آموزش ساختن یک راه حل پارچه ای از ابتدا - آخرین آپدیت

دانلود Building a RAG Solution from Scratch

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره ، Axel Sirota نسل بازیابی-آگوس (RAG) را به عنوان یک روش قدرتمند برای تقویت قابلیت های مدل های بزرگ زبان (LLMS) معرفی می کند. مفاهیم بنیادی و کاربردهای عملی RAG را بیاموزید ، با تمرکز بر ایجاد چت بابات و سیستم های پشتیبانی تصمیم گیری در حوزه های مختلف. با استفاده از مجموعه داده MIMIC-III برای ایجاد یک چت بابات مراقبت های بهداشتی که می تواند به سؤالات پاسخ دهد یا به عنوان نمونه تشخیص را پیشنهاد کند ، در ساخت سیستم های RAG با Tensorflow ، Keras و Huggingface تجربه کنید. در پایان دوره ، شما به استقرار راه حل های RAG که یکپارچه سازی مکانیسم های بازیابی قوی با مدل های تولیدی ، در زمینه هایی مانند مراقبت های بهداشتی ، حقوقی و خدمات به مشتری قابل اجرا است ، مجهز خواهید شد.

سرفصل ها و درس ها

خوشامد Welcome

  • مقدمه ای برای راه حل RAG از ابتدا Introduction to RAG solution from scratch

  • بررسی نسخه Version check

  • بیشترین استفاده را از این دوره Getting the most out of this course

1. مقدمه ای برای سیستم های RAG 1. Introduction to RAG Systems

  • نسل بازیابی (RAG) چیست؟ What is Retrieval-Augmented Generation (RAG)?

  • اجزای اصلی یک سیستم RAG Key components of a RAG system

  • مقایسه با رویکردهای سنتی LLM Comparison with traditional LLM approaches

2. ایجاد پایگاه داده بردار 2. Creating the Vector Database

  • نسخه ی نمایشی: اجرای بانک اطلاعاتی بردار با MIMIC-III Demo: Implementing the vector database with MIMIC-III

  • راه حل: ساختمان و استفاده از پایگاه داده بردار Solution: Building and using the vector database

  • تهیه داده ها و تکنیک های پیش پردازش Data preparation and preprocessing Techniques

  • نسخه ی نمایشی: تنظیم محیط توسعه Demo: Setting up the development environment

  • ایجاد پایگاه داده بردار Creating the vector database

3. 3. Developing RAG for Chatbots

  • نسخه ی نمایشی: ادغام مؤلفه تولید Demo: Integrating the generation component

  • نسخه ی نمایشی: ادغام و آزمایش کامل Demo: Full integration and testing

  • تکنیک های بهینه سازی و ارزیابی Optimization and evaluation techniques

  • طراحی معماری chatbot با پارچه Designing a chatbot architecture with RAG

  • راه حل: استفاده از یک چت بابات کاربردی Solution: Deploying a functional chatbot

4. اجرای RAG برای سیستم های پشتیبانی تصمیم گیری 4. Implementing RAG for Decision Support Systems

  • نسخه ی نمایشی: اجرای منطق پشتیبانی تصمیم گیری Demo: Implementing decision support logic

  • نسخه ی نمایشی: ساخت سیستم بازیابی اطلاعات Demo: Building the information retrieval system

  • طراحی سیستم های پشتیبانی تصمیم گیری با RAG Designing decision support systems with RAG

5. تحقیق ، اخلاق و مسیرهای آینده 5. Research, Ethics, and Future Directions

  • روندهای آینده در توسعه پارچه Future trends in RAG development

  • تحقیقات و نوآوری های فعلی در RAG Current research and innovations in RAG

پایان Conclusion

  • خلاصه دوره و مراحل بعدی Course summary and next steps

نمایش نظرات

آموزش ساختن یک راه حل پارچه ای از ابتدا
جزییات دوره
2h 53m
22
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
169
- از 5
دارد
دارد
دارد
Axel Sirota
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Axel Sirota Axel Sirota

آکسل سیروتا دارای مدرک کارشناسی ارشد ریاضیات است که علاقه زیادی به عملیات یادگیری عمیق و یادگیری ماشین دارد. وی پس از تحقیق در زمینه احتمال ، آمار و بهینه سازی یادگیری ماشین ، در حال حاضر در JAMPP به عنوان یک مهندس تحقیق در زمینه یادگیری ماشین مشغول به کار است که از داده های مشتری برای پیش بینی دقیق در زمان واقعی پیشنهاد استفاده می کند.