آموزش مقدمه ای بر مدل های زبان بزرگ (LLM)

Intro to Large Language Models (LLMs)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: دانش LLM خود را از یک ناظر میدانی علاقه مند به یک توسعه دهنده مجهز NLP مبانی معماری ترانسفورماتور تبدیل کنید مفاهیم توجه و توجه به خود استفاده از تعبیه‌های متن API OpenAI در LLM مقدمه LangChain Exploring Hugging Face برای شروع این دوره آموزشی مناسب است:

آیا می خواهید در مورد مدل های زبان بزرگ و هوش مصنوعی بیاموزید؟

آیا آماده هستید تا به دنیای هوش مصنوعی شیرجه بزنید و مهارت هایی را توسعه دهید که در صنایع مختلف تقاضای زیادی دارند؟

دوره آموزشی مقدماتی ما بر مدل‌های زبان بزرگ، دروازه‌ای برای درک و استفاده از قابلیت‌های هوش مصنوعی برای متحول کردن نحوه تعامل ما با فناوری است.

چرا درباره مدل های زبان بزرگ یاد بگیریم؟

در سال‌های اخیر، مدل‌های زبان بزرگ (LLM) مانند GPT، BERT، و XLNet مناظر فناوری را متحول کرده‌اند و همه چیز را از هوش مصنوعی مکالمه گرفته تا تجزیه و تحلیل متن پیشرفته را تقویت کرده‌اند. توانایی این مدل‌ها برای تولید متن، درک زبان و حتی نوشتن کد، آن‌ها را به یک حوزه محوری در تحقیقات و کاربرد هوش مصنوعی تبدیل کرده است.

برنامه درسی دوره در یک نگاه:

  1. مقدمه‌ای بر LLM: قابلیت‌ها و عملکردهای مدل‌های زبان پیشرفته را بررسی کنید.

  2. معماری ترانسفورماتور: معماری پیشگامانه ای را که به اکثر LLM های مدرن قدرت می دهد، درک کنید.

  3. شروع به کار با مدل‌های GPT: در تولید متن و ساخت برنامه‌های کاربردی با استفاده از GPT غوطه‌ور شوید.

  4. Hugging Face Transformers: یاد بگیرید از یکی از محبوب‌ترین پلتفرم‌ها برای استقرار LLM استفاده کنید.

  5. مدل‌های پرسش و پاسخ با BERT: با استفاده از BERT سیستم‌های QA پیچیده ایجاد کنید.

  6. طبقه‌بندی متن با XLNet: وظایف پیچیده طبقه‌بندی متن را با تکنیک‌های پیشرفته انجام دهید.

چه چیزی به دست خواهید آورد؟

این دوره نه تنها برای آموزش تئوری به شما طراحی شده است، بلکه برای تجهیز شما به مهارت های عملی از طریق:

  • درس‌های ویدیویی جذاب: این درس‌ها که توسط کارشناسان صنعت ارائه می‌شوند، مفاهیم پیچیده را به بخش‌های قابل هضم تقسیم می‌کنند

  • تمرین‌های کدنویسی عملی: آنچه را که یاد می‌گیرید در سناریوهای دنیای واقعی، از ساخت ربات‌های چت تا تجزیه و تحلیل متن، به کار ببرید

  • پوشش جامع: از اصول اولیه LLM تا پیچیدگی‌های معماری ترانسفورماتور و مدل‌های تنظیم دقیق برای کارهای خاص

  • یادگیری مبتنی بر پروژه: LLM ها را در پروژه های خود پیاده سازی کنید، مدل ها را برای مجموعه داده های منحصر به فرد تنظیم کنید، و وظایف عملی NLP را حل کنید

قدم بعدی را در سفر هوش مصنوعی خود بردارید

اکنون ثبت‌نام کنید و با دوره آموزشی مدل‌های زبان بزرگ ما به رهبری متخصصان، درک خود از هوش مصنوعی و مسیر شغلی خود را تغییر دهید. چه به دنبال نوآوری در نقش فعلی خود باشید و چه به دنبال یک رشته کاملاً جدید باشید، تسلط بر LLM به شما یک مزیت رقابتی در چشم انداز فناوری به سرعت در حال توسعه می دهد.

امروز به ما بپیوندید و بخشی از انقلاب هوش مصنوعی باشید!


سرفصل ها و درس ها

مقدمه ای بر مدل های زبان بزرگ Introduction to Large Language Models

  • معرفی Introduction

  • مواد درسی و دفترچه یادداشت Course materials and notebooks

  • LLM چیست؟ What are LLMs?

  • LLM چقدر است؟ How large is an LLM?

  • مدل های هدف عمومی General purpose models

  • قبل از آموزش و تنظیم دقیق Pre-training and fine tuning

  • LLM ها برای چه چیزی می توانند استفاده شوند؟ What can LLMs be used for?

معماری ترانسفورماتور The Transformer Architecture

  • خلاصه یادگیری عمیق Deep learning recap

  • مشکل RNN ها The problem with RNNs

  • راه حل: توجه تنها چیزی است که نیاز دارید The solution: attention is all you need

  • معماری ترانسفورماتور The transformer architecture

  • تعبیه های ورودی Input embeddings

  • توجه چند سر Multi-headed attention

  • لایه فید فوروارد Feed-forward layer

  • توجه چند سر پوشیده شده Masked multihead attention

  • پیش بینی خروجی های نهایی Predicting the final outputs

شروع کار با مدل های GPT Getting started with GPT models

  • GPT به چه معناست؟ What does GPT mean?

  • توسعه ChatGPT The development of ChatGPT

  • OpenAI API OpenAI API

  • تولید متن Generating text

  • سفارشی کردن خروجی GPT Customizing GPT Output

  • خلاصه کردن متن کلمه کلیدی Keyword text summarization

  • کدنویسی یک چت بات ساده Coding a simple chatbot

  • مقدمه ای بر Langchain در پایتون Introduction to Langchain in Python

  • لانگ چین Langchain

  • افزودن داده های سفارشی به ربات چت ما Adding custom data to our chatbot

ترانسفورماتورهای صورت در آغوش کشیدن Hugging Face Transformers

  • بسته صورت در آغوش Hugging Face package

  • خط لوله ترانسفورماتور The transformer pipeline

  • توکنایزرهای از پیش آموزش دیده Pre-trained tokenizers

  • توکن های خاص Special tokens

  • صورت در آغوش گرفته و PyTorch، TensorFlow Hugging Face and PyTorch, TensorFlow

  • ذخیره و بارگذاری مدل ها Saving and loading models

مدل های پرسش و پاسخ با BERT Question and answer models with BERT

  • GPT در مقابل BERT GPT vs BERT

  • معماری BERT BERT architecture

  • در حال بارگیری مدل و توکنایزر Loading the model and tokenizer

  • تعبیه‌های BERT BERT embeddings

  • محاسبه پاسخ Calculating the response

  • ایجاد یک ربات QA Creating a QA bot

  • BERT، RoBERTa، DistilBERT BERT, RoBERTa, DistilBERT

طبقه بندی متن با XLNet Text classification with XLNet

  • GPT در مقابل BERT در مقابل XLNET GPT vs BERT vs XLNET

  • پیش پردازش داده های ما Preprocessing our data

  • جاسازی های XLNet XLNet Embeddings

  • تنظیم دقیق XLNet Fine tuning XLNet

  • ارزیابی مدل ما Evaluating our model

نمایش نظرات

آموزش مقدمه ای بر مدل های زبان بزرگ (LLM)
جزییات دوره
2.5 hours
44
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6
از 5
دارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

365 Careers 365 Careers

ایجاد فرصت برای دانشجویان علوم داده و مالی

Lauren Newbould Lauren Newbould

دانشمند داده