$Generative AI Explained From Math Basics to LLMs$

Udemy – Generative AI Explained From Math Basics to LLMs 2026-4

در تاریخ: 1405/04/26 9:58:43

توضیحات

Generative AI Explained From Math Basics to LLMs دوره آموزشی هوش مصنوعی مولد که شکاف بین مبانی ریاضی و مدل‌های زبانی بزرگ مدرن را از بین می برد، می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. این دوره آموزشی مقدمه‌ای جامع بر هوش مصنوعی مولد است که شکاف بین مبانی ریاضی و مدل‌های زبانی بزرگ مدرن را پر می‌کند. این دوره که برای توسعه‌دهندگان، دانشمندان داده، دانشجویان و علاقه‌مندان به هوش مصنوعی طراحی شده است، ریاضیات ضروری پشت یادگیری ماشین را قبل از پیشرفت به سمت یادگیری عمیق، معماری‌های ترانسفورماتور و سیستم‌های هوش مصنوعی مولد توضیح می‌دهد. شما با نحوه‌ی دیدن و آماده‌سازی داده‌ها توسط ماشین‌ها، انواع داده‌هایی که هوش مصنوعی با آنها کار می‌کند، چالش‌های عددی مانند سرریز و سرریز، و اینکه چرا نرمال‌سازی قبل از یادگیری هر مدلی ضروری است، شروع خواهید کرد. از آنجا، شهود ریاضی پشت هوش مصنوعی را خواهید ساخت: بردارها، ضرب‌های نقطه‌ای، شباهت کسینوسی و معادله‌ای که به عنوان ستون فقرات تمام یادگیری ماشین عمل می‌کند.

افراد جبر خطی، احتمال، مفاهیم حساب دیفرانسیل و انتگرال، شبکه‌های عصبی، مکانیسم‌های توجه، جاسازی‌ها، توکن‌سازی، فرآیندهای آموزش، مهندسی سریع و عملکرد داخلی مدل‌های زبانی بزرگ (LLM) را خواهند آموخت. در نهایت، به معماری ترانسفورماتور خواهید رسید، پیشرفتی که امروزه به هر مدل اصلی هوش مصنوعی مولد قدرت می‌دهد. شما توکن‌سازی، کدگذاری موقعیتی، مکانیسم توجه (شامل ماتریس‌های پرس‌وجو، کلید و مقدار)، توجه چند سره و اینکه چگونه مدل‌های فقط-رمزگذار، فقط-رمزگشا و رمزگذار-رمزگشا اهداف مختلفی را در صنعت ارائه می‌دهند، خواهید آموخت.

آنچه در دوره Generative AI Explained From Math Basics to LLMs یاد خواهید گرفت:

تفسیر بردارها، ضرب‌های نقطه‌ای، شباهت کسینوسی و فاصله اقلیدسی که ریاضیات پشت جاسازی‌های LLM است
توضیح دهید که آموزش مدل چگونه کار می‌کند: توابع زیان، گرادیان نزولی و معنای واقعی یادگیری یک ماشین
مقایسه یادگیری تحت نظارت، بدون نظارت، خودنظارتی و تقویتی و نحوه ترکیب هر سه توسط LLMها
بررسی معماری ترانسفورماتور: توکن‌سازی، کدگذاری موقعیتی، توجه و توجه چند سر
تمایز بین مدل‌های فقط رمزگذار، فقط رمزگشا و رمزگشا-رمزگشا و کاربردهای دنیای واقعی آنها
شناسایی ابرپارامترهای کلیدی مانند نرخ یادگیری، دما، top-k و top-p و درک اهمیت آنها
و …

مشخصات دوره

ناشر: یودمی
مدرس: Omar Koryakin
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 34
مدت زمان آموزش: 4ساعت و 55دقیقه

سرفصل های دوره $Generative AI Explained From Math Basics to LLMs Content$

پیش نیازهای دوره Generative AI Explained From Math Basics to LLMs

No programming or coding experience required as this is a fully conceptual course with zero code
Basic arithmetic skills (addition, multiplication, fractions) are helpful but even these are reviewed in the course
A computer or tablet with internet access to stream video lectures so no special software downloads needed
Curiosity about how AI works under the hood so no prior machine learning or data science background necessary