لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت اپلیکیشنهای RAG: شروع به کار
- آخرین آپدیت
دانلود Build RAG Applications: Get Started
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دانشمندان داده، پژوهشگران هوش مصنوعی، مهندسان رباتیک و سایر متخصصانی که از Retrieval-Augmented Generation (RAG) استفاده میکنند، میتوانند انتظار حقوقهای شروعکار در محدوده ۹۳,۳۸۶ تا ۱۱۰,۷۲۰ دلار در سال را داشته باشند و مهندسان ارشد هوش مصنوعی با تجربه، تا ۱۷۲,۴۶۸ دلار در سال درآمد کسب کنند (منبع: ZipRecruiter).
در این دوره کوتاه و مناسب برای مبتدیان، شما ابتدا با مفاهیم بنیادی RAG آشنا میشوید و یاد میگیرید که چگونه RAG بازیابی بازیابی اطلاعات و تعاملات کاربر را بهبود میبخشد، و سپس اولین خط لوله (Pipeline) RAG خود را میسازید.
در ادامه، نحوه ایجاد اپلیکیشنهای هوش مصنوعی مولد (Generative AI) کاربرپسند با استفاده از پایتون و Gradio را کشف میکنید و تجربه عملی در تبدیل برنامهریزی پروژه به ساخت یک ربات پاسخگوی (QA Bot) تبدیل میکنید که میتواند با استفاده از اطلاعات موجود در اسناد منبع، به سوالات پاسخ دهد.
در نهایت، شما با LlamaIndex، یکی از محبوبترین فریمورکهای ساخت اپلیکیشنهای RAG، آشنا میشوید. علاوه بر این، LlamaIndex را با LangChain مقایسه کرده و یک اپلیکیشن RAG را با استفاده از LlamaIndex توسعه میدهید.
در طول این دوره، شما در آزمایشگاههای عملی و تعاملی شرکت کرده و از چندین مدل زبانی بزرگ (LLM) استفاده خواهید کرد تا مهارتهای لازم برای طراحی، پیادهسازی و استقرار استقرار راهکارهای مبتنی بر هوش مصنوعی را کسب کنید که تجربهای معنادار و متناسب با متن (Context-aware) برای کاربران فراهم میکند.
همین حالا ثبتنام کنید تا مهارتهای ارزشمند RAG را بیاموزید!
سرفصل ها و درس ها
مقدمهای بر RAG
Introduction to RAG
معرفی دوره
Course Introduction
مرور کلی گواهینامه تخصصی RAG و هوش مصنوعی ایجنتیک
RAG and Agentic AI Professional Certificate Overview
چرا RAG؟
Why RAG?
جزئیات بیشتر درباره RAG
More RAG Details
ساخت اپلیکیشنها با RAG
Build Apps with RAG
شروع به کار با Gradio
Getting Started with Gradio
ساخت اپلیکیشنهای RAG با LlamaIndex
Build RAG Apps with LlamaIndex
مقدمهای بر LlamaIndex: ورود دادهها و تکهتکه کردن اسناد
Intro to LlamaIndex: Document Ingestion and Chunking
مقدمهای بر LlamaIndex: از ذخیرهسازهای برداری تا موتورهای پرسوجو
Intro to LlamaIndex: From Vector Stores to Query Engines
نمایش نظرات