هوش مصنوعی مولد با رویکرد مدل‌های زبانی بزرگ

1.1. معرفی دوره

14

2.1. اهمیت Generative AI‌، کاربردها تکنیک های موثر

16

1.2. توضیح یادگیری نظارت شده و بدون نظارت و تفاوت ها

08

2.2. روش k-means

09

3.2. روش hierarchichal clustering

10

4.2. PCA

12

5.2. توضیح anomaly detection، کاربرد ها و جمع بندی

18

1.3. آشنایی با ensemble method‌ و کاربرد ها- bagging

16

2.3. آشنایی با boosting method

15

3.3. مقایسه bagging و boosting‌

10

4.3. توضیح روش stacking و جمع بندی

11

1.4. RL ، DL‌ و علت ترکیت مفاهیم

12

2.4. توضیح مفاهیم مرتبط با DQN و policy gradiant method

14

3.4. actor critic method‌

11

1.5. توضیح اولیه شبکه‌های capsule network

16

2.5. بررسی فنی نحوه پردازش و محاسبات ریاضی capsule network

15

3.5. بررسی پیاده‌سازی فنی و کاربردها در آینده

09

1.6. آشنایی با Neural Turing Machines و ساختار ریاضی

16

2.6. پیاده سازی فنی و ساختار معماری Neural Turing Machines

11

1.7. آشنایی با شبکه RNN

22

2.7. آشنایی با LSTM

21

3.7. آشنایی با GRU(Gated Recurrent Unit)

24

1.8. معرفی شبکه‌های GAN‌ و تحلیل ریاضی آن

15

2.8. تحلیل عمیق شبکه‌های GAN

20

3.8. معرفی wGAN و cycleGAN

17

1.9. معرفی اولیه شبکه‌های VAE

14

2.9. بررسی تحلیلی شبکه‌های VAE‌ و ساختار عملکردی

20

3.9. متودهای پیچیده‌تر VAE‌و آینده و چالش‌ها

09

1.10. معرفی اولیه و تاریخچه diffusion models

15

2.10. تحلیل معماری و ریاضیاتی diffusion models

25

3.10. گونه‌های پیچیده‌تر شبکه‌های Diffusion model و آینده و چالش‌ها

18

1.11. معرفی transformer

35

2.11. معرفی و تحلیل BERT

24

3.11. بررسی GPT4-T5 و مقایسه آن‌ها

15

1.12. معرفی اولیه مفهوم transfer learning

15

2.12. بررسی چند نمونه از transfer learningو fine tuning

16

3.12. بررسی کاربردها و آینده

07

1.13. معرفی کلیت prompt engineering

17

2.13. بررسی چند سناریو و advanced prompt engineering

24

1.14. معرفی کلیات multi modal systems

15

2.14. معرفی و بررسی فریم ورک‌های langchain

17

3.14. بررسی سناریوها و آینده multi modal ها

11

1.15. توضیح پروژه پایانی

03