تسلط به بهینهسازی LLM: افزایش عملکرد و کارایی هوش مصنوعی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری استفاده از Google Colab برای آزاد کردن قدرت تحلیل متن و اکوسیستم یادگیری عمیق Python
- مقدمهای بر مفاهیم اولیه مربوط به LLMها و Generative AI
- آشنایی با فریمورکهای رایج مدلهای زبانی بزرگ (LLM) از جمله LangChain
- یادگیری چگونگی استفاده از Hugging Face hub برای دسترسی به LLMهای مختلف
- مقدمهای بر نظریه و پیادهسازی بهینهسازی LLM
پیش نیازهای دوره
- تجربه قبلی در استفاده از دفترچههای Jupyter
- آشنایی قبلی با مفاهیم پردازش زبان طبیعی (NLP) مفید است اما الزامی نیست.
- علاقه به استفاده از مدلهای زبانی بزرگ (LLM) برای مستندات خود
توضیحات دوره
تسلط به بهینهسازی LLM: افزایش عملکرد و کارایی هوش مصنوعی
قدرت مدلهای زبانی بزرگ (LLM) را با دوره پیشرفته ما، "بهینهسازی LLM: افزایش عملکرد و کارایی هوش مصنوعی" آزاد کنید. این دوره برای علاقهمندان به هوش مصنوعی، دانشمندان دیتا و توسعهدهندگان طراحی شده و سفری عمیق به LLMها را ارائه میدهد که بر تکنیکهای بهینهسازی متمرکز است و قابلیتهای هوش مصنوعی را افزایش میدهد. چه شما یک مبتدی در پیادهسازی LLM باشید یا یک کاربر باتجربه که به دنبال بهبود مهارتهای خود هستید، این دوره شما را با دانش و ابزارهایی که برای موفقیت در این حوزه در حال تحول نیاز دارید، مجهز میکند.
بررسی دوره:
این دوره به عمق فریمورکهای LLM مانند OpenAI، LangChain و LLAMA-Index میپردازد و به شما امکان میدهد تا راهحلهای هوش مصنوعی مانند دستیاران مجازی خواندن اسناد را بسازید و فاین تیونینگ کنید. با یک برنامه درسی جامع، شما نظریه و پیادهسازی عملی بهینهسازی LLM را بررسی میکنید و تجربه عملی با مدلهای محبوب LLM مانند GPT و Mistral از طریق Hugging Face بهدست میآورید. در پایان دوره، شما تکنیکهای پیشرفته برای استفاده از LLMها را فرا خواهید گرفت و قادر خواهید بود سیستمهای هوش مصنوعی کارآمد و قدرتمند توسعه دهید.
نتایج یادگیری کلیدی:
- اصول Generative AI و LLMها: درک مفاهیم اصلی Gen AI و LLMها که اصول محکمی برای موضوعات پیشرفتهتر فراهم میکند.
- مقدمهای بر فریمورکهای LLM: تجربه عملی با فریمورکهای محبوب LLM، از جمله OpenAI، LangChain و LLAMA-Index بهدست آورید که به شما امکان میدهد به راحتی اپلیکیشن های هوش مصنوعی بسازید و مستقر کنید.
- دسترسی به مدلهای LLM: یاد بگیرید که چگونه به مدلهای LLM از طریق Hugging Face دسترسی پیدا کنید، با مدلهای پیشرفتهای مانند Mistral کار کنید و آنها را بهطور مؤثر پیادهسازی کنید.
- تکنیکهای بهینهسازی LLM: روشهای بهینهسازی پیشرفته مانند کوانتیزاسیون، فاین تیونینگ و مقیاسگذاری را کشف کنید که برای بهبود عملکرد LLM در اپلیکیشن های واقعی ضروری هستند.
- Retrieval-Augmented Generation (RAG): بینشهایی را درباره RAG و نقش آن در بهینهسازی LLM بهدست آورید که پاسخهای هوش مصنوعی دقیقتر و کارآمدتری را ممکن میسازد.
- استفاده از ابزارهای LLM برای خلاصهسازی و کوئری: تسلط به استفاده از ابزارهای LLM برای خلاصهسازی انتزاعی و کوئری، اطمینان از اینکه میتوانید از تمام پتانسیل مدلهای زبانی بزرگ استفاده کنید.
چرا در این دوره شرکت کنید؟
با راهنمایی یک استاد متخصص با مدرک MPhil از دانشگاه آکسفورد و دکترای دادهمحور از دانشگاه کمبریج، این دوره تخصصی بینظیری در بهینهسازی LLM ارائه میدهد. شما از یک محیط آموزشی حمایتی، تکالیف عملی و یک جامعه از علاقهمندان به هوش مصنوعی بهرهمند خواهید شد و تضمین میشود که فهم جامعی از پیادهسازی LLM داشته باشید.
آمادهاید تا یک کارشناس LLM شوید؟
هماکنون در این دوره شرکت کنید تا قابلیتهای هوش مصنوعی خود را تغییر دهید، تکنیکهای بهینهسازی LLM را تسلط پیدا کنید و پتانسیل دادههای متنی را با مدلهای زبانی بزرگ آزاد کنید. به ما بپیوندید و تخصص خود را در هوش مصنوعی امروز ارتقا دهید!
این دوره برای چه کسانی مناسب است؟
- دانشجویانی که سابقهای از تحلیل NLP دارند.
- کسانی که به استفاده از فریمورکهای LLM برای یادگیری بیشتر درباره متون خود علاقهمند هستند.
- دانشجویان و فعالان حوزه هوش مصنوعی (AI)
تسلط به بهینهسازی LLM: افزایش عملکرد و کارایی هوش مصنوعی
-
مقدمه 00:50
-
Google Colab چیست؟ 07:13
-
Google Colabs و GPU 05:50
-
نصب پکیج ها در Google Colab 04:27
-
خواندن در یک PDF 02:10
-
خواندن در چندین PDF 09:15
-
جزئیات مدلهای GenAI 04:29
-
بیشتر درباره Gen-AI 09:35
-
چگونه Gen AI کار میکند؟ 06:19
-
GPTها چیستند؟ 01:39
-
همتعاملی بین Gen-AI و LLMها 06:12
-
مقدمهای بر Open API 04:02
-
LLMهای دیگر 03:20
-
با Hugging Face شروع کنید 02:25
-
دسترسی و استفاده از LLMهای دیگر از طریق Hugging Face 03:21
-
دسترسی به LLM Mistral با Hugging Face 06:05
-
مدلهای زبانی بزرگ در پردازش ابری گوگل (GCP) 05:17
-
گردش کار LLM 02:29
-
بررسی خلاصهسازی 02:56
-
خلاصهسازی انتزاعی 08:41
-
فناوری Langchain 03:01
-
سوالات و پاسخهای Langchain 07:07
-
مقدمهای بر Llama 07:07
-
Llama- پیاده سازی دیگری از LLM 03:50
-
پرامپت نویسی را شروع کنید 04:14
-
پرامپت نویسی بیشتر 04:24
-
بهینهسازی LLM- نظریه 03:22
-
کوانتیزاسیون اولیه - یک پیادهسازی سریع 04:24
-
نزول گرادیان تصادفی (SGD) برای LLMها- نظریه 04:04
-
پیادهسازی SGD برای بهینهسازی LLM 04:19
-
RAGها و نقش آنها در بهینهسازی LLM- نظریه 04:58
-
گردش کار RAG 01:03
-
آمادهسازی داده متنی خارجی برای استفاده در RAG 02:51
-
ساخت و بازیابی تعبیه ها 04:03
-
بازیابی 01:22
-
کوئری های جزئیتر 03:35
-
Gen AI 06:51
-
به خانه بروید- شما مست هستید 02:08
-
گزینه دیگری برای Jupyter 06:32
-
مدیریت حافظه 02:32
مشخصات آموزش
تسلط به بهینهسازی LLM: افزایش عملکرد و کارایی هوش مصنوعی
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:همه سطوح
- تعداد درس:40
- مدت زمان :02:58:34
- حجم :1.89GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy