آموزش مدل‌های زبانی پیشرفته (LLM) با تولید تقویت‌شده بازیابی (RAG): پروژه‌های کاربردی برای برنامه‌های هوش مصنوعی - آخرین آپدیت

دانلود Advanced LLMs with Retrieval Augmented Generation (RAG): Practical Projects for AI Applications

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آیا شما مهندس، معمار راهکار یا توسعه‌دهنده نرم‌افزاری هستید که مسئولیت ساخت برنامه‌های سازمانی را بر عهده دارید؟ زمان آن رسیده است که با جدیدترین ابزارها و تکنیک‌های مبتنی بر هوش مصنوعی، به‌ویژه تولید تقویت‌شده بازیابی (RAG)، آشنا شوید. در این دوره که توسط مرکز آموزشی پیشرو Pragmatic AI Labs طراحی شده است، به همراه مدرس دوره، Guy Ernest، مفاهیم بنیادی و پیشرفته مورد نیاز برای بهره‌برداری از RAG در مدل‌های زبانی بزرگ را بیاموزید؛ از جمله کدگذاری متن با استفاده از بردارهای جاسازی شده (Embedded Vectors)، تکه‌بندی اسناد (Document Chunking) با استراتژی‌های غنی‌سازی، بهبود بازیابی اسناد و موارد دیگر. در پایان این دوره، شما به مهارت‌های لازم برای بهره‌مندی از قدرت RAG مجهز خواهید شد.

سرفصل ها و درس ها

مقدمه Introduction

  • ساخت یک نمونه ساده از RAG Building a simple RAG example

  • مشکلات RAG ساده Issues with simple RAG

  • معرفی دوره Course introductions

  • درک مفاهیم پایه RAG Understanding the basics of RAG

1. کدگذاری متن با استفاده از بردارهای جاسازی (Embedding) 1. Text Encoding Using Embedding Vectors

  • کارگاه عملی: جاسازی جملات (Sentence Embedding) Hands-on lab: Sentence embedding

  • کارگاه عملی: واژگان جاسازی (Embedding Vocabulary) Hands-on lab: Embedding vocabulary

  • مقدمه‌ای بر Embedding Embedding introduction

  • کارگاه عملی: جاسازی محتوا (Content Embedding) Hands-on lab: Content embedding

  • خلاصه نوت‌بوک Embedding Embedding notebook summary

  • کارگاه عملی: توکن‌بندی در Embedding Hands-on lab: Embedding tokenization

2. استراتژی‌های تکه‌بندی و غنی‌سازی اسناد 2. Document Chunking and Enrichment Strategies

  • کارگاه عملی: Reverse HyDE Hands-on lab: Reverse HyDE

  • کارگاه عملی: تکه‌بندی معنایی (Semantic Chunking) Hands-on lab: Semantic chunking

  • مروری بر تکه‌بندی (Chunking) Chunking overview

  • کارگاه عملی: بازیابی زمینه‌ای (Contextual Retrieval) Hands-on lab: Contextual retrieval

  • تراز کردن سند و پرس‌وجو (Query Document Alignment) Query document alignment

  • مقدمه‌ای بر تکه‌بندی (Chunking) Chunking introduction

3. بهبود بازیابی اسناد 3. Improving Document Retrieval

  • مقدمه‌ای بر جستجوی ترکیبی (Hybrid Search) Hybrid search introduction

  • کارگاه عملی: رتبه‌بندی مجدد (Reranking) Hands-on lab: Reranking

  • کارگاه عملی: بازیابی PDFهای چندوجهی (Multimodal) Hands-on lab: Multimodal PDF retrieval

  • کارگاه عملی: جستجوی ترکیبی Hands-on lab: Hybrid search

  • مقدمه‌ای بر بازیابی چندوجهی Multimodal retrieval introduction

نمایش نظرات

آموزش مدل‌های زبانی پیشرفته (LLM) با تولید تقویت‌شده بازیابی (RAG): پروژه‌های کاربردی برای برنامه‌های هوش مصنوعی
جزییات دوره
1h 47m
21
(آخرین آپدیت)
19,920
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pragmatic AI Labs Pragmatic AI Labs

آزمایشگاه‌های هوش مصنوعی عمل‌گرا یک آموزش‌دهنده فناوری است.

آزمایشگاه‌های هوش مصنوعی عملی همه را، صرف‌نظر از ابزار یا پیش‌زمینه، به دانشی برای تغییر خود و ارتقای جوامع خود مجهز می‌کند. آزمایشگاه‌های هوش مصنوعی عملگرا تلاش می‌کنند تا آموزش را دموکراتیک کرده و زندگی را از طریق فناوری خلاقانه و اخلاقی تقویت کنند. با مدرسان برجسته از دانشگاه‌های برتر با تجربه صنعت در دنیای واقعی، برنامه‌های آن بر ارائه مهارت‌های در دسترس و پیشرفته تمرکز دارد که منجر به تحقق مشاغل و در عین حال اجتناب از آسیب و بهبود رفاه انسان می‌شود.

Guy Ernest Guy Ernest

Guy Ernest مدیر ارشد مهندسی در Pragmatic AI Labs است.

گای به توسعه‌دهندگان نرم‌افزار کمک می‌کند تا با استفاده از کتابخانه محبوب fast.ai، PyTorch و سرویس‌های هوش مصنوعی AWS، به مهندسان یادگیری ماشین و هوش مصنوعی تبدیل شوند. او در اوقات فراغت خود، از کار با کودکانی که مسیر یادگیری AI و ML را آغاز کرده‌اند لذت می‌برد و آن‌ها را از طریق مهارت‌های الکسا (Alexa)، ابزارهای بینایی ماشین و رباتیک در فعالیت‌های بعد از مدرسه و کمپ‌های تابستانی توانمند می‌سازد.