لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
Master RAG: Retrieval-Augmented Generation Systems [جدید]
Master RAG: Retrieval-Augmented Generation Systems [NEW]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
قدرت هوش مصنوعی را با RAG Triad باز کنید: تکنیک های پیشرفته در بازیابی اطلاعات، تولید پاسخ با RAG درک سه گانه RAG: اجزای اصلی را درک کنید: Retriever، Generator و Fusion Module. تکنیک های بازیابی پیشرفته: روش های بازیابی پراکنده و متراکم، از جمله بازیابی گذرگاه متراکم (DPR) را کاوش کنید. تولید پاسخ منسجم: بر اساس اسناد بازیابی شده، پاسخهای روان و مناسب با زمینه ایجاد کنید. تکنیکهای گسترش پرس و جو و رتبهبندی مجدد: ارتباط سند را از طریق استراتژیهای رتبهبندی مجدد بهبود دهید. پیش نیازها:آشنایی اولیه با مفاهیم هوش مصنوعی و NLP: آشنایی با اصول اولیه هوش مصنوعی و NLP. تجربه برنامه نویسی: تسلط به پایتون، زیرا زبان برنامه نویسی اصلی مورد استفاده خواهد بود.
پتانسیل کامل هوش مصنوعی را با دوره جامع ما در مورد سیستم های بازیابی-نسل افزایش یافته (RAG) باز کنید. عمیقاً در Triad قدرتمند RAG شیرجه بزنید و یاد بگیرید که چگونه از تکنیک های پیشرفته در بازیابی اطلاعات، تولید پاسخ و معماری مبتنی بر عامل استفاده کنید. این دوره برای علاقه مندان به هوش مصنوعی، دانشمندان داده و متخصصان NLP طراحی شده است، این دوره هر آنچه را که برای ساختن سیستم های RAG پیشرفته نیاز دارید ارائه می دهد که پاسخ های دقیق، مرتبط با زمینه و منسجم را به پرس و جوهای پیچیده ارائه می دهد.
آنچه خواهید آموخت:
سهگانه RAG: اجزای سیستمهای RAG، مانند retriever، ژنراتور و Fusion Module و نحوه کار آنها با هم برای بهبود بازیابی اطلاعات و تولید پاسخ را بدانید.
تکنیکهای بازیابی پیشرفته: روشهای بازیابی پراکنده و متراکم، از جمله بازیابی گذرگاه متراکم (DPR) را کاوش کنید و یاد بگیرید که چگونه روشهای بازیابی ترکیبی را برای دقت برتر پیادهسازی کنید.
تولید پاسخ منسجم: در استفاده از مدلهای زبان پیشرفته مانند GPT-3 برای ایجاد پاسخهای روان و مناسب بر اساس اسناد بازیابی شده استاد شوید.
پروژههای عملی: در تمرینهای عملی و پروژههای واقعی شرکت کنید تا از ابتدا یک سیستم RAG کامل بسازید و مهارتهای خود را در برنامههای مختلف مانند موتورهای جستجو، پشتیبانی مشتری و تحقیق به کار ببرید.
در پایان این دوره، شما به مهارتها و دانش لازم برای ایجاد سیستمهای RAG قوی مجهز میشوید که به راحتی میتوانند پرس و جوهای پیچیده را مدیریت کنند و شما را به یک رهبر در AI و NLP تبدیل میکنند.
هم اکنون ثبت نام کنید تا قابلیت های هوش مصنوعی خود را متحول کنید و در زمینه همیشه در حال تکامل هوش مصنوعی پیشرو باشید.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه
Introduction
ساختار دوره
Course Structure
راه اندازی محیط توسعه
Development Environment Setup
دانلود منبع
Resource Download
دانلود منابع دوره
Download Course Resources
RAG (Retrieval-Augmented Generation) Deep Dive - Naive RAG vs Advanced RAG
RAG (Retrieval-Augmented Generation) Deep Dive - Naive RAG vs Advanced RAG
معرفی RAG و RAG Triad - بررسی اجمالی
Introduction to RAG and the RAG Triad - Overview
بررسی اجمالی و دام های RAG و Naive RAG چیست
What is RAG and Naive RAG Overview and Pitfalls
شیرجه رفتن عمیق به هر یک از اشکالات ساده لوح RAG
Deep Dive into Each Naive RAG Drawbacks
بررسی کنید
Check in
Advance RAG Deep Dive - تکنیک های پیشرفته
Advance RAG Deep Dive - Advanced Techniques
تکنیک های پیشرفته RAG - مقدمه ای برای توسعه با پاسخ های تولید شده
Advanced RAG Techniques - Intro to Expansion with Generated Answers
عملی - گسترش با پاسخ - تقسیم متن
Hands-on - Expansion with Answers - Splitting Text
جاسازی تکه ها و نمایش آنها
Embedding the Chunks and Showing Them
افزودن اسناد به فروشگاه وکتور و انجام جستجوی مشابهت
Adding Documents to the Vector Store and Performing Similarity Search
ایجاد پاسخ و الحاق اسناد مربوطه
Generating the Answer & Concatenating the Relevant Documents
ترسیم و پیش بینی نتایج جاسازی شده روی نمودار
Plotting and Projecting the Embedded Results on Graph
گسترش پرس و جو با پاسخ های تولید شده - خلاصه
Query Expansion with Generated Answers - Summary
عملی: تکنیک RAG پیشرفته - بسط پرس و جو با پرس و جوهای متعدد
Hands-on: Advanced RAG Technique - Query Expansion with Multiple Queries
گسترش پرس و جو با پرس و جوهای متعدد - نمای کلی
Query Expansion with Multiple Queries - Overview
دریافت پرس و جوهای افزوده شده ایجاد شده
Getting Generated Augmented Queries
بازیابی و رسم جاسازی ها در یک نمودار دوبعدی
Retrieving and Plotting Embeddings in a 2D Graph
چالش: نوبت شماست
CHALLENGE: Your Turn
گسترش با چند پرس و جو معایب و خلاصه
Expansion with Multiple Queries Downsides & Summary
عملی - تکنیک RAG را پیشرفته می کند: رتبه بندی مجدد با رمزگذار متقابل
Hands-on - Advances RAG Technique: Re-Ranking with Cross-encoder
رتبه بندی مجدد و رمزگذار متقاطع و دو رمزگذار - بررسی اجمالی
Re-ranking & Cross-encoder and Bi-encoders - Overview
رتبه بندی نتایج دم دراز با رمزگذار متقابل
Ranking Long-tail Results with Cross-encoder
مرحله آخر - اسناد رتبه بندی شده را از طریق یک LLM برای دریافت پاسخ مربوطه عبور دهید
Final Step - Pass the Ranked Documents through a LLM to Get Relevant Answer
نمایش نظرات