🚀 فصل 6: بهینه‌سازی مدل برای استقرار

مدل باید سبک، سریع و آماده اجرا باشه! تو این فصل تکنیک‌های پیشرفته برای آماده‌سازی مدل جهت استقرار در اپلیکیشن‌های واقعی رو یاد می‌گیریم.
در این فصل، یاد می‌گیرید چگونه مدل‌های زبان بزرگ را برای استقرار بهینه کنید. از تکنیک‌های تقطیر دانش (Knowledge Distillation) گرفته تا کوانتیزیشن و هرس مدل (Model Pruning) برای افزایش بهره‌وری و کاهش منابع مصرفی.

سرفصل‌های این فصل:

    بهینه‌سازی مدل با هدف افزایش بهره‌وری برنامه کاربردی (Model optimizations to improve application performance) 

تقطیر دانش (Knowledge Distillation) 

کوانتیزیشن و هرس مدل (Model Quantization & Pruning) 

هرس مدل‌های زبان بزرگ در عمل (LLM Pruning in Practice) 

پیاده‌سازی تقطیر دانش(Knowledge Distillation) برای LLMها - بخش 1: آماده‌سازی داده و مدل (Implementing Knowledge Distillation for LLMs - Part 1: Data and Model Preparation) 

پیاده‌سازی تقطیر دانش(Knowledge Distillation) برای LLMها - بخش 2: حلقه آموزش و ارزیابی (Implementing Knowledge Distillation for LLMs - Part 2: Training Loop and Evaluation) 

#مدل_زبانی_بزرگ