لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
برنامه های RAG پیشرفته با پایگاه های داده برداری
Advanced RAG Applications with Vector Databases
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این روزها نسل افزوده شده با بازیابی (RAG) در همه جا وجود دارد و پایگاه داده های برداری چیزی است که به آنها قدرت می دهد. اما RAG آنطور که برخی شرکت ها ادعا می کنند ساده نیست، بنابراین می توان به راحتی تحت فشار قرار گرفت. در این دوره، روش های پیشرفته RAG را کشف کنید، از جمله نحوه بهینه سازی RAG مبتنی بر متن از طریق تکه تکه کردن، جاسازی و استفاده از ابرداده، و نحوه انجام جستجوی اولیه تصویر با پایگاه داده برداری. شما همچنین فرصتی برای تمرین RAG چندوجهی با جاسازی و ذخیره داده ها و جستجوی تصاویر با متن خواهید داشت. در طول مسیر، مربی یوجیان تانگ، نمایش های عملی و عملی و چالش های تمرینی را برای آزمایش مهارت های جدید شما ارائه می دهد.
سرفصل ها و درس ها
مقدمه
Introduction
آنچه شما باید بدانید
What you should know
راه اندازی فایل های تمرینی
Setting up your exercise files
RAG با پایگاه داده برداری: استراتژی های پیشرفته برای بهینه سازی هوش مصنوعی
RAG with vector databases: Advanced strategies for AI optimization
1. بهینه سازی RAG
1. Optimizing RAG
نسخه ی نمایشی: جاسازی و ذخیره کنید
Demo: Embed and store
چالش: منابع سند خود را ذکر کنید
Challenge: Cite your document sources
ملاحظات تکه تکه
Chunking considerations
چالش: اندازه تکه را تغییر دهید
Challenge: Change the chunk size
مقدمه ای بر تعبیه ها
Introduction to embeddings
نسخه ی نمایشی: فراداده
Demo: Metadata
فراداده
Metadata
راه حل: منابع سند خود را ذکر کنید
Solution: Cite your document sources
نمونه های تکه تکه
Chunking examples
نسخه ی نمایشی: اضافه کردن LLM
Demo: Adding the LLM
نسخه ی نمایشی: تکه تکه شدن
Demo: Chunking
نسخه ی نمایشی: پرس و جو
Demo: Querying
تعبیه نمونه ها
Embedding examples
مقدمه ای بر پیش پردازش برای RAG
Introduction to preprocessing for RAG
راه حل: اندازه قطعه را تغییر دهید
Solution: Change the chunk size
2. جستجوی تصویر با پایگاه داده برداری
2. Image Search with Vector Databases
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
یوجیان تانگ یک سازنده جامعه، سازنده برنامه های کاربردی هوش مصنوعی و مهندس نرم افزار سابق است.
یوجیان توسعه نرم افزار را به طور حرفه ای در سن 16 سالگی آغاز کرد. او در کالج، علوم کامپیوتر، علوم اعصاب، و آمار را مطالعه کرد و مقالات یادگیری ماشین را منتشر کرد. در کنفرانس هایی مانند IEEE Big Data. او پس از فارغ التحصیلی، روی سیستم AutoML در آمازون کار کرد و سپس برای ساخت شرکتهای خود از جمله یک برنامه تجمیع داده، یک NLP API، و شرکت فعلیاش، OSS4AI، سازمانی که هدف آن فراهم کردن دسترسی توسعهدهندگان به منابع مورد نیاز برای درک است، کار کرد. ، استفاده کنید و در جهت گیری و توسعه هوش مصنوعی کمک کنید.
نمایش نظرات