/thumbnail.webp?token=Y291cnNlcy8yMDI0LzA3L0J1aWxkaW5nIFJBRyBTb2x1dGlvbnMgd2l0aCBBenVyZSBBSSBGb3VuZHJ5IChGb3JtZXJseSBBenVyZSBBSSBTdHVkaW8pL3RodW1ibmFpbC53ZWJwOjE3ODQzNjM2MjA6ODBhYjVlYmNhZTZlNDE4MTFlZmNhNjkzN2I3MGFlMTBhNjc0YzAzOWI3NmQzOWM4NGNkMTNkNTYwZTk3N2Q3NQ%3D%3D)
دوره آموزشی ساخت راه حل های RAG با Azure AI Studio
1 ساعت 24 دقیقهمتوسط2024-12-12
مدرسین
Ziggy Zulueta
جزئیات دوره
این دوره جامع به شما کمک میکند تا مهارتهای لازم را برای استفاده مؤثر از Azure AI Foundry (که قبلاً به نام Azure AI Studio شناخته میشد) برای ساخت راهحلهای تقویت شده با جستجو (RAG) بدست آورید. دوره با یک مرور سیستماتیک از فرایند ساخت یک راهحل RAG و اصول و مبانی آن شروع میشود و به پیشنیازهایی که برای ساخت یک راهحل RAG در Azure AI Foundry لازم است، پرداخته میشود. این دوره عملی که توسط زیگی زولوئتا تدریس میشود، شامل دموهایی برای وارد کردن و وکتورسازی دادهها و ادغام آنها در مدلهای پیادهسازی شده است و فرایند سفارشیسازی راهحل پیشفرض با استفاده از ویژگی جریان پرامپت را نشان میدهد. دوره با یک راهنمایی برای آزمایش و ارزیابی راهحل به پایان میرسد، همراه با یک جلسه عملی برای آزمایش API REST در Postman و استفاده از نقطه پایانی در Microsoft Teams از طریق Copilot Studio.
مهارت ها
Azure AI ServicesNatural Language Processing (NLP)Generative AIAzureSoftware Development ToolsArtificial Intelligence (AI)MicrosoftSoftware DevelopmentDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - یک راه حل RAG با کد نویسی کم ایجاد کنید
1. اصول RAG
- 02 - اصول اولیه RAG - اضافه کردن دادههای سفارشی به LLM شما
- 03 - شناخت توکنها - عامل کلیدی هزینهها در سیستم شما
- 04 - جاسازیهای برداری - نحوه اتصال کلمات به یکدیگر
- 05 - نحوه کار RAG - درک فرآیند زیر هود
- 06 - معماری سطح بالا RAG - اجزای مورد نیاز
2. مقدمه ای بر Azure AI Foundry
- 07 - بررسی اجمالی Azure AI Foundry - استقرار در مقیاس به روشی ایمن، ایمن و مسئولانه
- 08 - پیمایش در Azure AI Foundry
- 09 - ایجاد یک پروژه در Azure AI Foundry
3. راهاندازی Azure AI Foundry
- 10 - شناخت فیلترهای محتوا
- 11 - ایجاد فیلترهای محتوا
- 12 - ایجاد استقرار مدل
- 13 - پیمایش در زمین بازی
- 14 - استفاده از زمین بازی و تنظیمات آن
4. ایجاد ایندکس برای RAG با استفاده از Azure
- 15 - ایجاد شاخص با استفاده از Azure AI Foundry
- 16 - ایجاد فهرست با استفاده از جستجوی هوش مصنوعی Azure
- 17 - درک بازیابی و ارتباط در جستجوی هوش مصنوعی Azure
- 18 - تست شاخص خود در زمین بازی
5. مقدمه ای بر Azure Prompt Flow
- 19 - درک جریان سریع
- 20 - یک نمونه جریان سریع برای RAG ایجاد کنید
- 21 - معیارهای ارزیابی و نظارت
- 22 - ارزیابیها را روی سیستم RAG خود انجام دهید
6. استقرار راه حل RAG
- 23 - استقرار راه حل RAG با استفاده از جریان سریع
- 24 - تست نقطه پایانی REST با استفاده از Postman
- 25 - استقرار نقطه پایانی REST در Copilot Studio و Microsoft Teams
نتیجه گیری
- 26 - غذای کلیدی
- 27 - یادگیری اضافی
دوره های مرتبط
- دوره آموزشی ساخت برنامههای آماده برای هوش مصنوعی با پایگاهدادههای آژور و هوش مصنوعی
- دوره آموزشی امنیت مدلهای زبانی بزرگ (LLM): چطور از سرمایهگذاریهات تو هوش مصنوعی مولد محافظت کنی
- دوره آموزشی ساخت یک راهحل RAG از ابتدا
- دوره آموزشی مدلهای زبان بزرگ پیشرفته با استفاده از تولید تقویتشده با بازیابی (RAG): پروژههای عملی برای کاربردهای هوش مصنوعی
- دوره آموزشی OpenAI API عملی: ساختن یک راه حل در دنیای واقعی
- دوره آموزشی گوگل جمینی برای توسعه دهندگان
- دوره آموزشی استفاده از PostgreSQL در کنار RAG
- دوره آموزشی جمینی پیشرفته برای توسعه دهندگان (2024)
مسیرهای مرتبط
- مسیر آموزشی تسلط بر تولید مبتنی بر بازیابی (RAG)
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی ساخت محصولات هوش مصنوعی با استفاده از سرویسهای Azure AI در چرخه توسعه
- مسیر آموزشی کاوش در هوش مصنوعی برای مهندسی داده
- 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 ساخت سیستمهای هوش مصنوعی عاملمحور برای توسعهدهندگان
- مسیر آموزشی کار با داده: گردآوری، پردازش و ذخیرهسازی داده برای هوش مصنوعی