قابل خرید بصورت اقساطی

آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)

GENERATIVE AI LLM COURSE
0.0
قیمت بهتری سراغ دارید ، اعلام کنید
گزارش قیمت پایین تر
گزارش مشخصات کالا یا موارد قانونی
گزارش مشخصات کالا یا موارد قانونی
امتیاز 0 خریدار 0.0 برند امیـــــر آکادمی درباره دوره دوره «هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)» در AMIR ACADEMY یک برنامه آموزشی جامع، پروژه‌محور و به‌روز است که شما را از درک مفاهیم پایه تا پیاده‌سازی سیستم‌های پیشرفته هوش مصنوعی همراهی می‌کند. در این دوره، با فناوری‌هایی آشنا می‌شوید که هسته اصلی ابزارهای قدرتمندی مانند ChatGPT، Gemini و Grok را تشکیل می‌دهند—مدل‌هایی که امروزه در تولید محتوا، پاسخ‌گویی هوشمند، ترجمه، خلاصه‌سازی، تحلیل داده و حتی برنامه‌نویسی خودکار نقش کلیدی دارند. در ابتدای مسیر، مفاهیم بنیادی مانند پردازش زبان طبیعی (NLP)، توکن‌سازی، معماری ترنسفورمر و مکانیزم Attention را به‌صورت دقیق و کاربردی یاد می‌گیرید. سپس وارد بخش‌های عملی‌تر می‌شوید و فرآیند کامل توسعه مدل‌های زبانی را از مرحله پیش‌تمرین (Pretraining) تا ریزتنظیم (Fine-tuning) به‌صورت گام‌به‌گام بررسی می‌کنید. در ادامه، مباحث پیشرفته و ترند روز دنیا مانند Instruction Tuning، یادگیری تقویتی از بازخورد انسانی (RLHF)، و روش‌های مدرن‌تری مثل DPO و GRPO را نه‌تنها به‌صورت تئوری، بلکه با پیاده‌سازی عملی یاد خواهید گرفت. یکی از نقاط قوت این دوره، ساختار کاملاً پروژه‌محور آن است. شما به بیش از ۱۵ نوت‌بوک آموزشی دسترسی خواهید داشت که شامل مثال‌های واقعی، کدهای قابل اجرا و سناریوهای کاربردی (از جمله پروژه‌هایی به زبان فارسی) هستند. این رویکرد باعث می‌شود مفاهیم را عمیق‌تر درک کرده و مهارت‌های واقعی برای ورود به بازار کار یا اجرای پروژه‌های شخصی کسب کنید. پیش‌نیاز شرکت در این دوره، آشنایی مقدماتی با زبان پایتون و مفاهیم پایه یادگیری ماشین و شبکه‌های عصبی است. همچنین آشنایی با ابزارهایی مانند PyTorch یا TensorFlow می‌تواند مسیر یادگیری را برای شما هموارتر کند، اما الزامی نیست. این دوره برای دانشجویان، مهندسان نرم‌افزار، پژوهشگران، علاقه‌مندان به هوش مصنوعی و توسعه‌دهندگان حوزه NLP طراحی شده است و می‌تواند نقطه شروعی قدرتمند برای ورود حرفه‌ای به دنیای مدل‌های زبانی بزرگ و ساخت سیستم‌های هوشمند در مقیاس واقعی باشد. پیش نیاز شرکت‌کنندگان این دوره بهتر است با زبان پایتون و مفاهیم پایه یادگیری ماشین (مانند مدل‌سازی، آموزش و ارزیابی) آشنایی داشته باشند. تجربه کار با فریم‌ورک‌هایی مانند PyTorch یا TensorFlow مزیت محسوب می‌شود، اما برای شرکت در دوره ضروری نیست. نوع دوره آنلاین سرفصل ها آشنایی با Hugging face هوش مصنوعی مولد و مدلهای زبانی بزرگ موارد استفاده و وظایف نحوه کار مدل‌های زبانی بزرگ - معماری ترنسفورمرها ترنسفورمرها تولید متن با ترنسفورمرها پرامپت (پرسش‌دهی) و مهندسی پرامپ پارامترهای پیکربندی تولیدی برای استنتاج شروع کار با LLM در Google Colab: از Hugging Face تا آماده‌سازی دیتاست مفهوم Tokenization و اجرای Zero-Shot با LLMs پروژه خلاصه‌سازی در پایتون: از Zero تا Few-Shot با LLM و In-Context Learning چرخه حیات پروژه هوش مصنوعی مولد پیش‌آموزش LLM و قوانین مقیاس‌پذیری ملاحظات برای انتخاب مدل معماری‌های مدل و اهداف پیش‌آموزش مدلهای فقط خودرمزگذار مدلهای فقط رمزگشا مدل‌های توالی به توالی (مدلهای رمزگذار-رمزگشا) رابطه اندازه مدل و دقت چالش‌های محاسباتی و کوانتیزیشن استراتژی‌های محاسباتی کارآمد با چند پزدازنده گرافیکی (DDP) استراتژی‌های محاسباتی کارآمد با چند پردازنده گرافیکی (FSDP) قوانین مقیاس‌پذیری و مدل‌های بهینه از نظر محاسباتی قانون Chinchilla و استثناها: نقش اندازه مدل و داده در عملکرد پیش‌آموزش برای انطباق دامنه تنظیم دقیق (Fine-tuning) مدل‌های LLM با دستورالعمل‌ها و ارزیابی آن‌ها تنظیم دقیق یک LLM با استفاده از دستورالعمل‌های پرامپت fine-tune کردن روی یک وظیفه‌ی خاص fine-tuning چندوظیفه‌ای و دستوری معیارهای ارزیابی مدل‌های زبانی ROUGE معیارهای ارزیابی مدل BLEU بنچمارک‌ها در ارزیابی مدل‌های زبان بزرگ (LLM) وظایف Close-ended و بنچمارک‌ها ارزیابی وظایف Open-ended با معیارهای مبتنی بر مدل ارزیابی انسانی، چالش‌ها و معیارهای ارزیابی بدون مرجع برای LLM‌ها خودارزیابی مدل‌های زبان بزرگ (LLM) با AlpacaEval : کاهش هزینه‌های ارزیابی فاین‌تیون کردن کارآمد پارامترها (PEFT) آشنایی با PEFT: روش‌های تنظیم دقیق کارآمد پارامترها بازخورد انسانی و الگوریتم‌های پیشرفته یادگیری تقویتی بهینه‌سازی مدل‌ها برای استقرار (Deploy) ساخت اپلیکیشن‌های هوشمند با LLM مشاهده ویژگی‌های محصول
تحویل فوری با قابلیت تحویل فوری تحویل فوری پرداخت آسان پرداخت بصورت کارت به کارت پرداخت آسان کیفیت کیفیت تایید شده کیفیت پشتیبانی امکان سفارش "پشتیبانی بلک" پشتیبانی
توضیحات تکمیلی
نظرات (0)
پرسش‌ها

توضیحات تکمیلی

  • درباره دوره

    دوره «هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)» در AMIR ACADEMY یک برنامه آموزشی جامع، پروژه‌محور و به‌روز است که شما را از درک مفاهیم پایه تا پیاده‌سازی سیستم‌های پیشرفته هوش مصنوعی همراهی می‌کند.

    در این دوره، با فناوری‌هایی آشنا می‌شوید که هسته اصلی ابزارهای قدرتمندی مانند ChatGPT، Gemini و Grok را تشکیل می‌دهند—مدل‌هایی که امروزه در تولید محتوا، پاسخ‌گویی هوشمند، ترجمه، خلاصه‌سازی، تحلیل داده و حتی برنامه‌نویسی خودکار نقش کلیدی دارند.

    در ابتدای مسیر، مفاهیم بنیادی مانند پردازش زبان طبیعی (NLP)، توکن‌سازی، معماری ترنسفورمر و مکانیزم Attention را به‌صورت دقیق و کاربردی یاد می‌گیرید. سپس وارد بخش‌های عملی‌تر می‌شوید و فرآیند کامل توسعه مدل‌های زبانی را از مرحله پیش‌تمرین (Pretraining) تا ریزتنظیم (Fine-tuning) به‌صورت گام‌به‌گام بررسی می‌کنید.

    در ادامه، مباحث پیشرفته و ترند روز دنیا مانند Instruction Tuning، یادگیری تقویتی از بازخورد انسانی (RLHF)، و روش‌های مدرن‌تری مثل DPO و GRPO را نه‌تنها به‌صورت تئوری، بلکه با پیاده‌سازی عملی یاد خواهید گرفت.

    یکی از نقاط قوت این دوره، ساختار کاملاً پروژه‌محور آن است. شما به بیش از ۱۵ نوت‌بوک آموزشی دسترسی خواهید داشت که شامل مثال‌های واقعی، کدهای قابل اجرا و سناریوهای کاربردی (از جمله پروژه‌هایی به زبان فارسی) هستند. این رویکرد باعث می‌شود مفاهیم را عمیق‌تر درک کرده و مهارت‌های واقعی برای ورود به بازار کار یا اجرای پروژه‌های شخصی کسب کنید.

    پیش‌نیاز شرکت در این دوره، آشنایی مقدماتی با زبان پایتون و مفاهیم پایه یادگیری ماشین و شبکه‌های عصبی است. همچنین آشنایی با ابزارهایی مانند PyTorch یا TensorFlow می‌تواند مسیر یادگیری را برای شما هموارتر کند، اما الزامی نیست.

    این دوره برای دانشجویان، مهندسان نرم‌افزار، پژوهشگران، علاقه‌مندان به هوش مصنوعی و توسعه‌دهندگان حوزه NLP طراحی شده است و می‌تواند نقطه شروعی قدرتمند برای ورود حرفه‌ای به دنیای مدل‌های زبانی بزرگ و ساخت سیستم‌های هوشمند در مقیاس واقعی باشد.

  • پیش نیاز

    شرکت‌کنندگان این دوره بهتر است با زبان پایتون و مفاهیم پایه یادگیری ماشین (مانند مدل‌سازی، آموزش و ارزیابی) آشنایی داشته باشند. تجربه کار با فریم‌ورک‌هایی مانند PyTorch یا TensorFlow مزیت محسوب می‌شود، اما برای شرکت در دوره ضروری نیست.

  • نوع دوره

    آنلاین

  • سرفصل ها

    آشنایی با Hugging face
    هوش مصنوعی مولد و مدلهای زبانی بزرگ
    موارد استفاده و وظایف
    نحوه کار مدل‌های زبانی بزرگ – معماری ترنسفورمرها
    ترنسفورمرها
    تولید متن با ترنسفورمرها
    پرامپت (پرسش‌دهی) و مهندسی پرامپ
    پارامترهای پیکربندی تولیدی برای استنتاج
    شروع کار با LLM در Google Colab: از Hugging Face تا آماده‌سازی دیتاست
    مفهوم Tokenization و اجرای Zero-Shot با LLMs
    پروژه خلاصه‌سازی در پایتون: از Zero تا Few-Shot با LLM و In-Context Learning
    چرخه حیات پروژه هوش مصنوعی مولد
    پیش‌آموزش LLM و قوانین مقیاس‌پذیری
    ملاحظات برای انتخاب مدل
    معماری‌های مدل و اهداف پیش‌آموزش
    مدلهای فقط خودرمزگذار
    مدلهای فقط رمزگشا
    مدل‌های توالی به توالی (مدلهای رمزگذار-رمزگشا)
    رابطه اندازه مدل و دقت
    چالش‌های محاسباتی و کوانتیزیشن
    استراتژی‌های محاسباتی کارآمد با چند پزدازنده گرافیکی (DDP)
    استراتژی‌های محاسباتی کارآمد با چند پردازنده گرافیکی (FSDP)
    قوانین مقیاس‌پذیری و مدل‌های بهینه از نظر محاسباتی
    قانون Chinchilla و استثناها: نقش اندازه مدل و داده در عملکرد
    پیش‌آموزش برای انطباق دامنه
    تنظیم دقیق (Fine-tuning) مدل‌های LLM با دستورالعمل‌ها و ارزیابی آن‌ها
    تنظیم دقیق یک LLM با استفاده از دستورالعمل‌های پرامپت
    fine-tune کردن روی یک وظیفه‌ی خاص
    fine-tuning چندوظیفه‌ای و دستوری
    معیارهای ارزیابی مدل‌های زبانی ROUGE
    معیارهای ارزیابی مدل BLEU
    بنچمارک‌ها در ارزیابی مدل‌های زبان بزرگ (LLM)
    وظایف Close-ended و بنچمارک‌ها
    ارزیابی وظایف Open-ended با معیارهای مبتنی بر مدل
    ارزیابی انسانی، چالش‌ها و معیارهای ارزیابی بدون مرجع برای LLM‌ها
    خودارزیابی مدل‌های زبان بزرگ (LLM) با AlpacaEval : کاهش هزینه‌های ارزیابی
    فاین‌تیون کردن کارآمد پارامترها (PEFT)
    آشنایی با PEFT: روش‌های تنظیم دقیق کارآمد پارامترها
    بازخورد انسانی و الگوریتم‌های پیشرفته یادگیری تقویتی
    بهینه‌سازی مدل‌ها برای استقرار (Deploy)
    ساخت اپلیکیشن‌های هوشمند با LLM

امتیاز و دیدگاه کاربران

0 تعداد امتیازها 0
0 مثبت
0 نفر
0 بی طرف
0 نفر
0 منفی
0 نفر
0
دیــــدگاه
کــــل کالا
0
دیــــدگاه
خریداران
0
دیــــدگاه
کاربـــــران

برای ثبت دیدگاه باید محصول مورد نظر را خریداری کرده باشید

ثبـــــت‌دیدگاه به‌عنوان کاربر

شمـا هـم دربـاره ایـن کــالا دیــدگاه ثبــت کنید، بــا ثبــت‌دیـدگاه بر روی کالاهای خریداری شده ۵ امتیاز دریافت کنید.

ثبـــــت‌دیدگاه به‌عنوان کاربر
شما هم می‌توانید در مورد این کالا نظر دهید.

اگر این محصول را قبلا خریده باشید، دیدگاه شما به عنوان خریدار ثبت خواهد شد. همچنین در صورت تمایل می‌توانید به صورت ناشناس نیز دیدگاه خود را ثبت کنید.

پرسش‌ها

0 پرسش و پاسخ
0
پـــرســـش
کــــل کالا
0
پـــرســـش
خریداران
0
پـــرســـش
کاربـــــران
ثبـــــت‌پرسش به‌عنوان ‌خریدار‌این‌ محصول

شما هم درباره این کالا پرسش ثبت کنید

برای ثبت پرسش و پاسخ باید وارد حساب کاربری خود شوید

ورود به حساب کاربری
ثبـــــت‌پرسش به‌عنوان ‌خریدار‌این‌ محصول
شما هم درباره این کالا پرسش ثبت کنید

اگر سوالی در مورد محصول داشته باشید میتوانید با ثبت پرسش سوال خود را از دیگر کاربران بپرسید

00:00:00:00
محصول با کیفیت و حرفه ای 20+ بازدید در یک هفته اخیر 150 امتیاز با خرید محصول دریافت میکنید

25,000,000 56 IRT 11,000,000

کالا به سبد خرید اضافه شد

آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)