آموزش‌ها و راهنماهای کاربردی برای استفاده از هوش مصنوعی، API درواره، مدل‌های پیشرفته و ابزارهای توسعه، به‌صورت گام‌به‌گام و عملی. توجه: آموزش‌های این مقاله با هدف یادگیری و آشنایی با فناوری‌های هوش مصنوعی ارائه شده‌اند. اجرای دستورالعمل‌ها، کدها و تنظیمات معرفی‌شده بر عهده کاربر است و درواره مسئولیتی در قبال نتایج، خطاها یا خسارت‌های احتمالی ناشی از استفاده از آن‌ها ندارد.
آموزش و راهنما
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.
آموزش و راهنما
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.
آموزش و راهنما
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.
آموزش و راهنما
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.
آموزش و راهنما
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.
آموزش و راهنما
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.
آموزش و راهنما
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.
آموزش و راهنما
KV Cache چیست و چرا در تولید پاسخ مدل‌های زبانی اهمیت دارد؟ در این آموزش، سازوکار ذخیره کلیدها و مقدارهای Attention، اثر آن بر سرعت و حافظه، انواع Cache و تفاوت آن با Prefix Caching را بررسی می‌کنیم و با Pythonیک آزمایش عملی می‌سازیم.
آموزش و راهنما
Quantization چگونه حجم و حافظه موردنیاز مدل هوش مصنوعی را کاهش می‌دهد؟ در این آموزش، تفاوت ۴ و ۸ بیت، GGUF، bitsandbytes و QLoRAرا می‌شناسید و با کد عملی کیفیت و هزینه اجرای مدل را بررسی می‌کنید. عنوان متا:
آموزش و راهنما
چگونه می‌توان دانش یک مدل بزرگ را به مدلی کوچک‌تر منتقل کرد؟ در این آموزش، Knowledge Distillation، مدل معلم و دانش‌آموز، Soft Targets و Temperature را می‌شناسید و یک آزمایش کامل را با PyTorch اجرا می‌کنید.
آموزش و راهنما
StandardScaler، MinMaxScaler و RobustScaler چه تفاوتی دارند و چه زمانی باید از هرکدام استفاده کرد؟ در این آموزش، اثر مقیاس ویژگی‌ها بر KNN و سایر مدل‌ها را می‌بینید و روش صحیح پیاده‌سازی بدون نشت داده را با Pythonیاد می‌گیرید.
آموزش و راهنما
مقادیر خالی دیتاست را حذف کنیم یا جایگزین؟ در این آموزش، انواع داده گمشده، روش‌های Median و KNN، شاخص گم‌شدگی و مدل‌های دارای پشتیبانی مستقیم از NaN را می‌شناسید و با Python آن‌ها را بدون نشت داده مقایسه می‌کنید.