چت جی‌پی‌تی و LLM ها چطور کار میکنند ؟ آموزش شبکه‌های عصبی و مقدمه‌ای بر LLM ها

در این قسمت از دوره AI Crash Course گرینولی، به بررسی مفاهیم پایه‌ای شبکه‌های عصبی و مدل‌های زبانی بزرگ می‌پردازیم. در ساعت 00:00:00 با تشخیص اعداد دست‌نویس با شبکه عصبی شروع می‌کنیم، سپس در 00:04:22 به توضیح کار hidden layers ها می‌پردازیم و در 00:06:48 نقش وزن در شبکه عصبی را بررسی می‌کنیم. در 00:11:22 کاربرد تابع زیگموید در شبکه عصبی را توضیح می‌دهیم و در 00:16:48 طراحی شبکه عصبی برای تشخیص اعداد دست‌نویس را نشان می‌دهیم. در 00:19:57 به مفهوم Generalized Learning می‌پردازیم و در 00:24:23 روش کاهش خطا با گرادیان کاهشی را بررسی می‌کنیم. در 00:31:41 توضیح می‌دهیم که gradient descent چیست و چگونه کار می‌کند، سپس در 00:40:38 به متد back propagation می‌پردازیم. در 00:50:40 به stochastic gradient descent می‌پردازیم و در 00:53:48 به توضیح back propagation به زبان ریاضی می‌پردازیم. در 00:59:47 به نحوه کار مدل‌های زبانی بزرگ (LLM) می‌پردازیم و در 01:05:35 به نقش ترنسفورمرها در LLM ها می‌پردازیم.