کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش مبانی دینامیک‌های بازیابی در هوش مصنوعی مولد (Gen AI) - آخرین آپدیت

دانلود Fundamentals of Gen AI Retrieval Dynamics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سیستم‌های بازیابی (Retrieval) هسته اصلی برنامه‌های مدرن هوش مصنوعی مولد هستند. اما اکثر توضیحات بر روی ابزارها تمرکز دارند، نه درک عمیق مفاهیم. این دوره به شما می‌آموزد که فرآیند بازیابی در سیستم‌های RAG برای مدل‌های زبانی بزرگ (LLM) واقعاً چگونه کار می‌کند و چگونه آن را به طور موثر طراحی و ارزیابی کنید. شما یاد خواهید گرفت که اطلاعات چگونه از طریق تعبیه‌ها (Embeddings) نمایش داده می‌شوند، شباهت چگونه محاسبه می‌شود و چرا شباهت به تنهایی برای تضمین مرتبط بودن پاسخ کافی نیست. همچنین بررسی خواهید کرد که انتخاب‌هایی مانند تکه‌بندی (Chunking) و پردازش پرس‌وجو (Query Processing) چگونه مستقیماً بر عملکرد سیستم تأثیر می‌گذارند و چگونه می‌توان از بازیابی ساده به سمت سیستم‌های کنترل‌شده و مبتنی بر قضاوت با استفاده از متادیتا و رتبه‌بندی مجدد (Reranking) حرکت کرد. این دوره همچنین پوشش می‌دهد که سیستم‌های بازیابی در عمل چگونه دچار خطا می‌شوند (مانند بازگرداندن نتایج محتمل اما نادرست) و چگونه می‌توان این خطاها را از طریق معیارها و ابزارهای تشخیصی، قابل مشاهده و ردیابی کرد. آنچه این دوره را متمایز می‌کند، تمرکز آن بر مدل‌های ذهنی به جای ابزارها است. به جای آموزش یک پشته تکنولوژی خاص، این دوره شما را به مفاهیمی مجهز می‌کند که برای درک، عیب‌یابی و بهبود هر سیستم مبتنی بر بازیابی مورد نیاز است. در پایان، شما قادر خواهید بود درباره رفتار سیستم بازیابی استدلال کرده و تصمیمات طراحی بهتری در سیستم‌های واقعی هوش مصنوعی مولد اتخاذ کنید.
سرفصل ها و درس ها

مقدمه دوره Course Introduction

  • مقدمه دوره Course Introduction

مبانی بازیابی در هوش مصنوعی مولد Gen AI Retrieval Fundamentals

  • مقدمه فصل Module Intro

  • مکانیزم کارکرد بازیابی در هوش مصنوعی مولد How Gen AI Retrieval Works

  • نمایش داده و شباهت Representation and Similarity

  • شباهت در مقابل مرتبط بودن Similarity vs. Relevance

  • تأثیر تکه‌بندی (Chunking) The Effect of Chunking

  • جمع‌بندی فصل Module Conclusion

پیاده‌سازی بازیابی در سطح سازمانی Implementing Enterprise Retrieval

  • مقدمه فصل Module Introduction

  • پردازش پرس‌وجو و تقویت داده Query Processing and Augmentation

  • استفاده از متادیتا برای کنترل بازیابی Metadata for Retrieval Control

  • رتبه‌بندی مجدد به عنوان ابزار قضاوت Reranking as Judgment

  • حالت‌های خطا که باید از آن‌ها اجتناب کرد Failure Modes to Avoid

  • جمع‌بندی فصل Module Conclusion

جمع‌بندی دوره Course Conclusion

  • جمع‌بندی دوره Course Conclusion

آموزش کاربردهای صنعتی و بهترین روش‌های پیاده‌سازی LangChain

آموزش کاربردهای صنعتی و بهترین روش‌های پیاده‌سازی LangChain

دانلود LangChain Industry Use-cases and Best Practices

آموزش الگوریتم‌ها و حل مسئله در جاوااسکریپت

آموزش الگوریتم‌ها و حل مسئله در جاوااسکریپت

دانلود Algorithms and Problem-Solving in JavaScript

مبانی GenAI در توسعه جاوا

مبانی GenAI در توسعه جاوا

GenAI Foundations in Java Development

نمایش نظرات

آموزش مبانی دینامیک‌های بازیابی در هوش مصنوعی مولد (Gen AI)
جزییات دوره
4h 40m
14
(آخرین آپدیت)
27
5 از 5
دارد
دارد
دارد
Chris Croft

https://donyad.com/d/f3e3e2

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Data Transformation Document Control Retrieval-Augmented Generation Large Language Modeling AI Integrations Performance Tuning Generative AI AI Workflows AI literacy LLM Application Data Infrastructure Data Collection Data Architecture Embeddings Data Structures Data Integrity Data Management Document Management AI Enablement Data Preprocessing تحول داده کنترل مستندات تولید تقویت‌شده با بازیابی (RAG) مدل‌سازی زبان بزرگ یکپارچه‌سازی هوش مصنوعی تنظیم عملکرد هوش مصنوعی مولد جریان‌های کاری هوش مصنوعی سواد هوش مصنوعی اپلیکیشن‌های LLM زیرساخت داده جمع‌آوری داده معماری داده تعبیه‌ها (Embeddings) ساختارهای داده یکپارچگی داده مدیریت داده مدیریت مستندات توانمندسازی هوش مصنوعی پیش‌پردازش داده