آمادگی مصاحبه مهندس GenAI: آموزش RAG، Embeddings و LLM Agents - آخرین آپدیت

دانلود GenAI Engineer Interview Prep: RAG, Embeddings, LLM Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سخت‌ترین سوالات مصاحبه AI/ML را با پاسخ‌هایی مبتنی بر اصول اولیه، کدهای واقعی و بررسی نقاط قوت و ضعف (Trade-offs) به طور کامل بیاموزید. آماده‌سازی جامع برای نقش‌های مهندسی هوش مصنوعی فراتر از کلمات رایج و کلیشه‌ای در دنیای AI درک عمیق مفاهیمی مانند LLM و Agentic AI موفقیت در مصاحبه‌های استخدامی پیش نیازها: دانش پایه در زمینه هوش مصنوعی مولد (Generative AI)

همه می‌توانند RAG، Embeddings، Agents، Fine-tuning و LLM Eval را تعریف کنند. اما تعداد کمی می‌توانند از سوال دوم جان سالم به در ببرند؛ همان سوالاتی از جنس «چرا این اتفاق می‌افتد و شما چه راهکاری برای آن دارید» که در سکوت، سرنوشت مصاحبه را رقم می‌زند.

این دوره دقیقاً برای پر کردن این شکاف طراحی شده است. ما سخت‌ترین و رایج‌ترین سوالات مصاحبه در پنج ستون اصلی مهندسی GenAI مدرن را جمع‌آوری کرده‌ایم و به هر یک به گونه‌ای پاسخ داده‌ایم که یک کاندیدای قوی باید پاسخ دهد: استخراج مکانیسم به جای نام بردن از آن، ارائه اعداد دقیق (بایت‌ها، Recall، تأخیر و حافظه GPU) و بیان Trade-offهایی که پذیرفته‌اید.

تمام محتوا در سه سطح سازماندهی شده که بر روی یکدیگر بنا شده‌اند: مبانی (Beginner)، مکانیسم‌های متوسط (Intermediate) و طراحی سیستم در سطح پیشرفته/معمار (Advanced/Architect)، در قالب پنج ماژول:


  • تولید تقویت‌شده با بازیابی (RAG): تکه‌بندی (Chunking)، جستجوی ترکیبی و Reciprocal Rank Fusion، رینکرها (Re-rankers)، پدیده «گم شدن در میان»، تضاد دانش و طراحی RAG برای بیش از ۵۰۰ میلیون سند با پاسخ زیر ۲۰۰ میلی‌ثانیه.

  • ترنسفورمرها (Transformers): توکن‌ها و Embeddings، مکانیزم Attention، توجه چندسره (Multi-head attention)، KV cache، GQA، RoPE، FlashAttention و MoE و PagedAttention.

  • جاسازی‌ها و پایگاه‌ داده‌های برداری (Embeddings & Vector Databases): فرضیه توزیعی، ناهمسانی (Anisotropy)، HNSW، کوانتیزاسیون محصول، Matryoshka embeddings، شاردینگ برای میلیاردها بردار، Drift و بازسازی ایندکس بدون توقف (Zero-downtime re-indexing).

  • عامل‌های LLM و سیستم‌های عاملیت (LLM Agents & Agentic Systems): حلقه عامل (Agent Loop)، ابزارها، طراحی حافظه، MCP، ارکستراسیون، سیستم‌های چندعاملی، خودمختاری بلندمدت، امنیت و قابلیت مشاهده (Observability).

  • تنظیم دقیق LLM (Fine-Tuning): مقایسه Pretraining در مقابل SFT و Alignment، ماسک کردن Loss، قالب‌های چت (Chat Templates)، LoRA/QLoRA/DPO، محاسبات حافظه GPU، آموزش توزیع شده با ZeRO و FSDP و سرویس‌دهی همزمان چندین مدل Fine-tune شده.

  • ارزیابی LLM (LLM Evaluation): ارزیابی آفلاین در مقابل آنلاین، مدل LLM به عنوان داور و حالت‌های شکست آن، معیارهای خاص RAG (صداقت، مرتبط بودن پاسخ، دقت/فراخوانی متن)، آلودگی بنچمارک‌ها، تست رگرسیون و شناسایی افت کیفیت خاموش در محیط Production.

هر پاسخ همراه با پیش‌زمینه، یک مثال عملی و کدهای واقعی است که به صورت مستقل از فریم‌ورک و با استفاده از SDKهای مدرن ارائه شده است. ادعاهای پیچیده‌تر با مقالات اصلی چک شده‌اند.

این دوره برای هر کسی که برای نقش‌های مهندس AI، مهندس ML، دانشمند کاربردی (Applied Scientist) یا نقش‌های جدید مهندس LLM/GenAI آماده می‌شود و همچنین برای متخصصانی که ترجیح می‌دهند مکانیسم‌ها را درک کنند تا صرفاً دستورالعمل‌ها را کپی کنند، مناسب است. ماژول‌ها را به ترتیب دنبال کنید؛ هر سطح بر واژگان سطح قبلی تکیه دارد. سعی کنید قبل از تماشای هر ویدیو، پاسخ سوال را با صدای بلند بگویید. نقاطی که در آن‌ها گیر می‌کنید، مفیدترین نقاط برای یادگیری هستند.






سرفصل ها و درس ها

جاسازی‌ها و پایگاه داده‌های برداری Embeddings and Vector Databases

  • جاسازی‌ها و پایگاه داده برداری - سطح مبتدی Embeddings and Vector Database Beginner Level

  • جاسازی‌ها و پایگاه داده برداری - سطح متوسط Embeddings and Vector Database Intermediate Level

  • جاسازی‌ها و پایگاه داده برداری - سطح پیشرفته Embeddings and Vector Database Advanced Level

سوالات مصاحبه ترنسفورمرها Transformers Interview Questions

  • توضیحات جامع ترنسفورمرها Transformers explained

  • ترنسفورمرها - سطح متوسط Transformers Intermediate Level

  • ترنسفورمرها - سطح پیشرفته Transformers Advanced Level

تولید تقویت‌شده با بازیابی (RAG) RAG

  • مسترکلاس سوالات مصاحبه RAG - سطح مبتدی RAG Interview Questions Beginner Masterclass

  • سوالات مصاحبه RAG - سطح متوسط RAG Interview Questions Intermediate Level

  • سوالات مصاحبه RAG - سطح پیشرفته RAG Interview Questions Advanced Level

تنظیم دقیق LLM LLM Fine tuning

  • تنظیم دقیق LLM - سطح مبتدی Fine tuning LLM Beginner Level

  • تنظیم دقیق LLM - سطح متوسط Fine tuning LLM Intermediate Level

  • تنظیم دقیق LLM - سطح پیشرفته Fine tuning LLM Advanced Level

هوش مصنوعی عاملیت (Agentic AI) Agentic AI

  • سوالات Agentic AI - سطح مبتدی Beginner Level Agentic AI Questions

  • سوالات Agentic AI - سطح متوسط Intermediate Level Agentic AI Questions

  • سوالات Agentic AI - سطح پیشرفته Advanced Level Agentic AI Questions

ارزیابی‌های LLM LLM Evals

  • ارزیابی‌های LLM - سطح مبتدی LLM Evals Beginner Level

  • ارزیابی‌های LLM - سطح متوسط LLM Evals Intermediate Level

  • ارزیابی‌های LLM - سطح پیشرفته LLM Evals Advanced

نمایش نظرات

آمادگی مصاحبه مهندس GenAI: آموزش RAG، Embeddings و LLM Agents
جزییات دوره
7 hours
18
(آخرین آپدیت)
49
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rithesh Sreenivasan Rithesh Sreenivasan

مشاور یادگیری ماشین و هوش مصنوعی، مدرس و متخصص NLP