جستجوی معنایی و بازیابی اطلاعات با استفاده از GenAI

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

Generative AI یک امتیاز بزرگ برای فناوری‌های جستجوی سنتی است، به خصوص زمانی که از قدرت آن به صورت ترکیبی استفاده شود. این دوره فنی که برای متخصصان داده طراحی شده است، به شما نشان می‌دهد که چگونه راه‌حل‌های جستجوی پیچیده‌ای را طراحی، پیاده‌سازی و ارزیابی کنید که گراف‌های دانش، هوش مصنوعی و فناوری‌های جستجوی سنتی را ترکیب می‌کنند.

بیاموزید چگونه تصمیمات معماری بگیرید، اقدامات امنیتی را پیاده‌سازی کنید و شاخص‌های کلیدی عملکرد (KPI) مؤثری را برای سیستم‌های جستجو در مقیاس سازمانی ایجاد نمایید. در طول این دوره، مدرس Ashleigh Faith بر پیاده‌سازی عملی، ملاحظات امنیتی و بهینه‌سازی عملکرد تأکید دارد و در عین حال تجربه عملی با معماری‌های جستجوی مدرن را فراهم می‌کند.

جستجوی معنایی و بازیابی اطلاعات با استفاده از GenAI

فصل 1: مقدمه

قدرت جستجوی معنایی و بازیابی اطلاعات 0:00:57
آنچه باید برای دوره بدانید 0:01:52

فصل 2: انتخاب نوع جستجو

موردکاربری: روغن زیتون دو درخت 0:01:35
به چه نوع جستجویی نیاز دارید؟ 0:02:59
تصمیم‌گیری در مورد نیاز به پایگاه داده برداری، گراف دانش یا هر دو 0:02:36
نقش هوش مصنوعی غیر LLM در جستجوی معنایی چیست؟ 0:02:00

فصل 3: اجزای سازنده جستجوی معنایی

بازیابی اطلاعات چیست؟ 0:03:31
جستجوی معنایی چیست؟ 0:02:51
گراف‌های دانش چه هستند و چگونه در جستجوی معنایی استفاده می‌شوند؟ 0:04:07
تعبیه های برداری چه هستند؟ 0:03:33

فصل 4: بهبود جستجوی معنایی

شباهت معنایی چیست؟ 0:03:40
شباهت معنایی چگونه محاسبه می‌شود؟ 0:02:26
وزن‌ها، تقویت‌کننده‌ها و مسدودکننده‌ها 0:03:01
داده‌های کاربر و محلی‌سازی 0:02:23
پیمایش گراف 0:02:30
عوامل دیگر برای شباهت معنایی 0:02:08
عملکرد جستجو در جستجوی معنایی 0:03:02
ارزیابی خودکار و انسانی مرتبط بودن جستجو 0:03:10

فصل 5: بهینه‌سازی داده‌ها و موجودیت‌ها برای جستجوی معنایی

کیفیت متن و اسناد 0:01:59
تشخیص موجودیت و ابهام‌زدایی 0:01:35
متدهای جستجوی جایگزین 0:01:46

فصل 6: تسلط به جستجوی معنایی با هوش مصنوعی، بازخورد انسانی و داده‌های کلیدی

جستجو در کجای یک پایپ‌لاین هوش مصنوعی یا داده قرار می‌گیرد؟ 0:03:55
چگونه هوش مصنوعی می‌تواند از داده‌های برداری و گراف برای جستجوی معنایی استفاده کند؟ 0:01:30
چگونه می‌توان از شاخص‌های کلیدی عملکرد (KPIs) در جستجوی معنایی استفاده کرد؟ 0:02:49

فصل 7: ایجاد پل بین متن و گراف برای جستجوی معنایی هوشمندتر

بارگذاری مدل و داده نمونه ما در Stardog 0:01:14
ساخت یک کوئری گراف 0:10:47
گزینه‌های کوئری 0:01:52
استفاده از داده‌های گراف برای مستندسازی پاسخ هوش مصنوعی 0:06:03
مقایسه: مستندسازی با GraphRAG به تنهایی در مقابل RAG با گراف‌های دانش معنایی 0:05:02