RAG چندوجهی: سیستم‌های جستجو و توصیه‌کننده هوش مصنوعی با GPT-4

Multimodal RAG: AI Search & Recommender Systems with GPT-4

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تسلط بر RAG چندوجهی: ساخت سیستم‌های توصیه‌کننده جستجوی مبتنی بر هوش مصنوعی با GPT-4، CLIP، و ChromaDB، درک و پیاده‌سازی Retrieval-Augmented Generation (RAG) با داده‌های چندوجهی (متن، تصاویر). با استفاده از GPT-4، CLIP و ChromaDB، سیستم‌های جستجو و توصیه‌کننده مبتنی بر هوش مصنوعی بسازید. ایجاد و استفاده از جاسازی متن و تصویر برای انجام جستجوهای چندوجهی. توسعه برنامه های کاربردی تعاملی با Streamlit برای رسیدگی به پرسش های کاربر و ارائه توصیه های مبتنی بر هوش مصنوعی پیش نیازها: درک اولیه برنامه نویسی پایتون. آشنایی با مفاهیم یادگیری ماشین (Embeddings، Vector). هیچ تجربه قبلی با سیستم های چندوجهی مورد نیاز نیست، اما دانش ابزارهای هوش مصنوعی مانند GPT یا CLIP مفید خواهد بود. رایانه ای با دسترسی به اینترنت و قابلیت نصب کتابخانه های پایتون مانند Streamlit، OpenAI و ChromaDB.

آیا آماده هستید تا به دنیای پیشرفته سیستم‌های جستجو و توصیه‌کننده مبتنی بر هوش مصنوعی شیرجه بزنید؟ این دوره شما را از طریق فرآیند ساخت سیستم‌های چندوجهی بازیابی-نسل افزوده (RAG) که داده‌های متن و تصویر را برای بازیابی اطلاعات و توصیه‌های پیشرفته ترکیب می‌کند، راهنمایی می‌کند.

در این دوره آموزشی، می‌آموزید که چگونه از ابزارهای پیشرفته مانند GPT-4، CLIP و ChromaDB برای ساختن سیستم‌های هوش مصنوعی که قادر به پردازش داده‌های چندوجهی هستند، استفاده کنید - با بهبود روش‌های جستجوی سنتی با قدرت یادگیری ماشینی و جاسازی‌ها.

آنچه یاد خواهید گرفت:

  • Master Multimodal RAG: مفهوم Retrieval-Augmented Generation (RAG) و نحوه پیاده‌سازی آن را برای داده‌های مبتنی بر متن و تصویر درک کنید.

  • ساخت سیستم‌های توصیه جستجوی مبتنی بر هوش مصنوعی: با استفاده از مدل‌های قدرتمند هوش مصنوعی مانند GPT-4 و CLIP، یاد بگیرید که چگونه موتورهای جستجو و سیستم‌های توصیه‌کننده بسازید که می‌توانند پرس‌وجوهای چندوجهی را مدیریت کنند.

  • استفاده از Embeddings برای جستجوی چندوجهی: تجربه عملی ایجاد و استفاده از جاسازی‌ها برای فعال کردن جستجو و توصیه‌ها بر اساس ورودی متن یا تصویر را به دست آورید.

  • برنامه‌های کاربردی تعاملی را با Streamlit توسعه دهید: برنامه‌های کاربرپسند ایجاد کنید که امکان جستجو و توصیه‌های هم‌زمان را بر اساس داده‌های متن یا تصویر ارائه‌شده توسط کاربر فراهم می‌کند.

تکنولوژی های کلیدی که با آنها کار خواهید کرد:

  • GPT-4 : یک مدل زبان پیشرفته که توصیه های مبتنی بر هوش مصنوعی را تقویت می کند.

  • CLIP: یک مدل هوش مصنوعی پیشرفته برای ایجاد تصاویر و جاسازی متن، که امکان جستجوی تصاویر با متن را فراهم می کند.

  • ChromaDB: یک پایگاه داده برداری با کارایی بالا که امکان جستجوی سریع و کارآمد را برای جاسازی های چندوجهی فراهم می کند.

  • Streamlit: یک چارچوب ساده و در عین حال قدرتمند برای ساخت برنامه های کاربردی وب تعاملی.


تجربه قبلی با سیستم های چندوجهی ندارید؟ مشکلی نیست!

این دوره طراحی شده است تا مفاهیم پیشرفته هوش مصنوعی را با دستورالعمل های دقیق و گام به گام در دسترس قرار دهد که شما را در هر فرآیند راهنمایی می کند - از تولید جاسازی ها تا ساخت سیستم های کامل هوش مصنوعی. دانش پایه پایتون و کنجکاوی برای هوش مصنوعی تمام چیزی است که برای شروع نیاز دارید.

همین امروز ثبت نام کنید و با تسلط بر هنر سیستم های RAG چندوجهی، مهارت های توسعه هوش مصنوعی خود را به سطح بعدی ارتقا دهید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه و پیش نیازها Introduction & Prerequisites

  • ساختار دوره Course Structure

  • این دمو را تماشا کنید - آنچه در این دوره خواهید ساخت WATCH THIS DEMO - What You'll Build in This Course

کد منبع و منابع را دانلود کنید Download Source code and Resources

  • کد منبع را دانلود کنید Download source code

راه اندازی محیط توسعه Development environment Setup

  • راه اندازی محیط توسعه - بررسی اجمالی Development Environment Setup - Overview

RAG (Retrieval Augmented Generation) و سیستم های چندوجهی Deep Dive RAG (Retrieval Augmented Generation) and Multimodal Systems Deep Dive

  • RAG Systems - دوره له شدن عمیق شیرجه RAG Systems - Deep Dive Crush Course

  • مزایای RAG و کاربرد عملی RAG Benefits and Practical Application

  • RAG چندوجهی - بررسی اجمالی و انگیزه و مزایا - چگونه کار می کند Multimodal RAG - Overview & Motivation and Benefits - How it Works

جستجو در یک سیستم RAG چند وجهی Search in a Multimodal RAG System

  • چگونه جستجو در یک سیستم RAG چند وجهی ادغام می شود - گردش کار کامل How Search is Integrated into a Multimodal RAG System - Full Workflow

  • چرا جستجوی چندوجهی بسیار قدرتمند است Why Multimodal Search is so Powerful

  • توضیح تصویری چرا جستجوی چندوجهی اینقدر قدرتمند است Visual Explanation Why Multimodal Search is so Powerful

عملی: سیستم RAG جستجوی چندوجهی Hands-on: Multimodal Search RAG System

  • راه اندازی سیستم جستجوی چندوجهی - ایجاد جاسازی تصاویر Multimodal Search System Setup - Create Embeddings of Images

  • سیستم جستجوی چندوجهی را تمام کنید Finish the Multimodal Search System

Hands-On - سیستم توصیه کننده چندوجهی Hands-On - Multimodal Recommender System

  • سیستم توصیه کننده چندوجهی - بررسی اجمالی Multimodal Recommender System - Overview

  • دریافت مجموعه داده ما از در آغوش گرفتن صورت و نمایش تعداد ردیف‌ها Getting our Dataset from Hugging Face & Showing Number of Rows

  • ذخیره همه تصاویر به صورت محلی Saving all Images Locally

  • ذخیره جاسازی های تصویر در پایگاه داده برداری Saving Image Embeddings to Vector Database

  • آزمایش سیستم توصیه‌کننده چندوجهی ما - واکشی تصاویر صحیح Testing our Multimodal Recommender System - Fetching the Correct Images

  • راه اندازی RAG Flow - قسمت 1 Setting up the RAG Flow - Part 1

  • قرار دادن همه اینها با هم و آزمایش سیستم چندوجهی توصیه کننده RAG Putting it all Together and Testing the Multimodal Recommender RAG System

  • افزودن یک رابط کاربری به سیستم توصیه‌کننده چندوجهی - Streamlit Adding a UI to the Multimodal Recommender System - Streamlit

مراحل بعدی Next Steps

  • مراحل بعدی Next steps

  • سخنرانی پاداش Bonus Lecture

نمایش نظرات

RAG چندوجهی: سیستم‌های جستجو و توصیه‌کننده هوش مصنوعی با GPT-4
جزییات دوره
1.5 hours
23
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
42
5 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

Paulo Dichone  Software Engineer, AWS Cloud Practitioner   Instructor Paulo Dichone Software Engineer, AWS Cloud Practitioner Instructor

Android، Flutter، AWS، پرفروش ترین مربی