Master RAG: Ultimate Retrieval-Augmented Generation Course

سرفصل ها و درس ها

مقدمه Introduction

• مهارت ها و الزامات پروژه Skills & Project requirements

• راه اندازی محیط توسعه و فایل های دوره Development Environment Setup & Course Files

• پروژه شروع را دانلود کنید Download the Starter Project

• ادغام OpenAI در یک پروژه وب (Quickstart) Integrate OpenAI into a Web Project (Quickstart)

• OpenAI را در یک پروژه وب ادغام کنید (شروع سریع): اولین درخواست API را ارسال کنید Integrate OpenAI into a Web Project (Quickstart) : send first API request

RAG: از بومی (101) تا پیشرفته - پیش نمایه سازی، رتبه بندی مجدد، خلاصه سازی RAG : from Native (101) to Advanced - Pre-Indexing, Re-Ranking, Summarization

• مقدمه Introduction

• راه اندازی و پیکربندی OpenAI: راهنمای گام به گام OpenAI Setup & Configuration : step-by-step Guide

• پروژه شروع: نصب و راه اندازی Starter project : Installation & Setup

• یکپارچه سازی QA بازیابی (FAISS) Retrieval QA Integration (FAISS)

• چگونه یک مدل ChatOpenAI را نمونه سازی کنیم؟ How to instantiate a ChatOpenAI model ?

• ادغام QA بازیابی: Retriever و Generate Components Retrieval QA integration : Retriever and Generate components

• Vector Stores (LangChain) & Embeddings توضیح داده شده است Vector Stores (LangChain) & Embeddings explained

• بلوک های اصلی ساختمان The Main Building Blocks

• ساخت خط لوله RAG End-2-End (ChromaDB) Build an End-2-End RAG Pipeline (ChromaDB)

• اسناد را به قطعات تقسیم کنید Split Documents into Chunks

• ساخت یک خط لوله RAG End-2-End (ChromaDB) - قسمت 2 Build an End-2-End RAG Pipeline (ChromaDB) - Part 2

• زمین بازی تعاملی (گوگل کولب): دستورالعمل Interactive playground (Google Colab) : Instructions

• زمین بازی تعاملی (Google Colab): با یا بدون RAG Interactive playground (Google Colab): With or Without RAG

• ارزیابی پایه RAG Basic RAG Assessment

• تکنیک های پیشرفته برای تقویت خط لوله RAG Advanced Techniques to Enhance the RAG pipeline

• مطالب دوره را دانلود کنید Download the Course Materials

• [بخش 1/4] - RAG پیشرفته: ترجمه و بهبود پرس و جو (تجزیه) [Part 1/4]-Advanced RAG : Query Translation and Enhancement (Decomposition)

• [بخش 2/4] - RAG پیشرفته: تجزیه و بهبود پرس و جو - پاسخ به سؤالات [Part 2/4]-Advanced RAG : Query Decomposition and Enhancement - Answer queries

• [بخش 3/4] - RAG پیشرفته: تجزیه و بهبود پرس و جو - پاسخ بهینه شده [Part 3/4] - Advanced RAG : Query Decomposition and Enhancement - Optimized Answ

• [Part 4/4] - Advanced RAG: Query Decomposition and Enhancement [Part 4/4]-Advanced RAG : Query Decomposition and Enhancement

تکنیک ها و استراتژی های RAG پیشرفته Advanced RAG techniques & strategies

• مقدمه Introduction

• ارائه و راه اندازی Presentation & Setup

• [بخش 1/2] - RAG پیشرفته: چند پرس و جو، بازیابی و ادغام نتایج [Part 1/2] - Advanced RAG : multi-querying, retrieve and consolidate results

• [بخش 2/2] - RAG پیشرفته: چند پرس و جو و ایجاد پاسخ های دقیق [Part 2/2] - Advanced RAG : multi-querying and generate accurate answers

• RAG پیشرفته: RAG-Fusion Advanced RAG : RAG-Fusion

• [بخش 1/2] - RAG Fusion پیشرفته - نتایج چند پرس و جو و رتبه بندی مجدد [Part 1/2] - Advanced RAG Fusion - multi-querying and reranking results

• [قسمت 2/2] - ترکیب RAG پیشرفته - پاسخ های آگاه از زمینه ایجاد کنید [Part 2/2] - Advanced RAG Fusion - generate context-aware responses

• RAG پیشرفته: RAG اصلاحی (CRAG) Advanced RAG : Corrective RAG (CRAG)

• [بخش 1/4] - RAG پیشرفته: RAG اصلاحی [Part 1/4] - Advanced RAG : Corrective RAG

• [بخش 2/4] - RAG پیشرفته: اصلاح کننده RAG - ارزیاب بازیابی [Part 2/4] - Advanced RAG : Corrective RAG - Retrieval Evaluator

• [بخش 3/4] - RAG پیشرفته: RAG اصلاحی - ابزار بازنویسی و وب [Part 3/4] - Advanced RAG : Corrective RAG - Rewrite & web tool

• [بخش 4/4] - RAG پیشرفته: RAG اصلاحی - ایجاد پاسخ [Part 4/4] - Advanced RAG : Corrective RAG - generate response

• آزمون RAG پیشرفته Advanced RAG Quiz

RAG بهینه شده: ترانسفورماتورهای سند و استراتژی های خرد کردن Optimized RAG : Document Transformers & Chunking Strategies

• معرفی بخش: بخش متن هوشمند با LangChain Section intro : Smart Text Division with LangChain

• سطح 1 - تقسیم اسناد بر اساس کاراکتر در مقابل بازگشتی Level 1 - Split documents by Character vs. Recursively

• درک پارامترهای CharacterTextSplitter (ابزار آنلاین: ChunkViz) Understanding the CharacterTextSplitter Parameters (Online tool : ChunkViz)

• سطح 2 - تقسیم اسناد بر اساس نویسه در مقابل بازگشتی Level 2 - Split documents by character vs. recursively

• سطوح 3 - تقسیم بندی خاص سند: تقسیم کد و نشانه گذاری Levels 3 - Document specific splitting : split code and markup

• سطوح 3 - تقسیم اسناد خاص: تقسیم کد (Python) Levels 3 - Document-specific splitting : Code Splitting (Python)

• سطوح 3 - تقسیم بندی خاص سند: PDF (unstructured.io) Levels 3 - Document-specific splitting : PDF (unstructured.io)

• سطوح 3 - تقسیم خاص سند: استخراج و پردازش عناصر از PDF d Levels 3 - Document-specific splitting : extract and process elements from PDF d

• انواع دیگر TextSplitter Other Types of TextSplitters

• سطوح 4 و 5- تقسیم معنایی (مبتنی بر جاسازی) و رویکرد عاملی Levels 4 & 5- Semantic Chunking (Embeddings-based) & Agentic approach

• آزمون تقسیم متن Text Splitters Quiz

LangSmith: اشکال زدایی، تست و نظارت بر برنامه های LLM LangSmith: Debug, Test, and Monitor LLM Applications

• مقدمه Introduction

• ردیابی و آزمایش پیاده‌سازی RAG RAG Implementation Tracing & Testing

• ادغام LangSmith در گردش کار شما Integrating LangSmith into your workflow

از Native، به Advanced تا Agentic RAG (LangGraph) From Native, to Advanced to Agentic RAG (LangGraph)

• مقدمه Introduction

• شروع به کار: گردش کار مبتنی بر عامل با LangGraph Getting Started : Agent-based Workflow with LangGraph

• شروع به کار: کامپایل و اجرای برنامه (با Streamlit) Getting Started : Compile and Run the App (with Streamlit)

• Agentic RAG: یک گردش کار چند عامله به عنوان نمودار بسازید Agentic RAG : Build a Multi-agent Workflow as Graph

• گره ها را تعریف کنید Define the Nodes

• لبه ها را تعریف کنید Define the Edges

• گردش کار را با لنگراف بسازید Build the Workflow with Langraph

• گردش کار را کامپایل و اجرا کنید Compile and Run the Workflow

کیفیت RAG پیشرفته - RAG معمولی در مقابل ساختار یافته (unstructured.io، GPT-4) Enhanced RAG quality - Conventional vs. Structured RAG (unstructured.io, GPT-4)

• INTRO - RAG نیمه ساختاریافته: برای مدیریت منابع داده و محتوای چندگانه INTRO - Semi-structured RAG : to manage multiple data sources and content

• استخراج عناصر از PDF: جداول، تصاویر ... Extract elements from PDF : tables, images...

• تصاویر را با GPT-4 Vision توصیف کنید Describe images with GPT-4 Vision

• منابع داده را در اسناد پردازش کنید، فهرست بندی کنید، بازیابی کنید و با LLM تولید کنید Process data sources into documents, index, retrieve and generate with LLM