لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بهبود هوش مصنوعی با گرافهای دانش - تسلط بر سیستمهای RAG
- آخرین آپدیت
دانلود AI Enhancement with Knowledge Graphs - Mastering RAG Systems
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای Coursera Coach است!
روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و در لحظه که به شما کمک میکند دانش خود را آزمایش کنید، پیشفرضها را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
در این دوره جامع، با تسلط بر تکنیکهای تولید تقویتشده با بازیابی (RAG) با استفاده از گرافهای دانش (Knowledge Graphs)، پتانسیل سیستمهای هوش مصنوعی را آزاد کنید. شما خواهید آموخت که چگونه گرافهای دانش پیشرفته را طراحی، ساخته و کوئری بزنید و آنها را با سیستمهای هوش مصنوعی ادغام کنید تا درک متنی و کارایی بازیابی دادهها را افزایش دهید.
دوره با یک مقدمه جامع درباره گرافهای دانش، شامل ساختار، نحوه ساخت و کاربردهای آنها آغاز میشود. شما محیط توسعه خود را راهاندازی کرده، در پیادهسازیهای عملی Neo4j غوطهور میشوید و گرافهای دانش را به صورت برنامهنویسی شده تولید میکنید. از طریق تمرینهای هدایتشده، دادههای واقعی را استخراج کرده، آنها را به ساختارهای گراف تبدیل میکنید و ارتباطات متقابل آنها را به صورت بصری بررسی خواهید کرد.
در ادامه، همافزایی بین گرافهای دانش و سیستمهای RAG را بررسی کرده، ایندکسهای برداری (Vector Indexes) و Embeddingها را ایجاد و آنها را در پایگاههای داده ادغام میکنید. روشهای پیشرفته کوئریزنی، بصریسازی و جریانهای کاری برای موارد استفاده مبتنی بر هوش مصنوعی را بیاموزید. در نهایت، یک پروژه گراف دانش مبتنی بر RAG با ترکیب Neo4j و LangChain خواهید ساخت تا جریان کامل تبدیل دادهها، بازیابی و کاربرد نهایی را به نمایش بگذارید.
این دوره برای علاقهمندان به هوش مصنوعی، مهندسان داده و توسعهدهندگانی که مشتاق ارتقای مدلهای هوش مصنوعی خود با گرافهای دانش هستند، ایدهآل است. داشتن تجربه قبلی در پایتون و مفاهیم پایه هوش مصنوعی توصیه میشود. چه در سطح متوسط باشید و چه پیشرفته، مهارتهای ارزشمند و مرتبط با صنعت را کسب خواهید کرد.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمه و پیشنیازها
Introduction and Pre-requisites
ساختار دوره
Course Structure
راهاندازی محیط توسعه
Development Environment Setup
راهاندازی محیط توسعه و حساب OpenAI - نمای کلی
Development Environment Setup & the OpenAI Account - Overview
تنظیم کلید API OpenAI
Setup the OpenAI API Key
بررسی عمیق گراف دانش
Knowledge Graph Deep Dive
بررسی عمیق گراف دانش - تعریف و مفاهیم کلیدی
Knowledge Graph Deep Dive - Definition and Key Concepts
ساختار گراف دانش - ساخت و کاربرد
Knowledge Graph Structure - Construction and Application
خلاصه
Summary
کار عملی: بررسی عمیق گراف دانش - معرفی و نمای کلی Neo4j
Hands-On: Knowledge Graph Deep Dive - Neo4j Introduction and Overview
ساخت گرافهای دانش - معرفی و نمای کلی Neo4j
Building Knowledge Graphs & Neo4j Introduction and Overview
مبانی Neo4j
Neo4J - Fundamentals
نمای کلی مرورگر Neo4j
Neo4j Browser Overview
راهاندازی Neo4j - ایجاد نمونه پایگاه داده گراف و اتصال به آن
Setting up Neo4J - Create the Graph Database Instance and Connect to It
اتصال برنامهنویسی شده به پایگاه داده گراف
Connecting to Our Graph Database Programmatically
ایجاد برنامهنویسی شده موجودیتها و روابط - تولید گراف دانش
Programmatically creating Entities & Relationships Generating a Knowledge Graph
اجرای یک کوئری ساده - دریافت نام تمام موجودیتها
Run a Simple Query - Get All Entities Names
اجرای کوئری برای دریافت مسیر روابط
Running a Query to Get Paths-Relationships
خلاصه
Summary
گرافهای دانش و سیستمهای RAG
Knowledge Graphs & RAG Systems
گراف دانش و RAG - نمای کلی کامل
Knowledge Graph & RAG - Full Overview
کار عملی - استخراج دادههای فایل CSV و تبدیل آن به گراف دانش
Hands-on - Extracting CSV file Data & Transform it Into a Knowledge Graph
مرورگر Neo4j - مشاهده بصری کل گراف
Neo4j Browser - View the Entire Graph Visually
کوئری زدن گراف دانش با Wrapperهای LangChain
Querying Knowledge Graph with LangChain Wrappers
خلاصه
Summary
گراف دانش و RAG - ایجاد ایندکس و ذخیرهساز برداری - Embeddingها
Knowledge Graph & RAG - Index Creation and Vector Store - Embeddings
ایجاد ایندکس برداری، ایجاد Embeddingها و مقداردهی در پایگاه داده
Creating a Vector Index, Creating Embeddings and Populating then Into the DB
کوئری زدن در ایندکس برداری و گراف دانش
Querying the Vector Index and Knowledge Graph
خلاصه
Summary
کار عملی: موارد کاربردی - بازیابی گراف و سیستمهای RAG - جریان کامل
Hands-on: User Cases - Graph Retrieval and RAG Systems - The Whole Flow
بازیاب گراف و گراف دانش - نمای کلی جریان کامل
Graph Retriever & Knowledge Graph - Full Flow Overview
کار عملی: سیستم RAG و گراف دانش امپراتوری روم
Hands-on: The Roman Empire RAG System and Knowledge Graph
راهاندازی پروژه، بارگذاری دادههای ویکیپدیا و تقسیم اسناد به تکهها (Chunks)
Setting up the Project and Loading Wikipedia Data and Splitting Docs into Chunks
استخراج دادههای گراف و تولید گراف دانش
Extract Graph Data and Generate the Knowledge Graph
بصریسازی کل گراف دانش
Visualized the Whole Knowledge Graph
راهاندازی بازیاب گراف (Graph Retriever) و تجزیهکننده موجودیتها
Graph Retriever and Entity Parser Setup
ایجاد ایندکس متن کامل و توابع لازم برای بازگرداندن موجودیتها
Create the Full Text Index and Necessary Functions to Return Entities
تعریف زنجیره RAG و یکپارچهسازی نهایی - GraphRAG
Define the RAG Chain and Put it All Together - GraphRAG
نمایش نظرات