آموزش تسلط بر مدل‌های زبانی بزرگ (LLMs) و API جاسازی متن با Google Vertex AI - آخرین آپدیت

دانلود Harnessing LLMs & Text-Embeddings API with Google Vertex AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: به‌روزرسانی شده در می ۲۰۲۵. این دوره اکنون دارای Coursera Coach است! روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک می‌کند دانش خود را آزمایش کنید، پیش‌فرض‌ها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیق‌تر کنید. با این دوره عملی و کاربردی، قدرت Vertex AI گوگل کلاد را آزاد کنید و پروژه‌های یادگیری ماشین خود را به سطح جدیدی ببرید. شما خواهید آموخت که چگونه مدل‌های زبانی بزرگ (LLMs) و API جاسازی متن (Text-Embeddings) را با داده‌های واقعی ادغام و اعمال کنید تا برنامه‌های هوشمندتری برای جستجو، طبقه‌بندی و خلاصه‌سازی بسازید. در پایان این دوره، دانش کاربردی در مورد Embeddings، شباهت برداری و سیستم‌های تولید تقویت‌شده با بازیابی (RAG) خواهید داشت. دوره با تنظیم محیط و مقدمه‌ای در مورد هزینه‌های API شروع می‌شود و سپس شما را در استقرار و آزمایش جاسازی‌های متنی با Vertex AI راهنمایی می‌کند. شما کارهای عملی مانند تولید جاسازی‌های جملات و ادغام آن‌ها در پروژه‌های خود با استفاده از شباهت کسینوسی (Cosine Similarity) و ابزارهای بصری‌سازی را انجام خواهید داد. بررسی عمیق API جاسازی متن Vertex AI، پتانسیل‌های آن را از طریق مفاهیم جاسازی چندوجهی، جستجوی معنایی و موارد استفاده عملی آشکار می‌کند. در ماژول‌های بعدی، از تئوری به کاربردهای قدرتمند منتقل می‌شوید؛ ساخت تولیدکننده‌های متن با مدل Bison، استخراج اطلاعات ساختاریافته از متون بدون ساختار و کنترل خروجی از طریق تنظیمات دما (Temperature) و نمونه‌برداری. همچنین راهکارهای جامع مانند خوشه‌بندی داده‌های StackOverflow و پیاده‌سازی استراتژی‌های جستجوی ANN با استفاده از HNSW در مقابل شباهت کسینوسی را توسعه خواهید داد. این دوره برای دانشمندان داده، مهندسان یادگیری ماشین، توسعه‌دهندگان نرم‌افزار و متخصصان کلاد که علاقه‌مند به ساخت برنامه‌های هوشمند با استفاده از GenAI هستند، طراحی شده است. یادگیرندگان ایده‌آل باید درک پایه‌ای از برنامه‌نویسی پایتون، دانش ابتدایی از یادگیری ماشین و تجربه کار با REST APIها داشته باشند. آشنایی با خدمات و ابزارهای پلتفرم گوگل کلاد (GCP) برای بهره‌مندی کامل از این دوره سطح متوسط توصیه می‌شود.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و معرفی دوره و پیش‌نیازها Introduction and About the Course - Prerequisites

  • ساختار دوره Course Structure

راه‌اندازی محیط توسعه و پلتفرم گوگل کلاد Development Environment Setup & Google Cloud Platform Setup

  • راه‌اندازی محیط توسعه و بررسی هزینه‌های API Development Environment Setup and API Costs - Overview

  • تنظیمات گوگل کلاد Google Cloud Setup

  • بخش عملی: تست Vertex AI و تولید جاسازی جملات Hands-on: Testing the Vertex AI - Generated a Sentence Embedding

بررسی عمیق API جاسازی متن Vertex AI و دوره سریع Embeddings Vertex AI Text Embedding API and Embeddings Crash Course - Deep Dive

  • آشنایی با Vertex AI و قابلیت‌های آن Introduction to Vertex AI and Capabilities - Overview

  • اختیاری: دوره سریع Embeddings OPTIONAL: Embeddings Crash Course

  • نحوه استفاده از Embeddings در GenAI و مدل‌های زبانی بزرگ و موارد کاربرد How are Embeddings Used in GenAI and LLMs and Use Cases

  • بررسی API جاسازی‌ها: متن در مقابل جاسازی‌های چندوجهی The Embeddings API - Text vs Multimodal Embeddings - Overview

  • انواع وظایف و مزایا Task Types and Benefits

  • دیاگرام جاسازی‌های چندوجهی Multimodal Embeddings Diagram

  • بخش عملی: طول و ابعاد Embeddings Hands-on: Embeddings Length - Dimension

  • بخش عملی: اجرای جستجوی شباهت کسینوسی روی جملات مختلف Hands-on: Run Cosine Similarity Search on Different Sentences

  • بخش عملی: بصری‌سازی Embeddings Hands-on: Visualize Embeddings

  • جمع‌بندی Summary

تولید متن با استفاده از API جاسازی متن Vertex AI Text Generation with Vertex AI Text Embedding API

  • مدل تولید متن: تولید متن با استفاده از مدل Bison TextGenerationModel - Generating Text Using Bison Model

  • بخش عملی: تولید متن و مورد استفاده طبقه‌بندی Hands-on: Text Generation - Classification Use Case

  • بخش عملی: استخراج اطلاعات در قالب جداول و فرمت JSON Hands-on: Extract Information into Tables and JSON Formats

  • بخش عملی: کنترل دمای مدل (Temperature) Hands-on: Controlling Temperature for the Model

  • بخش عملی: مفاهیم TopK و TopP Hands-on: TopK and TopP

  • بخش عملی: خلاصه‌سازی و استخراج از متن ترنسکریپت Hands-on: Transcript Summarization and Extraction

بخش عملی: کاربردها و موارد استفاده واقعی Embeddings Hands-on: Application and Real-world Use Cases of Embeddings

  • بصری‌سازی خوشه‌ای پرسش و پاسخ‌های StackOverflow در فضای دو بعدی Cluster Visualization of StackOverflow Question and Answers in 2D

  • ساخت سیستم RAG با داده‌های StackOverflow Build Your RAG System with the StackOverflow Data

  • مقیاس‌پذیری با جستجوی نزدیک‌ترین همسایه تقریبی: HNSW در مقابل شباهت کسینوسی Scale with the Approximate Nearest Neighbor Search: HNSW vs Cosine Similarity

گام‌های بعدی Next Steps

  • جمع‌بندی دوره و گام‌های بعدی Course Summary and Next Steps

نمایش نظرات

آموزش تسلط بر مدل‌های زبانی بزرگ (LLMs) و API جاسازی متن با Google Vertex AI
جزییات دوره
4h 16m
25
(آخرین آپدیت)
67
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده