[FA] Add complete Persian translations and subtitles for the Hugging Face Course

chapters/fa/_toctree.yml

@@ -9,6 +9,25 @@
     title: مقدمه
   - local: chapter1/2
     title: پردازش زبان طبیعی
+  - local: chapter1/3
+    title: ترنسفورمرها چه کارهایی می‌توانند انجام دهند؟
+  - local: chapter1/4
+    title: ترنسفورمرها چگونه کار می‌کنند؟
+  - local: chapter1/5
+    title: ترنسفورمرهای 🤗 چگونه مسائل را حل می‌کنند
+  - local: chapter1/6
+    title: معماری‌های ترنسفورمر
+  - local: chapter1/7
+    title: آزمون بدون نمره
+  - local: chapter1/8
+    title: استنتاج با LLMها
+  - local: chapter1/9
+    title: سوگیری و محدودیت‌ها
+  - local: chapter1/10
+    title: خلاصه
+  - local: chapter1/11
+    title: زمان آزمون!
+    quiz: 1
 
 - title: ۲- بکارگیری ترنسفورمرهای هاگینگ‌فِیس
   sections:
@@ -18,6 +37,18 @@
     title: پشت صحنه خط تولید
   - local: chapter2/3
     title: مدل‌ها
+  - local: chapter2/4
+    title: توکِنایزرها
+  - local: chapter2/5
+    title: کار با چندین توالی
+  - local: chapter2/6
+    title: همه‌چیز را کنار هم بگذاریم
+  - local: chapter2/7
+    title: استفاده‌ی پایه به پایان رسید!
+  - local: chapter2/8
+    title: استقرار بهینه‌ی استنتاج
+  - local: chapter2/9
+    title: آزمون پایان فصل
 
 - title: ۳- کوک کردن یک مدل از پیش تعلیم دیده
   sections:
@@ -28,13 +59,209 @@
   - local: chapter3/3
     title: کوک کردن مدل‌ها با استفاده از Trainer API یا کِراس
     local_fw: { pt: chapter3/3, tf: chapter3/3_tf }
+  - local: chapter3/4
+    title: یک حلقه‌ی تعلیم کامل
+  - local: chapter3/5
+    title: درک منحنی‌های یادگیری
+  - local: chapter3/6
+    title: کوک کردن، تمام!
+  - local: chapter3/7
+    title: آزمون پایان فصل
+    quiz: 3
 
 - title: ۴- به اشتراک‌گذاری مدل‌ها و توکِنایزرها
   sections:
   - local: chapter4/1
     title: هاب هاگینگ‌فِیس
   - local: chapter4/2
     title: بکارگیری مدل‌های از پیش تعلیم دیده
+  - local: chapter4/3
+    title: به‌اشتراک‌گذاری مدل‌های از پیش تعلیم دیده
+  - local: chapter4/4
+    title: ساختن کارت مدل
+  - local: chapter4/5
+    title: بخش اول تکمیل شد!
+  - local: chapter4/6
+    title: آزمون پایان فصل
+    quiz: 4
+
+- title: ۵- کتابخانه‌ی 🤗 Datasets
+  sections:
+  - local: chapter5/1
+    title: مقدمه
+  - local: chapter5/2
+    title: اگر دیتاست من در هاب نباشد چه؟
+  - local: chapter5/3
+    title: وقت برش‌زدن و قسمت‌بندی است
+  - local: chapter5/4
+    title: داده‌های بزرگ؟ 🤗 Datasets به کمک شما می‌آید!
+  - local: chapter5/5
+    title: ساختن دیتاست خودتان
+  - local: chapter5/6
+    title: جست‌وجوی معنایی با FAISS
+  - local: chapter5/7
+    title: 🤗 Datasets، تمام!
+  - local: chapter5/8
+    title: آزمون پایان فصل
+    quiz: 5
+
+- title: ۶- کتابخانه‌ی 🤗 Tokenizers
+  sections:
+  - local: chapter6/1
+    title: مقدمه
+  - local: chapter6/2
+    title: تعلیم یک توکِنایزر جدید از روی توکِنایزر قدیمی
+  - local: chapter6/3
+    title: قابلیت‌های ویژه‌ی توکِنایزرهای سریع
+  - local: chapter6/3b
+    title: توکِنایزرهای سریع در خط تولید پاسخ‌گویی به پرسش
+  - local: chapter6/4
+    title: نرمال‌سازی و پیش‌توکِن‌سازی
+  - local: chapter6/5
+    title: توکِن‌سازی با Byte-Pair Encoding
+  - local: chapter6/6
+    title: توکِن‌سازی با WordPiece
+  - local: chapter6/7
+    title: توکِن‌سازی با Unigram
+  - local: chapter6/8
+    title: ساختن یک توکِنایزر، گام‌به‌گام
+  - local: chapter6/9
+    title: توکِنایزرها، تمام!
+  - local: chapter6/10
+    title: آزمون پایان فصل
+    quiz: 6
+
+- title: ۷- وظایف کلاسیک NLP
+  sections:
+  - local: chapter7/1
+    title: مقدمه
+  - local: chapter7/2
+    title: دسته‌بندی توکِن
+  - local: chapter7/3
+    title: کوک کردن یک مدل زبان ماسک‌شده
+  - local: chapter7/4
+    title: ترجمه
+  - local: chapter7/5
+    title: خلاصه‌سازی
+  - local: chapter7/6
+    title: تعلیم یک مدل زبان علّی از صفر
+  - local: chapter7/7
+    title: پاسخ‌گویی به پرسش
+  - local: chapter7/8
+    title: تسلط بر مدل‌های زبانی بزرگ
+  - local: chapter7/9
+    title: آزمون پایان فصل
+    quiz: 7
+
+- title: ۸- چگونه کمک بخواهیم
+  sections:
+  - local: chapter8/1
+    title: مقدمه
+  - local: chapter8/2
+    title: وقتی خطا می‌گیرید چه باید کرد
+  - local: chapter8/3
+    title: درخواست کمک در انجمن‌ها
+  - local: chapter8/4
+    title: اشکال‌زدایی خط لوله‌ی تعلیم
+    local_fw: { pt: chapter8/4, tf: chapter8/4_tf }
+  - local: chapter8/5
+    title: چگونه یک issue خوب بنویسیم
+  - local: chapter8/6
+    title: بخش دوم تمام شد!
+  - local: chapter8/7
+    title: آزمون پایان فصل
+    quiz: 8
+
+- title: ۹- ساختن و به‌اشتراک‌گذاری دموها
+  subtitle: مدلی تعلیم دادم، اما چطور آن را نمایش دهم؟
+  sections:
+  - local: chapter9/1
+    title: مقدمه‌ای بر گریدیو
+  - local: chapter9/2
+    title: ساختن اولین دمو
+  - local: chapter9/3
+    title: درک کلاس Interface
+  - local: chapter9/4
+    title: به‌اشتراک‌گذاری دموها با دیگران
+  - local: chapter9/5
+    title: یکپارچه‌سازی با هاب هاگینگ‌فیس
+  - local: chapter9/6
+    title: ویژگی‌های پیشرفته‌ی Interface
+  - local: chapter9/7
+    title: مقدمه‌ای بر گریدیو Blocks
+  - local: chapter9/8
+    title: گریدیو، تمام شد!
+  - local: chapter9/9
+    title: آزمون پایان فصل
+    quiz: 9
+
+- title: ۱۰- گردآوری دیتاسِت‌های باکیفیت
+  subtitle: چگونه از آرژیلا برای ساخت دیتاسِت‌های شگفت‌انگیز استفاده کنیم
+  sections:
+  - local: chapter10/1
+    title: مقدمه‌ای بر آرژیلا
+  - local: chapter10/2
+    title: راه‌اندازی نمونه‌ی آرژیلا
+  - local: chapter10/3
+    title: بارگذاری دیتاسِت در آرژیلا
+  - local: chapter10/4
+    title: حاشیه‌گذاری دیتاسِت
+  - local: chapter10/5
+    title: استفاده از دیتاسِت حاشیه‌گذاری‌شده
+  - local: chapter10/6
+    title: آرژیلا، تمام شد!
+  - local: chapter10/7
+    title: آزمون پایان فصل
+    quiz: 10
+
+- title: ۱۱- کوک‌کردن مدل‌های زبانی بزرگ
+  subtitle: استفاده از تعلیم نظارت‌شده و انطباق رتبه‌کم برای کوک‌کردن یک مدل زبانی بزرگ
+  sections:
+  - local: chapter11/1
+    title: مقدمه
+  - local: chapter11/2
+    title: قالب‌های گفت‌وگو
+  - local: chapter11/3
+    title: کوک‌کردن با SFTTrainer
+  - local: chapter11/4
+    title: LoRA (انطباق رتبه‌کم)
+  - local: chapter11/5
+    title: ارزیابی
+  - local: chapter11/6
+    title: نتیجه‌گیری
+  - local: chapter11/7
+    title: وقت آزمون!
+    quiz: 11
+
+- title: ۱۲- ساختن مدل‌های استدلالی
+  subtitle: یادگیری ساخت مدل‌های استدلالی مانند DeepSeek R1
+  new: true
+  sections:
+  - local: chapter12/1
+    title: مقدمه
+  - local: chapter12/2
+    title: یادگیری تقویتی روی مدل‌های زبانی بزرگ
+  - local: chapter12/3
+    title: لحظه‌ی آها در مقاله‌ی DeepSeek R1
+  - local: chapter12/3b
+    title: درک پیشرفته‌ی GRPO در DeepSeekMath
+  - local: chapter12/4
+    title: پیاده‌سازی GRPO در TRL
+  - local: chapter12/5
+    title: تمرین عملی برای کوک‌کردن مدل با GRPO
+  - local: chapter12/6
+    title: تمرین عملی با Unsloth
+  - local: chapter12/7
+    title: به‌زودی...
+
+- title: رویدادهای دوره
+  sections:
+  - local: events/1
+    title: نشست‌های زنده و کارگاه‌ها
+  - local: events/2
+    title: رویداد انتشار بخش ۲
+  - local: events/3
+    title: جشن Gradio Blocks
 
 - title: واژه‌نامه
   sections:

chapters/fa/chapter1/10.mdx

@@ -0,0 +1,102 @@
+<div dir="rtl">
+
+# خلاصه[[summary]]
+
+<CourseFloatingBanner
+    chapter={1}
+    classNames="absolute z-10 right-0 top-0"
+/>
+
+در این فصل با مبانی مدل‌های ترنسفورمر، مدل‌های زبانی بزرگ (LLMها) و نحوه‌ی متحول کردن هوش مصنوعی و فراتر از آن توسط این مدل‌ها آشنا شدید.
+
+## مفاهیم کلیدی پوشش‌داده‌شده
+
+### پردازش زبان طبیعی و LLMها
+
+بررسی کردیم NLP چیست و مدل‌های زبانی بزرگ چگونه این حوزه را متحول کرده‌اند. آموختید که:
+
+<div dir="rtl">
+
+- NLP طیف گسترده‌ای از وظایف، از دسته‌بندی تا تولید، را در بر می‌گیرد.
+- LLMها مدل‌های قدرتمندی هستند که با مقدار بسیار زیادی داده‌ی متنی تعلیم داده شده‌اند.
+- این مدل‌ها می‌توانند چندین وظیفه را در یک معماری واحد انجام دهند.
+- LLMها با وجود قابلیت‌هایشان محدودیت‌هایی، از جمله توهم و سوگیری، دارند.
+
+</div>
+
+### قابلیت‌های ترنسفورمر
+
+دیدید که تابع `pipeline()` از 🤗 Transformers استفاده از مدل‌های از پیش تعلیم‌دیده را برای وظایف مختلف آسان می‌کند:
+
+<div dir="rtl">
+
+- دسته‌بندی متن، دسته‌بندی توکِن و پاسخ‌گویی به پرسش
+- تولید متن و خلاصه‌سازی
+- ترجمه و دیگر وظایف دنباله‌به‌دنباله
+- تشخیص گفتار و دسته‌بندی تصویر
+
+</div>
+
+### معماری ترنسفورمر
+
+در سطحی کلی درباره‌ی نحوه‌ی کار مدل‌های ترنسفورمر صحبت کردیم، از جمله:
+
+<div dir="rtl">
+
+- اهمیت سازوکار توجه
+- اینکه یادگیری انتقالی چگونه مدل‌ها را قادر می‌کند خود را با وظایف مشخص سازگار کنند
+- سه گونه‌ی اصلی معماری: فقط انکودر، فقط دیکودر و انکودر-دیکودر
+
+</div>
+
+### معماری‌های مدل و کاربردهای آن‌ها
+
+یکی از جنبه‌های کلیدی این فصل، درک معماری مناسب برای وظایف مختلف بود:
+
+| مدل | نمونه‌ها | وظایف |
+|-----------------|--------------------------------------------|----------------------------------------------------------------------------------|
+| فقط انکودر | BERT، DistilBERT، ModernBERT | دسته‌بندی جمله، تشخیص موجودیت نامدار، پاسخ‌گویی استخراجی به پرسش |
+| فقط دیکودر | GPT، LLaMA، Gemma، SmolLM | تولید متن، هوش مصنوعی محاوره‌ای، نویسندگی خلاقانه |
+| انکودر-دیکودر | BART، T5، Marian، mBART | خلاصه‌سازی، ترجمه، پاسخ‌گویی مولد به پرسش |
+
+### پیشرفت‌های جدید LLMها
+
+همچنین با پیشرفت‌های اخیر این حوزه آشنا شدید:
+
+<div dir="rtl">
+
+- اینکه LLMها با گذشت زمان از نظر اندازه و قابلیت رشد کرده‌اند.
+- مفهوم قوانین مقیاس‌پذیری و اینکه این قوانین چگونه توسعه‌ی مدل را هدایت می‌کنند.
+- سازوکارهای توجه تخصصی که به مدل‌ها کمک می‌کنند توالی‌های طولانی‌تر را پردازش کنند.
+- رویکرد دومرحله‌ای تعلیم، شامل پیش‌تعلیم و کوک کردن دستوری.
+
+</div>
+
+### کاربردهای عملی
+
+در سراسر فصل دیدید که چگونه می‌توان این مدل‌ها را برای مسائل دنیای واقعی به کار برد:
+
+<div dir="rtl">
+
+- استفاده از هاب هاگینگ‌فِیس برای پیدا کردن و استفاده از مدل‌های از پیش تعلیم‌دیده
+- استفاده از Inference API برای آزمایش مستقیم مدل‌ها در مرورگر
+- درک اینکه کدام مدل‌ها برای وظایف مشخص مناسب‌ترند
+
+</div>
+
+## نگاهی به آینده
+
+حالا که درک خوبی از مدل‌های ترنسفورمر و نحوه‌ی کار آن‌ها در سطحی کلی دارید، آماده‌اید عمیق‌تر با روش استفاده‌ی مؤثر از آن‌ها آشنا شوید. در فصل‌های بعدی یاد می‌گیرید که چگونه:
+
+<div dir="rtl">
+
+- از کتابخانه‌ی Transformers برای بارگذاری و کوک کردن مدل‌ها استفاده کنید.
+- انواع مختلف داده را برای ورود به مدل پردازش کنید.
+- مدل‌های از پیش تعلیم‌دیده را با وظایف مشخص خود سازگار کنید.
+- مدل‌ها را برای کاربردهای عملی مستقر کنید.
+
+</div>
+
+پایه‌ای که در این فصل ساخته‌اید، هنگام بررسی موضوعات و تکنیک‌های پیشرفته‌تر در بخش‌های آینده به شما کمک خواهد کرد.
+
+</div>

chapters/fa/chapter1/11.mdx

@@ -0,0 +1,28 @@
+<div dir="rtl">
+
+# زمان آزمون!
+
+وقت آن است که دانشتان را محک بزنید! یک آزمون کوتاه آماده کرده‌ایم تا درک شما از مفاهیمی را که در این فصل پوشش داده شدند آزمایش کنیم.
+
+برای شرکت در آزمون، باید مراحل زیر را دنبال کنید:
+
+<div dir="rtl">
+
+1. وارد حساب کاربری هاگینگ‌فِیس خود شوید.
+2. به پرسش‌های آزمون پاسخ دهید.
+3. پاسخ‌های خود را ارسال کنید.
+
+</div>
+
+## آزمون چندگزینه‌ای
+
+در این آزمون از شما خواسته می‌شود پاسخ درست را از میان فهرستی از گزینه‌ها انتخاب کنید. دانش شما را درباره‌ی مبانی کوک کردن نظارت‌شده می‌سنجیم.
+
+<iframe
+  src="https://huggingface-course-chapter-1-exam.hf.space"
+  frameborder="0"
+  width="850"
+  height="450"
+></iframe>
+
+</div>