ساخت برنامه های RAG با LlamaIndex و جاوا اسکریپت [جدید]

Build RAG Applications with LlamaIndex and JavaScript [NEW]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ساخت، بهینه‌سازی و استقرار موتورهای داده سفارشی با استفاده از LLM، تکنیک‌های انتخاب پیشرفته و RAG در جاوا اسکریپت بر اصول LlamaIndex مسلط می‌شوند: دانش‌آموزان بر مفاهیم اصلی LlamaIndex تسلط خواهند داشت، از جمله اجزای کلیدی آن مانند طراحی RouterQueryEngine و پیاده‌سازی موتورهای جستجوی سفارشی شما: موتورهای پرس و جو سفارشی را با استفاده از LlamaIndex طراحی و پیاده سازی می کند. ایجاد و ادغام ابزارهای مدولار: دانش آموزان ابزارهای مدولار را در LlamaIndex ایجاد و ادغام خواهند کرد. توسعه عامل ها و ابزارهایی که می توانند به صورت هوشمند وظایف را به طور خودکار انجام دهند، با یک دستور CLI، یک برنامه گفتگوی وب تمام پشته بسازید. علاقه به یادگیری ماشین یا پردازش داده: در حالی که تجربه قبلی در یادگیری ماشین یا پردازش داده لازم نیست، علاقه در این زمینه ها باعث افزایش تجربه یادگیری می شود، زیرا این دوره به LLM (مدل های زبان بزرگ) و کاربردهای آنها می پردازد.

با این دوره آموزشی عملی ساخت برنامه‌های RAG با استفاده از جاوا اسکریپت و LlamaIndex، قفل قدرت Retrieval-Augmented Generation (RAG) را باز کنید و برنامه‌های مبتنی بر داده خود را به سطح بعدی ارتقا دهید.

چه یک توسعه‌دهنده، دانشمند داده یا علاقه‌مند به هوش مصنوعی باشید، این دوره آموزشی شما را با مهارت‌هایی برای طراحی، پیاده‌سازی و بهینه‌سازی موتورهای جستجوی پیشرفته که مدل‌های زبان بزرگ (LLM) را در برنامه‌های جاوا اسکریپت ادغام می‌کنند، مجهز می‌کند.

در این دوره، شما عمیقاً به دنیای LlamaIndex، یک چارچوب قدرتمند برای ایجاد موتورهای داده سفارشی و ماژولار خواهید رفت. شما یاد خواهید گرفت که چگونه از تکنیک های RAG برای ساخت برنامه هایی استفاده کنید که داده ها را به طور موثر بازیابی و پردازش می کنند و پاسخ های مرتبط با زمینه را ایجاد می کنند. با تمرکز بر برنامه‌های کاربردی دنیای واقعی، این دوره شما را در کل فرآیند، از راه‌اندازی محیط توسعه تا استقرار برنامه‌های مبتنی بر RAG راهنمایی می‌کند.

آنچه یاد خواهید گرفت:

  • به اصول RAG تسلط داشته باشید: اصول اصلی Retrieval-Augmented Generation را بدانید و چگونه بازیابی و تولید داده را در برنامه های مدرن افزایش می دهد.

  • ساخت موتورهای پرس و جو سفارشی: طراحی و پیاده سازی موتورهای پرس و جو سفارشی با استفاده از LlamaIndex، ادغام استراتژی های مختلف نمایه سازی و بهینه سازی آنها برای موارد استفاده خاص را بیاموزید.

  • یکپارچه سازی عملی جاوا اسکریپت: تجربه عملی در استفاده از جاوا اسکریپت برای ساخت و استقرار برنامه های RAG به دست آورید، و شکاف بین تئوری و توسعه برنامه های کاربردی در دنیای واقعی را پر کنید.

  • از LLM ها و تکنیک های انتخاب پیشرفته استفاده کنید: ادغام LLM ها را با مکانیسم های انتخاب پیشرفته برای مسیریابی هوشمندانه پرس و جوها و ایجاد پاسخ های دقیق و آگاه از زمینه کاوش کنید.

  • استقرار موتورهای داده مقیاس پذیر: نحوه استقرار برنامه های کاربردی مبتنی بر RAG خود را بیاموزید، و مطمئن شوید که آنها برای عملکرد و مقیاس پذیری در سناریوهای دنیای واقعی بهینه شده اند.

چرا این دوره؟

این دوره فقط در مورد یادگیری مفاهیم نیست. این در مورد اعمال آنها است. از طریق یک سری پروژه‌های عملی، برنامه‌های RAG کاملاً کاربردی می‌سازید که می‌توانید از آنها در پروژه‌های خود استفاده کنید یا در نمونه کارها خود به نمایش بگذارید.

چه به دنبال ارتقاء مجموعه مهارت‌های فعلی خود باشید و چه به دنبال کشف امکانات جدید در توسعه مبتنی بر هوش مصنوعی باشید، این دوره تجربه عملی و دانشی را که برای موفقیت نیاز دارید ارائه می‌کند.


در این سفر به من بپیوندید تا RAG را با جاوا اسکریپت و LlamaIndex مسلط کنید و همین امروز شروع به ساخت برنامه‌های کاربردی هوشمندتر و پاسخگوتر کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • پیش نیازهای دوره و این دوره برای چه کسانی است؟ Course Prerequisites & Who is This Course For?

  • ساختار دوره Course Structure

  • لطفاً تماشا کنید - آنچه را که در این دوره خواهید ساخت PLEASE WATCH - What You'll Build in This Course

کد منبع دوره Course Source code

  • کد منبع را دانلود کنید Download source code

راه اندازی محیط توسعه Development Environment Setup

  • راه اندازی برنامه نویس محیط - دستورالعمل های NodeJS Setup Dev. Environment - NodeJS Instructions

  • حساب OpenAI و کلید OpenAI API را راه اندازی کنید Setup OpenAI Account and the OpenAI API Key

LlamaIndex Deep Dive - Fundamentals LlamaIndex Deep Dive - Fundamentals

  • شیرجه عمیق به LlamaIndex و ویژگی های کلیدی - بررسی اجمالی Deep Dive into LlamaIndex and Key Features - Overview

  • دوره تصادف RAG RAG Crash Course

  • LlamaIndex Flow - بررسی اجمالی LlamaIndex Flow - Overview

  • LlamaIndex - مروری بر رابط کاربری داده‌ها، نمایه‌سازی و پرس و جو LlamaIndex - Data Ingestion, Indexing and Query Interface Overview

  • عملی - راه اندازی سیستم RAG ساده LlamaIndex Hands-on - Setup LlamaIndex Simple RAG System

  • خلاصه Summary

بررسی کنید Check in

  • بررسی سریع Quick Check in

LlamaIndex Deep Dive - مفاهیم اصلی و بارگذارهای داده LlamaIndex Deep Dive - Main Concepts and Data Loaders

  • LlamaIndex Core Concepts - Loaders Index LlamaIndex Core Concepts - Loaders Index

  • مرحله پرس و جو - بررسی اجمالی The Querying Stage - Overview

  • مرحله Querying - ChatEngine و Querying Engine مرور کلی کامل Querying Stage - ChatEngine & Querying Engine Full Overview

  • عملی: یک سیستم RAG سفارشی با LlamaIndex ایجاد کنید Hands-on: Crate a Custom RAG System with LlamaIndex

  • عملی: استخراج داده های ساخت یافته Hands-on: Structured Data Extraction

  • عملی: پرس و جو از یک فایل PDF Hands-on: Querying a PDF File

  • Hands-on: تعامل با یک سیستم RAG از طریق Express API - Full Hands-on Hands-on: Interacting with a RAG System Through a Express API - Full Hands-on

  • خلاصه Summary

عوامل و پرس و جوهای پیشرفته با LlamaIndex Agents & Advanced Queries with LlamaIndex

  • Agents and Advanced Queries - The RouterQueryEngine Overview Agents and Advanced Queries - The RouterQueryEngine Overview

  • عملی - سیستم RAG با چندین منبع داده Hands-on - RAG System with Multiple Data Sources

  • عملی - ایجاد RouterQueryEngine برای مدیریت چندین موتور پرس و جو Hands-on - Creating a RouterQueryEngine to Handle Multiple Query Engines

  • عملی: تعریف توابع و ابزارهای جستجو برای شروع چت با نماینده Hands-on: Defining Functions and Querying Tools to Start Chatting with the Agent

داده ها و تکنیک های آماده تولید را ادامه دهید Persist Your Data & Production-ready Techniques

  • تکنیک های آماده تولید - مقدمه Production-ready Techniques - Introduction

  • عملی: داده ها با LlamaIndex Hands-on: Data with LlamaIndex

  • عملی: بارگذاری فهرست با داده های پایدار و پاسخ جریان Hands-on: Load Index with the Persisted Data and Stream Response

  • خلاصه Summary

NextJS چت ربات برنامه وب تمام پشته با یک فرمان و استقرار NextJS Full-stack Web Application Chatbot with One Command & Deployment

  • برنامه چت بات با NextJS - برنامه وب تمام پشته - نمای کلی Chatbot App with NextJS - Full-stack Web App - Overview

  • عملی: ایجاد یک برنامه وب تمام پشته با دستور Cre-llama CLI Hands-on: Generating a Full-stack Web App with create-llama CLI Command

  • عملی: سفارشی کردن برنامه با داده های خود و گپ زدن با آن Hands-on: Customizing the App with Your Own Data and Chatting with It

  • عملی: استقرار برنامه چت کامل NextJS ما در Vercel Hands-on: Deploying our NextJS Full-stack Chat App to Vercel

جمع کنید Wrap up

  • جمع بندی و مراحل بعدی Wrap up and Next Steps

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

ساخت برنامه های RAG با LlamaIndex و جاوا اسکریپت [جدید]
جزییات دوره
3 hours
36
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
45
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone  Software Engineer, AWS Cloud Practitioner   Instructor Paulo Dichone Software Engineer, AWS Cloud Practitioner Instructor

Android، Flutter، AWS، پرفروش ترین مربی