یادگیری انتقالی - شبکههای عصبی را برای داده خود متناسب کنید
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
یادگیری انتقالی پایه معماری ترنسفورمر و همچنین یکی از مفاهیمی است که مدلهای زبانی بزرگ generative AI بر اساس آن ساخته شدهاند. یک تکنیک برای استفاده از مدلهای پایه در اپلیکیشنهایی با دامنه خاص برای پیشبینی و نتایج است.
در این دوره، یادگیری انتقالی - شبکههای عصبی را برای داده خود متناسب کنید، شما توانایی پیادهسازی یادگیری انتقالی در مجموعه دادههای سفارشی خود را کسب خواهید کرد.
ابتدا برخی اصول و مزایای یادگیری انتقالی را بررسی خواهید کرد.
سپس انواع مختلفی از استراتژیهای یادگیری انتقالی مانند تیونینگ و استخراج ویژگی را درک خواهید کرد.
در نهایت، با برخی چالشهای یادگیری انتقالی مانند عدم تطابق داده، سوگیری در مدلها و ملاحظات اخلاقی آشنا خواهید شد.
وقتی این دوره را به پایان برسانید، مهارتها و دانش لازم برای متناسبسازی شبکههای عصبی برای داده خود را خواهید داشت.
یادگیری انتقالی - شبکههای عصبی را برای داده خود متناسب کنید
-
بررسی دوره 0:01:00
-
درک یادگیری انتقالی 0:04:00
-
انواع استراتژیهای یادگیری انتقالی 0:01:00
-
تیونینگ مدلهای از پیشآموزشدیده برای اهداف خاص وظیفه 0:01:00
-
مورد خاص: استخراج ویژگی به عنوان یک استراتژی جایگزین 0:01:00
-
مزایا و محدودیتهای تیونینگ و استخراج ویژگی 0:01:00
-
عوامل انتخاب مدل پایه 0:03:00
-
مطالعات موردی: یادگیری انتقالی 0:02:00
-
مزایا و محدودیتهای استراتژیهای یادگیری انتقالی 0:01:00
-
دمو: یادگیری انتقالی - هسته 0:04:00
-
دمو: یادگیری انتقالی - تیونینگ 0:02:00
-
دمو: یادگیری انتقالی - موارد خاص 0:06:00
-
چالشهای اصلی در یادگیری انتقالی 0:02:00
-
استراتژیهای تطبیق دامنه 0:01:00
مشخصات آموزش
یادگیری انتقالی - شبکههای عصبی را برای داده خود متناسب کنید
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:مقدماتی
- تعداد درس:14
- مدت زمان :0:29:47
- حجم :89.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy