آموزش هوش مصنوعی مولد (Generative AI) و مدل‌های زبانی بزرگ (LLMs) در Databricks - آخرین آپدیت

دانلود Generative AI and LLMs on Databricks

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: سیستم‌های GenAI سطح تولید را در Databricks با تسلط بر مهندسی پرامپت، خط لوله‌های RAG، حاکمیت مدل و هوش کدنویسی بسازید. شما الگوهای Prompting شامل Chain-of-Thought، ReAct و Few-Shot را برای تجزیه وظایف پیچیده به کار خواهید گرفت و سپس خط لوله‌های تولید تقویت‌شده با بازیابی (RAG) را ایجاد می‌کنید که جستجوی برداری را با BM25 با استفاده از Reciprocal Rank Fusion ترکیب می‌کند. این دوره از تکنیک‌های بنیادی تا استقرار در محیط تولید طی چهار هفته پیش می‌رود. هفته اول مکانیسم‌های توکنایزیشن، پارامترهای نمونه‌برداری، پرامپت‌های سیستمی و Databricks Playground را پوشش می‌دهد. هفته دوم سیستم‌های RAG را با استفاده از Embeddings، ردیابی آزمایشات MLflow، Feature Store و هوش کدنویسی PMAT با امتیازدهی TDG و PageRank روی گراف‌های فراخوانی می‌سازد. هفته سوم به ماتریس تصمیم‌گیری بین Fine-tuning در مقابل RAG، امضای رمزنگاری‌شده مدل با تأیید زنجیره اعتماد SHA-256، پیکربندی AI Gateway، حاکمیت ثبت مدل از طریق Unity Catalog و زیرساخت‌های محاسباتی Databricks می‌پردازد. هفته چهارم تمام مفاهیم را در یک پروژه نهایی ادغام می‌کند: یک خط لوله بازیابی کد آگاه از کیفیت با استفاده از trueno-rag و pmat. شما کیفیت RAG را با استفاده از ربع‌های تشخیصی Faithfulness-Relevance و شش معیار استاندارد بازیابی شامل MRR، NDCG، Recall، Precision، Hit Rate و MAP ارزیابی خواهید کرد.

سرفصل ها و درس ها

مبانی GenAI GenAI Foundations

  • نمای کلی دنیای GenAI The GenAI Landscape

  • بررسی عمیق توکنایزیشن Tokenization Deep Dive

  • پرامپت‌نویسی زنجیره افکار Chain-of-Thought Prompting

  • الگوی ReAct ReAct Pattern

  • یادگیری Few Shot Few-Shot Learning

  • دما و نمونه‌برداری Temperature & Sampling

  • خط لوله RAG RAG Pipeline

  • پرامپت‌های سیستمی و قالب‌بندی خروجی System Prompts & Output Formatting

  • محیط Databricks Playground Databricks Playground

سیستم‌های RAG RAG Systems

  • امبدینگ‌ها چیستند What-Are-Embeddings

  • آزمایش‌ها Experiments

  • Feature Store Feature-Store

  • معماری PMAT PMAT Architecture

  • سیستم PMAT RAG PMAT-RAG

  • دموی زنده PMAT PMAT Live Demo

  • ارزیابی RAG در محیط تولید Production RAG Evaluation

  • پرس‌وجوی نوت‌بوک GenAI GenAI-Notebook-Query

GenAI پیشرفته Advanced GenAI

  • مقایسه Fine Tuning و RAG Fine-Tuning vs RAG

  • امنیت و امضای مدل Model Security & Signing

  • درگاه AI Gateway AI Gateway

  • مدل‌های ثبت شده Registered Models

  • محاسبات و اپلیکیشن‌های Databricks Databricks Compute & Apps

پروژه نهایی Capstone

نمایش نظرات

آموزش هوش مصنوعی مولد (Generative AI) و مدل‌های زبانی بزرگ (LLMs) در Databricks
جزییات دوره
1h 32m
22
(آخرین آپدیت)
389
- 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