آموزش مبانی مهندسی داده نیتیو هوش مصنوعی (AI Native) - آخرین آپدیت

سرفصل ها و درس ها

خوش‌آمدگویی به دوره Welcome to the Course

• ویدیو خوش‌آمدگویی Welcome Video

مقدمه‌ای بر مهندسی داده نیتیو هوش مصنوعی Introduction to AI-Native Data Engineering

• مهندسی داده نیتیو هوش مصنوعی چیست؟ What Is AI-Native Data Engineering?

• نقش مهندسان داده نیتیو هوش مصنوعی Role of AI-Native Data Engineers

• موارد استفاده از AI-Native AI-Native Use Cases

• نمای کلی معماری داده نیتیو هوش مصنوعی Overview of AI-Native Data Architecture

• تکامل خط لوله داده از ETL به خط لوله‌های AI-Native Data Pipeline Evolution from ETL to AI-Native Pipelines

مبانی هوش مصنوعی و اجزای استک برای مهندسان داده AI Fundamentals and Stack Components for Data Engineers

• مفاهیم AI، ML، GenAI و LLM برای مهندسان داده AI, ML, GenAI, and LLMs for Data Engineers

• جاسازی‌ها (Embeddings) برای مهندسان داده Embeddings for Data Engineers

• پایگاه داده‌های برداری و جستجوی شباهت Vector Databases and Similarity Search

• مفاهیم RAG و اجزای استک هوش مصنوعی RAG and AI Stack Components

چرخه حیات داده‌های هوش مصنوعی و نقش مهندسان داده AI The AI Data Lifecycle and the Role of AI Data Engineers

• نمای کلی چرخه حیات داده‌های هوش مصنوعی AI Data Lifecycle Overview

• خط لوله‌های داده برای بارهای کاری هوش مصنوعی Data Pipelines for AI Workloads

• مانیتورینگ رانش داده‌ها (Drift Monitoring) Drift Monitoring

• حاکمیت داده و قابلیت توضیح‌پذیری Governance and Explainability

مدل‌های زبانی بزرگ (LLM) برای مهندسان داده: پرامپتینگ، میزبانی، تنظیم دقیق و مقیاس‌پذیری LLMs for Data Engineers: Prompting, Hosting, Fine-Tuning, and Scale

• مبانی LLM برای مهندسان داده LLM Fundamentals for Data Engineers

• پرامپتینگ، توکن‌ها و پنجره‌های متنی (Context Windows) Prompting, Tokens, and Context Windows

• گزینه‌های میزبانی LLM و الگوهای استقرار LLM Hosting Options and Deployment Patterns

• تنظیم دقیق (Fine Tuning)، RAG، هزینه و مقیاس Fine-Tuning, RAG, Cost, and Scale

خط لوله‌های RAG: طراحی، پیاده‌سازی، عیب‌یابی و تحلیل هزینه‌های تنظیم دقیق RAG Pipelines: Design, Implementation, Failure Diagnosis, and Fine-Tuning Tradeoffs

• معماری RAG به‌صورت جامع (End-to-End) RAG Architecture End to End

• بازیابی و اسمبل کردن پرامپت Retrieval and Prompt Assembly

• حالت‌های شکست RAG و عیب‌یابی RAG Failure Modes and Troubleshooting

• ارزیابی خط لوله‌های RAG Evaluating RAG Pipelines

ساخت موتور جستجوی معنایی با معماری داده نیتیو هوش مصنوعی Build a Semantic Search Engine with AI-Native Data Architecture

• معماری جستجوی معنایی Semantic Search Architecture

• آماده‌سازی کورپوس و متاداده‌ها Corpus and Metadata Preparation

• گردش‌کار جاسازی و بازیابی Embedding and Retrieval Workflow

• بررسی پروژه نهایی Final Project Walkthrough

جمع‌بندی دوره Course Summary

• جمع‌بندی نهایی Wrap up

آزمون نهایی Final Exam