آموزش ساخت ترنسفورمرهای LLM با PyTorch مفاهیم و پیاده سازی

همراه با زیرنویس فارسی ♻

دوره آموزشی جامع معماری Transformer و مدل‌های زبانی بزرگ (LLMs) با حجم ۱.۲۸ گیگابایت و مدت ۳ ساعت ۳۷ دقیقه، مناسب توسعه‌دهندگان هوش مصنوعی، علاقه‌مندان به NLP و محققان، شامل مفاهیم پایه، معماری Transformer و پیاده‌سازی عملی با PyTorch می‌شود. ویژگی‌های برجسته: آموزش ساده مکانیسم‌های توجه، تحلیل معماری Deepseek، مثال‌های کدمحور و پشتیبانی ۲۴ ساعته برای دانلود.

مدت دوره 3:37:52

تعداد فصل‌ها 19

نوع دوره نقدی

شرکت‌کنندگان 0 دانشجو

زیرنویس فارسی

معرفی دوره

🎉 دوره آموزشی جامع معماری Transformer و مدل‌های زبانی بزرگ (LLMs)

🗓 تاریخ انتشار: 3/2025 | 📁 حجم فایل: 1.28 گیگابایت | ⏳ مدت زمان: 3h 37m

🔍 این دوره مناسب چه کسانی است؟

✅ توسعه‌دهندگان هوش مصنوعی
✅ علاقه‌مندان به پردازش زبان طبیعی (NLP)
✅ محققان و دانشجویان حوزه یادگیری عمیق

🚀 سرفصل‌های اصلی دوره

🔧 بخش ۱: مفاهیم پایه

تاریخچه هوش مصنوعی 📜
مکانیسم توجه (Attention) و نقش آن در درک متن 🔎

🧩 بخش ۲: معماری Transformer

رمزگذاری موقعیتی (Positional Encoding) 🧠
خودآگاهی (Self-Attention) و توجه چندسر (Multi-Head) 💡
مقایسه GPT و BERT ⚖️

💻 بخش ۳: پیاده‌سازی عملی

توکن‌سازی (Tokenization) با PyTorch 🛠️
کدنویسی مدل‌های Transformer از صفر 🖥️
بهینه‌سازی معماری Deepseek 🚀

🌈 چرا این دوره ویژه است؟

📚 آموزش **مکانیسم‌های توجه** به زبان ساده
⚡ تحلیل معماری **Deepseek** و تفاوت آن با ChatGPT
🎯 تمرکز بر کاربردهای واقعی با مثال‌های کد محور

📥 چگونه شروع کنیم؟

برای دسترسی به لینک‌های دانلود و پشتیبانی فنی، روی دکمه زیر کلیک کنید 👇

💬 نظرات دانشجویان

"بهترین دوره فارسی برای درک Transformer! از کدهای عملی تا تحلیل مقاله Deepseek 👌" - امیرحسین

📢 توجه!

در صورت نیاز به بروزرسانی محتوا یا گزارش لینک‌های معیوب، از طریق بخش نظرات با ما در ارتباط باشید. 💌

🛑 برای مشاهده سایر دوره‌های آموزشی، اینجا کلیک کنید.

سرفصلها

1 مقدمه ای برای دوره

0:03:49 مشاهده

فایل‌های این فصل