دوره آموزشی هوش مصنوعی مولد: مقدمه‌ای بر مدل‌های انتشار برای تولید متن

توی این دوره، Wuraola Oyewusi—دانشمند داده و متخصص یادگیری ماشین و هوش مصنوعی—بهت مدل‌های انتشار (Diffusion Models) رو معرفی می‌کنه و نشون می‌ده چطور می‌تونی ازشون برای تولید متن (Natural Language Generation یا NLG) استفاده کنی.

مدل‌های انتشار یک جایگزین جذاب برای روش‌های سنتی Autoregressive هستن و می‌تونن متن‌های متنوع و قابل کنترل تولید کنن. تو این دوره با تمرین‌های عملی یاد می‌گیری چطور مدل‌های انتشار متن بسازی، تنظیم دقیق‌شون کنی و با پیاده‌سازی‌های محبوب مثل Hugging Face کار کنی.

با این دوره، مهارت استفاده از تکنیک‌های پیشرفته تولید متن با مدل‌های انتشار رو به دست میاری و می‌تونی پروژه‌های واقعی تولید محتوا و متن هوش مصنوعی رو مدیریت و اجرا کنی.

اهداف یادگیری
درک اصول هوش مصنوعی مولد (Generative AI) و کاربردش در تولید متن (NLG)
مقایسه Diffusion Models و Autoregressive Models و شناخت مزایا و چالش‌های هر کدوم
ساخت مدل انتشار متن ساده از صفر با استفاده از BERT embeddings از پیش آموزش دیده
تنظیم دقیق مدل برای تولید متن شرطی بر اساس پرومت‌ها یا زمینه مشخص
کار با مدل‌های پیشرفته انتشار متن مثل Google Gemini Diffusion Model و پلتفرم‌هایی مثل AI Studio