساخت سیستم تولید تقویتشده با بازیابی (RAG) به طور کامل توضیح داده شده است.
چه مهندس یادگیری ماشین باشید، چه توسعهدهنده LLM، دانشمند داده یا مهندسی که به استفاده از مدلهای زبانی برای پروژههای خود علاقه دارد، این دوره طراحی شده است تا به شما کمک کند بهترین خروجیها را از مدلهای خود دریافت کنید. برای بهرهمندی از این دوره، داشتن تسلط نسبی به زبان پایتون ۳ و تجربه کار با محیطهای تعاملی پایتون مانند Notebooks (از جمله Jupyter، Google Colab، Kaggle Kernels و غیره) توصیه میشود.
توجه: این دوره توسط Pearson ارائه شده است و ما مفتخریم که این محتوا را در کتابخانه خود میزبانی میکنیم.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمهای بر مدلهای زبانی بزرگ (LLMs) و مهندسی پرامپت
Intro to large language models (LLMs) and prompt engineering
1. بررسی کلی مدلهای زبانی بزرگ
1. Overview of Large Language Models
مدلهای زبانی بزرگ چیستند؟
What are large language models?
سرفصلهای آموزشی
Topics
کاربردهای LLMها
Applications of LLMs
مدلهای زبانی محبوب و مدرن
Popular modern LLMs
2. جستجوی معنایی با LLMها
2. Semantic Search with LLMs
ساخت سیستم جستجوی معنایی
Building a semantic search system
مقدمهای بر جستجوی معنایی
Introduction to semantic search
سرفصلهای آموزشی
Topics
بهینهسازی جستجوی معنایی با Cross Encoders و Fine-tuning
Optimizing semantic search with cross-encoders and fine-tuning
3. اولین گامها در مهندسی پرامپت
3. First Steps with Prompt Engineering
سرفصلهای آموزشی
Topics
کار با پرامپتها در مدلهای مختلف
Working with prompts across models
ساخت ربات تولید تقویتشده با بازیابی (RAG) با ChatGPT و GPT-4
Building a retrieval-augmented generation bot with ChatGPT and GPT-4
مقدمهای بر مهندسی پرامپت
Introduction to prompt engineering
4. تولید تقویتشده با بازیابی (RAG) و عاملهای هوش مصنوعی
4. Retrieval Augmented Generation + AI Agents
مقدمهای بر تولید تقویتشده با بازیابی (RAG)
Introduction to retrieval-augmented generation (RAG)
ساخت ربات RAG
Building a RAG bot
گسترش به سمت عاملهای هوش مصنوعی (AI Agents)
Expanding into AI agents
سرفصلهای آموزشی
Topics
استفاده از مدلهای متنباز در RAG
Using open source models with RAG
هدف پیرسون این است که به افراد کمک کند تا زندگی خود را از طریق یادگیری درک کنند، با این باور که هر فرصت یادگیری فرصتی برای پیشرفت شخصی است. کارکنان پیرسون متعهد به ایجاد تجربیات یادگیری پر جنب و جوش و غنی هستند که برای تأثیرگذاری در زندگی واقعی طراحی شده اند. آنها در نزدیک به 200 کشور با محتوای دیجیتال، ارزیابی ها، صلاحیت ها و داده ها به مشتریان خدمات ارائه می دهند.
نمایش نظرات