آموزش پردازش زبان طبیعی

40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
chatGTP
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله

آموزش پردازش زبان طبیعی از سطح مقدماتی تا پیشرفته

لاما 3 در برابر لاما 3.1: کدام برای محصولات هوش مصنوعی شما بهتر است؟
انتروپیک پرده از دستورات مخفی کلود ۳ برمی‌دارد
هشت مدل زبانی بزرگ بازمتن برتر برای سال ۲۰۲۴
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس؛ بارگذاری دیتاست‌ها (قسمت اول فصل پنجم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس؛ آزمون پایانی (قسمت پنجم فصل چهارم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس؛ ساخت کارت مدل (قسمت چهارم فصل چهارم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس؛ ایجاد منبع (قسمت سوم فصل چهارم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس؛ مدل‌هایِ از پیش آموزش‌یافته (قسمت دوم فصل چهارم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ هاگینگ فیس هاب (قسمت اول فصل چهارم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ آزمون پایان فصل (قسمت سوم فصل سوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ تنظیم دقیق مدل با Keras (فصل سوم؛قسمت دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ تنظیم مدل از‌پیش آموزش‌دیده (قسمت اول فصل سوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ آزمون پایان فصل (قسمت هفتم فصل دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ‌فیس؛جمع‌بندی فصل دوم (قسمت‌ششم فصل‌دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ مدیریت چندین توالی ورودی (قسمت پنجم فصل دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ توکن کننده ها (قسمت چهارم فصل دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ مدل ها (قسمت سوم فصل دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ بررسی جامع پایپ لاین (قسمت دوم فصل دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ مقدمه (قسمت اول فصل دوم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ آزمون پایان فصل (قسمت یازدهم)
آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس ؛ جمع‌بندی فصل اول (قسمت دهم)

آموزش پردازش زبان طبیعی

لاما 3 در برابر لاما 3.1: کدام برای محصولات هوش مصنوعی شما بهتر است؟

در جولای 2024، متا جدیدترین مدل پیشرفته خود، لاما 3.1 با 405 میلیارد پارامتر را به همراه نسخه‌های کوچک‌تر آن، لاما 3.1 70B و لاما 3.1 8B منتشر کرد. این انتشار تنها سه ماه پس از معرفی لاما 3 صورت گرفت. در حالی که لاما 3.1 405B در اکثر معیارها از GPT-4 و کلود 3 اوپوس پیشی می‌گیرد و آن را به قدرتمندترین مدل متن‌باز موجود تبدیل می‌کند، ممکن است به دلیل زمان تولید کند و زمان بالای اولین توکن (TTFT) برای بسیاری از کاربردهای دنیای واقعی انتخاب مناسبی نباشد.

انتروپیک پرده از دستورات مخفی کلود ۳ برمی‌دارد

برخلاف تصور رایج، مدل‌های هوش مصنوعی تولیدکننده متن، موجودات باهوش و دارای شخصیت نیستند. این مدل‌ها در واقع سیستم‌های آماری پیشرفته‌ای هستند که وظیفه‌شان پیش‌بینی محتمل‌ترین کلمه بعدی در یک جمله است. اما مانند کارآموزانی در محیط کاری سخت‌گیر، آن‌ها از مجموعه قوانینی به نام «دستورات سیستمی» پیروی می‌کنند. این دستورات پایه‌های عملکردی مدل‌ها را مشخص می‌کنند و بایدها و نبایدهای آن‌ها را تعیین می‌کنند.

هشت مدل زبانی بزرگ بازمتن برتر برای سال ۲۰۲۴

انقلاب کنونی در حوزه هوش مصنوعی مولد، بدون مدل‌های زبانی بزرگ (LLM) امکان‌پذیر نبود. LLMها، مبتنی بر ترانسفورمرها، معماری عصبی قدرتمند، سیستم‌های هوش مصنوعی هستند که برای مدل‌سازی و پردازش زبان انسان استفاده می‌شوند. آن­ها به دلیل داشتن صدها میلیون یا حتی میلیاردها پارامتر که با استفاده از مجموعه‌ای عظیم از دادۀ متنی پیش‌آمده­اند، «مدل‌های زبانی بزرگ» یا LLM نامیده می‌شوند.

[wpforms id="48325"]