این دوره یک برنامه آموزشی جامع برای یادگیری اصول هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLMs) است. در این دوره، مفاهیم کلیدی مرتبط با LLMها، روشهای آموزش آنها و نحوه استفاده عملی از این ... بیشتر
حنانه ابراهیمیان
+ 1 مدرس دیگر
بهروزرسانی: ۱۴۰۳/۱۲/۲۷
تعریف Generative AI و تفاوت آن با سایر انواع هوش مصنوعی
معرفی مدلهای زبانی بزرگ و نحوه کارکرد آنها
اصول ترانسفورمرها (Transformers) و اهمیت آنها در مدلهای LLM
پرامپت نویسی و مهندسی پرامپت
پیکربندی و تنظیم مدلهای زبانی
چرخهی عمر پروژههای هوش مصنوعی مولد
این دوره آموزشی به نحوی تهیه شده است که گروههای زیادی بتوانند از این دوره استفاده کنند و از آموزشهای این دوره بهرهمند شوند. برای درک بهتر موضوعات مطرح شده در این دوره نیاز است شرکتکنندگان با مباحث مبانی هوش مصنوعی و یادگیری عمیق، شبکههای عصبی و مدلهای یادگیری ماشین، تسلط اولیه بر زبان برنامهنویسی پایتون (بهویژه کتابخانههایی مانند TensorFlow و PyTorch)، درک مفاهیم پایهای جبر خطی و احتمال (اختیاری اما مفید) آشنایی داشته باشند.
این دوره یک برنامه آموزشی جامع برای یادگیری اصول هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLMs) است. در این دوره، مفاهیم کلیدی مرتبط با LLMها، روشهای آموزش آنها و نحوه استفاده عملی از این مدلها به شکلی ساختارمند و کاربردی تدریس میشود. این دوره برای افرادی طراحی شده است که میخواهند در زمینه مدلهای زبانی مولد، پردازش زبان طبیعی (NLP) و پیادهسازی سیستمهای مبتنی بر LLM مهارت کسب کنند.
این دوره به صورت جامع، اما در قالبی مختصر و کاربردی، موضوعات زیر را پوشش میدهد:
مقدمهای بر هوش مصنوعی مولد: بررسی مفهوم Generative AI و تفاوت آن با سایر انواع هوش مصنوعی، همراه با معرفی کاربردهای این فناوری.
ساختار مدلهای زبانی بزرگ: آشنایی با معماری مدلهای ترانسفورمری (مانند GPT و BERT)، که زیربنای LLMها محسوب میشوند و در پردازش متن، کد و دادههای ساختاریافته کاربرد دارند.
مفاهیم یادگیری عمیق در LLMها: شامل روشهای آموزش مدلهای بزرگ، تنظیم دقیق (Fine-Tuning) و بهینهسازی مدلها برای کاربردهای خاص. در این بخش، با استفاده از دادههای بزرگ برای یادگیری و قوانین مقیاسگذاری تجربی (Empirical Scaling Laws) آشنا خواهید شد.
پیادهسازی و استقرار مدلها: پس از درک مفاهیم تئوری، نحوه استقرار مدلهای زبانی در محیطهای واقعی، بهینهسازی هزینهها و کاهش مصرف منابع محاسباتی آموزش داده میشود.
اطلاعات بیشتر
حنانه ابراهیمیان، متخصص در حوزهی فناوری اطلاعات و هوش مصنوعی، دارای مدرک کارشناسی ارشد مهندسی نرمافزار از دانشگاه تهران و کارشناسی از دانشگاه صنعتی شاهرود است. ایشان در حال حاضر به عنوان مدیر تیم هوش مصنوعی در شرکت عهد(عاملهای هوشمند دانا) که از جمله شرکتهای پیشرو در زمینهی داده و هوش مصنوعی است، فعالیت میکند.
تمرکز اصلی خانم ابراهیمیان بر روی مدلهای بزرگ زبانی است، که از پیشرفتهترین حوزههای هوش مصنوعی محسوب میشود. با بیش از سه سال تجربه در علم داده و هوش مصنوعی، ایشان تخصص قابل توجهی در این زمینه کسب کردهاند.
برخی از تجربیات حرفهای ایشان شامل توسعه و پیادهسازی پروژههای پردازش زبان طبیعی، تحلیل و مهندسی داده، طراحی و اجرای انواع سیستمهای توصیهگر با استفاده از زبان برنامهنویسی پایتون است. ترکیب مهارتهای فنی و مدیریتی خانم ابراهیمیان، ایشان را به عنوان یکی از متخصصان در حوزهی هوش مصنوعی و علم داده مطرح کرده است. دانش و تجربیات ایشان میتواند منبع ارزشمندی برای دانشجویان و علاقهمندان به این حوزهی نوین باشد.
اطلاعات بیشتر
علی صالحی فارغالتحصیل کارشناسی مهندسی کامپیوتر از دانشگاه شهید چمران اهواز و کارشناسی ارشد هوش مصنوعی و رباتیک از دانشگاه فردوسی مشهد است. او در حال حاضر به عنوان مدیر فنی در شرکت دانشبنیان عهد(عاملهای هوشمند دانا) که از جمله شرکتهای پیشرو در زمینهی داده و هوش مصنوعی است، فعالیت میکند و تجربه گستردهای در توسعه راهحلهای هوشمند و دادهمحور دارد.
او در طول دوران حرفهای خود، در پروژههای مختلفی نظیر موتورهای جستجوی معنایی، سرویسهای تبدیل صوت به متن و بالعکس، چتباتهای هوشمند و تحلیل محتوای متنی مشارکت داشته است. همچنین، او سابقه فعالیت در زمینه هوش تجاری (BI) دارد و توانسته است داشبوردهای هوش تجاری متعددی برای صنایع مختلف طراحی و پیادهسازی کند.
تخصصهای کلیدی علی صالحی شامل پردازش زبان طبیعی (NLP)، یادگیری ماشین و یادگیری عمیق است. او همواره به دنبال راهحلهای نوآورانه برای استخراج بینشهای معنادار از دادهها و استفاده از آنها برای بهبود فرآیندهای تصمیمگیری در کسبوکارها بوده است.
اطلاعات بیشتر