مشکل زیرساخت شبکه و افت سرعت کاملاً برطرف شده است. در حال حاضر فعالسازی و آمادهسازی دورهها در حال انجام است. از صبر و شکیبایی شما سپاسگزاریم.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پرسوجو از دوقلوهای دیجیتال با استفاده از مدلهای زبانی بزرگ (LLMs)
- آخرین آپدیت
دانلود Query Digital Twins with LLMs
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره کوتاه برای کمک به متخصصان یادگیری ماشین و هوش مصنوعی طراحی شده است تا بتوانند ادغام جامع مدلهای زبانی بزرگ (LLMs) را با محیطهای دوقلوی دیجیتال، با استفاده از Azure Digital Twins به عنوان پیادهسازی مرجع و الگوی تولید تقویتشده با بازیابی (RAG) به انجام برسانند. با تکمیل این دوره، شما قادر خواهید بود دستورات به زبان ساده را به عبارات ADTQL تبدیل کنید، یک خط لوله RAG با دادههای زنده را راه اندازی کرده و خروجیها را با اطمینان بر اساس قوانین طرحواره (Schema) و دسترسیها در محیط کاری اعتبارسنجی کنید.
در پایان این دوره، شما قادر خواهید بود:
- از پرامپتهای فراخوانی ابزار (Tool-calling) برای تبدیل پرسوجوهای زبان طبیعی به عبارات زبان پرسوجوی Azure Digital Twins استفاده کنید.
- یک خط لوله تولید تقویتشده با بازیابی (RAG) را پیکربندی کنید که پاسخهای LLM را با وضعیت زنده دوقلو و استنادات متاداده غنیساز کند.
- پاسخهای تولید شده دوقلو را از نظر انطباق با طرحواره و رعایت مجوزها با استفاده از چکلیستهای حفاظتی (Guardrail) ارزیابی کنید.
ویژگی منحصر به فرد این دوره، تمرکز عمیق بر روی یک الگوی ادغام بسیار کاربردی (Azure Digital Twins به همراه Tool-calling مدلهای زبانی و RAG) است، به جای بررسی کلی چشمانداز دوقلوهای دیجیتال. این رویکرد به شما یک گردش کار تکرارپذیر میدهد که نشان میدهد چگونه LLMها میتوانند با استفاده از تکنیکهای Tool-calling و RAG، اطلاعات را از محیطهای دوقلوی دیجیتال پرسوجو و بازیابی کنند.
برای موفقیت در این دوره، باید با برنامهنویسی پایتون، REST APIها و دانش بنیادی مدلهای زبانی بزرگ و پلتفرمهای ابری در سطح متوسط آشنا باشید.
سرفصل ها و درس ها
تبدیل پرسوجوهای زبان طبیعی به زبان پرسوجوی Azure Digital Twins
Convert Natural-Language Queries to Azure Digital Twins Query Language
زمانی که زبان ساده با دادههای عملیاتی ملاقات میکند
When Plain Language Meets Operational Data
اجرای پرامپت فراخوانی ابزار در مقابل نقطه انتهایی Azure Digital Twins
Executing a Tool-Calling Prompt Against an Azure Digital Twins Endpoint
پیکربندی خط لوله RAG برای غنیسازی پاسخهای LLM با وضعیت زنده دوقلو و استنادات متاداده
Configure a RAG Pipeline Enriching LLM Responses with Live Twin State and Metadata Citations
ارزیابی پاسخهای تولید شده دوقلو از نظر انطباق با طرحواره و رعایت مجوزها
Evaluate Generated Twin Responses for Schema Compliance and Permission Adherence
زمانی که پاسخ LLM با قوانین انطباق شکست میخورد: یک حادثه در محیط عملیاتی
When an LLM Response Fails Compliance: A Production Incident
نمایش نظرات