آموزش مهندسی داده GenAI و سیستم‌های RAG [ویدئویی] - آخرین آپدیت

دانلود GenAI Data Engineering and RAG Systems [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: هوش مصنوعی سازمانی زمانی کاربردی‌تر می‌شود که مدل‌ها به جای تکیه بر پاسخ‌های کلی، به دانش مرتبط سازمانی دسترسی داشته باشند. تولید تقویت‌شده با بازیابی (RAG)، مدل‌های AI را به خط لوله‌های داده منتخب، جستجوی برداری و استراتژی‌های بازیابی متصل می‌کند که باعث بهبود زمینه (Context) و دقت پاسخ‌ها می‌شود. این دوره مباحثی چون معماری سیستم‌های GenAI، محیط‌های محلی و ابری، اجزای LLM، مقایسه مدل‌ها، تنظیمات API، انتخاب مدل، کاربردهای سازمانی، معیارهای ROI، الزامات خط لوله داده، طراحی خط لوله سازمانی، پردازش داده‌ها، اعتبارسنجی کیفیت، معماری RAG، یکپارچه‌سازی اجزا، بهترین روش‌های پیاده‌سازی، پروتکل‌های تست، الگوهای پیشرفته RAG، بهینه‌سازی عملکرد، پردازش مستندات پشتیبانی، معماری پایگاه دانش، پیاده‌سازی RAG برای پشتیبانی و استراتژی‌های ارتقای کیفیت پاسخ‌ها را پوشش می‌دهد. فراگیران قادر خواهند بود خط لوله‌های داده آماده برای AI بسازند، معماری‌های RAG را پیاده‌سازی کنند، پایگاه‌های دانش تخصصی را مدیریت کرده و استراتژی‌های بازیابی مانند فیلترینگ متادیتا، رتبه‌بندی مجدد (Reranking) و بهبود کیفیت را به کار بگیرند. این دوره برای مهندسان داده، مهندسان ML، مهندسان نرم‌افزار و متخصصان AI که در حال ساخت سیستم‌های دانش‌محور هستند، مناسب است. ساخت خط لوله‌های داده آماده برای AI پیاده‌سازی معماری‌های پیشرفته RAG طراحی پایگاه‌های دانش سازمانی بهینه‌سازی بازیابی با روش‌های رتبه‌بندی مجدد توسعه سیستم‌های RAG برای پشتیبانی مشتریان اعتبارسنجی کیفیت پاسخ‌های RAG این دوره برای مهندسان داده در حال انتقال به سیستم‌های AI، مهندسان ML متمرکز بر خط لوله‌های داده، مهندسان نرم‌افزار سازنده سیستم‌های دانش‌محور و متخصصان AI/ML پیاده‌ساز راهکارهای تولید تقویت‌شده با بازیابی (RAG) طراحی شده است. پوشش معماری RAG در اتصال LLMها، داده‌های سازمانی، جستجوی برداری و جریان‌های کاری بازیابی * تمرکز بر مهندسی داده برای پردازش مستندات، اعتبارسنجی کیفیت و ایجاد دارایی‌های آماده برای AI * دیدگاه بهینه‌سازی بازیابی با فیلترینگ متادیتا، رتبه‌بندی مجدد، مانیتورینگ و افزایش کیفیت.

سرفصل ها و درس ها

معرفی دوره Introduction to the Course

  • معرفی کلی دوره Course Introduction

آشنایی با مهندسی داده GenAI و سیستم‌های RAG Introduction to GenAI Data Engineering and RAG Systems

  • تأثیر هوش مصنوعی مولد بر مهندسی Generative AI Impact on Engineering

  • اصول معماری سیستم‌های هوش مصنوعی مولد Fundamentals of Generative AI Systems Architecture

  • راه‌اندازی محیط‌های توسعه GenAI (محلی و ابری) Setting Up GenAI Development Environments (Local & Cloud)

  • داستان‌های موفقیت در پیاده‌سازی سازمانی Enterprise Implementation Success Stories

  • اجزای LLM و مکانیسم‌های اصلی LLM Components and Core Mechanics

  • مقایسه مدل‌های LLM سازمانی Enterprise LLM Model Comparison

  • یکپارچه‌سازی LLM و تنظیمات API LLM Integration and API Setup

  • چارچوب استراتژیک انتخاب مدل Strategic Model Selection Framework

  • ماتریس کاربردهای GenAI در سازمان Enterprise GenAI Application Matrix

  • معماری راهکارهای تخصصی صنعت Industry-Specific Solution Architecture

  • طراحی سیستم دستیار پشتیبانی Support Assistant System Design

  • اندازه‌گیری ROI و معیارهای ارزیابی ROI Measurement and Metrics

پردازش داده‌ها Data Processing

  • تحلیل الزامات خط لوله داده Data Pipeline Requirements Analysis

  • طراحی خط لوله داده سازمانی Enterprise Data Pipeline Design

  • پیاده‌سازی سیستم پردازش داده‌ها Data Processing System Implementation

  • چارچوب اعتبارسنجی کیفیت داده‌ها Data Quality Validation Framework

  • طراحی معماری سیستم RAG RAG System Architecture Design

  • معماری RAG – اصول یکپارچه‌سازی اجزا RAG Architecture – Component Integration Fundamentals

  • بهترین روش‌های پیاده‌سازی RAG RAG Implementation Best Practices

  • پروتکل تست سیستم RAG RAG System Testing Protocol

  • تحلیل الگوهای پیشرفته RAG Advanced RAG Pattern Analysis

  • چارچوب تکنیک‌های بهینه‌سازی عملکرد Performance Optimization Techniques Framework

  • توسعه سیستم‌های پیچیده RAG Complex RAG System Development

  • بهترین روش‌های یکپارچه‌سازی سازمانی Enterprise Integration Best Practices

  • چارچوب پردازش مستندات پشتیبانی Support Documentation Processing Framework

  • طراحی معماری پایگاه دانش Knowledge Base Architecture Design

  • راهنمای پیاده‌سازی RAG برای پشتیبانی Support RAG Implementation Guide

  • استراتژی ارتقای کیفیت پاسخ‌ها Response Quality Enhancement Strategy

جمع‌بندی دوره Course Conclusion

  • جمع‌بندی و نتیجه‌گیری دوره Course Conclusion

نمایش نظرات

آموزش مهندسی داده GenAI و سیستم‌های RAG [ویدئویی]
جزییات دوره
2h 53m
30
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Starweaver
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Starweaver Starweaver

Starweaver فرصت‌هایی را برای مربیان، شرکت‌ها و پلتفرم‌ها ایجاد می‌کند.

Starweaver محتوای مورد تقاضای متمرکزی را ارائه می‌کند که حوزه‌های موضوعی کلیدی، گواهینامه‌های پیشرو در صنعت، و یادگیری و توسعه مستمر را پوشش می‌دهد. محتوای Starweaver با ارائه نتایج شایستگی با کیفیت بالا برای صدها شرکت در سراسر جهان، توسط مربیان دنیای واقعی هدایت می‌شود که برای تجهیز دانش‌آموزان به مهارت‌های مورد نیاز برای دستیابی به اهداف حرفه‌ای و پیشبرد اهداف شغلی بلندمدت خود اختصاص داده شده‌اند.