آموزش توسعه هوش مصنوعی با پایتون، مدل‌های زبانی (LLM) و سیستم RAG - آخرین آپدیت

دانلود Python LLM Development with Retrieval-Augmented AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با استفاده از زبان برنامه‌نویسی پایتون، مدل‌های زبانی بزرگ (LLM) و تکنیک بازیابیِ تقویت‌شده (RAG)، اپلیکیشن‌های هوش مصنوعی کاربردی بسازید. این دوره برای توسعه‌دهندگانی طراحی شده است که می‌خواهند تجربه عملی در ساخت سیستم‌های هوش مصنوعی آگاه از اسناد داشته باشند؛ این دوره شما را از مرحله یکپارچه‌سازی APIهای مدل‌های زبانی تا ساخت کامل اپلیکیشن‌های مبتنی بر RAG راهنمایی می‌کند. شما یاد می‌گیرید که چگونه APIهای LLM را در برنامه‌های پایتون ادغام کنید، سرویس‌های بک‌اند را با FastAPI و Flask بسازید و مدل‌های هوش مصنوعی را به رابط‌های کاربری (فرانت‌اند) متصل کنید. همچنین استراتژی‌هایی را برای مدیریت خطاهای API، تلاش‌های مجدد (Retry) و محدودیت‌های نرخ (Rate Limit) به کار خواهید برد تا برنامه‌های هوش مصنوعی قابل‌اطمینان‌تری ایجاد کنید. در ادامه، با کار بر روی Embeddingها، بازیابی معنایی و پایگاه‌داده‌های برداری از جمله FAISS و ChromaDB، به بررسی عمیق تکنولوژی RAG می‌پردازید. شما این مفاهیم را برای توسعه و ارزیابی یک سیستم RAG مبتنی بر اسناد که اطلاعات مرتبط را بازیابی کرده و پاسخ‌های متناسب با زمینه (Context-aware) از اسناد سازمانی تولید می‌کند، به کار خواهید گرفت. در پایان این دوره، شما قادر خواهید بود اپلیکیشن‌های هوش مصنوعی فول‌استک توسعه دهید، جستجوی معنایی را با پایگاه‌داده‌های برداری پیاده‌سازی کنید و راهکارهای RAG مبتنی بر اسناد بسازید. این دوره توسعه API، یکپارچه‌سازی فول‌استک و پیاده‌سازی عملی RAG را در یک گردش کار کاملاً کاربردی ترکیب می‌کند.

سرفصل ها و درس ها

توسعه اپلیکیشن‌های هوش مصنوعی با APIهای LLM Developing AI Applications with LLM APIs

  • فراخوانی APIهای LLM با پایتون بخش ۱ Calling LLM APIs with Python Part 1

  • فراخوانی APIهای LLM با پایتون بخش ۲ Calling LLM APIs with Python Part 2

  • مدیریت خطاها و محدودیت‌های نرخ Handling Errors and Rate Limits

  • ادامه مدیریت خطاها و محدودیت‌های نرخ Handling Errors and Rate Limits Continued

  • راه‌اندازی FastAPI و Flask FastAPI Flask Setup

  • ادامه راه‌اندازی FastAPI و Flask FastAPI Flask Setup Continued

  • اتصال فرانت‌اند به LLM Connecting Frontend to LLM

  • ادامه اتصال فرانت‌اند به LLM Connecting Frontend to LLM Continued

  • ساخت نمونه هوش مصنوعی با فرانت‌اند بخش ۱ Build Sample AI with front-end Part 1

  • ساخت نمونه هوش مصنوعی با فرانت‌اند بخش ۲ Build Sample AI with front-end Part 2

  • ساخت نمونه هوش مصنوعی با فرانت‌اند بخش ۳ Build Sample AI with front-end Part 3

بازیابیِ تقویت‌شده (RAG) Retrieval-Augmented Generation

  • چرا RAG و Embeddingها اهمیت دارند Why RAG and Embeddings Matter

  • ادامه چرا RAG و Embeddingها اهمیت دارند Why RAG and Embeddings Matter Continued

  • تولید و ذخیره‌سازی Embeddingها Generating and Storing Embeddings

  • ادامه تولید و ذخیره‌سازی Embeddingها Generating and Storing Embeddings Continued

  • راه‌اندازی FAISS و ChromaDB FAISS ChromaDB Setup

  • ادامه راه‌اندازی FAISS و ChromaDB FAISS ChromaDB Setup Continued

  • بارگذاری و قطعه‌بندی اسناد Document Loading Chunking

  • ادامه بارگذاری و قطعه‌بندی اسناد Document Loading Chunking Continued

  • ساخت چت‌بات سیاست‌های شرکتی Build Company Policy Chatbot

  • ادامه ساخت چت‌بات سیاست‌های شرکتی Build Company Policy Chatbot Continued

نمایش نظرات

آموزش توسعه هوش مصنوعی با پایتون، مدل‌های زبانی (LLM) و سیستم RAG
جزییات دوره
5h 37m
21
(آخرین آپدیت)
36
- 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