آموزش عملیات پرامپت، RAG و ارزیابی (Prompt, RAG & Evaluation Operations) - آخرین آپدیت

دانلود Prompt, RAG & Evaluation Operations

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سیستم‌های هوش مصنوعی مولد در محیط عملیاتی به چیزی فراتر از پرامپت‌های خوب نیاز دارند؛ آن‌ها نیازمند آزمایش‌های سیستماتیک، ارزیابی‌های دقیق و سفارشی‌سازی مدیریت شده مدل‌ها هستند. این دوره، متدهای عملیاتی کلیدی را آموزش می‌دهد که راهکارهای GenAI را قابل اعتماد کرده و امکان بهبود مستمر آن‌ها را فراهم می‌کند. شما چارچوب‌های نسخه‌بندی پرامپت و آزمایش متغیرها، شامل متدولوژی تست A/B، ردیابی هایپرپارامترها و رویه‌های بازگشت (Rollback) را با استفاده از Microsoft Foundry طراحی خواهید کرد. همچنین آزمایش‌های ساختاریافته بهینه‌سازی RAG را در زمینه‌های استراتژی‌های تکه‌بندی (Chunking)، مدل‌های Embedding و پیکربندی‌های بازیابی اجرا کرده و هر یک را با معیارهای Groundedness، مرتبط بودن، انسجام و روانی از طریق Azure OpenAI Evaluation SDK ارزیابی می‌کنید. در ادامه، چارچوب‌های ارزیابی خودکار با آستانه‌های کیفیت و ایمنی، محرک‌های بازبینی انسانی (Human-in-the-loop) و ادغام با تصمیمات انتشار CI/CD خواهید ساخت. همچنین چرخه عملیات Fine-tuning شامل نسخه‌بندی مجموعه‌داده‌ها، پیکربندی LoRA، مدیریت رجیستری مدل و ارزیابی در برابر مدل‌های پایه را طراحی خواهید کرد.

سرفصل ها و درس ها

PromptOps: نسخه‌بندی و آزمایش متغیرها PromptOps: Versioning and Variant Experimentation

  • چرا پرامپت‌ها به کنترل نسخه نیاز دارند Why Prompts Need Version Control

  • مبانی نسخه‌بندی پرامپت Prompt Versioning Fundamentals

PromptOps: حاکمیت و کنترل انتشار PromptOps: Governance and Release Control

  • چارچوب حاکمیت پرامپت‌های سیستمی System Prompt Governance Framework

آزمایش‌های RAG: طراحی ماتریس‌های آزمایش RAG Experiments: Design Experiment Matrices

  • چرا آزمایش سیستماتیک RAG اهمیت دارد Why Systematic RAG Experimentation Matters

  • طراحی ماتریس آزمایش RAG RAG Experiment Matrix Design

  • طراحی یک ماتریس آزمایش RAG Designing a RAG Experiment Matrix

آزمایش‌های RAG: ارزیابی عملکرد بازیابی RAG Experiments: Evaluate Retrieval Performance

  • از آزمایش‌ها تا تصمیم‌گیری‌ها From Experiments to Decisions

  • بررسی عمیق معیارهای ارزیابی RAG RAG Evaluation Metrics Deep Dive

چارچوب‌های ارزیابی: معیارها بر اساس مورد کاربرد Evaluation Frameworks: Metrics by Use Case

  • چرا انتخاب معیار، تعیین‌کننده موفقیت ارزیابی است Why Metric Selection Makes or Breaks Evaluation

  • معیارهای ارزیابی بر اساس نوع مورد کاربرد Evaluation Metrics By Use Case Type

چارچوب‌های ارزیابی: گیت‌های خودکار و نظارت انسانی Evaluation Frameworks: Automated Gates and Human-in-the-Loop

  • گیت‌های ارزیابی خودکار در CI/CD Automated Evaluation Gates In CI/CD

چارچوب‌های ارزیابی: محدودیت‌ها و کاهش اثرات Evaluation Frameworks: Limitations and Mitigations

  • درک محدودیت‌های گیت‌های ارزیابی Understanding Evaluation Gate Limitations

عملیات Fine Tuning: چرخه حیات و پیکربندی Fine-Tuning Ops: Lifecycle and Configuration

  • چرا عملیات Fine Tuning اهمیت دارد Why Fine-Tuning Operations Matter

  • اجزای چرخه حیات Fine Tuning Fine-Tuning Lifecycle Components

عملیات Fine Tuning: انتخاب رویکرد و ارتقای مدل Fine-Tuning Ops: Approach Selection and Model Promotion

  • مقایسه رویکردهای Fine Tuning Fine-Tuning Approaches Compared

ماژول GenAI: مهندسی پرامپت به کمک هوش مصنوعی GenAI Module: AI-Assisted Prompt Engineering

  • هوش مصنوعی به عنوان شریک مهندسی پرامپت شما AI as Your Prompt Engineering Partner

  • تکنیک‌های مهندسی پرامپت با کمک هوش مصنوعی AI-Assisted Prompt Engineering Techniques

ماژول پروژه: چارچوب آزمایش پرامپت و RAG Project Module: Prompt & RAG Experimentation Framework

نمایش نظرات

آموزش عملیات پرامپت، RAG و ارزیابی (Prompt, RAG & Evaluation Operations)
جزییات دوره
10h 5m
17
(آخرین آپدیت)
31
- از 5
دارد
دارد
دارد
Microsoft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar