آموزش ساخت خط لوله‌های تولید تقویت‌شده با بازیابی (RAG) با Databricks - آخرین آپدیت

سرفصل ها و درس ها

شروع کار با RAG در Databricks Getting Started with RAG on Databricks

• معرفی Databricks Introduction to Databricks

• درک الگوی تولید تقویت‌شده با بازیابی (RAG) Understanding Retrieval-augmented Generation (RAG) Pattern

• بررسی سناریو و راه‌اندازی محیط Scenario Walkthrough and Environment Setup

کار با Embeddings و Mosaic AI Vector Search در Databricks Working with Embeddings and Mosaic AI Vector Search in Databricks

• درک Embeddings و شباهت متنی Understanding Embeddings and Text Similarity

• آماده‌سازی، تکه‌بندی (Chunking) و ذخیره‌سازی داده‌ها در جدول Delta Preparing, Chunking, and Storing Data in Delta Table

• پیکربندی Mosaic AI Vector Search در Databricks Configuring Mosaic AI Vector Search in Databricks

• ایندکس‌گذاری و پرس‌وجوی داده‌ها در Databricks Vector Search Indexing and Querying Data in Databricks Vector Search

ساخت خط لوله RAG با Databricks Building RAG Pipeline with Databricks

• درک جریان کاری RAG در Databricks Understanding RAG Workflow in Databricks

• مهندسی پرامپت (Prompt Engineering) برای RAG Prompt Engineering for RAG

• ساخت خط لوله RAG با Databricks Building RAG Pipeline with Databricks

• ردیابی و ارزیابی خط لوله RAG با MLflow در Databricks Tracking and Evaluating RAG Pipeline with MLflow in Databricks

• ثبت و ارائه مدل RAG در Databricks Registering and Serving RAG Model in Databricks

استفاده از Agent Bricks برای جریان‌های کاری RAG در Databricks Using Agent Bricks for RAG Workflows in Databricks

• درک Agent Bricks در Databricks Mosaic AI Understanding Agent Bricks in Databricks Mosaic AI

• ساخت RAG ایجنتی با استفاده از Agent Bricks Building Agentic RAG Using Agent Bricks