Haystack - خطوط لوله LLM قابل تنظیم برای برنامه های GenAI

Haystack - Customizable LLM pipelines for GenAI Applications

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: تکنیک های جستجوی اسناد، RAG، تولید محتوا، ارزیابی، تکنیک های علم داده با اجزای Haystack را بیاموزید اصول Haystack 2.0 را بیاموزید. تئوری Haystack با مثال‌های کاربردی مفاهیم Haystack 2.0: Pipelines، Components، Document Store، Retrievers، Evaluators Haystack 2.0 موضوعات پیشرفته: Re-Ranker، Hybrid Retriever، Advanced Filtering، Self Correcting Loops, Agentic Learning Pipelineing Tools. تکنیک‌های مهندسی - شات صفر، چند شات و ارزیابی‌کننده‌های مبتنی بر مدل فکری زنجیره‌ای - ارزیابی‌کننده وفاداری (LLM-As-A-Judge)، ارزیاب SAS، ارزیابی‌کننده ارتباط زمینه تکنیک‌های بازیابی پیشرفته: فیلتر Retriever، Sparse Keyword Retrinseed و Retrinseed. Sparse Embedding Retriever - SPLADE RAG Pipeline: با RAG آشنا شوید، فروشگاه وکتور پیش نیازها:این دوره مقدماتی نیست. این برنامه برای افرادی با سابقه مهندسی نرم افزار طراحی شده است که قبلاً در پایتون مهارت دارند. دانشجویان با موضوعات آشنا مانند git، python، pipenv، متغیرهای محیطی، کلاس ها، تست و اشکال زدایی آشنا خواهند شد. هیچ تجربه یادگیری ماشینی لازم نیست.

Haystack یک چارچوب سرتاسری است که شما را در هر مرحله از چرخه عمر پروژه GenAI همراهی می‌کند. خواه بخواهید جستجوی سند، تولید افزوده بازیابی (RAG)، پاسخ به سؤال یا تولید پاسخ را انجام دهید، Haystack می‌تواند مدل‌های تعبیه‌شده و LLM‌های پیشرفته را در خطوط لوله تنظیم کند تا برنامه‌های کاربردی NLP سرتاسر بسازد و حل کند. مورد استفاده شما.

این دوره جامع مبتدی تا پیشرفته قصد دارد به سرعت به شما نشان دهد چگونه از کتابخانه Haystack 2.0 برای برنامه های LLM استفاده کنید. شما تخصص و بینش لازم برای ایجاد راه حل های پیشرفته LLM را در طیف گسترده ای از موضوعات به دست خواهید آورد.

آنچه یاد خواهید گرفت:

Haystack Foundations: با یادگیری اجزای Haystack، اصول Haystack2.0 را درک کنید. تئوری انبار کاه با مثال
برنامه های کاربردی دنیای واقعی: اجزای Haystack را با برنامه های کاربردی دنیای واقعی پیاده سازی کنید
مهندسی سریع: تکنیک های مهندسی سریع را بیاموزید - شات صفر، چند شات و زنجیره فکر
خط لوله RAG : درباره RAG، فروشگاه Vector بیاموزید
مفاهیم Haystack 2.0: Pipelines، Components، Document Store، Retrievers، Evaluators
تکنیک‌های بازیابی پیشرفته: فیلتر بازیابی، رتریور مبتنی بر کلمه کلیدی پراکنده، رتریور جاسازی متراکم و رتریور جاسازی پراکنده - SPLADE (مدل واژگانی و توسعه پراکنده)
ارزیاب‌های مبتنی بر مدل - ارزیاب وفاداری (LLM-As-A-Judge)، ارزیاب SAS، ارزیابی‌کننده ارتباط زمینه
عناوین پیشرفته Haystack 2.0: رتبه‌بندی مجدد، بازیابی ترکیبی، فیلتر پیشرفته، حلقه‌های خود تصحیح‌کننده، مکالمه/خط لوله عامل با استفاده از فراخوانی تابع OpenAI، LLM-As-A-Judge، ارزیابی مبتنی بر مدل

در طول دوره، در تمرین‌های عملی و پروژه‌های دنیای واقعی شرکت خواهید کرد تا درک خود را از مفاهیم و روش‌های مورد بحث تقویت کنید. با نتیجه گیری دوره، شما در استفاده از Haystack برای توسعه برنامه های کاربردی LLM قوی، کارآمد و سازگار برای طیف وسیعی از کاربردها مهارت خواهید داشت.

چه کسی باید ثبت نام کند:

توسعه دهندگان هوش مصنوعی، دانشمندان داده، رهبران تجاری که به دنبال کسب مهارت در ساخت برنامه های کاربردی مبتنی بر هوش مصنوعی با Haystack هستند

سرفصل ها و درس ها

مقدمه Introduction

مقدمه Introduction
تنظیم محیط محلی Local Environment Setup

مفاهیم کلی General Concepts

جاسازی وکتور Vector Embedding
RAG - Retrieval Augmented Generation RAG - Retrieval Augmented Generation

مفاهیم Haystack 2.0 Haystack 2.0 Concepts

خطوط لوله انبار کاه Haystack Pipelines
نمونه دنیای واقعی خط لوله Pipeline Real World Example
اجزای انبار کاه Haystack Components
کامپوننت سفارشی Haystack Haystack Custom Component
نمونه دنیای واقعی اجزای انبار کاه Haystack Components Real World Example
فروشگاه اسناد با مثال دنیای واقعی Document Store with Real World Example
رتریورها با مثال دنیای واقعی Retrievers with Real World Example
ارزیاب با مثال دنیای واقعی Evaluator with Real World Example

اولین خط لوله RAG First RAG Pipeline

خط لوله RAG RAG Pipeline

Prompt Builder Prompt Builder

Prompt Builder با مثال دنیای واقعی Prompt Builder with Real World Example

موضوعات پیشرفته Haystack 2.0 Haystack 2.0 Advanced Topics

احیای ترکیبی Hybrid Revtrieval
حلقه های خود اصلاحی Self Correcting Loops
رتبه بندی مجدد ReRankers
فیلتر ابرداده Metadata Filtering
Agentic Pipeline/Function Calling با ChatGPT Agentic Pipeline/Function Calling with ChatGPT
با استفاده از فراخوانی تابع OpenAI، خطوط لوله عامل بسازید Build Agentic Pipelines using OpenAI's Function Calling
ارزیابی خط لوله راگ با استفاده از ارزیابان Evaluating Rag Pipeline using Evaluators
ادغام انبار کاه با ارزیاب RAGAS Haystack Integration with RAGAS evaluator