کنفرانس بین المللی وب پژوهی

عناوین کارگاه های آموزشی دوازدهمین دوره کنفرانس بین المللی وب پژوهی
عنوان کارگاه: علم سنجی و هوش مصنوعی
ارائه دهنده: دکتر فاطمه عظیم زاده – محدثه رفیعی، پایگاه اطلاعات علمی جهاد دانشگاهی (SID)
مباحث کارگاه:
– مقدمه ای بر شبکه های عصبی کانولوشنی، کوانتیزاسیون، مقیاس دهی
– چالش ها
– بررسی رویکرد در پردازنده ی گوشی هوشمند و کارت گرافیک Tesla T4
-مراحل بارگذاری داده، پیش پردازش و آموزش در تنسورفلو
– آموزش آگاه از کوانتیزاسیون در تنسورفلو
عنوان کارگاه: پیوند ذهن و ماشین: تفکر انتقادی و طراحی آموزشی در عصر هوش مصنوعی
ارائه دهنده: دکتر محسن محمودی، آزمایشگاه یادگیری الکترونیکی، دانشگاه تهران
مباحث کارگاه:
– مقدمه ای بر شبکه های متخاصم مولد (GAN)
– انواع مختلف معماری GAN
-کاربردهای عملیGAN ها
– چالش ها و محدودیت ها در آموزش و بهینه سازی GAN
– جهت گیری های آینده در تحقیق و توسعه GAN
عنوان کارگاه :Customizing and Improving the Performance LLMs
ارائه دهنده: دکتر علیرضا رضوانیان
مباحث کارگاه:
در این کارگاه 1 ساعته، نحوه استفاده و به کارگیری ابزارهای هوش مصنوعی مولد در نرم افزار رپیدماینر به صورت عملی معرفی شده و یک پروژه ساده برای تحلیل احساسات به کمک هوش مصنوعی مولد انجام خواهد شد.
-معرفی اجمالی از GAI
– آشنایی با افزونه GAI در رپیدماینر و نحوه نصب آن
– آشنایی با عملگر دانلود مدل های هوش مصنوعی از سایت Hugging face
– آشنایی با عملگر بارگزاری مدل های هوش مصنوعی
– آشنایی با عملگرها 10 گانه GAI شامل محاوره (Conversational)، پر کردن جاهای خالی (Fill Mask)، پرسش و پاسخ (Question Answering)، خلاصه سازی (Summarization)، تولید متن به متن (Text2Text Generation)، طبقه‌بندی متن (Text Classification)، تولید متن (Text Generation)، طبقه بندی کلمه (Token Classification)، ترجمه (Translation)، طبقه‌بندی بدون نمونه سنجیده شده (Zero Shot Classification)
– آشنایی با نحوه تنظیم دقیق (fine tuning) یک مدل هوش مصنوعی مولد با استفاده از مطالب کاربردی ما (مجموعه داده سفارشی و شخصی ما)
عنوان کارگاه: علم سنجی و هوش مصنوعی
ارائه دهنده: دکتر فاطمه عظیم زاده – محدثه رفیعی، پایگاه اطلاعات علمی جهاد دانشگاهی (SID)
مباحث کارگاه:
– مقدمه ای بر شبکه های عصبی کانولوشنی، کوانتیزاسیون، مقیاس دهی
– چالش ها
– بررسی رویکرد در پردازنده ی گوشی هوشمند و کارت گرافیک Tesla T4
-مراحل بارگذاری داده، پیش پردازش و آموزش در تنسورفلو
– آموزش آگاه از کوانتیزاسیون در تنسورفلو
عنوان کارگاه: پیوند ذهن و ماشین: تفکر انتقادی و طراحی آموزشی در عصر هوش مصنوعی
ارائه دهنده: دکتر محسن محمودی، آزمایشگاه یادگیری الکترونیکی، دانشگاه تهران
مباحث کارگاه:
– مقدمه ای بر شبکه های متخاصم مولد (GAN)
– انواع مختلف معماری GAN
-کاربردهای عملیGAN ها
– چالش ها و محدودیت ها در آموزش و بهینه سازی GAN
– جهت گیری های آینده در تحقیق و توسعه GAN
عنوان کارگاه :Customizing and Improving the Performance LLMs
ارائه دهنده: دکتر علیرضا رضوانیان
مباحث کارگاه:
در این کارگاه 1 ساعته، نحوه استفاده و به کارگیری ابزارهای هوش مصنوعی مولد در نرم افزار رپیدماینر به صورت عملی معرفی شده و یک پروژه ساده برای تحلیل احساسات به کمک هوش مصنوعی مولد انجام خواهد شد.
-معرفی اجمالی از GAI
– آشنایی با افزونه GAI در رپیدماینر و نحوه نصب آن
– آشنایی با عملگر دانلود مدل های هوش مصنوعی از سایت Hugging face
– آشنایی با عملگر بارگزاری مدل های هوش مصنوعی
– آشنایی با عملگرها 10 گانه GAI شامل محاوره (Conversational)، پر کردن جاهای خالی (Fill Mask)، پرسش و پاسخ (Question Answering)، خلاصه سازی (Summarization)، تولید متن به متن (Text2Text Generation)، طبقه‌بندی متن (Text Classification)، تولید متن (Text Generation)، طبقه بندی کلمه (Token Classification)، ترجمه (Translation)، طبقه‌بندی بدون نمونه سنجیده شده (Zero Shot Classification)
– آشنایی با نحوه تنظیم دقیق (fine tuning) یک مدل هوش مصنوعی مولد با استفاده از مطالب کاربردی ما (مجموعه داده سفارشی و شخصی ما)
فهرست