آموزش سیستم‌های RAG چندوجهی (Multi-modal RAGs) - آخرین آپدیت

دانلود Multi-modal RAGs

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: داده‌های چندوجهی در سیستم‌های هوش مصنوعی سازمانی اهمیت فزاینده‌ای یافته‌اند، اما خط‌لوله‌های RAG سنتی در مواجهه با تصاویر، نمودارها و جداول با شکست مواجه می‌شوند. در این دوره آموزشی با عنوان «RAGهای چندوجهی»، شما یاد می‌گیرید چگونه سیستم‌های RAG را به‌گونه‌ای طراحی و پیاده‌سازی کنید که بتوانند به‌طور یکپارچه با انواع مختلف مودالیته‌ها تعامل داشته باشند. در ابتدا، چالش‌ها و الزامات سیستم‌های RAG چندوجهی و دلیل اهمیت حیاتی تراز معنایی (Semantic Alignment) را بررسی خواهید کرد. سپس، یک خط‌لوله بازیابی چندوجهی را با استفاده از Embeddingها، ذخیره‌سازهای ترکیبی (Hybrid Stores) و تکنیک‌های Grounding خواهید ساخت. در نهایت، نحوه بهینه‌سازی عملکرد و تولید خروجی‌هایی که توضیحات متنی را با عناصر بصری ترکیب می‌کنند، فرا خواهید گرفت. پس از اتمام این دوره، شما مهارت‌ها و دانش پیشرفته لازم برای طراحی و استقرار سیستم‌های RAG چندوجهی در سطح صنعتی (Production-ready) را به‌دست خواهید آورد.

سرفصل ها و درس ها

RAGهای چندوجهی: از چالش‌ها تا راهکارها Multi-modal RAGs: From Challenges to Solutions

  • خوش‌آمدگویی به دوره RAGهای چندوجهی Welcome to Multi-modal RAGs

  • چرا RAGهای متنی در مواجهه با تصاویر شکست می‌خورند Why Text-only RAGs Fail on Images

  • توضیح معماری CLIP Clip Architecture Explained

  • پیاده‌سازی خط‌لوله بازیابی CLIP Implementing the Clip Retrieval Pipeline

  • معماری بازیابی با ذخیره‌ساز چندوجهی ترکیبی Hybrid Multi-store Retrieval Architecture

  • رتبه‌بندی مجدد با استفاده از Cross Encoders Re-ranking with Cross-encoders

  • گراندینگ: تبدیل عناصر بصری به متن Grounding: Converting Visuals into Text

  • تکنیک‌های OCR و تبدیل نمودار به جدول OCR and Chart-to-table Techniques

  • موارد استفاده از RAG چندوجهی در سازمان‌ها Enterprise Multi-modal RAG Use Cases

  • جمع‌بندی و گام‌های بعدی Summary and Next Steps

نمایش نظرات

آموزش سیستم‌های RAG چندوجهی (Multi-modal RAGs)
جزییات دوره
29m
10
(آخرین آپدیت)
7
از 5
دارد
دارد
دارد
Eva Paunova
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Eva Paunova Eva Paunova

اوا پائونوا (Eva Paunova) دانشمند ارشد تحقیقات هوش مصنوعی با مدرک PhD از ETH زوریخ و بیش از ۱۵ سال تجربه در پیاده‌سازی سیستم‌های یادگیری ماشین در مقیاس بزرگ است. تخصص او در تبدیل تحقیقات به پیاده‌سازی‌های آماده تولید، با مهارت عمیق در RLHF، بهینه‌سازی چندهدفه و مهندسی LLM است. سوابق اثرگذار او شامل متدهای تجزیه محدودیت ادغام شده در NVIDIA Nemotron، چارچوب‌های استحکام مستقر در سیستم‌های تولیدی و پیاده‌سازی‌های NLP برای میلیون‌ها کاربر است. تمرکز او بر مهندسی تحقیقات و اجرای روش‌های پیشرو است.