مرور عمیق بر ترنسفورمرها، تعبیه‌ها و تولید با بازیابی تقویت‌شده (RAG) انجام می‌دهد.
بیاموزید چگونه هوش مصنوعی مدرن کار می‌کند و چگونه از پایگاه‌های داده برداری برای ارائهٔ راه‌حل‌های عملی در دنیا استفاده کنید.
آنچه یاد خواهید گرفت:
- مفاهیم پایهٔ پشت مدل‌های زبان بزرگ (LLMs) را بیاموزید، از جمله اینکه مدل‌ها چیستند و وظایف اصلی مدل‌های زبان چیستند.
- رمزگذاری خودکار (autoencoding)، بازخورد خودکار (autoregression) و چگونگی انجام پیش‌بینی و تکمیل متن توسط مدل‌های زبان را درک کنید.
- در مورد یادگیری پیش‌آموزش، تنظیـم هدایت‌آمیز (instruct tuning) و تنظیم دقیق (fine-tuning) مدل‌های هوش مصنوعی بیاموزید.
- مفاهیم توکن‌ها و embeddings را مسلط شوید.بیاموزید توکن‌سازی چگونه کار می‌کند، مرزهای توکن چگونه تشکیل می‌شوند و فراوانی واژگان چگونه شناسایی می‌شود.
- اهمیت embeddings را درک کنید، چگونگی نمایش متن در فضای n-بعدی و استفاده از آن‌ها برای وظایف تشابه متن.
- به معماری ترنسفورمر عمیق وارد شوید و بفهمید که مکانیسم‌های توجه چگونه کار می‌کنند و چرا برای مدل‌های زبان بزرگ مدرن حیاتی‌اند.
- چالش‌های طول زمینه، محدودیت‌های زمینه و ماهیت بدون حالت LLMSها را تحلیل کنید و با استراتژی‌های مؤثر برای مدیریت آن‌ها آشنا شوید.
- در نهایت در تولید با بازیابی تقویت‌شده (RAG) کاوش کنید و بیاموزید چگونه با استفاده از پایگاه‌های دادهٔ برداری راه‌حل‌های پیشرفته‌ای برای کاربردهای عملی هوش مصنوعی پیاده‌سازی کنید.
- مهارت مفهومی‌ای بیاموزید که با معیارهای شرکت‌های برتر هوش مصنوعی در مصاحبه‌های فنی همسو باشد.
