SPLADE چیست؟ آموزش جست‌وجوی عصبی با بردارهای پراکنده در Python و Qdrant

SPLADE چیست و چگونه جست‌وجوی واژگانی را با یادگیری عمیق ترکیب می‌کند؟ در این راهنما، بردارهای پراکنده، گسترش واژگان، تفاوت با BM25 و Dense Embedding و پیاده‌سازی جست‌وجو با Python و Qdrant را می‌آموزید.

Matryoshka Embedding چیست؟ آموزش کاهش ابعاد بردارهای معنایی با Python

Matryoshka Embedding چیست و چگونه ابعاد بردارهای معنایی را کاهش می‌دهد؟ در این راهنما، تفاوت با PCA و Quantization، محاسبه هزینه ذخیره‌سازی و پیاده‌سازی جست‌وجوی دومرحله‌ای با Python را می‌آموزید.

ColBERT چیست؟ آموزش جست‌وجوی چندبرداری و Late Interaction با Python

ColBERT چیست و چگونه با جست‌وجوی چندبرداری، ارتباط پرسش و سند را بررسی می‌کند؟ در این راهنما، Late Interaction، امتیاز MaxSim، تفاوت با Cross-Encoder و پیاده‌سازی عملی با Python و Qdrant را می‌آموزید.

GRPO چیست؟ آموزش یادگیری تقویتی مدل‌های زبانی با Python و TRL

GRPO چیست و چگونه مدل‌های زبانی با مقایسه پاداش چند پاسخ آموزش می‌بینند؟ در این راهنما، تفاوت GRPO، PPO و DPO، طراحی تابع پاداش، ارتباط با DeepSeek و مثال آموزشی Python و TRLرا بررسی می‌کنیم.

DPO چیست؟ آموزش تنظیم مدل زبانی با داده ترجیحی، TRL و LoRA

DPO چیست و چگونه مدل زبانی از مقایسه پاسخ بهتر و ضعیف‌تر یاد می‌گیرد؟ در این راهنما، تفاوت DPO، SFT و RLHF، طراحی داده ترجیحی فارسی، آموزش با TRLو ارزیابی کیفیت مدل را بررسی می‌کنیم.

JEPA چیست؟ آموزش معماری پیش‌بینی مشترک، I-JEPA و V-JEPA با Python

JEPA چیست و چگونه بدون بازسازی پیکسل‌ها از تصویر و ویدئو یاد می‌گیرد؟ در این راهنما، معماری JEPA، تفاوت I-JEPA و V-JEPA، ارتباط آن با مدل جهان و استخراج ویژگی ویدئو با Pythonرا بررسی می‌کنیم.

GQA چیست؟ تفاوت MHA و MQA و آموزش توجه گروهی با PyTorch

GQA چیست و چگونه مصرف حافظه مدل‌های زبانی را کاهش می‌دهد؟ در این راهنما، تفاوت MHA، MQA و Grouped-Query Attention، تأثیر آن‌ها بر KV Cache و پیاده‌سازی عملی با PyTorchرا بررسی می‌کنیم.

تفاوت مدل Base و Instruct چیست؟ راهنمای انتخاب مدل زبانی با مثالPython

تفاوت مدل Base و Instruct چیست و برای چت‌بات، تولید محتوا یا Fine-tuning کدام مناسب‌تر است؟ در این راهنما، پیش‌آموزش، تنظیم دستورپذیری، قالب گفت‌وگو و ارزیابی فارسی را بررسی می‌کنیم و دو مدل هم‌خانواده را با Python آزمایش می‌کنیم.

RoPE چیست؟ آموزش رمزگذاری موقعیت در Transformer با PyTorch

RoPE چیست و مدل زبانی چگونه ترتیب توکن‌ها را تشخیص می‌دهد؟ در این آموزش، رمزگذاری موقعیت، تفاوت موقعیت مطلق و نسبی، نقش RoPE در Attention، محدودیت افزایش Context و پیاده‌سازی آموزشی با PyTorchرا بررسی می‌کنیم.

مدل MoE چیست؟ آموزش Mixture of Experts، مسیریابی توکن و پیاده‌سازی باPyTorch

مدل MoE چیست و چرا تعداد کل پارامترهای آن با پارامترهای فعال در هر توکن فرق دارد؟ در این آموزش، Expert و Router، مسیریابی Top-k، مشکل توازن بار، تفاوت MoE با مدل Dense و یک پیاده‌سازی آموزشی با PyTorch را بررسی می‌کنیم.

FlashAttention چیست؟ آموزش Attention سریع و کم‌حافظه با PyTorch

FlashAttention چیست و چگونه اجرای Attention را سریع‌تر و کم‌حافظه‌تر می‌کند؟ در این آموزش، تفاوت آن با Attention معمولی، نقش حافظه GPU، ارتباطش با KV Cache و روش بررسی و بنچمارک آن با PyTorchرا می‌آموزید.

Tokenizer چیست؟ آموزش توکن‌سازی متن فارسی، BPE و شمارش توکن با Python

Tokenizer چیست و چرا تعداد توکن‌های متن فارسی با تعداد کلمه‌ها برابر نیست؟ در این آموزش، روش‌های BPE، WordPiece و Unigram، اثر نیم‌فاصله و نویسه‌های فارسی، شمارش توکن با Python و نقش توکن‌سازی در محدودیت ورودی و هزینه APIرا بررسی می‌کنیم.