دوره RAG چندوجهی: سیستمهای جستجو و توصیهگر هوش مصنوعی با GPT-4
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک و پیادهسازی «تولید افزوده بازیابی» (RAG) با دادههای چندوجهی (متن، تصاویر)
- ساخت سیستمهای جستجو و توصیهگر مجهز به هوش مصنوعی با استفاده از GPT-4 ،CLIP و ChromaDB
- تولید و استفاده از embeddingهای متنی و تصویری برای انجام جستجوهای چندوجهی
- توسعه اپلیکیشنهای تعاملی با Streamlit برای مدیریت کوئری های کاربر و ارائه توصیههای هوش مصنوعی محور
پیش نیازهای دوره
- درک اولیه از برنامهنویسی Python
- آشنایی با مفاهیم یادگیری ماشین (embeddings، بردارها).
- تجربه قبلی در سیستمهای چندوجهی مورد نیاز نیست، اما دانش ابزارهای هوش مصنوعی مانند GPT یا CLIP مفید خواهد بود.
- یک کامپیوتر با دسترسی به اینترنت و قابلیت نصب کتابخانههای Python مانند Streamlit ،OpenAI و ChromaDB
توضیحات دوره
آیا آمادهاید به دنیای پیشرفته سیستمهای جستجو و توصیهگر مجهز به هوش مصنوعی قدم بگذارید؟ این دوره شما را در فرآیند ساخت سیستمهای «تولید افزوده بازیابی» چندوجهی (RAG) راهنمایی میکند که دادههای متنی و تصویری را برای بازیابی اطلاعات و ارائه توصیههای پیشرفته ترکیب میکنند.
در این دوره عملی، شما خواهید آموخت که چگونه از ابزارهای پیشرفتهای مانند GPT-4 ،CLIP و ChromaDB برای ساخت سیستمهای هوش مصنوعی قادر به پردازش دادههای چندوجهی استفاده کنید و روشهای جستجوی سنتی را با قدرت یادگیری ماشین و embeddingها ارتقا دهید.
آنچه خواهید آموخت:
- تسلط به RAG چندوجهی: مفهوم «تولید افزوده بازیابی» (RAG) و چگونگی پیادهسازی آن برای دادههای مبتنی بر متن و تصویر را درک خواهید کرد.
- ساخت سیستمهای جستجو و توصیهگر مجهز به هوش مصنوعی: خواهید آموخت چگونه موتورهای جستجو و سیستمهای توصیهگری بسازید که بتوانند کوئری های چندوجهی را با استفاده از مدلهای قدرتمند هوش مصنوعی مانند GPT-4 و CLIP مدیریت کنند.
- استفاده از Embeddingها برای جستجوی میان-وجهی: تجربه عملی در تولید و استفاده از embeddingها برای فعالسازی جستجو و توصیهها بر اساس ورودی متنی یا تصویری کسب خواهید کرد.
- توسعه اپلیکیشنهای تعاملی با Streamlit: اپلیکیشنهای کاربرپسندی خواهید ساخت که امکان جستجو و ارائه توصیههای بلادرنگ بر اساس دادههای متنی یا تصویری ارائهشده توسط کاربر را فراهم میکنند.
تکنولوژیهای کلیدی که با آنها کار خواهید کرد:
- GPT-4: یک مدل زبانی پیشرفته که قدرت توصیههای هوش مصنوعی محور را تأمین میکند.
- CLIP: یک مدل هوش مصنوعی پیشرفته برای تولید embeddingهای تصویری و متنی، که جستجوی تصاویر با متن را ممکن میسازد.
- ChromaDB: یک پایگاه داده برداری با کارایی بالا که امکان جستجوی سریع و کارآمد را برای embeddingهای چندوجهی فراهم میکند.
- Streamlit: یک فریمورک ساده اما قدرتمند برای ساخت اپلیکیشنهای وب تعاملی
تجربه قبلی با سیستمهای چندوجهی ندارید؟ مشکلی نیست!
این دوره به گونهای طراحی شده که مفاهیم پیشرفته هوش مصنوعی را قابل دسترس سازد، با دستورالعملهای دقیق و گامبهگام که شما را در هر فرآیند، از تولید embeddingها تا ساخت سیستمهای کامل هوش مصنوعی راهنمایی میکند. دانش اولیه Python و کنجکاوی در مورد هوش مصنوعی، تمام آن چیزی است که برای شروع نیاز دارید.
همین امروز در این دوره شرکت کنید و مهارتهای توسعه هوش مصنوعی خود را با تسلط به هنر سیستمهای RAG چندوجهی به سطح بالاتری ببرید!
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان مشتاق هوش مصنوعی: افرادی که به دنبال ساخت اپلیکیشنهای مجهز به هوش مصنوعی هستند که دادههای متنی و تصویری را یکپارچه میکنند.
- دانشمندان داده: متخصصانی که قصد دارند مهارتهای خود را در پردازش و بازیابی دادههای چندوجهی بهبود دهند.
- مهندسان یادگیری ماشین: کسانی که به دنبال پیادهسازی سیستمهای جستجو و توصیهگر پیشرفته با استفاده از مدلهای روز هستند.
دوره RAG چندوجهی: سیستمهای جستجو و توصیهگر هوش مصنوعی با GPT-4
-
مقدمه و پیشنیازها 02:37
-
ساختار دوره 00:32
-
این دمو را تماشا کنید - آنچه در این دوره خواهید ساخت 02:37
-
راهاندازی محیط توسعه - بررسی 01:04
-
سیستمهای RAG - دوره فشرده جامع 04:17
-
مزایا و کاربرد عملی RAG 04:14
-
RAG چندوجهی - بررسی، انگیزهها و مزایا - چگونه کار میکند؟ 08:54
-
چگونگی ادغام جستجو در سیستم RAG چندوجهی - گردش کار کامل 03:19
-
چرا جستجوی چندوجهی اینقدر قدرتمند است؟ 02:53
-
توضیح بصری که چرا جستجوی چندوجهی اینقدر قدرتمند است 04:47
-
راهاندازی سیستم جستجوی چندوجهی - ایجاد Embeddingهای تصاویر 07:57
-
تکمیل سیستم جستجوی چندوجهی 09:17
-
سیستم توصیهگر چندوجهی - بررسی 03:28
-
دریافت دیتاست از Hugging Face و نمایش تعداد سطرها 03:27
-
ذخیره تمام تصاویر به صورت محلی 03:00
-
ذخیره Image Embeddings در پایگاه داده برداری 04:51
-
تست سیستم توصیهگر چندوجهی - بازیابی تصاویر صحیح 03:52
-
راهاندازی جریان RAG - قسمت 1 08:12
-
جمعبندی و تست سیستم RAG توصیهگر چندوجهی 06:29
-
اضافه کردن رابط کاربری (UI) به سیستم توصیهگر چندوجهی - Streamlit 02:58
-
مراحل بعدی 02:53
مشخصات آموزش
دوره RAG چندوجهی: سیستمهای جستجو و توصیهگر هوش مصنوعی با GPT-4
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:متوسط
- تعداد درس:21
- مدت زمان :01:33:35
- حجم :1.17GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy