توضیحات

آموزش پیشرفته هوش مصنوعی مولد و پیاده سازی LLM

نام دوره : Mastering Generative AI and LLM Deployment.

دارای زیرنویس فارسی دقیق تولید شده با Gemini Advance

پیش‌نیاز

• آشنایی پایه با برنامه‌نویسی C++

• آشنایی پایه با برنامه‌نویسی C

• در اختیار داشتن کارت گرافیک Nvidia در سیستم محلی

• آشنایی پایه با پردازش زبان طبیعی (NLP)

• آشنایی پایه با زبان پایتون

• آشنایی پایه با HTML، CSS و Bootstrap

توضیحات

این دوره به چالش‌های علمی پیشرفته در حوزه‌ی هوش مصنوعی تولیدی (Generative AI) می‌پردازد.

با هدف آشکار کردن مشکلات موجود و توسعه یا سفارشی‌سازی اپلیکیشن‌های مدل‌های بزرگ (LLM) طراحی شده است.

این دوره برای هر فرد علاقه‌مند (دانشجو، مهندس، متخصص) که مایل به یادگیری چالش‌های فعلی LLMها و نحوه‌ی پیاده‌سازی آن‌ها با استفاده از Python، Javascript و زبان‌های برنامه‌نویسی C/C++ است، مناسب می‌باشد.

شرکت‌کنندگان دانش عمیقی از مدل‌های TensorFlow، Pytorch، Keras، HuggingFace همراه با استفاده از Docker به دست خواهند آورد.

آنچه در آموزش پیشرفته هوش مصنوعی مولد و پیاده سازی LLM خواهید آموخت

• بهینه‌سازی و کوانتیزه‌سازی مدل‌ها با استفاده از TensorRT برای پیاده‌سازی در حوزه‌های مختلف

• استقرار مدل‌های LLM کوانتیزه‌شده در صفحات وب با React، Javascript و FLASK

• ادغام یادگیری تقویتی (PPO) برای تنظیم مدل‌های زبانی بزرگ بر اساس بازخورد انسانی

• برنامه‌نویسی و اشکال‌زدایی در سطح حداقل متوسط با زبان‌های C و C++

مدل‌های LLM استفاده‌شده در دوره

• Falcon

• LLAMA2

• BLOOM

• MPT

• Vicuna

• FLAN-T5

• GPT2 / GPT3 / GPT-NeoX

• BERT 101 / DistilBERT

• ریزتنظیم مدل‌های کوچک با استفاده از مدل‌های بزرگ

مدل‌های تولید تصویر

• مدل‌های LLAMA

• Gemini

• DALL·E (OpenAI)

• مدل‌های HuggingFace

مهارت‌های دیگر قابل یادگیری

• آموزش و نصب Docker از صفر

• توسعه وب با Javascript، HTML، CSS، Bootstrap

• کار با React Hooks و DOM

• کار عمیق با پردازش زبان طبیعی مبتنی بر ترنسفورمر

• ساخت API با Python FLASK و MySQL

• تهیه Dockerfile، فایل‌های Docker Compose و فایل دیباگ

• پیکربندی و نصب افزونه‌ها در Visual Studio Code

• نصب و پیکربندی Tensorflow، Pytorch، Keras از صفر با Docker

• پیش‌پردازش داده‌ها برای آموزش و آزمون مدل‌های یادگیری عمیق

• استنتاج مدل‌ها با OpenCV DNN و زبان C++

• تبدیل مدل‌ها به ONNX و استنتاج با زبان C++

• تبدیل مدل ONNX به موتور TensorRT با API در زمان کامپایل و اجرا

• مقایسه نتایج بین استنتاج ONNX و TensorRT

• آماده‌سازی برای برنامه‌نویسی شیءگرا با C++

• آماده‌سازی برای چالش‌های برنامه‌نویسی C/C++

• حل مشکلات پیاده‌سازی در دستگاه‌های لبه‌ای و فضای ابری

• ریزتنظیم LLMها با مدل‌های BLOOM، GPT3.5، FLAN-T5

• آموزش، ارزیابی و یادگیری در لحظه (In-Context/Online) با LLMها

• هم‌راستا کردن مدل با بازخورد انسانی با PPO در BERT و FLAN-T5

• جلوگیری از فراموشی فاجعه‌بار در مدل‌های چندوظیفه‌ای

• آماده‌سازی مدل‌های LLM برای وظایف چندگانه: تولید کد، خلاصه‌سازی، تحلیل محتوا، تولید تصویر

• کوانتیزه‌سازی مدل‌های بزرگ با تکنیک‌های روز دنیا

نکته مهم

در این دوره، هیچ کدی برای کپی-پیست وجود ندارد! شما باید تمام خطوط پروژه را خودتان بنویسید تا به یک توسعه‌دهنده حرفه‌ای LLM و برنامه‌های وب تبدیل شوید.

هیچ نیازی به سخت‌افزار خاص ندارید. پروژه‌ها هم روی سیستم محلی و هم روی فضای ابری قابل اجرا هستند.

دوره  آموزش پیشرفته هوش مصنوعی مولد و پیاده سازی LLM برای چه کسانی مناسب است؟

• دانشجویان دانشگاه

• فارغ‌التحصیلان جدید

• کارمندان فعال

• علاقه‌مندان به پیاده‌سازی مدل‌های یادگیری عمیق روی دستگاه‌های لبه‌ای

• متخصصان هوش مصنوعی

• مهندسان نرم‌افزار نهفته (Embedded)

• توسعه‌دهندگان NLP

• مهندسان یادگیری ماشین و یادگیری عمیق

• توسعه‌دهندگان Full Stack در حوزه‌های Javascript و Python

بخشی از دوره :