لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش جامع تولید تقویتشده با بازیابی (RAG)
- آخرین آپدیت
دانلود Introduction to Retrieval Augmented Generation (RAG)
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره آموزشی، ابتدا با مفاهیم و کاربردهای مدلهای زبانی بزرگ (LLM) آغاز میکنیم و مدلهای محبوبی مانند OpenAI GPT و Google Gemini را بررسی خواهیم کرد. سپس با مفاهیم تعبیه زبانی (Language Embeddings) و پایگاههای داده برداری (Vector Databases) آشنا شده و در نهایت برای توسعه اپلیکیشنهای RAG، فریمورک LangChain را یاد میگیریم تا قدرت مدلهای زبانی را با ابزارهای توسعه ترکیب کنیم.
قابلیتهای مدلهای زبانی بزرگ نباید تنها به ابزارهایی مانند ChatGPT، Google Gemini یا Anthropic Claude محدود شود. شما میتوانید از تواناییهای قدرتمند پردازش زبان طبیعی در دادههای سازمانی خود استفاده کنید تا اتوماسیونها و اپلیکیشنهای شگفتانگیزی بسازید که به آنها «تولید تقویتشده با بازیابی» یا اپلیکیشنهای RAG گفته میشود.
برخی از محورهای کلیدی این دوره شامل یادگیری مهندسی پرامپت (Prompt Engineering) برای اپلیکیشنهای RAG، کار با ایجنتها (Agents)، ابزارها، اسناد، لودرها، اسپلیترها، پارسرهای خروجی و سایر اجزای ضروری برای ساخت سیستمهای RAG است.
پیشنیاز این دوره، داشتن درک ابتدایی از برنامهنویسی پایتون و آشنایی اولیه با مفاهیم مدلهای زبانی بزرگ (LLMs) است تا بتوانید بیشترین بهره را از مطالب ببرید.
در پایان این دوره، شما قادر خواهید بود اپلیکیشنهای RAG را با استفاده از مدلهای زبانی بزرگ، LangChain و پایگاههای داده برداری توسعه دهید. همچنین یاد میگیرید که پرامپتهای موثر بنویسید، مفاهیم مدلها و توکنها را درک کنید و از دیتابیسهای برداری برای اتوماسیون گردشهای کاری استفاده نمایید و با مفاهیم کلیدی LangChain برای ساخت اپلیکیشنهای RAG با پیچیدگی ساده تا متوسط آشنا شوید.
سرفصل ها و درس ها
مقدمهای بر تولید تقویتشده با بازیابی (RAG)
Introduction to Retrieval Augmented Generation (RAG)
معرفی دوره و مدرس
Introduction to the Course & Meet Your Instructor
درک مدلهای زبانی بزرگ (LLM)
Understanding Large Language Models
استخراج پاسخها از LLM با استفاده از پرامپت و کانتکست
Extracting Responses from LLMs Using Prompts and Context
بهینهسازی درخواستهای LLM
Optimize your LLM Requests
درک اپلیکیشنهای تولید تقویتشده با بازیابی (RAG)
Understanding Retrieval Augmented Generation (RAG) Applications
استفاده از فریمورک LangChain در اپلیکیشنهای RAG - بخش اول
Using LangChain Framework in RAG Applications- Part 1
استفاده از فریمورک LangChain در اپلیکیشنهای RAG - بخش دوم
Using LangChain Framework in RAG Applications- Part 2
توسعه سیستم RAG برای تجزیه و تحلیل فاکتورها
Develop an Invoice Parsing RAG
ساخت چتبات سیاستهای منابع انسانی: زیرساختها
Create an HR Policy ChatBot: Groundwork
ساخت چتبات سیاستهای منابع انسانی: رابط کاربری و RAG
Create a HR Policy ChatBot: UI and RAG
تبریک و مسیر یادگیری مستمر
Congratulations and Continuous Learning Journey
نمایش نظرات