آموزش تجمیع و فشرده‌سازی کانتکست (Context Assembly and Compression) - آخرین آپدیت

دانلود Context Assembly and Compression

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: خط لوله‌های RAG اغلب در منبع داده‌ها دچار شکست می‌شوند؛ یعنی همان محتوایی که به مدل می‌دهید. در این دوره با عنوان «تجمیع و فشرده‌سازی کانتکست»، شما یاد می‌گیرید چگونه یک پنجره کانتکست مرتبط، مختصر و تایید شده برای وظایف LLM بسازید. ابتدا، متدهای تجمیع (Assembly Heuristics) و یک قالب پرامپت آگاه از اسکیما (Schema-aware) را طراحی خواهید کرد. سپس، برای رعایت بودجه توکن‌ها بدون از دست دادن شواهد حیاتی، فشرده‌سازی استخراجی (Extractive) و انتزاعی (Abstractive) را پیاده می‌کنید. در نهایت، کانتکست‌های فشرده شده را با تسک‌های A/B اعتبارسنجی کرده و میزان مصرف توکن، تاخیر (Latency) و هزینه را ردیابی می‌کنید و آستانه‌های جایگزینی خودکار (Auto-fallback) را اضافه خواهید کرد. در پایان این دوره، شما یک دستورالعمل عملی مهندسی کانتکست خواهید داشت که کیفیت پاسخ‌ها را بهبود بخشیده و هزینه‌ها را کنترل می‌کند.

سرفصل ها و درس ها

طراحی تجمیع قابل اعتماد کانتکست Designing Reliable Context Assembly

  • درک علت شکست پرامپت‌های ساده و حجیم Understanding Why Naive Prompt Stuffing Fails

  • رتبه‌بندی سیگنال‌ها برای تجمیع کانتکست Ranking Signals for Context Assembly

  • استفاده از اسکیما برای بهبود پایداری کانتکست Using Schema to Improve Context Stability

  • دمو: ساخت یک خط لوله کانتکست رتبه‌بندی شده Demo: Building a Ranked Context Pipeline

فشرده‌سازی کانتکست بدون از دست دادن سیگنال Compressing Context without Losing Signal

  • درک محدودیت‌های توکن Understanding Token Constraints

  • استراتژی‌های فشرده‌سازی برای کانتکست‌های ساختاریافته Compression Strategies for Structured Contexts

  • دمو: اجرای فشرده‌سازی استخراجی و انتزاع سبک Demo: Running Extractive and Light Abstraction

اعتبارسنجی کانتکست‌ها و تعیین گاردریل‌ها Validating Contexts and Setting Guardrails

  • اعتبارسنجی قابلیت اطمینان کانتکست Validating Context Reliability

  • اندازه‌گیری توکن‌ها، تاخیر و فعال‌سازی جایگزین‌ها Measuring Tokens, Latency, and Triggering Fallbacks

  • دمو: امتیازدهی و اجرای گاردریل‌ها Demo: Scoring and Guardrail Executing

نمایش نظرات

آموزش تجمیع و فشرده‌سازی کانتکست (Context Assembly and Compression)
جزییات دوره
52m
10
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
3
از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ashraf AlMadhoun Ashraf AlMadhoun

اشرف مدرس باسابقه، متخصص سیستم‌های نهفته و مشاور هوش مصنوعی است که اشتیاق زیادی به ساده‌سازی فناوری‌های پیچیده دارد. او با تجربه گسترده در آموزش دیجیتال، دوره‌های آنلاین متعددی را توسعه داده و هزاران زبان‌آموز را در سطح جهان توانمند ساخته است. اشرف در زمینه‌های سیستم‌های نهفته، میکروکنترلرها، کاربردهای هوش مصنوعی و توسعه نرم‌افزار تخصص دارد و آموزش‌های عملی و متناسب با صنعت ارائه می‌دهد. او به عنوان یک مدرس متعهد، همواره روش‌های تدریس نوآورانه را برای ارتقای تجربه یادگیری بررسی می‌کند. علاوه بر تدریس، او خدمات مشاوره‌ای را برای کمک به کسب‌وکارها و افراد جهت تبدیل ایده‌ها به پروژه‌های واقعی ارائه می‌دهد. اکنون اشرف به عنوان مدرس Pluralsight، متعهد به ارائه محتوای باکیفیتی است که شکاف بین تئوری و اجرای عملی را پر می‌کند.