ریاضیات بنیادی برای هوش مصنوعی مولد: درک LLM ها و ترنسفورمرها از طریق کاربردهای عملی
✅ سرفصل و جزئیات آموزش
رازهای موجود در مدلهایی که قدرتافزایی هوش مصنوعی پیشرفته امروز را بر عهده دارند، شگفتانگیز کنید. در این دوره، مدرّس آکسل سیروتا شما را فراتر از صرف استفاده از مدلهای زبانی بزرگ (LLMs) مانند BERT یا GPT میبرد و بر اصول ریاضی هوش مصنوعی مولد تأکید میکند. چالش تحلیل احساسات را با شبکههای عصبی بازگشتی ساده (RNNs) کشف کنید و رویکردتان را به تدریج تکامل دهید در حین اینکه به درک عمیقتری از مکانیزمهای توجه، ترنسفورمرها و مدلها دست پیدا کنید.
از طریق توضیحات شهودی و تمرینات کدنویسی عملی، آکسل توضیح میدهد که چرا مکانیزم توجه، پردازش زبان طبیعی را متحول کرده است و چگونه ترنسفورمرها با حذف نیاز به RNNها، این حوزه را تغییر شکل دادهاند. در این مسیر، نکاتی دربارهٔ تنظیم دقیق مدلهای از پیشآموزشدیده، به کارگیری تکنیکهای نوین مانند سازگاری با رتبه پایین (LoRA)، و بهرهبرداری از مهارتهای تازه به دست آمده برای ساخت مدلهای هوشمندتر و کارآمدتر و نوآوری در دنیای سریعالدگر هوش مصنوعی، بگیرید.
ریاضیات بنیادی برای هوش مصنوعی مولد: درک LLM ها و ترنسفورمرها از طریق کاربردهای عملی
-
مقدمهای بر ریاضیات بنیادی برای هوش مصنوعی مولد 0:00:45
-
بهترین استفاده را از این دوره ببرید 0:03:41
-
بررسی نسخه 0:01:01
-
چرا LLMها و توجه اهمیت دارند؟ 0:06:15
-
RNNها و مشکل گلوگاه متن 0:05:33
-
دمو: ساخت یک مدل RNN ساده برای تحلیل احساسات 0:11:24
-
مقدمهای بر توجه: راهحل باهداناو 0:11:50
-
دمو: افزودن توجه به یک مدل RNN 0:06:26
-
راهحل: پیادهسازی توجه باهداناو 0:26:46
-
از RNNها به ترنسفورمرها 0:08:49
-
درک توجه خودکار در ترنسفورمرها 0:05:58
-
توجه Multi-head و انکودینگ موقعیتی 0:08:16
-
ساخت یک مدل ترنسفورمر برای تحلیل احساسات 0:11:56
-
راهحل: ساخت یک انکودر دو لایه ترنسفورمر 0:09:25
-
سه نوع LLM 0:12:55
-
مدلهای decoder-only خاص 0:15:05
-
توضیح مدلهای encoder-only مانند BERT 0:06:09
-
فاین تیونینگ DistilBERT برای تحلیل احساسات 0:08:15
-
ماسکهای توجه در ترنسفورمرها 0:07:21
-
راهحل: شناسایی کنایه و موضع اقلیمی در TweetEval 0:10:09
-
خلاصهٔ دوره و مراحل بعدی 0:00:49
مشخصات آموزش
ریاضیات بنیادی برای هوش مصنوعی مولد: درک LLM ها و ترنسفورمرها از طریق کاربردهای عملی
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:21
- مدت زمان :3:23:48
- حجم :404.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy