دوره آموزشی مدلهای زبان بزرگ پیشرفته با استفاده از تولید تقویتشده با بازیابی (RAG): پروژههای عملی برای کاربردهای هوش مصنوعی
1 ساعت 47 دقیقهپیشرفته2025-01-28
مدرسین

Pragmatic AI Labs

Guy Ernest
جزئیات دوره
آیا شما یک مهندس، معمار راهحل یا توسعهدهنده نرمافزار هستید که مسئول ساخت برنامههای سازمانی میباشید؟ وقت آن رسیده که با جدیدترین ابزارها و تکنیکهای مبتنی بر هوش مصنوعی بهروز شوید—در اینجا، ما به تکنیک بازیابی بهکمک تولید (RAG) میپردازیم. در این دوره، که توسط Pragmatic AI Labs، یکی از پیشروترین آموزشدهندگان فناوری طراحی شده است، به مربیگری گای ارنست خواهید پیوست تا مفاهیم پایهای و پیشرفته لازم برای استفاده از RAG با مدلهای زبان بزرگ را یاد بگیرید، از جمله رمزگذاری متن با استفاده از بردارهای جاسازیشده، تقسیم اسناد با استراتژیهای غنیسازی، بهبود بازیابی اسناد و موارد دیگر. تا پایان این دوره، شما با مهارتهای لازم برای بهرهبرداری از قدرت RAG مجهز خواهید شد.
اهداف یادگیری:
درک مفاهیم پایهای و پیشرفته بازیابی بهکمک تولید (RAG) برای مدلهای زبان بزرگ.
یادگیری رمزگذاری متن با استفاده از بردارهای جاسازیشده.
آشنایی با استراتژیهای تقسیم اسناد و غنیسازی.
بهبود فرآیند بازیابی اسناد و افزایش دقت نتایج.
بهکارگیری تکنیکهای RAG در توسعه برنامههای سازمانی با استفاده از ابزارهای مبتنی بر هوش مصنوعی.
اهداف یادگیری:
درک مفاهیم پایهای و پیشرفته بازیابی بهکمک تولید (RAG) برای مدلهای زبان بزرگ.
یادگیری رمزگذاری متن با استفاده از بردارهای جاسازیشده.
آشنایی با استراتژیهای تقسیم اسناد و غنیسازی.
بهبود فرآیند بازیابی اسناد و افزایش دقت نتایج.
بهکارگیری تکنیکهای RAG در توسعه برنامههای سازمانی با استفاده از ابزارهای مبتنی بر هوش مصنوعی.
مهارت ها
Natural Language Processing (NLP)Artificial Intelligence FoundationsArtificial Intelligence (AI)One-Off
سرفصل ها
0. مقدمه
- 01 - معرفی دوره
- 02 - درک اصول اولیه RAG
- 03 - ساختن یک مثال RAG ساده
- 04 - مسائل مربوط به RAG ساده
1. رمزگذاری متن با استفاده از بردارهای جاسازی شده
- 05 - مقدمه تعبیه
- 06 - آزمایشگاه دستی - توکن سازی تعبیه شده است
- 07 - آزمایشگاه دستی - تعبیه واژگان
- 08 - آزمایشگاه دستی - جاسازی جمله
- 09 - آزمایشگاه دستی - تعبیه محتوا
- 10 - خلاصه دفترچه جاسازی
2. استراتژیهای تجزیه و غنی سازی سند
- 11 - مقدمه چانکینگ
- 12 - آزمایشگاه دستی - تقسیم معنایی
- 13 - بررسی اجمالی تکه تکه شدن
- 14 - آزمایشگاه دستی - بازیابی متنی
- 15 - هم ترازی سند پرس و جو
- 16 - آزمایشگاه دستی - HyDE معکوس
3. بهبود بازیابی اسناد
- 17 - مقدمه جستجوی ترکیبی
- 18 - آزمایشگاه دستی - جستجوی ترکیبی
- 19 - آزمایشگاه دستی - رتبه بندی مجدد
- 20 - مقدمه بازیابی چندوجهی
- 21 - آزمایشگاه دستی - بازیابی PDF چند وجهی
دوره های مرتبط
- دوره آموزشی ارتقای توسعه برنامههای LLM با LangChain و OpenAI
- دوره آموزشی هوش مصنوعی محلی: ساخت مدل RAG از پایه با ابزارهای متنباز
- دوره آموزشی امنیت مدلهای زبانی بزرگ (LLM): چطور از سرمایهگذاریهات تو هوش مصنوعی مولد محافظت کنی
- دوره آموزشی RAG، اپهای هوش مصنوعی و عوامل هوش مصنوعی برای امنیت سایبری و شبکهها
- دوره آموزشی متخصص هوش مصنوعی مولد در زیرساخت ابری Oracle (OCI)
- دوره آموزشی تنظیم دقیق RAG: تکنیکهای پیشرفته برای دقت و عملکرد بهتر مدل
- دوره آموزشی ساخت مدلهای زبانی بزرگ امن و قابل اعتماد با استفاده از حفاظ های NVIDIA
- دوره آموزشی جمینی پیشرفته برای توسعه دهندگان (2024)
مسیرهای مرتبط
- مسیر آموزشی تسلط بر تولید مبتنی بر بازیابی (RAG)
- مسیر آموزشی ساخت محصولات هوش مصنوعی با استفاده از سرویسهای Azure AI در چرخه توسعه
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی
- مسیر آموزشی ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی
- مسیر آموزشی مدیریت مدلهای زبان بزرگ (LLMs) با LLMOps
- مسیر آموزشی راهنمای توسعهدهنده Google Gemini
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی کاوش در هوش مصنوعی برای مهندسی داده