مراحل

توضیحات

مرحله اول

تاریخچه، مفاهیم پایه، تفاوت با مدل‌های آماری

مرحله دوم

معماری‌های کلاسیک و مدرن RNN، LSTM، Transformer، Attention

مرحله سوم

بررسی مدل‌های معروف BERT، GPT، T5، LLaMA

مرحله چهارم

داده و پیش‌پردازشTokenization، پاک‌سازی داده، چالش‌های داده‌ای

مرحله پنجم

آموزش مدل‌ها  Pretraining، Fine-tuning، روش‌های بهینه‌سازی

مرحله ششم

ارزیابی عملکرد:  Perplexity، BLEU، ROUGE، تحلیل رفتاری

مرحله هفتم

کاربردهای عملی : تولید متن، ترجمه، چت‌بات، خلاصه‌سازی

مرحله هشتم

اخلاق و مسئولیت : سوگیری، حریم خصوصی، استفاده مسئولانه