خیلی از دانشجویان میخواهند مستقیم سراغ مدلهای زبانی بزرگ (LLM) و هوش مصنوعی مولد بروند، ولی بدون فهم رگرسیون، دستهبندی، و نحوه کار شبکههای عصبی ساده، درک عمیق از LLMها هم سطحی باقی میماند.
توصیه من همیشه این بوده: اول با مدلهای سادهتر (رگرسیون خطی و لجستیک) شروع کنید تا مفهوم Loss و Gradient Descent را واقعاً بفهمید، بعد به سراغ شبکههای عصبی و در نهایت مدلهای پیشرفتهتر بروید. این دقیقاً همان ترتیبی است که در دوره «مقدمهای بر هوش مصنوعی» پیش میرویم.
برای مرور ساختار کامل این مسیر یادگیری:
ساختار کامل دوره یادگیری ماشین گوگل: https://developers.google.com/machine-learning/crash-course
وبلاگ