تخفیف ویژه Black Friday🎉 تا 65 درصد تخفیف!!
روزها
ساعت
دقیقه
ثانیه
هوش مصنوعی یا Artificial Intelligence ( به اختصار AI ) علمی مهندسیست که هدف آن شبیه سازی فرآیندهای پردازشی و محاسباتی توسط ماشین است. از هوش مصنوعی برای توسعه الگوریتمها، فرآیندها و حوزه های دیگری همچون سیستمهای خبره (Expert Systems)، یادگیری ماشینی (Machine Learning)، یادگیری عمیق (Deep Learning)، پردازش زبانهای طبیعی (Natural Language Processing)، تشخیص گفتار (Speech Recognition) و دیگر موارد استفاده میشود. با کسب سرا در مسیر یادگیری و اموزش هوش مصنوعی با شما همراه هستیم.
AI ، تولید ماشین هایی است که قادر به انجام وظایفی هستند که نیاز به هوش انسان دارد
تمرکز ما در کسب سرا بر اموزش هوش مصنوعی،آموزش استفاده از AI در نوشتن مقاله و پایان نامه و پژوهش، ارتقا مهارت و استفاده از آن در زندگی روزمره است .
اگر به این حوزه علاقه مندی ولی نمیدونی باید از کجا شروع کنی بهتره یه سر به صفحه دوره های ما بزنی تا ببینی چه دوره هایی توی کسب سرا وجود داره . تو صفحه مربوط به هر دوره کلی توضیحات و اطلاعات در مورد اون دوره وجود داره که میتونید با توجه به اون مسیرتون رو پیدا کنید. توی وبلاگ هم کلی مطلب در مورد ابزارها ، استفاده ازشون و حوزه های مختلف هوش مصنوعی وجود داره که میتونی مطالعه کنی!
صد درصد. دوره ای با عنوان کسب درآمد از هوش مصنوعی به زودی در قسمت دوره های سایت قرار میگیره که با گذراندن اون دوره میتونید به مرحله درآمدزایی برسید.
در این مقاله با مبانی، معماری و مسیر تکامل LLMها یا مدلهای زبانی بزرگ آشنا میشویم. ابتدا مفهوم مدل زبانی، LLM، Token و Tokenization را بررسی میکنیم و سپس به تاریخچه مدلهای زبانی از روشهای آماری و N-gram تا مدلهای عصبی، RNN و LSTM میپردازیم. در ادامه، ظهور Transformer و مفاهیمی مانند Attention، Self-Attention، Multi-Head Attention، Encoder و Decoder را بررسی کرده و نقش مقاله تاریخی Attention Is All You Need را توضیح میدهیم. همچنین با مراحل آموزش LLM شامل Pre-training، Fine-tuning و RLHF آشنا میشویم و در پایان، ارتباط این مفاهیم با مدلهای مدرن مانند ChatGPT و مسیر ورود به فناوریهایی مانند RAG و AI Agent را بررسی میکنیم.
در این مقاله با مبانی، معماری و مسیر تکامل LLMها یا مدلهای زبانی بزرگ آشنا میشویم. ابتدا مفهوم مدل زبانی، LLM، Token و Tokenization را بررسی میکنیم و سپس به تاریخچه مدلهای زبانی از روشهای آماری و N-gram تا مدلهای عصبی، RNN و LSTM میپردازیم. در ادامه، ظهور Transformer و مفاهیمی مانند Attention، Self-Attention، Multi-Head Attention، Encoder و Decoder را بررسی کرده و نقش مقاله تاریخی Attention Is All You Need را توضیح میدهیم. همچنین با مراحل آموزش LLM شامل Pre-training، Fine-tuning و RLHF آشنا میشویم و در پایان، ارتباط این مفاهیم با مدلهای مدرن مانند ChatGPT و مسیر ورود به فناوریهایی مانند RAG و AI Agent را بررسی میکنیم.
در این مقاله با مبانی، معماری و مسیر تکامل LLMها یا مدلهای زبانی بزرگ آشنا میشویم. ابتدا مفهوم مدل زبانی، LLM، Token و Tokenization را بررسی میکنیم و سپس به تاریخچه مدلهای زبانی از روشهای آماری و N-gram تا مدلهای عصبی، RNN و LSTM میپردازیم. در ادامه، ظهور Transformer و مفاهیمی مانند Attention، Self-Attention، Multi-Head Attention، Encoder و Decoder را بررسی کرده و نقش مقاله تاریخی Attention Is All You Need را توضیح میدهیم. همچنین با مراحل آموزش LLM شامل Pre-training، Fine-tuning و RLHF آشنا میشویم و در پایان، ارتباط این مفاهیم با مدلهای مدرن مانند ChatGPT و مسیر ورود به فناوریهایی مانند RAG و AI Agent را بررسی میکنیم.
