توضیحات
AI Mastery: LLMs Explained with Math (Transformers, Attention Mechanisms & More)، دوره آموزش هوش مصنوعی: توضیح LLMها با ریاضیات (ترانسفورمرها، مکانیزمهای توجه و موارد دیگر) توسط آکادمی ZeroToMastery منتشر شده است. رازهای ترانسفورمرها مانند GPT و BERT را کشف کنید و با یادگیری مفاهیمی مانند توکنسازی، مکانیزمهای توجه، رمزگذاری موقعیتی و جاسازیها، در حوزه هوش مصنوعی پیشرفته نوآوری کنید. معماری ترانسفورمر یکی از مدلهای بنیادی در هوش مصنوعی مدرن، به ویژه در پردازش زبان طبیعی (NLP) است که نخستین بار در مقالهی تأثیرگذار “Attention Is All You Need” توسط Vaswani و همکاران در سال 2017 معرفی شد و یکی از مهم ترین پیشرفتهای فناورانهای است که منجر به ظهور مدلهای زبانی بزرگ امروزی مانند ChatGPT و Claude شده است. تفاوت اصلی ترانسفورمر با مدلهای بازگشتی قدیمی این است که به جای پردازش کلمهبهکلمه، کل جمله را بهطور همزمان بررسی میکند و با استفاده از مکانیزم توجه، کلمات کلیدی را برای هر وظیفه مشخص میسازد؛ بهعنوان مثال، در جملهی “او جعبه را باز کرد زیرا روز تولدش بود”، مدل برای درک درست، باید توجه ویژهای به “it” داشته باشد تا بفهمد به “جعبه” اشاره دارد. ترانسفورمرها پایه و اساس بسیاری از سیستمهای هوش مصنوعی امروزی هستند؛ مدلهایی مانند GPT، BERT (که در موتورهای جستجو مانند Google استفاده میشود) و DALL·E (برای تولید تصویر) همگی بر پایهی این معماری ساخته شدهاند، و درک ترانسفورمرها به شما بینشی عمیق نسبت به نحوه عملکرد آنها میدهد. بیاموزید که چگونه ترانسفورمرها متن خام را با استفاده از تکنیکهایی مانند الگوریتم WordPiece به فرمت پردازشپذیر تبدیل میکنند و اهمیت توکنسازی را در درک زبان کشف کنید.
آنچه خواهید آموخت
- چگونه توکنسازی متن را به دادهای قابلخواندن برای مدل تبدیل میکند
- مکانیزمهای توجه در ترانسفورمرها چگونه کار میکنند
- نحوه حفظ دادههای ترتیبی در مدلهای هوش مصنوعی با رمزگذاری موقعیتی
- نقش ماتریسها در رمزگذاری و پردازش زبان
- ایجاد نمایشهای متراکم کلمات با جاسازیهای چندبعدی
- تفاوت بین مدلهای زبانی دوطرفه و مدلهای زبانی ماسک شده
- کاربردهای عملی ضرب داخلی و ریاضیات برداری در هوش مصنوعی
- چگونه ترانسفورمرها متن انسانی را پردازش، درک و تولید میکنند
مشخصات دوره AI Mastery: LLMs Explained with Math (Transformers, Attention Mechanisms & More)
- ناشر : ZeroToMastery
- مدرس : Patrik Szepesi
- زبان: انگلیسی
- سطح آموزش: تمام سطوح
- تعداد دروس: 34
- مدت زمان آموزش: 5 ساعت و 0 دقیقه
سر فصل های دوره AI Mastery: LLMs Explained with Math (Transformers, Attention Mechanisms & More)
پیش نیاز های دوره
- Basic (high-school level) knowledge of Linear Algebra is strongly recommended (basically required in order to really understand everything, but you will still learn lots of high-level information even if you don’t follow the math, which is why we’re only saying “strongly recommended”).
تصاویر
فیلم نمونه
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
668 مگابایت
