لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات