آموزش RAG ،MCP، عاملهای هوش مصنوعی: سیستمهای بازیابی آماده تولید
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پیادهسازی پایپ لاین های RAG از ابتدا تا انتها در پایتون
- استقرار و تنظیم پایگاههای داده برداری مانند Weaviate
- اعمال تکنیکهای بازیابی پیشرفته
- هماهنگی گردش های کاری چندعاملی RAG
- طراحی استراتژیهای بازرتبهبندی سفارشی
پیشنیازهای دوره
- تسلط اولیه به پایتون
- آشنایی با REST APIها و payloadهای JSON (اختیاری)
- آسودگی در کار با ابزارهای خط فرمان (اختیاری)
- اشتیاق به یادگیری با انجام دادن
توضیحات دوره
تسلط به RAG مانند ساخت یک اپلیکیشن است وقتی یک زبان برنامهنویسی را درک کرده باشید!
آیا تا به حال فکر کردهاید که چگونه اپلیکیشن های قدرتمند هوش مصنوعی بسازید که هر بار داده مناسب را بازیابی کنند؟ میخواهید فناوری پشت قابلیتهای بازیابی داده ChatGPT را تسلط یابید؟ پس به جای درستی آمدهاید! به راهنمای نهایی شما برای "تولید تقویتشده با بازیابی" (RAG) خوش آمدید، جایی که از مبانی پایگاههای داده برداری تا ایجاد پایپ لاین های پیشرفته هوش مصنوعی محور سفر خواهید کرد.
در این دوره عملی و گامبهگام، ابتدا با مفاهیم اصلی پایگاههای داده برداری آشنا میشوید و دقیقاً میآموزید که چگونه دادهها را به طور کارآمد ذخیره، ایندکس و بازیابی میکنند. سپس یاد خواهید گرفت که چگونه پایگاه داده برداری ایدهآل را برای پروژه خاص خود انتخاب کنید، که شامل راهنمای عملی برای میزبانی داخلی Weaviate نیز میشود.
در همینجا متوقف نمیشویم. شما پیادهسازیهای ساده اما قدرتمند RAG را در کد خواهید ساخت و حتی پایپ لاین های خود را با استفاده از n8n خودکار خواهید کرد. پس از اطمینان، به بررسی موضوعات پیشرفتهتری مانند بازیابی مبتنی بر تصویر، مقایسه تصاویر هوش مصنوعی محور و استقرار یک تیم از عاملهای دستیار کدنویسی هوش مصنوعی که از دانش مبتنی بر وب استفاده میکنند، خواهید پرداخت.
هنوز هیجانزده نشدهاید؟ شما همچنین تکنیکهای بهینهسازی پیشرفتهای مانند گسترش کوئری، گسترش مترادفها، کش کردن prompt، بهینهسازی ایندکس، بازرتبهبندی متنی و بازرتبهبندی نتایج چندسیگنالی را کشف خواهید کرد.
اگر آماده ارتقای مهارتهای توسعه هوش مصنوعی خود هستید.
این دوره برای چه کسانی مناسب است؟
- توسعهدهندگان و مهندسان نرمافزار
- دانشمندان داده و متخصصان یادگیری ماشین
- علاقهمندان به هوش مصنوعی و سرپرستان فنی
- مدیران محصول و معماران
- هر فرد کنجکاوی که میخواهد فناوری آینده را خودش بیاموزد.
آموزش RAG ،MCP، عاملهای هوش مصنوعی: سیستمهای بازیابی آماده تولید
-
مقدمه 02:36
-
پایگاههای داده سنتی (SQL و NoSQL) در مقابل پایگاههای داده برداری 09:24
-
تولید تقویتشده با بازیابی (RAG) و پایگاههای داده برداری چیست؟ (تعاریف) 14:58
-
RAG در مقابل تولید تقویتشده با کش (تفاوتهای کلیدی توضیح داده شده) 11:21
-
انواع پایگاههای داده برداری که باید بشناسید 26:08
-
ملاحظات کلیدی هنگام انتخاب یک پایگاه داده برداری 08:48
-
آموزش - پیادهسازی پایپ لاین های RAG در n8n (راهنمای گامبهگام) 13:00
-
مقدمهای بر Weaviate - مروری بر ویژگیها 08:29
-
چگونه Weaviate را میزبانی داخلی کنیم (آموزش کامل) 11:53
-
شروع کار با فریمورک Agno (مقدمهای بر پایتون) 06:56
-
تور پروژه Agno: راه اندازی اولیه FastAPI + Agno 11:26
-
ایجاد یک پروژه ساده Agno (آشنا شدن) 13:58
-
ساخت یک عامل پایگاه دانش وب (آموزش فریمورک Agno) 23:30
-
ایجاد یک تیم عامل هوش مصنوعی برای تسک های برنامهنویسی (دستیار کدنویسی مبتنی بر RAG) 15:49
-
تکنیک گسترش کوئری توضیح داده شده 07:44
-
گسترش مترادفها - چرا و چگونه 05:36
-
کش کردن prompt برای افزایش سرعت RAG شما 04:34
-
بهینهسازی ایندکس برداری برای جستجوهای سریعتر 07:42
-
بازرتبهبندی متنی: مرتبسازی نتایج مرتبطتر 05:55
-
استراتژیهای بازرتبهبندی نتایج (ترکیب سیگنالها) 08:55
-
تقویت پروتکل زمینه مدل (MCP) 03:45
-
ساخت یک گردش کاری سریع MCP روی n8n 13:10
-
کدنویسی عاملهای MCP-RAG 15:11
مشخصات آموزش
آموزش RAG ،MCP، عاملهای هوش مصنوعی: سیستمهای بازیابی آماده تولید
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:23
- مدت زمان :04:10:48
- حجم :2.59GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy