Udemy – LLMs Engineering : From Using LLMs to Training LLMs 2026-4

در تاریخ: 1405/06/13 12:13:51

توضیحات

دوره LLMs Engineering : From Using LLMs to Training LLMs. این دوره آموزشی یک مسیر جامع شش‌سطحی برای یادگیری مدل‌های زبانی بزرگ (LLMs) است که شرکت‌کنندگان را از مفاهیم پایه و به‌کارگیری مدل‌های آماده تا تنظیم دقیق و آموزش کامل یک مدل از صفر با PyTorch آماده می‌کند. این آموزش یک دوره کامل است که شرکت‌کنندگان را برای استفاده تخصصی از مدل‌های زبانی بزرگ (Large Language Models) آماده می‌سازد. هدف اصلی این دوره آموزش مفاهیم بنیادی مدل‌های زبانی بزرگ به منظور پیاده‌سازی و به‌کارگیری آن‌ها در برنامه‌ها و پروژه‌های دنیای واقعی است. ساختار این دوره در شش سطح مجزا و گام‌به‌گام طراحی شده است؛ آموزش از مفاهیم پایه آغاز شده و به تدریج با مدل‌های تجاری و تجاری پولی ادامه می‌یابد تا فراگیران بتوانند چت‌بات‌های اختصاصی خود را بسازند و سپس داده‌های شخصی خود را به مدل اضافه کنند تا پاسخ‌های دقیق‌تر و مناسب‌تری دریافت نمایند. در مراحل بعدی، نحوه استفاده از مدل‌های متن‌باز در پروژه‌های کاری آموزش داده می‌شود و سپس فراگیران به سطح تنظیم دقیق (Fine-Tuning) مدل‌های موجود برای برنامه‌های خود می‌رسند. در نهایت، مرحله آموزش کامل یک مدل از صفر با استفاده از کتابخانه PyTorch ارائه می‌شود. علاوه بر این، دوره شامل مبانی ریاضی الگوریتم‌های پردازش زبان طبیعی (NLP) و مدل‌های زبانی بزرگ است تا شرکت‌کنندگان بتوانند الگوریتم‌های یادگیری ماشین را به صورت بنیادی درک کنند و بنویسند. حتی اگر فراگیران هیچ‌گونه تجربه قبلی در زمینه یادگیری ماشین، پردازش زبان طبیعی یا مدل‌های زبانی بزرگ نداشته باشند، این دوره به گونه‌ای جامع و فشرده طراحی شده که تمامی مطالب پایه را از صفر پوشش دهد. در طول دوره، نحوه کار با کتابخانه‌های معتبر و محبوب متن‌باز مانند OpenAI ،Hugging Face و LangChain به طور کامل بررسی می‌شود. همچنین الگوریتم‌های بهینه‌سازی، طبقه‌بندی متن، تبدیل تصویر به متن و مدل‌های پیشرفته نظیر Transformer بههمراه مدل‌های ChatGPT و DeepSeek آموزش داده می‌شوند تا دانش‌پژوهان به تمامی ابزارهای لازم برای ورود به دنیای مهندسی هوش مصنوعی مجهز شوند.

آنچه فرا خواهید گرفت

درک ریاضیات خلفی NLP و LLM: شناخت کامل مفاهیم ریاضی پشتیبان الگوریتم‌های زبان در پردازش زبان طبیعی و مدل‌های زبانی بزرگ.
کدنویسی الگوریتم‌ها: ساخت و نوشتن الگوریتم‌های یادگیری ماشین و مدل‌های زبانی بزرگ.
استفاده از مدل‌های تجاری: به‌کارگیری مدل‌های زبانی بزرگ پولی مانند ChatGPT و DeepSeek.
استفاده از مدل‌های متن‌باز: پیاده‌سازی مدل‌های زبانی بزرگ با استفاده از مدل‌های متن‌باز (Open Source).
تنظیم دقیق مدل‌ها: تنظیم دقیق (Fine-Tuning) مدل‌های موجود برای تطابق با نیازهای برنامه‌های خاص.
آموزش مدل از صفر: آموزش کامل مدل‌های زبانی بزرگ از صفر با استفاده از کتابخانه PyTorch برای نگارش رمان.
کار با کتابخانه‌های کاربردی: استفاده از کتابخانه‌های مرتبط مانند OpenAI ،Hugging Face و LangChain.
معماری Transformer و مبانی NLP: آشنایی با مدل‌های Transformer، طبقه‌بندی متن و تبدیل تصویر به متن.
تکنیک‌های RAG و پرامپت: یادگیری مهندسی پرامپت (Prompt Engineering) و مدل‌های RAG در هر دو حالت متن‌باز و تجاری.
بهینه‌سازی برای زبان عربی: مبانی NLP و ساخت الگوریتم‌های بهینه‌سازی برای زبان عربی.

این دوره مناسب افرادیست که

علاقه‌مندان به هوش مصنوعی و LLM: افرادی که قصد دارند از مدل‌های زبانی بزرگ در پروژه‌های واقعی استفاده کنند.
توسعه‌دهندگان و مهندسان نرم‌افزار: برنامه‌نویسانی که می‌خواهند مدل‌های LLM را در برنامه‌های خود ادغام کنند یا مدل‌های اختصاصی بسازند.
پژوهشگران پردازش زبان طبیعی: افرادی که تمایل دارند نحوه آموزش مدل‌های زبانی از صفر و تنظیم دقیق آن‌ها را بیاموزند.
کاربران زبان عربی در NLP: تمام افرادی که می‌خواهند از پردازش زبان طبیعی و مدل‌های زبانی بزرگ برای زبان عربی استفاده کنند.
افراد مبتدی در یادگیری ماشین: کسانی که بدون تجربه قبلی در Machine Learning یا NLP قصد ورود به این حوزه را دارند.