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

نمایش نظرات

آموزش پیاده‌سازی جستجوی برداری با LlamaIndex
جزییات دوره
1h 19m
20
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
4
از 5
دارد
دارد
دارد
Sandy Ludosky
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Sandy Ludosky Sandy Ludosky

توسعه دهنده وب و مربی

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.