لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
Supercharge AI با نمودارهای دانش: تسلط بر سیستم RAG NEW
Supercharge AI with Knowledge Graphs: RAG System Mastery NEW
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
بهبود مدلهای زبان بزرگ با استفاده از بافت ساختاری و نسل افزوده بازیابی - Neo4j، LangChain، Cypher Understand Knowledge Graph Fundamentals پیادهسازی نمودارهای دانش با Neo4j افزایش دقت برنامه RAG با گرافهای دانش نیازها ایجاد و استفاده از Fullexes. پایگاه های داده مهارت های اساسی برنامه نویسی درک اولیه AI، LLM
آیا آمادهاید مهارتهای هوش مصنوعی خود را به سطح بعدی ببرید؟ به «هوش مصنوعی فوقالعاده با نمودارهای دانش: تسلط بر سیستم RAG» خوش آمدید، دوره آموزشی نهایی که برای باز کردن پتانسیل کامل مدلهای زبان بزرگ (LLM) با استفاده از تکنیکهای پیشرفته در نمودارهای دانش و سیستمهای تولید افزوده بازیابی (RAG) طراحی شده است.
آنچه خواهید آموخت:
مبانی نمودارهای دانش: مفاهیم اصلی، ساختار، و اجزای نمودارهای دانش و نحوه نمایش روابط پیچیده داده را درک کنید.
مقدمه ای بر سیستم های RAG: بیاموزید که Retrieval-Augmented Generation چیست و چرا یک تغییر دهنده بازی برای بهبود عملکرد مدل های هوش مصنوعی است.
ادغام نمودارهای دانش با LLM: کشف کنید که چگونه نمودارهای دانش را با مدل های زبان بزرگ ترکیب کنید تا زمینه ساختارمند و مرتبط را فراهم کنید و قابلیت های هوش مصنوعی را تقویت کنید.
ساخت و پرس و جو نمودارهای دانش: تجربه عملی در ایجاد و جستجوی نمودارهای دانش با استفاده از ابزارها و فن آوری های رایج به دست آورید.
بهینهسازی هوش مصنوعی با دادههای ساختیافته: استراتژیهایی را برای افزایش عملکرد هوش مصنوعی با استفاده از دادههای ساختیافته ارائهشده توسط نمودارهای دانش بررسی کنید.
برنامه های کاربردی در دنیای واقعی: نمونه های عملی و مطالعات موردی را که نشان دهنده استفاده از نمودارهای دانش در صنایع مختلف مانند مراقبت های بهداشتی، مالی، و غیره است، بررسی کنید.
تکنیکهای پیشرفته: روشهای پیشرفته را برای تنظیم دقیق LLM و ادغام آنها با سیستمهای RAG برای نتایج برتر بیاموزید.
نکات مهم دوره:
پروژههای عملی: برای ساختن و بهینهسازی نمودارهای دانش و ادغام آنها با مدلهای هوش مصنوعی، روی پروژههای دنیای واقعی کار کنید.
مربیان خبره: از کارشناسان صنعت با سالها تجربه در هوش مصنوعی، نمودارهای دانش، و سیستم های RAG بیاموزید.
محتوای تعاملی: با سخنرانیها، آزمونها و تکالیف تعاملی برای تقویت یادگیری خود درگیر شوید.
پشتیبانی انجمن : برای به اشتراک گذاشتن بینش، پرسیدن سؤال و همکاری در پروژه ها، به جامعه ای از یادگیرندگان و متخصصان بپیوندید.
این دوره برای چه کسانی است:
علاقه مندان به هوش مصنوعی و یادگیری ماشینی: افرادی که به دنبال تعمیق درک خود از هوش مصنوعی و بهبود عملکرد مدل های خود هستند.
دانشمندان و مهندسان داده: متخصصانی که به دنبال استفاده از نمودارهای دانش و سیستمهای RAG برای مدیریت و تجزیه و تحلیل مؤثرتر دادهها هستند.
توسعه دهندگان و برنامه نویسان: فناورانی که علاقه مند به ادغام تکنیک های پیشرفته هوش مصنوعی در برنامه های خود هستند.
تحلیلگران و مدیران کسب و کار : تصمیم گیرندگان با هدف استفاده از قدرت هوش مصنوعی برای بینش استراتژیک و مزیت رقابتی.
چرا ثبت نام کنید؟
در دنیای امروزی مبتنی بر داده، توانایی استفاده از داده های ساخت یافته و تکنیک های پیشرفته هوش مصنوعی یک مزیت قابل توجه است. این دوره شما را به دانش و مهارت هایی مجهز می کند تا از منحنی جلوتر بمانید و بینش های عملی و عملی را ارائه می دهد که می توانید بلافاصله از آنها استفاده کنید. خواه به دنبال ارتقای شغل خود، نوآوری در نقش فعلی خود باشید یا به سادگی دنیای شگفت انگیز هوش مصنوعی را کشف کنید، این دوره تجربه یادگیری جامعی را که نیاز دارید ارائه می دهد.
اکنون در «هوش مصنوعی فوقالعاده با نمودارهای دانش: تسلط بر سیستم RAG» ثبتنام کنید و درک خود را از هوش مصنوعی، نمودارهای دانش، و نسل افزودهشده بازیابی تغییر دهید. امروز اولین قدم را برای تسلط بر آینده هوش مصنوعی بردارید!
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه و پیش نیاز
Introduction and Pre-requisites
ساختار دوره
Course Structure
کد و اسلایدها را دانلود کنید
Download Code & Slides
کد دوره و اسلایدها را دانلود کنید
Download Course Code and Slides
راه اندازی محیط توسعه
Development Environment Setup
تنظیم محیط توسعه و حساب OpenAI - مرور کلی
Development Environment Setup & the OpenAI Account- Overview
کلید OpenAI API را تنظیم کنید
Setup the OpenAI API Key
نمودار دانش شیرجه عمیق
Knowledge Graph Deep Dive
نمودار دانش Deep Dive - تعریف و مفاهیم کلیدی
Knowledge Graph Deep Dive - Definition and Key Concepts
ساختار نمودار دانش - ساخت و کاربرد
Knowledge Graph Structure - Construction and Application
خلاصه
Summary
Hands-On: Knowledge Graph Deep Dive -Neo4j مقدمه و مرور کلی
Hands-On: Knowledge Graph Deep Dive -Neo4j Introduction and Overview
Building Knowledge Graphs & Neo4j مقدمه و مرور کلی
Building Knowledge Graphs & Neo4j Introduction and Overview
Neo4J - مبانی
Neo4J - Fundamentals
مروری بر مرورگر Neo4j
Neo4j Browser Overview
راه اندازی Neo4J - نمونه پایگاه داده Graph را ایجاد کنید و به آن متصل شوید
Setting up Neo4J - Create the Graph Database Instance and Connect to It
اتصال به پایگاه داده گراف ما از طریق برنامه ریزی
Connecting to Our Graph Database Programmatically
ایجاد موجودیت ها و روابط به صورت برنامه نویسی که یک نمودار دانش تولید می کند
Programmatically creating Entities & Relationships Generating a Knowledge Graph
یک پرس و جو ساده را اجرا کنید - نام همه نهادها را دریافت کنید
Run a Simple Query - Get All Entities Names
اجرای یک کوئری برای دریافت مسیرها-روابط
Running a Query to Get Paths-Relationships
خلاصه
Summary
بررسی کنید
Check in
بررسی کنید
Check in
نمودارهای دانش و سیستم های RAG
Knowledge Graphs & RAG Systems
نمودار دانش و RAG - نمای کلی
Knowledge Graph & RAG - Full Overview
عملی - استخراج داده های فایل CSV و تبدیل آن به یک نمودار دانش
Hands-on - Extracting CSV file Data & Transform it Into a Knowledge Graph
مرورگر Neo4j - کل نمودار را به صورت بصری مشاهده کنید
Neo4j Browser - View the Entire Graph Visually
پرس و جو نمودار دانش با بسته بندی های LangChain
Querying Knowledge Graph with LangChain Wrappers
خلاصه
Summary
نمودار دانش و RAG - ایجاد فهرست و فروشگاه وکتور - جاسازی ها
Knowledge Graph & RAG - Index Creation and Vector Store - Embeddings
ایجاد یک نمایه برداری، ایجاد جاسازی و پر کردن آن در DB
Creating a Vector Index, Creating Embeddings and Populating then Into the DB
پرس و جو از نمایه برداری و نمودار دانش
Querying the Vector Index and Knowledge Graph
خلاصه
Summary
عملی: موارد کاربر - سیستمهای بازیابی نمودار و RAG - کل جریان
Hands-on: User Cases - Graph Retrieval and RAG Systems - The Whole Flow
گراف بازیابی و نمودار دانش - بررسی اجمالی جریان کامل
Graph Retriever & Knowledge Graph - Full Flow Overview
عملی: سیستم RAG امپراتوری روم و نمودار دانش
Hands-on: The Roman Empire RAG System and Knowledge Graph
راه اندازی پروژه و بارگیری داده های ویکی پدیا و تقسیم اسناد به قطعات
Setting up the Project and Loading Wikipedia Data and Splitting Docs into Chunks
استخراج داده های نمودار و تولید نمودار دانش
Extract Graph Data and Generate the Knowledge Graph
نمودار کل دانش را تجسم کرد
Visualized the Whole Knowledge Graph
Graph Retriever و Entity Parser Setup
Graph Retriever and Entity Parser Setup
نمایه متن کامل و توابع لازم برای برگرداندن موجودیت ها را ایجاد کنید
Create the Full Text Index and Necessary Functions to Return Entities
زنجیره RAG را تعریف کنید و همه را با هم قرار دهید - GraphRAG
Define the RAG Chain and Put it All Together - GraphRAG
نمایش نظرات