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