آموزش نمایه سازی و بازیابی محتوا (Context Indexing and Retrieval) - آخرین آپدیت

دانلود Context Indexing and Retrieval

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: ساخت سیستم‌های بازیابی مؤثر نیازمند تصمیمات هوشمندانه در مورد نحوه تکه‌بندی (Chunking) اسناد، استراتژی‌های نمایه سازی و روش‌های بهبود کیفیت نتایج در مقیاس بالا است. در این دوره آموزشی، شما یاد می‌گیرید که خط لوله‌های بازیابی آماده برای محیط عملیاتی (Production-ready) را برای پایگاه‌های دانش و برنامه‌های RAG طراحی و پیاده‌سازی کنید. ابتدا، استراتژی‌های مختلف تکه‌بندی شامل اندازه‌های ثابت، بازگشتی و معنایی را بررسی کرده و می‌آموزید که چه زمانی از رویکردهای نمایه سازی برداری (Vector)، لغت‌نامه‌ای (Lexical) یا ترکیبی (Hybrid) برای داده‌ها و الگوهای پرس‌وجوی خود استفاده کنید. سپس، نحوه بهبود کیفیت بازیابی با استفاده از بازرتبه‌بندی (Reranking)، فیلتر کردن متا‌دیتا، گسترش پرس‌وجو (Query Expansion) و تکنیک‌های ادغام مانند MMR و RRF را کشف خواهید کرد. در نهایت، یاد می‌گیرید که چگونه بازیابی را در مقیاس وسیع عملیاتی کنید، خط لوله‌های ورود داده را طراحی نمایید، انحراف بازیابی را مانیتور کنید و بین استراتژی‌های نمایه سازی آنلاین و دسته‌ای تعادل برقرار کنید. در پایان این دوره، شما مهارت و دانش لازم برای ساخت سیستم‌های بازیابی قدرتمند و آگاه به متن (Context-aware) را خواهید داشت که با رشد داده‌های شما مقیاس‌پذیر بوده و کیفیت خود را در طول زمان حفظ می‌کنند.

سرفصل ها و درس ها

استراتژی‌های تکه‌بندی و نمایه سازی برای RAG Chunking and Indexing Strategies for RAG

  • استراتژی‌های تکه‌بندی اسناد Document Chunking Strategies

  • پیاده‌سازی عملی استراتژی‌های تکه‌بندی اسناد Document Chunking Strategies in Practice

  • نمایه سازی برداری، لغت‌نامه‌ای و ترکیبی Vector, Lexical, and Hybrid Indexing

بازرتبه‌بندی، فیلترینگ، ادغام و عملیاتی‌سازی بازیابی در RAG Reranking, Filtering, Fusion, and Operationalizing RAG Retrieval

  • آشنایی با بازرتبه‌بندی، گسترش و فیلترینگ Introducing Reranking Expansion and Filtering

  • پیاده‌سازی بازرتبه‌بندی، گسترش و فیلترینگ Reranking Expansion and Filtering in Action

  • تنوع‌بخشی به نتایج با MMR و RRF Result Diversification with MMR and RRF

  • عملیاتی‌سازی سیستم‌های بازیابی Operationalizing Retrieval Systems

نمایش نظرات

آموزش نمایه سازی و بازیابی محتوا (Context Indexing and Retrieval)
جزییات دوره
37m
7
(آخرین آپدیت)
2
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nicolae Caprarescu Nicolae Caprarescu

نیکولای که اکنون یک مشاور مستقل است ، کار خود را از سال 2013 به عنوان مهندس نرم افزار آغاز کرد. طی سالهای گذشته ، نیکولای روی سیستم هایی از موتورهای تجاری جاوا با فرکانس بالا گرفته تا برنامه های مختلف برای شرکت های نوپا کار می کرد. نقش های فنی نیکولای همیشه کاملاً پشته بوده است ، که بیشتر اوقات بر روی انتهای جاوا و جلویی های تحت وب متمرکز بوده است: Java، Spring، JDBC، SQL، Maven، Gradle، TeamCity، Jenkins، TDD، JUnit، تست اتوماتیک ، جاوا اسکریپت ، سلنیوم و RESTful. علایق فنی نیکولای شامل یادگیری ماشین ، معماری نرم افزار و یافتن تعادل مناسب بین استفاده از زبان های تایپ شده ثابت در برابر زبان های تایپ شده پویا است. نیکولای همچنین از استقبال تیمها با پذیرفتن ارزشهای Agile و القا آنها به هر تیمی که بتواند ، لذت می برد. نیکولای دارای مدرک لیسانس درجه یک در رشته علوم کامپیوتر از دانشگاه منچستر است ، و در آنجا اشتیاق خود را برای تدریس هنگام راهنمایی سایر دانشجویان کشف کرد. نیکولای همچنین از مسافرت و اتومبیلرانی لذت می برد.