آموزش توهمات هوش مصنوعی مولد و قابلیت اطمینان بازیابی داده‌ها - آخرین آپدیت

دانلود Generative AI Hallucinations and Retrieval Reliability

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: توهمات (Hallucinations) یکی از رایج‌ترین حالت‌های شکست در سیستم‌های هوش مصنوعی مولد هستند که باعث ایجاد اطلاعات نادرست، جزئیات ساختگی و خروجی‌های غیرقابل اعتماد در برنامه‌های مبتنی بر مدل‌های زبانی بزرگ (LLM) می‌شوند. در این دوره آموزشی با عنوان «توهمات هوش مصنوعی مولد و قابلیت اطمینان بازیابی داده‌ها»، شما یاد می‌گیرید چگونه سیستم‌های مستحکمی بسازید که پاسخ‌های دقیق و قابل اعتمادی ارائه دهند. ابتدا نحوه تشخیص توهمات را از طریق شناسایی ریشه‌ها در بخش‌های Prompting و Grounding بررسی کرده و سپس استراتژی‌های کاهش آن‌ها را می‌آموزید. در ادامه، با شناسایی الگوهای ضد-بهینه (Anti-patterns) در پرامپت‌نویسی و جایگزینی آن‌ها با رویکردهای ساختاریافته و تکرارپذیر، مهارت‌های خود را ارتقا می‌دهید. در نهایت، روش‌های بهبود قابلیت اطمینان بازیابی (Retrieval Reliability) در برنامه‌های LLM را خواهید آموخت. پس از اتمام این دوره، شما دانش و مهارت‌های لازم برای ساخت برنامه‌هایی را خواهید داشت که به‌طور مداوم خروجی‌های دقیق و قابل اعتمادی تولید می‌کنند.

سرفصل ها و درس ها

تشخیص و کاهش توهمات Diagnosing and Mitigating Hallucinations

  • درک توهمات در سیستم‌های LLM Understanding Hallucinations in LLM Systems

  • ریشه‌های اصلی توهمات Root Causes of Hallucinations

  • دمو: نمایش سناریوهای توهم Demo: Demonstrating Hallucination Scenarios

  • استراتژی‌های کاهش: تایید، زمینه‌سازی و نرده‌های حفاظتی Mitigation Strategies: Verification, Grounding, and Guardrails

  • دمو: پیاده‌سازی تایید، زمینه‌سازی و نرده‌های حفاظتی Demo: Implementing Verification, Grounding, and Guardrails

ساخت خط لوله‌های قابل اعتماد پرامپت‌نویسی و بازیابی Building Reliable Prompting and Retrieval Pipelines

  • الگوهای ضد-بهینه پرامپت‌نویسی و بهترین شیوه‌ها Prompting Anti-patterns and Best Practices

  • دمو: بهبود پرامپت‌ها برای قابلیت اطمینان بیشتر Demo: Improving Prompts for Better Reliability

  • بهبود کیفیت بازیابی: تکه‌بندی (Chunking) و متادیتا Improving Retrieval Quality: Chunking and Metadata

  • دمو: پیاده‌سازی تکه‌بندی بهتر برای ارتقای کیفیت بازیابی Demo: Implementing Better Chunking for Improved Retrieval Quality

  • دمو: پیاده‌سازی فیلتر متادیتا برای ارتقای کیفیت بازیابی Demo: Implementing Metadata Filtering for Improved Retrieval Quality

  • بازنویسی پرس‌وجو و تحلیل خط لوله Query Reformulation and Pipeline Analysis

نمایش نظرات

آموزش توهمات هوش مصنوعی مولد و قابلیت اطمینان بازیابی داده‌ها
جزییات دوره
35m
11
(آخرین آپدیت)
5
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

Praveenkumar Bouna Praveenkumar Bouna

مدرس دات نت