آموزش Master LLM Optimization: افزایش عملکرد و کارایی هوش مصنوعی

دانلود Master LLM Optimization: Boost AI Performance & Efficiency

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: باز کردن قفل تکنیک‌های پیشرفته برای تنظیم دقیق، مقیاس‌بندی و بهینه‌سازی LLM‌ها برای افزایش قابلیت‌های هوش مصنوعی استفاده از Google Colab برای آزاد کردن قدرت تجزیه و تحلیل متن پایتون و اکوسیستم یادگیری عمیق مقدمه‌ای بر مفاهیم اساسی در مورد LLM و هوش مصنوعی مولد با زبان بزرگ رایج آشنا شوید. چارچوب های مدل (LLM) از جمله LangChain آموزش استفاده از Hugging Face برای دسترسی به LLM های مختلف مقدمه ای بر تئوری و اجرای بهینه سازی LLM پیش نیازها: تجربه قبلی استفاده از نوت بوک های Jupyter آشنایی قبلی با مفاهیم پردازش زبان طبیعی (NLP) مفید خواهد بود اما اجباری نیست علاقه به استفاده از مدل های زبان بزرگ (LLM) برای اسناد خود

Master LLM Optimization: افزایش بهره وری عملکرد هوش مصنوعی

قدرت مدل‌های زبان بزرگ (LLM) را با دوره پیشرفته ما، «بهینه‌سازی کارشناسی ارشد LLM: کارایی عملکرد هوش مصنوعی را افزایش دهید». این دوره که برای علاقه مندان به هوش مصنوعی، دانشمندان داده و توسعه دهندگان طراحی شده است، سفری عمیق به LLM ها ارائه می دهد، با تمرکز بر تکنیک های بهینه سازی که قابلیت های هوش مصنوعی را افزایش می دهد. چه مبتدی در اجرای LLM باشید و چه یک متخصص با تجربه که به دنبال بهبود مهارت های خود هستید، این دوره شما را با دانش و ابزارهایی برای برتری در این زمینه به سرعت در حال توسعه مجهز می کند.

نمای کلی دوره:

این دوره به چارچوب‌های LLM مانند OpenAI، LangChain و LLAMA-Index می‌پردازد و به شما امکان می‌دهد راه‌حل‌های هوش مصنوعی مانند دستیارهای مجازی خواندن اسناد را بسازید و تنظیم کنید. با یک برنامه درسی جامع، تئوری و اجرای عملی بهینه‌سازی LLM را بررسی خواهید کرد، و تجربه عملی را با مدل‌های محبوب LLM مانند GPT و Mistral از طریق Hugging Face به دست خواهید آورد. در پایان دوره، شما بر تکنیک های پیشرفته ای برای استفاده از LLM مسلط خواهید شد که به شما امکان می دهد سیستم های هوش مصنوعی را توسعه دهید که هم کارآمد و هم قدرتمند هستند.

نتایج کلیدی یادگیری:

  • مبانی هوش مصنوعی و LLMهای مولد: مفاهیم اصلی هوش مصنوعی و LLMهای Generative را درک کنید و پایه ای محکم برای موضوعات پیشرفته تر ایجاد کنید.

  • مقدمه‌ای بر چارچوب‌های LLM: با چارچوب‌های محبوب LLM، از جمله OpenAI، LangChain، و LLAMA-Index، تجربه عملی داشته باشید، که به شما امکان می‌دهد برنامه‌های هوش مصنوعی را به راحتی بسازید و به کار ببرید.

  • دسترسی به مدل‌های LLM: نحوه دسترسی به مدل‌های LLM از طریق Hugging Face را بیاموزید، با مدل‌های پیشرفته مانند Mistral کار کنید و آنها را به طور مؤثر پیاده‌سازی کنید.

  • تکنیک‌های بهینه‌سازی LLM: روش‌های بهینه‌سازی پیشرفته مانند کوانتیزه کردن، تنظیم دقیق و مقیاس‌بندی را که برای افزایش عملکرد LLM در برنامه‌های کاربردی دنیای واقعی ضروری است، کشف کنید.

  • Retrieval-Augmented Generation (RAG): بینشی در مورد RAG و نقش آن در بهینه سازی LLM به دست آورید و پاسخ های هوش مصنوعی دقیق و کارآمدتری را ممکن می سازد.

  • استفاده از ابزارهای LLM برای پرس و جوی خلاصه: در استفاده از ابزارهای LLM برای جمع بندی انتزاعی و پرس و جو تسلط پیدا کنید، و اطمینان حاصل کنید که می توانید از پتانسیل کامل مدل های زبان بزرگ استفاده کنید.

چرا ثبت نام کنید؟

این دوره با هدایت یک مربی متخصص با مدرک کارشناسی ارشد از دانشگاه آکسفورد و دکترای داده فشرده از دانشگاه کمبریج، تخصص بی نظیری در بهینه سازی LLM ارائه می دهد. شما از یک محیط یادگیری حمایتی، تکالیف عملی و جامعه ای از علاقه مندان به هوش مصنوعی بهره مند خواهید شد که درک جامعی از اجرای LLM را تضمین می کند.

آیا برای تبدیل شدن به یک متخصص LLM آماده هستید؟

برای تغییر قابلیت‌های هوش مصنوعی، تسلط بر تکنیک‌های بهینه‌سازی LLM، و باز کردن پتانسیل داده‌های متنی با مدل‌های زبان بزرگ، اکنون ثبت‌نام کنید. به ما بپیوندید و امروز تخصص خود را در زمینه هوش مصنوعی ارتقا دهید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • داده و کد Data and Code

  • Google Colab چیست؟ What is Google Colab?

  • Google Colabs و GPU Google Colabs and GPU

  • نصب بسته ها در گوگل کولب Installing Packages In Google Colab

  • در یک پی دی اف بخوانید Read in a PDF

  • در چندین فایل PDF بخوانید Read in Multiple PDFs

به دنیای Gen-AI و LLM خوش آمدید Welcome to the World of Gen-AI and LLMs

  • پایین آمدن در مدل های GenAI Lowdown on GenAI Models

  • اطلاعات بیشتر در مورد Gen-AI More on Gen-AI

  • Gen AI چگونه کار می کند How Does Gen AI Work

  • GPT چیست؟ What are GPTs?

  • تعامل بین Gen-AI و LLM Interplays Between Gen-AI and LLMs

  • مقدمه ای بر Open API Introduction to Open API

  • سایر LLM ها Other LLMs

  • با در آغوش گرفتن صورت شروع کنید Start With Hugging Face

  • از طریق بغل کردن صورت به سایر LLM ها دسترسی پیدا کنید و از آنها استفاده کنید Access and Use Other LLMs Via Hugging Face

  • با صورت در آغوش گرفته به Mistral LLM دسترسی پیدا کنید Access Mistral LLM With Hugging Face

  • LLMs در Google Cloud Computing (GCP) LLMs on Google Cloud Computing (GCP)

با مدل های زبان بزرگ (LLM) شروع کنید Start With Large Language Models (LLMs)

  • گردش کار LLM LLM Workflow

  • مروری بر خلاصه سازی Overview of Summarization

  • خلاصه چکیده Abstract Summarization

  • فناوری لانگ چین Langchain Tech

  • Langchain QA Langchain QA

  • معرفی لاما Introduction to Llama

  • لاما- یکی دیگر از اجرای LLM Llama- Another LLM Implementation

مقدمه ای بر مهندسی سریع Introduction to Prompt Engineering

  • دریافت درخواست Get Prompting

  • بیشتر باعث می شود More Prompting

بهینه سازی LLM- یک مرور کلی LLM Optimisation- An Overview

  • تئوری بهینه سازی LLM LLM Optimisation-Theory

  • کمی سازی پایه - یک پیاده سازی سریع Basic Quantisation- A Quick Implementation

  • نزول گرادیان تصادفی (SGD) برای LLMs-نظریه Stochastic Gradient Descent (SGD) For LLMs-Theory

  • پیاده سازی SGD برای بهینه سازی LLM SGD Implementation For LLM Optimisation

  • RAG ها و نقش آنها در بهینه سازی LLM - تئوری RAGs and Their Roles in LLM Optimisation- Theory

  • یک گردش کار RAG A RAG Workflow

  • داده های متن خارجی را برای استفاده در RAG آماده کنید Prepare The External Text Data For Use in RAG

  • جاسازی ها را ایجاد و بازیابی کنید Create and Retrieve Embeddings

  • بازیابی Retrieval

  • سوالات دقیق تر More Detailed Queries

متفرقه Miscallaneous

  • ژنرال هوش مصنوعی Gen AI

  • برو خونه - مست هستی Go Home- You Are Drunk

  • یکی دیگر از گزینه های Jupyter Another Jupyter Option

  • مدیریت حافظه Memory Management

نمایش نظرات

آموزش Master LLM Optimization: افزایش عملکرد و کارایی هوش مصنوعی
جزییات دوره
3 hours
41
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
35
4.8 از 5
ندارد
دارد
دارد
Minerva Singh
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Minerva Singh Minerva Singh

دانشمند تحصیل کرده آکسبریج

سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده داده‌ها، از جمله تجزیه و تحلیل داده‌های مکانی را انجام دهم. یا برای این منظور ترجیح می‌دهم از ترکیبی از ابزارهای رایگان نرم‌افزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل داده‌های مکانی خود را با استفاده از R انجام می‌دهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم