لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ساخت سیستمهای RAG با مدلهای متنباز
- آخرین آپدیت
دانلود Building RAG Systems with Open Models
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره ساخت سیستمهای RAG با مدلهای متنباز برای توسعهدهندگان، مهندسان و سازندگان محصولات فنی طراحی شده است که در حوزه هوش مصنوعی مولد (Generative AI) تازهکار هستند اما دانش متوسطی در یادگیری ماشین، تسلط پایه به زبان پایتون و آشنایی با محیطهای توسعه مانند VS Code دارند و قصد دارند راهکارهای هوش مصنوعی مولد متنباز را مهندسی، سفارشیسازی و مستقر کنند تا از وابستگی به یک ارائهدهنده خاص (Vendor Lock-in) جلوگیری نمایند.
این دوره مهارتهای لازم برای طراحی و پیادهسازی اپلیکیشنهای تولید تقویتشده با بازیابی (RAG) را برای کاربردهای واقعی فراهم میکند. یادگیرندگان ابتدا با بررسی مبانی معماری RAG، اجزای کلیدی مانند بازیابها (Retrievers)، رتبهبندها (Rankers)، تولیدکنندهها (Generators) و لایههای ارکستراسیون را تحلیل کرده و الگوهای طراحی برای کارهایی مانند پاسخ به سوالات، تلخیص و ترکیب دانش را میآموزند.
سپس وارد مبحث Embeddingها و پایگاههای داده برداری شده و ابزارهایی نظیر FAISS، ChromaDB، Milvus و Pinecone را مقایسه میکنند و استراتژیهای ایندکسگذاری و تکهبندی (Chunking) را برای بهبود کارایی بازیابی و مرتبط بودن معنایی به کار میگیرند. در ماژول نهایی، تمام این عناصر برای ساخت خط لولههای RAG آماده تولید با استفاده از LangChain و مدلهای زبانی بزرگ (LLM) متنباز ترکیب میشوند که شامل متدهای پیشرفته بازیابی، کاهش توهمات (Hallucination) و چارچوبهای ارزیابی برای دقت و قابلیت اطمینان است. در پایان، یادگیرندگان یک اپلیکیشن RAG کاربردی با اجزای قابل تنظیم، بهینه شده از نظر عملکرد و مجهز به معیارهای ارزیابی قدرتمند ساخته خواهند بود.
سرفصل ها و درس ها
معماری RAG و الگوهای طراحی
RAG Architecture and Design Patterns
درون RAG: اجزایی که باعث عملکرد سیستم میشوند
Inside RAG: Components That Make It Work
انتخاب امبدینگها و پایگاههای داده برداری
Choosing Embeddings and Vector Databases
پادکست: چرا انتخاب امبدینگ درست سیستم شما را میسازد یا میشکند
Podcast: Why Choosing the Right Embeddings Makes or Breaks Your System
تاثیر انتخاب پایگاه داده و امبدینگ بر RAG
How Database & Embedding Choices Affect RAG
بهکارگیری امبدینگها و پایگاههای داده در خط لولههای RAG
Applying Embeddings and Databases in RAG Pipelines
پادکست: از تئوری تا عمل: به کاربردی کردن RAG
Podcast: From Theory to Practice: Making RAG Actually Work
پیادهسازی خط لولههای RAG در سطح تولید
Implementing Production RAG Pipelines
ساخت اولین جریان کاری RAG با LangChain
Building Your First RAG Workflow with LangChain
بهینهسازی و ماژولار کردن RAG با LangChain
Optimizing & Modularizing RAG with LangChain
ارزیابی و بهینهسازی سیستم RAG شما
Evaluating and Optimizing Your RAG System
پادکست: یکپارچهسازی سیستمهای RAG: از مفهوم تا تولید
Podcast: Bringing RAG Systems Together: From Concept to Production
نمایش نظرات