آموزش بهینه‌سازی RAG: تکنیک‌های پیشرفته برای افزایش دقت و عملکرد مدل - آخرین آپدیت

دانلود RAG Fine-Tuning: Advanced Techniques for Accuracy and Model Performance

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با این دوره عملی در مورد RAFT (بهینه‌سازی بازیابی-تقویت‌شده)، قدرت تولید محتوای مبتنی بر بازیابی (RAG) را آزاد کنید. بیاموزید چگونه با تلفیق Fine-tuning و RAG، مدل‌های تخصصی ایجاد کنید که پاسخ‌هایی دقیق و متناسب با زمینه ارائه دهند. از درک مفاهیم پایه تا پیاده‌سازی تکنیک‌های پیشرفته مانند RAFT و استفاده از ابزارهایی مانند Azure AI Studio، این دوره شما را برای ارتقاء و استقرار سیستم‌های پیچیده RAG آماده می‌کند. ایده‌آل برای متخصصین هوش مصنوعی که به دنبال بهینه‌سازی عملکرد مدل در حوزه‌های تخصصی هستند.

سرفصل ها و درس ها

مقدمه Introduction

  • خوش‌آمدگویی به دوره RAG و فاین‌تیونینگ Welcome to RAG and fine-tuning

1. آشنایی با RAG 1. Introduction to RAG

  • درک مفهوم RAG Understanding RAG

  • ترکیب RAG و فاین‌تیونینگ: RAFT Combining RAG and fine-tuning: RAFT

  • فاین‌تیونینگ چیست؟ What is fine-tuning?

2. تکنیک RAFT 2. RAFT technique

  • درک عمیق RAFT Understand RAFT

  • فاین‌تیونینگ و استنتاج Fine-tuning and inference

  • نتایج استفاده از RAFT Results of RAFT

3. آماده‌سازی مجموعه داده برای RAFT 3. Dataset Preparation for RAFT

  • تولید جفت‌های پرسش و پاسخ Q&A pair generation

  • تولید و ذخیره‌سازی مجموعه داده Generate and save dataset

  • آماده‌سازی داده‌ها برای RAFT Preparing the data for RAFT

  • افزودن پاسخ‌ها به جفت‌های پرسش و سند Adding answers to document-question pairs

4. فاین‌تیون مدل در Hugging Face 4. Fine-Tune the Model in Hugging Face

  • استفاده از مدل فاین‌تیون شده Using the fine-tuned model

  • فاین‌تیون مدل Llama 3.2 در Hugging Face Fine-tuning the Llama 3.2 model on Hugging Face

  • آشنایی با Hugging Face Intro to Hugging Face

جمع‌بندی Conclusion

  • گام‌های بعدی در RAG و فاین‌تیونینگ Next steps with RAG and fine-tuning

نمایش نظرات

آموزش بهینه‌سازی RAG: تکنیک‌های پیشرفته برای افزایش دقت و عملکرد مدل
جزییات دوره
0h 54m
15
(آخرین آپدیت)
20,822
- از 5
دارد
دارد
دارد
Harshit Tyagi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harshit Tyagi Harshit Tyagi

مربی و استاد علوم داده Harshit Tyagi یک مربی و مربی علوم داده است.

Harshit به بیش از هزار دانش آموز کمک کرده است تا اصول برنامه نویسی و علوم داده را تسلط یابند. وی در نقش های خود در OpenClassrooms و Coding Ninjas ، از مهارت فنی خود برای انجام کارگاه ها و کمک به دانشجویان برای آوردن پروژه های دوره خود به خط پایان استفاده می کند. وی همچنین دارای یک کانال YouTube است ، جایی که او مفاهیم اساسی در علوم داده و مصاحبه پایتون را پوشش می دهد نکات و موارد دیگر علاوه بر تمرکز بر آموزش علوم داده ، هارشیت الگوریتم های پردازش داده را با دانشمندان تحقیق در ییل ، MIT و UCLA توسعه داده است.