انتخاب مدل زبان بزرگ (LLM) مناسب با Hugging Face

آنچه یاد خواهید گرفت:

• ناوبری در اکوسیستم Hugging Face
• مقایسه مدل‌ها با استفاده از عوامل مختلف و ملاحظات عملی
• استفاده از یک مدل از Hugging Face
• تعیین مناسب‌ترین مدل برای یک تسک معین از طریق امتیازدهی به نتایج هر مدل کاندید بر اساس پارامترهای مختلف

توضیحات دوره

عملاً هزاران مدل زبان بزرگ یا LLM در دسترس هستند که می‌توانند برای طیف وسیعی از اهداف مورد استفاده قرار گیرند. Hugging Face یک هاب de-facto مدل‌های زبانی است که مجموعه‌ای عظیم را ارائه می‌دهد که تقریباً هر مدلی را که نیاز دارید می‌توانید در آن پیدا کرده و استفاده کنید. انتخاب مدل مناسب می‌تواند وظیفه‌ای دشوار باشد، زیرا مدل‌ها در شکل ها، اندازه‌ها و پیکربندی‌های مختلفی عرضه می‌شوند و هر مدل در چیز متفاوتی تخصص دارد. بنابراین، هنگامی که برای یافتن مدل مناسب برای نیاز خود به Hugging Face مراجعه می‌کنید، باید هنر این تطبیق را بدانید.

در این دوره، یاد خواهیم گرفت که چگونه در Hugging Face Hub برای مدل‌ها جستجو کنیم و پیکربندی‌های آن‌ها را با نیازهای شما تطبیق دهیم. ما ویژگی‌های کلیدی مدل‌ها (LLMs)، مانند اندازه، الزامات محاسباتی، تخصص‌ها، مجوزها و غیره را درک خواهیم کرد. ما به خانواده‌های مختلف مدل‌ها و تخصص‌ها، عملکرد و انواع آن‌ها خواهیم پرداخت. همچنین یاد خواهیم گرفت که چگونه از مدل‌های مختلف Hugging Face استفاده کرده و آن‌ها را بر اساس نیازهای خود ارزیابی کنیم.

این دوره برای متخصصانی از جمله دانشمندان داده، مهندسان یادگیری ماشین، مهندسان هوش مصنوعی، توسعه‌دهندگان برنامه‌های LLM RAG، توسعه‌دهندگان نرم‌افزار و مهندسان IT طراحی شده است که عمیقاً در زمینه هوش مصنوعی و یادگیری ماشین درگیر هستند. این دوره افرادی را مورد هدف قرار می‌دهد که فعالانه در حال ساختن یا برنامه‌ریزی برای اپلیکیشن هایی هستند که از مدل‌های زبان بزرگ (LLMs) بهره می‌برند و به دنبال افزایش توانایی خود در انتخاب و استفاده از مناسب‌ترین مدل‌ها برای نیازهای خاص خود هستند.

شرکت‌کنندگان باید در برنامه‌نویسی پایتون پایه قوی و درک اساسی از مدل‌های زبان بزرگ (LLMs) و استفاده برنامه‌نویسی از آن‌ها داشته باشند، زیرا دوره بر اساس این مفاهیم با تمرین‌های کدنویسی عملی و مباحث پیشرفته‌ای مانند انتخاب، مقایسه و ارزیابی مدل ساخته خواهد شد.

تا پایان این دوره، فراگیران به چهار هدف کلیدی دست خواهند یافت. آن‌ها در ناوبری اکوسیستم Hugging Face تسلط پیدا کرده و در یافتن و درک مدل‌های مختلف مهارت کسب خواهند کرد. آن‌ها همچنین یاد خواهند گرفت که به طور مؤثر از این مدل‌ها استفاده کنند و آن‌ها را بر اساس عوامل متعدد و ملاحظات عملی مقایسه نمایند. علاوه بر این، دوره شرکت‌کنندگان را در تست و ارزیابی مدل‌های مختلف راهنمایی خواهد کرد و آن‌ها را قادر می‌سازد تا نتایج را بر اساس پارامترهای خاص امتیازدهی و ارزیابی کنند. در نهایت، فراگیران برای انتخاب مناسب‌ترین مدل برای یک وظیفهٔ معین تجهیز خواهند شد و از عملکرد بهینه در برنامه‌های خود اطمینان حاصل خواهند کرد.