آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)

درس «هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)» یک دوره آموزشی جامع است که به معرفی مفاهیم، روش‌ها و کاربردهای مدل‌های زبانی پیشرفته می‌پردازد. این مدل‌ها در قلب ابزارهایی مانند ChatGPT، Gemini و Grok ... بیشتر

محبوب کاربران
گواهی‌نامه
5 (2 امتیاز)
115 دانشجو
مقدماتی تا پیشرفته

علیرضا اخوان‌پور

به‌روزرسانی: ۱۴۰۴/۰۵/۰۱

محتوای دوره
پیش‌نیاز‌ها
درباره دوره
نظرات کاربران
درباره استاد

آنچه در این دوره می‌آموزید

مفاهیم پایه و ساختار مدل‌های زبانی بزرگ (LLM)

روش‌های پیش‌پردازش داده و تکنیک‌های بهینه‌سازی مانند PEFT، LoRA و Peft

آموزش و ریزتنظیم (fine-tuning) مدل‌ها و تکنیک‌های بهبود عملکرد

بهینه‌سازی مبتنی بر بازخورد انسانی مانند RLHF، DPO و GRPO

محتوای دوره

7 فصل 101 جلسه 22 ساعت ویدیو
موارد استفاده و چرخه عمر پروژه و آشنایی با Hugging face
  مقدمه
مشاهده
"07:47
  هوش مصنوعی مولد و مدلهای زبانی بزرگ
مشاهده
"10:43
  کوییز مقدماتی
"01:00
  موارد استفاده و وظایف
مشاهده
"08:19
  کوییز موارد استفاده و وظایف
"02:00
  نحوه کار مدل‌های زبانی بزرگ - معماری ترنسفورمرها
"14:39
  کوییز معماری ترنسفورمرها
"01:00
  ترنسفورمرها - بخش اول
"21:51
  ترنسفورمرها - بخش دوم
"07:00
  کوییز ترنسفورمرها
"01:00
  تولید متن با ترنسفورمرها
"18:20
  کوییز تولید متن با ترنسفورمرها
"03:00
  پرامپت (پرسش‌دهی) و مهندسی پرامپ
"11:33
  پارامترهای پیکربندی تولیدی برای استنتاج - بخش اول
"09:21
  پارامترهای پیکربندی تولیدی برای استنتاج - بخش دوم
"07:15
  کوییز پارامترهای پیکربندی
"01:00
  شروع کار با LLM در Google Colab: از Hugging Face تا آماده‌سازی دیتاست
"15:33
  مفهوم Tokenization و اجرای Zero-Shot با LLMs
"18:40
  پروژه خلاصه‌سازی در پایتون: از Zero تا Few-Shot با LLM و In-Context Learning
"23:30
  چرخه حیات پروژه هوش مصنوعی مولد
"11:22
  تمرین اول (الزامی)
"150:00
  تمرین دوم (الزامی)
"210:00
پیش‌آموزش LLM و قوانین مقیاس‌پذیری
تنظیم دقیق (Fine-tuning) مدل‌های LLM با دستورالعمل‌ها و ارزیابی آن‌ها
فاین‌تیون کردن کارآمد پارامترها (PEFT)
بازخورد انسانی و الگوریتم‌های پیشرفته یادگیری تقویتی
بهینه‌سازی مدل‌ها برای استقرار (Deploy)
ساخت اپلیکیشن‌های هوشمند با LLM

پیش‌نیاز‌ها

پیش‌نیاز شرکت در این دوره، آشنایی اولیه با زبان پایتون و مفاهیم پایه‌ی یادگیری ماشین و شبکه‌های عصبی است. آشنایی با کتابخانه‌هایی مانند PyTorch یا TensorFlow نیز بسیار مفید است، اما ضروری نیست.

درباره دوره

درس «هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)» یک دوره آموزشی جامع است که به معرفی مفاهیم، روش‌ها و کاربردهای مدل‌های زبانی پیشرفته می‌پردازد. این مدل‌ها در قلب ابزارهایی مانند ChatGPT، Gemini و Grok قرار دارند و در طیف گسترده‌ای از کاربردها از جمله تولید متن، پاسخ‌ به سوالات، ترجمه ماشینی، خلاصه‌سازی خودکار و حتی برنامه‌نویسی خودکار به کار می‌روند.

در این دوره ابتدا ساختار مدل‌های زبانی و مفاهیم پایه‌ای مانند زبان طبیعی، توکن‌سازی، ترنسفورمر و attention آموزش داده می‌شود. سپس مسیر آموزش این مدل‌ها از مرحله پیش‌تمرین (pretraining) تا ریزتنظیم (fine-tuning) بررسی می‌شود. پس از آن مفاهیم پیشرفته‌تری مانند instruction tuning، RLHF (یادگیری تقویتی از بازخورد انسانی)، و روش‌های جدیدتر مانند DPO (Direct Preference Optimization) و GRPO (General Reward Policy Optimization) معرفی و پیاده‌سازی می‌شوند.

یکی از ویژگی‌های برجسته این دوره، ارائه‌ی ۱۵ نوت‌بوک آموزشی و پروژه‌محور است که شامل مثال‌های کاربردی (از جمله مثال‌هایی در زبان فارسی) و کدهای قابل اجرا هستند. این ساختار به یادگیری عمیق‌تر و درک بهتر مفاهیم کمک می‌کند.
پیش‌نیاز شرکت در این دوره، آشنایی اولیه با زبان پایتون و مفاهیم پایه‌ی یادگیری ماشین و شبکه‌های عصبی است. آشنایی با کتابخانه‌هایی مانند PyTorch یا TensorFlow نیز بسیار مفید است، اما ضروری نیست.

این دوره مناسب دانشجویان، پژوهشگران، مهندسان نرم‌افزار، علاقه‌مندان به هوش مصنوعی و توسعه‌دهندگان NLP است و می‌تواند زمینه‌ساز فعالیت‌های پژوهشی یا کاربردی در حوزه مدل‌های زبانی بزرگ به زبان فارسی یا انگلیسی باشد.

اطلاعات بیشتر

امتیاز و نظرات کاربران

5

از مجموع 6 امتیاز

3 نظر

1 روز پیش

من تا الان دنبال منابع زیادی برای LLM ها بودم، سرفصل‌های این دوره واقعاً کاربردی و به‌روز هستن، مخصوصاً برای کسی که می‌خواد به‌صورت عملی وارد دنیای LLM ها و هوش مصنوعی مولد بشه. بین آموزش‌های فارسی واقعاً مشابهی براش ندیدم. هم از نظر محتوا و هم رویکرد، به نظرم یکی از بهترین دوره ها برای ورود جدی به LLM هاست.

سینا شکوری

1 روز پیش

من قبلاً دوره‌های Computer Vision، Deep Learning و RNNاستاد رو تهیه کردم و واقعاً خیلی راضی بودم. خیلی خوب و روان توضیح میدن، همه چی رو با تسلط و مثال‌های کاربردی بیان می‌کنن، طوری که مطلب کامل برات جا می‌افته. الانم توی این دوره LLM ایشون هستم (فعلاً تا فصل دوم رسیدم)، همه چی مثل دوره‌های قبلی‌شونه؛ هم مطالب رو به ترتیب و واضح توضیح میدن، هم توی بحث کدنویسی اگر نکته ایی یا به اصطلاح لم وجود داشت ،حتما بهت یاد میدن ویا راهنمایی میکنن که توی چه حوزه ایی میتونین راجبش بیشتر اطلاعات کسب کنین. در کل اگر دنبال یادگیری درست حسابی و کاربردی هستی، دوره‌های ایشون واقعاً می‌ارزن، پیشنهاد می‌کنم حتماً تهیه کنین.

سیداحمد حسینی

1 روز پیش

مثل همیشه بی نظیر

محمدعلی قمرانی

گواهی‌نامه

آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)

پس از گذراندن محتوای دوره به صورت آنلاین (بدون دانلود) در سایت مکتب‌خونه، در صورتی‌ که حد نصاب قبولی در دوره را کسب و تمرین ها و پروژه های الزامی را ارسال کنید، گواهی‌نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

قابل اشتراک‌گذاری در

linkdin

درباره استاد

علیرضا اخوان‌پور
10 دوره
26,553 دانشجو

علیرضا اخوان پور، متخصص برجسته در حوزه هوش مصنوعی و یادگیری عمیق، با بیش از 10 سال سابقه تدریس و فعالیت حرفه‌ای، در حال حاضر به عنوان مدیر فنی مجموعه دانش بنیان شناسا مشغول به فعالیت است. وی که از سال 94 به عنوان مدرس در دانشگاه شهید رجایی فعالیت خود را آغاز کرد، از سال 95 به طور تخصصی در حوزه هوش مصنوعی و یادگیری عمیق مشغول به تدریس شده است.

حضور پررنگ ایشان در محیط‌های آکادمیک با ارائه ورکشاپ در دانشگاه‌های معتبری چون امیرکبیر، شریف و تهران همراه بوده است. علاوه بر این، وی تجربه برگزاری دوره‌های تخصصی در جهاد دانشگاهی شریف و دانشگاه تهران، و همچنین سازمان‌های مهمی همچون معاونت علمی و فناوری ریاست جمهوری، صندوق نوآوری و شکوفایی، همراه اول، و دیجی‌کالا را در کارنامه خود دارد. در بخش بانکی و تلکام کشور نیز با ارائه دوره‌های تخصصی برای کارکنان بانک‌های قوامین، سپه و صادرات، همراه اول و ایبیکام فعالیت داشته و همچنین مدرس رویداد علم داده ایرانسل بوده است.

اخوان پور علاوه بر تدریس، در مقام منتور و مشاور هوش مصنوعی با شتاب‌دهنده همتک و شرکت‌های معتبری نظیر همراه اول و ایبیکام همکاری داشته است. وی همچنین مدیریت سایت تخصصی class.vision را بر عهده دارد که در زمینه هوش مصنوعی، یادگیری عمیق، بینایی کامپیوتر و یادگیری ماشین فعالیت می‌کند. حضور موثر او در رویدادهای مهمی چون کنفرانس MVIP، رویداد فیس کاپ، رویداد داده ایرانسل و “من برنامه‌نویسم”، برنامه‌های تلویزیونی و رادیویی، همراه با تولید محتوای آموزشی در پلتفرم‌های معتبر آنلاین چون آکادمی همراه اول، مکتب‌خونه، کلاس ویژن و نماتک، نشان‌دهنده نقش موثر او در گسترش دانش هوش مصنوعی در کشور است.

اطلاعات بیشتر

دیگر دوره‌های علیرضا اخوان‌پور

سوالات پرتکرار

آیا در صورت خرید دوره، گواهی نامه آن به من تعلق می گیرد؟

خیر؛ شما با خرید دوره می توانید در آن دوره شرکت کنید و به محتوای آن دسترسی خواهید داشت. در صورتی که در زمان تعیین شده دوره را با نمره قبولی بگذرانید، گواهی نامه دوره به نام شما صادر خواهد شد.

حداقل و حداکثر زمانی که می توانم یک دوره را بگذرانم چقدر است؟

برای گذراندن دوره حداقل زمانی وجود ندارد و شما می توانید در هر زمانی که مایل هستید فعالیت های مربوطه را انجام دهید. برای هر دوره یک حداکثر زمان تعیین شده است که در صفحه معرفی دوره می توانید مشاهده کنید که از زمان خرید دوره توسط شما تنها در آن مدت شما از ویژگی های تصحیح پروژه ها توسط پشتیبان و دریافت گواهی نامه بهره مند خواهید بود.

در صورت قبولی در دوره، آیا امکان دریافت نسخه فیزیکی گواهی نامه دوره را دارم؟

خیر، به دلیل مسائل زیست محیطی و کاهش قطع درختان، فقط نسخه الکترونیکی گواهی‌نامه در اختیار شما قرار می‌گیرد

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟

بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.