از پردازش زبان طبیعی تا مدلهای زبانی بزرگ - راهنمای عملی برای مبتدیان
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک پردازش زبان طبیعی و معرفی ترنسفورمرها
- درک مدلهای زبانی بزرگ از پیش آموزش دیده
- بررسی عمیق معماری ترنسفورمر
- آشنایی با مدلهای زبانی بزرگ محبوب (Llama ،BERT و GPT)
- آموزش مدل زبانی بزرگ در مقابل تیونینگ برای تسکهای خاص
- اهمیت طراحی پرامپت موثر
- اخلاق، امنیت و فعالیتهای آینده
- پروژه Capstone برای ایجاد و استقرار اولین مدل زبانی بزرگ محلی شما
پیشنیازهای دوره
- آشنایی اولیه با زبان پایتون
- بررسی اکوسیستم هوش مصنوعی
توضیحات دوره
این دوره مقدماتی، شما را از مبانی پردازش زبان طبیعی تا ساخت و استقرار اپلیکیشنهای مبتنی بر مدل زبانی بزرگ خودتان راهنمایی میکند.
چه مواردی در این دوره آموزش داده میشود؟
این دوره، مقدمهای گامبهگام درباره پردازش زبان طبیعی، ظهور مدلهای مبتنی بر ترنسفورمر و کاربرد عملی مدلهای زبانی بزرگ از پیش آموزش دیده مانند BERT ،GPT و Llama ارائه میدهد. چه دانشجو، چه توسعهدهنده و چه علاقهمند باشید، شما درک عملی از چگونگی کار مدلهای زبانی مدرن و چگونگی بهرهبرداری از آنها با پایتون بدست خواهید آورد.
از طریق جلسات جذاب، دموهای لایو و مثالهای واقعی، خواهید آموخت:
- چگونه پردازش زبان طبیعی تکامل یافته است و محدودیتهای روشهای مبتنی بر قانون اولیه چیست؟
- مکانیزم داخلی معماری ترنسفورمر
- تفاوتهای کلیدی بین مدلهای زبانی بزرگ محبوب مانند BERT و GPT
- چگونه با مدلهای زبانی بزرگ با Hugging Face تعامل برقرار کنیم؟
- تکنیکهای مهندسی پرامپت برای هدایت خروجیهای مدل
- چگونه مدلهای زبانی بزرگ را در اپلیکیشنهای واقعی یکپارچهسازی کنیم و آنها را برای استقرار بهینهسازی کنیم؟
- چالشهای اخلاقی و فعالیتهای آینده مدلهای زبان
- چگونه اولین چتبات مبتنی بر مدل زبانی بزرگ خود را با فلسک بسازیم و مستقر کنیم؟
نکته ویژه:
این دوره بر پیادهسازی عملی با پایتون و ویژوال استودیو کد تمرکز دارد. هر مفهوم با نمایش عملی همراه است تا هم تئوری را درک کنید و هم مهارتهای کاربردی در استفاده مؤثر از مدلهای زبانی بزرگ کسب نمایید.
ساختار دوره:
- درسها
- دموها
- نمونهها و اپلیکیشنهای واقعی
- پروژه Capstone
بعد از پایان این دوره، درک مدلهای زبانی بزرگ و کار با آنها برای شما آسان خواهد بود. شما قادر خواهید بود مدلهای زبانی بزرگ را بسازید، تیونینگ انجام دهید و آنها را در اپلیکیشنهای واقعی یکپارچهسازی کنید و به طور مسئولانه پیامدهای اخلاقی آنها را هدایت کنید.
این دوره برای چه کسانی مناسب است؟
- مبتدیان در حوزه پردازش زبان طبیعی و مدل زبانی بزرگ
- مهندسان هوش مصنوعی و یادگیری ماشین
- دانشمندان داده و توسعهدهندگانی که با داده متنی و یکپارچهسازی مدلها کار میکنند.
- رهبران فنی و مدیران محصول که به کاربردهای مدل زبانی بزرگ در محصولات علاقهمند هستند.
- علاقهمندان به GenAI و هوش مصنوعی که مایل به ساخت و استقرار اولین پروژه مبتنی بر مدل زبانی بزرگ خود هستند.
از پردازش زبان طبیعی تا مدلهای زبانی بزرگ - راهنمای عملی برای مبتدیان
-
مقدمه 02:33
-
مقدمه 00:48
-
شروع کار با پردازش زبان طبیعی و محدودیتهای رویکردهای سنتی 10:16
-
تکامل مدلهای زبانی 05:51
-
«توجه تنها چیزی است که نیاز دارید» - ظهور ترنسفورمرها 04:33
-
بررسی عمیق معماری ترنسفورمر 06:26
-
BERT در مقابل GPT 04:31
-
مقدمه 00:30
-
آشنایی با مدلهای زبانی بزرگ محبوب (Llama ،BERT و GPT) 04:17
-
مدلهای متنباز در مقابل مدلهای تجاری 02:08
-
آموزش مدل زبانی بزرگ و تیونینگ برای تسکهای خاص 03:20
-
نمایش - کار با Hugging Face 07:03
-
مقدمه 00:40
-
مهندسی پرامپت چیست؟ 04:00
-
اهمیت طراحی پرامپت موثر 05:26
-
یادگیری Zero-shot در مقابل Few-shot 04:34
-
بهترین شیوهها در طراحی پرامپت 08:29
-
یکپارچهسازی مدل با اپلیکیشن 06:41
-
بهینهسازی هزینه و تاخیر استقرار 06:24
-
مقدمه 00:25
-
ریسکها و محدودیتهای مدلهای زبانی بزرگ 02:36
-
چالشهای شوگیری، سمی بودن و عدالت 01:51
-
کاهش ریسکها برای افزایش امنیت 03:52
-
فعالیتهای آینده برای مدلهای زبانی بزرگ 04:49
-
اولین مدل زبانی بزرگ محلی خود را ایجاد و مستقر کنید 07:58
-
نتیجهگیری 01:32
مشخصات آموزش
از پردازش زبان طبیعی تا مدلهای زبانی بزرگ - راهنمای عملی برای مبتدیان
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متخصص
- تعداد درس:26
- مدت زمان :01:52:07
- حجم :703.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy