لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
RAG پیشرفته: وکتور برای نمودار RAG LangChain Neo4j AutoGen
Advanced RAG : Vector to Graph RAG LangChain Neo4j AutoGen
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
Rag وکتور مفهومی و عملی، RAG نمودار، RAG خود انعکاسی. RAG با Streamlit LangChain، Neo4J، Agent RAG Fundamentals of RAG (Retrieval-Augmented Generation) و NLP: درک مفاهیم اصلی برای ایجاد پایه های قوی NLP و RAG. درک فرآیند NLP مانند توکنیزاسیون، تعبیه، POS، TF-IDF، تکهشدن و غیره. ارزیابی مدلهای NLP از مدل مبتنی بر قانون تا مدل ترانسفورماتور را درک کنید. مدل ترانسفورماتور را با مثال ساده RAG درک کنید. راه اندازی محیط برای اجرای برنامه RAG با استفاده از Python و VS Code آموزش ساخت برنامه RAG مبتنی بر برداری با چت بات، langchain و vectordb Streamlit. تکنیک RAG پیشرفته را با Graph RAG، LLM و chatbot Streamlit بیاموزید. نحوه راه اندازی Neo4j، ایجاد Graph RAG، نمایش نمودار در ربات چت خود را بیاموزید. RAG پیشرفته را با تکنیک جستجوی ترکیبی با استفاده از Graph RAG بیاموزید. RAG خود بازتابنده را با Langgraph یاد بگیرید. موارد استفاده عملی با کد پایتون RAG. رتبهبندی مجدد RAG با API منسجم برای بهبود فرآیند بازیابی RAG. موارد استفاده عملی در RAG. آزمون ها برای بررسی یادگیری. برنامه RAG مبتنی بر عامل را با Autogen بسازید. RAG نمایندگی. پیش نیازها: بدون نیاز به تجربه قبلی RAG. دانش بسیار ابتدایی پایتون کمک خواهد کرد. بدون دانش پایتون نگران نباشید همچنین نحوه پیاده سازی چت بات RAG را یاد خواهید گرفت.
در این دوره آموزشی، نحوه تسلط بر Retrieval-Augmented Generation (RAG)، یک تکنیک پیشرفته هوش مصنوعی که روشهای مبتنی بر بازیابی را با مدلهای تولیدی ترکیب میکند، یاد خواهید گرفت. این دوره برای توسعه دهندگان، دانشمندان داده، و علاقه مندان به هوش مصنوعی، مهندسین کیفیت، دانشجویانی که می خواهند برنامه های کاربردی با استفاده از RAG بسازند، از چت ربات ساده برداری RAG تا چت بات پیشرفته با Graph RAG و Self Reflective RAG طراحی شده است. شما مبانی نظری، پیاده سازی های عملی و موارد استفاده در دنیای واقعی RAG را بررسی خواهید کرد. در پایان این دوره، شما مهارت ایجاد برنامه های هوش مصنوعی مبتنی بر RAG را خواهید داشت.
پس از اتمام دوره، میتوانید با استفاده از Streamlit، LangChain، LangGraph، Groq API و بسیاری دیگر، چتبات با چندین تکنیک RAG ایجاد کنید. همراه با آن، اصول و مفاهیم را نیز یاد خواهید گرفت.
اهداف دوره
مفاهیم اساسی RAG و NLP را درک کنید.
مفاهیم NLP را با مثالهایی مانند توکنسازی، قطعهسازی، TF-IDF، جاسازی درک کنید.
ارزیابی مدلهای NLP را از مدل مبتنی بر قانون تا مدل ترانسفورماتور درک کنید.
مدل و اجزای ترانسفورماتور را با مثالها درک کنید.
تنظیم محیط برای اجرای عملی.
اولین ربات چت را با Streamlit و Langchain بسازید.
یک RAG برداری با چت ربات Streamlit با Groq API بسازید.
Graph RAG را درک کنید و Graph RAG را با Neo4j پیاده سازی کنید.
RAG Self Reflective یا Adaptive را درک کنید و با LangGraph پیاده سازی کنید.
موارد استفاده واقعی از RAG.
رتبهبندی مجدد تکنیک RAG
RAG عامل یا RAG مبتنی بر عامل. AutoGen RAG.
درک خود را با آزمونها بررسی کنید.
برای درک آن، به دنیای RAG اجازه میدهیم تا عمیقاً فرو برویم.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه دوره
Introduction to course
اصول RAG
Fundamentals of RAG
هوش مصنوعی مولد بدون RAG. چرا RAG؟
Generative AI without RAG. Why RAG?
RAG چیست؟ فرآیند RAG
What is RAG? RAG Process
اصول NLP
Fundamental of NLP
NLP چیست؟
What is NLP?
POS، NER، Chunking، BoW، TF-IDF و Embedding
POS , NER , Chunking, BoW, TF-IDF and Embedding
توکنسازی، ریشهسازی و لماتسازی
Tokenization, Stemming and Lemmatization
ارزیابی NLP
Evaluation of NLP
مدل ترانسفورماتور
Transformer Model
راه اندازی محیط
Environment setup
راه اندازی کد VS، Python، Neo4j، Streamlit، بسته های PIP
Setup VS code , Python, Neo4j, Streamlit, PIP packages
ربات چت ساده ساده ایجاد کنید
Create simple streamlit chatbot
پیاده سازی چت بات با Vector RAG
Implement chatbot with Vector RAG
وکتور RAG چیست؟
What is vector RAG ?
وکتور RAG را با Groq API و Langchain توسعه دهید
Develop vector RAG with Groq API and Langchain
با Graph RAG چت ربات RAG را پیاده سازی کنید
Implement RAG chatbot with Graph RAG
Graph RAG چیست
What is Graph RAG
برای ساخت و نمایش نمودار با Neo4j، چت ربات Graph RAG را پیاده سازی کنید
Implement Graph RAG chatbot to build and show graph with Neo4j
پیاده سازی جستجوی ترکیبی با Graph RAG و Neo4j
Implement hybrid search with Graph RAG and Neo4j
Self-reflective RAG یا Adaptive RAG را پیاده سازی کنید
Implement Self-Reflective RAG or Adaptive RAG
جریان تطبیقی یا خود بازتابی را درک کنید
Understand adaptive or self-reflective flow
با Langgraph چت ربات Self-reflective RAG را پیاده سازی کنید
Implement Self-reflective RAG chatbot with Langgraph
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
نمایش نظرات