آموزش توسعه اپلیکیشن‌های RAG با LlamaIndex و جاوا اسکریپت - آخرین آپدیت

دانلود Developing RAG Apps with LlamaIndex and JS

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره، شما نحوه ساخت اپلیکیشن‌های تولید تقویت‌شده با بازیابی (RAG) را با استفاده از LlamaIndex و JavaScript خواهید آموخت. با شروع از معرفی ساختار دوره و پیش‌نیازها، مستقیماً وارد یادگیری عملی برای ساخت اپلیکیشن‌های آماده برای محیط عملیاتی (Production) می‌شوید. در پایان این دوره، قادر خواهید بود منابع داده‌های مختلف را یکپارچه کنید، حساب OpenAI خود را راه‌اندازی نمایید و از ابزارهای قدرتمندی مانند RouterQueryEngine برای مدیریت پرس‌وجوهای پیشرفته استفاده کنید. این دوره با آماده‌سازی محیط توسعه با NodeJS و OpenAI آغاز می‌شود. شما با LlamaIndex آشنا شده، ویژگی‌های اصلی آن را بررسی می‌کنید و به سرعت وارد مبانی سیستم‌های RAG، از ورود داده‌ها و ایندکس‌گذاری گرفته تا پرس‌وجو و ساخت سیستم‌های RAG سفارشی می‌شوید. در این مسیر، دانش عمیقی در مورد نحوه مدیریت انواع مختلف داده‌ها مانند PDFها و نحوه تعامل با سیستم خود از طریق Express API کسب خواهید کرد. با پیشروی در دوره، مفاهیم پیشرفته‌تری مانند مدیریت چندین موتور پرس‌وجو (Query Engine)، استفاده از ایجنت‌ها (Agents) و به‌کارگیری تکنیک‌های سطح تولید برای مقاوم‌سازی و مقیاس‌پذیر کردن اپلیکیشن‌های RAG را فرا خواهید گرفت. نقطه اوج این دوره، ساخت یک اپلیکیشن چت‌بات Full-stack با NextJS و استقرار (Deploy) آن در Vercel است. شما این دوره را با توانایی توسعه، استقرار و نگهداری اپلیکیشن‌های پیچیده RAG به پایان می‌رسانید. این دوره برای توسعه‌دهندگانی که تسلط خوبی به جاوا اسکریپت و مفاهیم پایه توسعه وب دارند و مایلند درباره سیستم‌های RAG و کاربرد آن‌ها در پروژه‌های واقعی بیشتر بدانند، ایده‌آل است. هیچ تجربه قبلی در مورد LlamaIndex لازم نیست، اما آشنایی با NodeJS و APIها توصیه می‌شود.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • پیش‌نیازهای دوره و این دوره برای چه کسانی است؟ Course Prerequisites & Who is This Course For?

  • ساختار دوره Course Structure

  • حتماً تماشا کنید: آنچه در این دوره خواهید ساخت PLEASE WATCH - What You'll Build in This Course

راه‌اندازی محیط توسعه Development Environment Setup

  • راه‌اندازی محیط توسعه – دستورالعمل‌های NodeJS Setup Dev. Environment - NodeJS Instructions

  • راه‌اندازی حساب OpenAI و دریافت کلید API Setup OpenAI Account and the OpenAI API Key

بررسی عمیق LlamaIndex – مبانی LlamaIndex Deep Dive – Fundamentals

  • بررسی عمیق LlamaIndex و ویژگی‌های کلیدی – نمای کلی Deep Dive into LlamaIndex and Key Features - Overview

  • دوره فشرده RAG RAG Crash Course

  • جریان کاری LlamaIndex – نمای کلی LlamaIndex Flow - Overview

  • نمای کلی LlamaIndex – ورود داده‌ها، ایندکس‌گذاری و رابط پرس‌وجو LlamaIndex - Data Ingestion, Indexing and Query Interface Overview

  • پروژه عملی – راه‌اندازی سیستم RAG ساده با LlamaIndex Hands-on - Setup LlamaIndex Simple RAG System

  • خلاصه Summary

بررسی عمیق LlamaIndex – مفاهیم اصلی و لودرهای داده LlamaIndex Deep Dive - Main Concepts and Data Loaders

  • مفاهیم اصلی LlamaIndex – ایندکس لودرها LlamaIndex Core Concepts - Loaders Index

  • مرحله پرس‌وجو – نمای کلی The Querying Stage - Overview

  • مرحله پرس‌وجو – بررسی کامل ChatEngine و Querying Engine Querying Stage - ChatEngine & Querying Engine Full Overview

  • پروژه عملی: ساخت یک سیستم RAG سفارشی با LlamaIndex Hands-on: Create a Custom RAG System with LlamaIndex

  • پروژه عملی: استخراج داده‌های ساختاریافته Hands-on: Structured Data Extraction

  • پروژه عملی: پرس‌وجو از یک فایل PDF Hands-on: Querying a PDF File

  • پروژه عملی: تعامل با سیستم RAG از طریق Express API – اجرای کامل Hands-on: Interacting with a RAG System Through an Express API - Full Hands-on

  • خلاصه Summary

ایجنت‌ها و پرس‌وجوهای پیشرفته با LlamaIndex Agents & Advanced Queries with LlamaIndex

  • ایجنت‌ها و پرس‌وجوهای پیشرفته – نمای کلی RouterQueryEngine Agents and Advanced Queries - The RouterQueryEngine Overview

  • پروژه عملی – سیستم RAG با چندین منبع داده Hands-on - RAG System with Multiple Data Sources

  • پروژه عملی – ساخت RouterQueryEngine برای مدیریت چندین موتور پرس‌وجو Hands-on - Creating a RouterQueryEngine to Handle Multiple Query Engines

  • پروژه عملی: تعریف توابع و ابزارهای پرس‌وجو برای شروع گفتگو با ایجنت Hands-on: Defining Functions and Querying Tools to Start Chatting with the Agent

پایداری داده‌ها و تکنیک‌های آماده برای محیط عملیاتی Persist Your Data & Production-ready Techniques

  • تکنیک‌های آماده برای محیط عملیاتی – مقدمه Production-ready Techniques - Introduction

  • پروژه عملی: مدیریت داده‌ها با LlamaIndex Hands-on: Data with LlamaIndex

  • پروژه عملی: لود کردن ایندکس با داده‌های ذخیره شده و پاسخ‌های استریم Hands-on: Load Index with the Persisted Data and Stream Response

  • خلاصه Summary

چت‌بات Full-stack با NextJS با یک دستور و استقرار NextJS Full-stack Web Application Chatbot with One Command & Deployment

  • اپلیکیشن چت‌بات با NextJS – نمای کلی وب‌اپلیکیشن Full-stack Chatbot App with NextJS - Full-stack Web App - Overview

  • پروژه عملی: تولید وب‌اپلیکیشن Full-stack با دستور CLI create llama Hands-on: Generating a Full-stack Web App with create-llama CLI Command

  • پروژه عملی: سفارشی‌سازی اپلیکیشن با داده‌های خودتان و گفتگو با آن Hands-on: Customizing the App with Your Own Data and Chatting with It

  • پروژه عملی: استقرار اپلیکیشن چت Full-stack NextJS در Vercel Hands-on: Deploying our NextJS Full-stack Chat App to Vercel

جمع‌بندی Wrap up

  • جمع‌بندی و گام‌های بعدی Wrap up and Next Steps

نمایش نظرات

آموزش توسعه اپلیکیشن‌های RAG با LlamaIndex و جاوا اسکریپت
جزییات دوره
5h 33m
33
(آخرین آپدیت)
97
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده