چگونه یک ChatGPT کوچک بسازیم؟ 🚀 ساخت LLM از صفر با PyTorch و Fine-Tuning - جلسه 7 | Pista Academy

از Pista Academy حمایت کنید

حمایت شما به ادامه تولید آموزش‌های باکیفیت کمک می‌کند.

حمایت مالی

Pista Academy

LEARN • BUILD • GROW

چگونه یک ChatGPT کوچک بسازیم؟ 🚀 ساخت LLM از صفر با PyTorch و Fine-Tuning - جلسه 7 | Pista Academy

خلاصه آموزشی

خلاصه این جلسه

مرور سریع مفاهیم اصلی پیش از تماشای کامل یا برای جمع‌بندی بعد از آموزش.

در جلسه ۷ این دوره، مدرس به تقسیم دیتای مدل به دو بخش آموزشی و ارزیابی (ترین و ولیدیشن) پرداخته و توضیح داده است که چگونه با استفاده از انتخاب نقطه شروع تصادفی و ترکیب بچ‌ها، دیتای بزرگ به بچ‌های کوچک تقسیم شود تا عملکرد مدل بهبود یابد. در پایان جلسه، مدرس اعلام کرد که جلسه بعدی برای توضیح مفاهیم بیشتر در نظر گرفته شده است.

نکات کلیدی

در این جلسه یاد می‌گیرید

تقسیم دیتای مدل به دو بخش آموزشی و ارزیابی برای بهبود عملکرد مدل ضروری است.

استفاده از انتخاب نقطه شروع تصادفی و ترکیب بچ‌ها به بهبود کارایی آموزش مدل کمک می‌کند.

جلسه ۷ به پایان رسیده است و جلسه بعدی برای توضیح مفاهیم بیشتر در نظر گرفته شده است.

متن ویدیو

Transcript کامل

متن زمان‌بندی‌شده این جلسه برای مرور، جستجو و دسترسی سریع‌تر.

00:03
سلام عرض می‌کنم خدمت دوستان عزیز. بریم سراغ ادامه دورهمون و
00:06
رسیدیم به کجا؟ رسیدیم به اینکه تو این
00:10
مرحله هستیم الان مرحله‌ای که میخوایم
00:13
دیتاون رو به دو قسمت ترین و ولیدیشن و

پرسش‌های رایج

سؤالات متداول این جلسه

پاسخ کوتاه و مستقیم به پرسش‌هایی که معمولاً هنگام یادگیری این موضوع مطرح می‌شوند.

چگونه دیتای مدل را به دو بخش تقسیم کنیم؟↓

دیتای مدل به دو بخش آموزشی (ترین) و ارزیابی (ولیدیشن) تقسیم می‌شود تا عملکرد مدل بهبود یابد.

چه تکنیکی برای ایجاد بچ‌های کوچک از دیتای بزرگ استفاده می‌شود؟↓

از انتخاب نقطه شروع تصادفی و ترکیب بچ‌ها استفاده می‌شود تا دیتای بزرگ به بچ‌های کوچک تقسیم شود.

جلسه ۷ به پایان رسیده است؟↓

بله، جلسه ۷ به پایان رسیده است و جلسه بعدی برای توضیح مفاهیم بیشتر در نظر گرفته شده است.

آخرین به‌روزرسانی محتوای متنی: 2026-10-04

درباره این ویدیو

آیا می‌خواهید واقعاً درک کنید که مدل‌های زبانی بزرگ (Large Language Models) چگونه ساخته می‌شوند؟ در این دوره آموزشی، از سطح مفاهیم پایه شروع می‌کنیم و قدم‌به‌قدم یک مدل زبانی بزرگ را از صفر با استفاده از PyTorch پیاده‌سازی می‌کنیم. هدف این دوره فقط استفاده از مدل‌های آماده نیست؛ بلکه یاد می‌گیریم در پشت صحنه LLMها چه اتفاقی رخ می‌دهد و چگونه می‌توان یک مدل زبانی را ساخت، آموزش داد، بهبود داد و برای کاربردهای واقعی آماده کرد. در طول این دوره، معماری داخلی مدل‌های زبانی بزرگ، فرآیند آموزش، Alignment، Fine-Tuning و تکنیک‌های مدرن بهینه‌سازی مدل‌ها را بررسی خواهیم کرد. در این مسیر یاد می‌گیریم: 🔹 ساخت یک LLM کوچک از صفر و درک تمام مفاهیم کلیدی پشت آن 🔹 بررسی معماری Transformer و اجزای اصلی مدل‌های زبانی 🔹 تحلیل عمیق نحوه عملکرد مدل با Visualizationهای پیشرفته 🔹 پیاده‌سازی و درک مفاهیم داخلی یک Advanced LLM 🔹 ساخت فرآیند Alignment از صفر و آشنایی با نحوه هماهنگ‌سازی مدل‌ها با اهداف انسانی 🔹 انجام Fine-Tuning مدل‌های زبانی با استفاده از QLoRA 🔹 یادگیری تکنیک‌های کاهش هزینه آموزش و بهینه‌سازی مدل‌ها 🔹 بررسی ارتباط بین شبکه‌های عصبی، یادگیری ماشین و مدل‌های مولد 🔹 توسعه درک عمیق‌تر از نحوه کارکرد مدل‌های Generative AI سرفصل‌های اصلی دوره: 📌 Coding a Small LLM from Scratch ساخت یک مدل زبانی کوچک و بررسی تمام مفاهیم پایه مورد نیاز 📌 Inside the AI Matrix Visualization و تحلیل عمیق ساختار داخلی LLMها 📌 Understanding Advanced LLMs بررسی معماری و مفاهیم پیشرفته مدل‌های زبانی 📌 Building Alignment Process from Scratch درک فرآیند Alignment و نحوه آموزش مدل برای رفتار بهتر 📌 Fine-Tuning LLMs with QLoRA افزودن مهارت‌های جدید به مدل‌های زبانی با روش‌های کم‌هزینه Fine-Tuning 📌 Origami + AI Learning بررسی ارتباط ایده‌های یادگیری، شبکه‌های عصبی و هوش مصنوعی 📌 Activating the Generative Model of Your Own Mind نگاهی عمیق‌تر به مدل‌های مولد و نحوه تفکر در مورد AI این دوره مناسب چه کسانی است؟ ✅ مهندسان یادگیری ماشین و هوش مصنوعی ✅ برنامه‌نویسان Python و PyTorch ✅ دانشجویان علاقه‌مند به Deep Learning ✅ افرادی که می‌خواهند از سطح استفاده‌کننده مدل‌های AI به سطح سازنده مدل برسند ✅ کسانی که می‌خواهند درک عمیقی از ChatGPT، Llama و مدل‌های مشابه داشته باشند پیش‌نیازهای پیشنهادی: آشنایی مقدماتی با Python آشنایی اولیه با Deep Learning آشنایی پایه با مفاهیم Neural Networks در این دوره، به جای اینکه فقط از LLMها استفاده کنیم، یاد می‌گیریم چگونه آن‌ها را بسازیم، آموزش دهیم و شخصی‌سازی کنیم. 🎓 برای مشاهده کامل این دوره و دوره‌های تخصصی بیشتر در حوزه هوش مصنوعی، به کانال Pista Academy مراجعه کنید. #LLM #LargeLanguageModels #PyTorch #DeepLearning #GenerativeAI #FineTuning #QLoRA #ArtificialIntelligence #machinelearning pistaacademy.ir