توضیحات
دوره Advanced AI: LLMs Explained with Math (Transformers, Attention Mechanisms & More). این دوره آموزشی به بررسی ریاضیات پشت مدلهای ترنسفورمر، مکانیسمهای توجه و سایر مفاهیم پیشرفته هوش مصنوعی میپردازد. در این دوره، شما رازهای پشت ترنسفورمرها مانند GPT و BERT را کشف خواهید کرد. توکنیزاسیون، مکانیسمهای توجه، انکودینگهای موقعیتی و امبدینگها را یاد میگیرید تا با هوش مصنوعی پیشرفته بسازید و نوآوری کنید. در زمینه machine learning برتری پیدا کنید و به یک متخصص هوش مصنوعی درجه یک تبدیل شوید. معماری ترنسفورمر یک مدل بنیادی در هوش مصنوعی مدرن، به ویژه در پردازش زبان طبیعی (NLP) است. آنچه ترنسفورمرها را خاص میکند این است که به جای خواندن کلمه به کلمه مانند سیستمهای قدیمی (به نام مدلهای recurrent)، ترنسفورمر کل جمله را به طور همزمان بررسی میکند.
آنچه فرا خواهید گرفت:
- نحوه تبدیل متن به دادههای قابل خواندن برای مدل با توکنیزاسیون
- عملکرد داخلی مکانیسمهای توجه در ترنسفورمرها
- نحوه حفظ دادههای sequence در مدلهای هوش مصنوعی با انکودینگهای موقعیتی
- نقش ماتریسها در انکودینگ و پردازش زبان
- ساخت نمایشهای کلمه متراکم با امبدینگهای چندبعدی
- تفاوت بین مدلهای زبان دوطرفه و ماسک شده
- کاربردهای عملی ضرب داخلی و ریاضیات برداری در هوش مصنوعی
- نحوه پردازش، درک و تولید متن شبیه انسان توسط ترنسفورمرها
این دوره مناسب چه کسانی است؟
- افرادی که میخواهند درک عمیقتری از مدلهای ترنسفورمر و LLMها به دست آورند.
- متخصصان machine learning که میخواهند مهارتهای خود را در زمینه هوش مصنوعی پیشرفته ارتقا دهند.
- هر کسی که به ریاضیات پشت هوش مصنوعی علاقه دارد.
مشخصات دوره Advanced AI: LLMs Explained with Math (Transformers, Attention Mechanisms & More)
- ناشر: ZeroToMastery
- مدرس: Patrik Szepesi
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 4 ساعت و 55 دقیقه
- تعداد دروس: 32
سرفصل های دوره

پیشنیازهای دوره Advanced AI: LLMs Explained with Math (Transformers, Attention Mechanisms & More)
- Familiarity with basic linear algebra strongly recommended
تصاویر دوره

نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
636 مگابایت












































