لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پایه تا پیشرفته: نسل افزوده بازیابی (RAG)
دانلود Basic to Advanced: Retreival-Augmented Generation (RAG)
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
پشته RAG چند وجهی: سفری عملی در فروشگاههای برداری، ادغام LLM، و روشهای بازیابی پیشرفته ساخت سه چت ربات حرفهای: وبسایت، SQL، و چندرسانهای PDF Master معماری RAG و پیادهسازی از اصول تا تکنیکهای پیشرفته، اجرا و بهینهسازی هر دو LLM های منبع باز و تجاری پیاده سازی پایگاه های داده برداری و جاسازی ها برای بازیابی کارآمد اطلاعات ایجاد برنامه های کاربردی پیشرفته هوش مصنوعی با استفاده از چارچوب LangChain استقرار تکنیک های پیشرفته مانند ذخیره سازی سریع و گسترش پرس و جو درک نحوه استقرار در AWS EC2 (راهنمای پایه) پیش نیازها: داشتن دانش پایه پایتون خوب است اما اجباری نیست.
مهارت های توسعه خود را با دوره جامع ما در زمینه بازیابی-افزوده شده (RAG) و LangChain تغییر دهید. چه برنامهنویسی باشید که به دنبال ورود به هوش مصنوعی هستید یا یک برنامهنویس با تجربه که میخواهد به RAG تسلط یابد، این دوره ترکیبی عالی از تئوری و عمل عملی را ارائه میکند تا به شما در ساخت برنامههای هوش مصنوعی آماده برای تولید کمک کند.
آنچه خواهید آموخت
سه چت ربات حرفه ای بسازید: وب سایت، SQL، و PDF چندرسانه ای
معماری و پیاده سازی RAG از اصول تا تکنیک های پیشرفته
LLMهای منبع باز و تجاری را اجرا و بهینه کنید
پایگاههای اطلاعاتی برداری و جاسازیها را برای بازیابی کارآمد اطلاعات پیادهسازی کنید
برنامههای پیشرفته هوش مصنوعی را با استفاده از چارچوب LangChain ایجاد کنید
تکنیکهای پیشرفته مانند ذخیرهسازی سریع و گسترش پرس و جو را به کار بگیرید
محتوای دوره
بخش 1: اصول RAG
درک معماری نسل افزوده بازیابی
اجزای اصلی و گردش کار سیستمهای RAG
بهترین شیوه ها برای اجرای RAG
برنامه های کاربردی و موارد استفاده در دنیای واقعی
بخش 2: مدل های زبان بزرگ (LLM) - تمرین عملی
تنظیم و اجرای LLMهای منبع باز با Olama
تکنیک های انتخاب و بهینه سازی مدل
تنظیم عملکرد و مدیریت منابع
تمرینات عملی با استقرار محلی LLM
بخش 3: جاسازی های پایگاه داده برداری
به مدلهای تعبیهشده و کاربردهای آنها دقت کنید
اجرای عملی متدهای FAISS، ANNOY، و HNSW
راهبردهای بهینهسازی سرعت در مقابل دقت
ادغام با پایگاه داده مدیریت شده Pinecone
تجسم برداری و تحلیل عملی
بخش 4: چارچوب LangChain
استراتژی های تکه تکه کردن متن و بهینه سازی
معماری و اجزای LangChain
تکنیک های پیشرفته ترکیب زنجیره ای
ادغام با فروشگاههای برداری و LLM
تمرینات عملی با داده های دنیای واقعی
بخش 5: تکنیک های پیشرفته RAG
بسط و بهینه سازی پرس و جو
راهبردهای رتبهبندی مجدد نتایج
پیاده سازی حافظه پنهان
تکنیک های بهینه سازی عملکرد
روش های نمایه سازی پیشرفته
بخش 6: ساخت رباتهای گفتگوی آماده برای تولید
چت ربات وب سایت
معماری و اجرا
نمايهسازي و بازيابي محتوا
تولید پاسخ و بهینه سازی
SQL Chatbot
تبدیل زبان طبیعی به SQL
بهینه سازی و ایمنی پرس و جو
بهترین شیوه های یکپارچه سازی پایگاه داده
چت ربات PDF چندرسانه ای
پردازش محتوای چندوجهی
تجزیه و نمایه سازی PDF
تولید پاسخ رسانه غنی
این دوره برای چه کسانی است
توسعه دهندگان نرم افزاری که به دنبال تخصص در برنامه های کاربردی هوش مصنوعی هستند
مهندسین AI می خواهند بر پیاده سازی RAG مسلط شوند
توسعه دهندگان Backend علاقه مند به ساخت ربات های چت هوشمند
متخصصان فنی که به دنبال تجربه عملی LLM هستند
پیش نیازها
دانش اولیه برنامه نویسی پایتون
آشنایی با REST API
آشنایی با مفاهیم پایه پایگاه داده
درک اولیه مفاهیم یادگیری ماشین (مفید است اما لازم نیست)
چرا در این دوره شرکت کنید
مهارتهای مرتبط با صنعت در حال حاضر تقاضای بالایی دارند
تجربه عملی با نمونه های دنیای واقعی
اجرای عملی با استفاده از پایگاه داده Tesla Motors
پوشش کامل از اصول اولیه تا مفاهیم پیشرفته
کد آماده تولید و بهترین شیوه ها
محتوای تست شده در کارگاه با نتایج اثبات شده
آنچه خواهید ساخت
در پایان این دوره، شما سه چت ربات حرفه ای خواهید ساخت و تجربه عملی با موارد زیر کسب خواهید کرد:
اجرای سیستم RAG
ادغام پایگاه داده برداری
بهینه سازی LLM
تکنیک های بازیابی پیشرفته
برنامه های هوش مصنوعی آماده تولید
در این سفر هیجان انگیز برای تسلط بر RAG و LangChain به ما بپیوندید و خود را در خط مقدم توسعه هوش مصنوعی قرار دهید.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
طرح کلی
Outline
RAG Fundamentals
RAG Fundamentals
بخش معرفی
Section Intro
مقدمه ای بر RAG & Core Concepts
Intro to RAG & Core Concepts
اصول، روش های سنتی در مقابل RAG
Principles, Traditional Methods vs RAG
برنامه های کاربردی در دنیای واقعی و موارد استفاده
Real-world applications and use cases
نمایش نظرات