راستی‌آزمایی واقعیت با RAG

Fact Verification with RAGs

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: اطمینان از صحت محتوای تولید شده توسط هوش مصنوعی بسیار مهم است. در این دوره، راستی‌آزمایی واقعیت با RAG، شما یاد خواهید گرفت که سیستمی را پیاده‌سازی کنید که محتوای تولید شده توسط هوش مصنوعی را با استفاده از تکنیک‌های NLP تأیید می‌کند. ابتدا، نحوه بازیابی داده های مربوطه از مجموعه داده با استفاده از پایتون و کتابخانه پانداها را بررسی خواهید کرد. در مرحله بعد، نحوه استفاده از ترانسفورماتورهای جملات از قبل آموزش دیده برای ایجاد جاسازی برای داده های متنی را خواهید یافت. در نهایت، نحوه پیاده‌سازی مدل طبقه‌بندی صفر شات برای ارزیابی صحت ادعاها را خواهید آموخت. وقتی این دوره را به پایان رساندید، مهارت ها و دانش ضروری مربوط به تولید افزوده بازیابی مورد نیاز برای اطمینان از صحت و قابلیت اطمینان محتوای تولید شده توسط هوش مصنوعی با استفاده از کتابخانه های رایج پایتون را خواهید داشت.

سرفصل ها و درس ها

بررسی راستی‌آزمایی واقعیت با RAG Exploring Fact Verification with RAG

  • مقدمه و نسخه ی نمایشی: بازیابی برای واکشی شواهد از مجموعه داده (قسمت 1) Intro and Demo: Retriever to Fetch Evidence from a Dataset (Part 1)

  • مقدمه و نسخه ی نمایشی: بازیابی برای واکشی شواهد از مجموعه داده (قسمت 1) Intro and Demo: Retriever to Fetch Evidence from a Dataset (Part 1)

  • نسخه ی نمایشی: بازیابی برای واکشی شواهد از مجموعه داده (قسمت 2) Demo: Retriever to Fetch Evidence from a Dataset (Part 2)

  • نسخه ی نمایشی: بازیابی برای واکشی شواهد از مجموعه داده (قسمت 2) Demo: Retriever to Fetch Evidence from a Dataset (Part 2)

  • نسخه ی نمایشی: تأیید کننده واقعیت برای طبقه بندی ادعاها Demo: Fact Verifier to Classify Claims

  • نسخه ی نمایشی: تأیید کننده واقعیت برای طبقه بندی ادعاها Demo: Fact Verifier to Classify Claims

  • نسخه ی نمایشی: تأیید کننده را بهبود دهید و یک مدل مبتنی بر Entailment را اضافه کنید Demo: Improve the Verifier and Include an Entailment-based Model

  • نسخه ی نمایشی: تأیید کننده را بهبود دهید و یک مدل مبتنی بر Entailment را اضافه کنید Demo: Improve the Verifier and Include an Entailment-based Model

  • نسخه ی نمایشی: Retriever و Verifier و Summary را ترکیب کنید Demo: Combine the Retriever and Verifier and Summary

  • نسخه ی نمایشی: Retriever و Verifier و Summary را ترکیب کنید Demo: Combine the Retriever and Verifier and Summary

نمایش نظرات

راستی‌آزمایی واقعیت با RAG
جزییات دوره
24m
10
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Eduardo Freitas Eduardo Freitas

ادواردو یک علاقه مند به فناوری ، معمار نرم افزار و طرفدار موفقیت مشتری است. او راه حل های دات نت سازمانی را طراحی کرده است که فرآیندهای مهم تجاری مانند راه حل های حساب های قابل پرداخت و Mailroom را برای انواع سازمان ها استخراج ، اعتبارسنجی و خودکار می کند. وی سیستم های تولید را برای نام های جهانی مانند کوکا کولا ، انل ، پیرلی ، فیات-کرایسلر ، زیراکس و بسیاری دیگر طراحی و پشتیبانی کرده است. او یک متخصص شناخته شده در بخش بازار مدیریت محتوای سازمانی است ، به طور خاص در ضبط و استخراج داده ها و اتوماسیون فرآیند اسناد تمرکز دارد. او یک سیستم پردازش فاکتور تأمین کننده برای Agfa طراحی کرد که 50٪ پردازش مستقیم (50٪ فاکتورهای استخراج شده از کاغذ ، تأیید و صادر شده به SAP بدون هیچ گونه اعتبار انسانی) را به دست آورد. او همچنین دوست دارد در مورد فن آوری های پیشرفته بنویسد. او عاشق کمک به موفقیت مشتریان است. در اوقات فراغت او از گذراندن وقت با خانواده و بیرون بودن لذت می برد. او عاشق دویدن و ورزش است.