لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پیادهسازی جستجوی برداری با LlamaIndex
- آخرین آپدیت
دانلود Implementing Vector Search with LlamaIndex
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
استفاده از مدلهای زبانی بزرگ (LLM) برای انجام وظایف پیچیده نیازی نیست که دشوار باشد. در این دوره آموزشی با عنوان «پیادهسازی جستجوی برداری با LlamaIndex»، شما یاد خواهید گرفت که چگونه یک دستیار سفارشی مبتنی بر LLM را با استفاده از ذخیرهساز برداری ChromaDB بسازید تا بتوانید اسناد را بارگذاری و جستجو کرده و خروجیهای تقویتشده با متن (Context-Augmented) تولید کنید.
در ابتدا، نحوه راهاندازی یک ذخیرهساز برداری به عنوان ایندکس برای بارگذاری و پرسوجوی دادهها را از طریق یک مثال سریع (Quickstart) بررسی خواهید کرد.
سپس، با نحوه پیادهسازی یک خط لوله (Pipeline) ذخیرهساز برداری ChromaDB برای تولید محتوا با متن تقویتشده آشنا میشوید.
در نهایت، یاد میگیرید که چگونه یک خط لوله چندمرحلهای و قدرتمند مبتنی بر LLM برای انجام چندین وظیفه به طور همزمان ایجاد کنید.
در پایان این دوره، شما مهارتها و دانش لازم در زمینه تولید تقویتشده با بازیابی (RAG) را کسب خواهید کرد تا بتوانید یک سیستم پرسوجوی جامع و End-to-End طراحی و پیادهسازی کنید که ترکیبی از بازیابی ساختاریافته، تکنیکهای رتبهبندی پیشرفته و قابلیتهای هوش مصنوعی مولد برای کاربردهای واقعی باشد.
سرفصل ها و درس ها
استفاده از LlamaIndex به عنوان ذخیرهساز برداری
Using LlamaIndex as a Vector Store
مقدمه و بررسی کلی دوره
Introduction & Course Overview
شروع کار با فریمورک LlamaIndex
Getting Started with the LlamaIndex Framework
نصب و راهاندازی
Installation & Setup
مثال سریع برای شروع
Quickstart Example
ایجاد ایندکس Chroma
Creating a Chroma Index
راهاندازی پروژه
Setting up the Project
ایجاد کلاینت و کالکشن جدید
Creating a New Client and Collection
تعریف تابع Embedding
Defining an Embedding Function
بارگذاری اسناد
Loading Documents
راهاندازی ذخیرهساز برداری Chroma
Setting up the Chroma Vector Store
پرسوجوی دادهها و تولید پاسخهای تقویتشده
Querying Data & Generating Augmented Responses
سفارشیسازی تنظیمات ایندکس و Embedding برای عملکرد بهینه
Customizing Index Settings and Embeddings for Optimal Performance
پیادهسازی خط لوله پرسوجوی چندمرحلهای
Implementing a Multistep Query Pipeline
راهاندازی پروژه
Project Setup
گردش کار پایه: شروع به کار
Basic Workflow: Getting Started
گردش کار پایه: زنجیرهسازی رویدادها
Basic Workflow: Chaining Events
ایجاد خط لوله پرسوجو: راهاندازی گردش کار پرسش و پاسخ
Creating the Query Pipeline: Setting up the Q&A Workflow
ایجاد خط لوله پرسوجو: تعریف مراحل (رویدادها)
Creating the Query Pipeline: Defining The Steps (Events)
ایجاد خط لوله پرسوجو: تعریف بازیاب (Retriever)
Creating the Query Pipeline: Defining the Retriever
ایجاد خط لوله پرسوجو: تولید پاسخها
Creating the Query Pipeline: Generating Answers
ایجاد خط لوله پرسوجو: خلاصه سازی پاسخها
Creating the Query Pipeline: Summarizing Answers
مرحله نهایی: اجرای خط لوله پرسوجو
Final Step: Running the Query Pipeline
سندی لودوسکی کار خود را به عنوان مشاور فناوری اطلاعات در کانادا آغاز کرد.
پس از توسعه وردپرس، سندی شروع به توسعه اپلیکیشن های موبایل iOS با زبان سوئیفت کرد.
سندی متخصص در فن آوری های موبایل و وب به مدت 7 سال، از مشتریان خود در پروژه های تحول دیجیتال پشتیبانی می کند. او همچنین به عنوان یک مربی مستقل برای حمایت از فراگیران در بازآموزی حرفه ای برای مشاغل در توسعه وب کار می کند. سندی اغلب در کارگاه ها و طرح های غیرانتفاعی دیده می شود، جایی که او اشتیاق خود را برای آموزش کد با داوطلبان دیگر به اشتراک می گذارد. در وب، او مرتباً آموزش هایی با محتوای آموزشی جدید منتشر می کند.
نمایش نظرات