مرور عمیق مفاهیم مدل های زبان بزرگ (LLM)؛ تسلط مفهومی برای توسعه دهندگان

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.