آموزش DSPy - توسعه اپلیکیشن RAG با استفاده از DSPy ،Weaviate و FastAPI

Name: آموزش DSPy - توسعه اپلیکیشن RAG با استفاده از DSPy ،Weaviate و FastAPI
Price: 2767000 IRR
Availability: InStock
Author: AI Academy

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

ساخت و استقرار اپلیکیشن فول استک RAG
مدیریت کارآمد داده‌ با Weaviate
تجزیه اسناد و مدیریت فایل
پیاده‌سازی ویژگی‌های پیشرفته بک‌اند با FastAPI

پیش‌نیازهای دوره

دانش اولیه پایتون
آشنایی با REST APIs
درک توسعه فرانت‌اند
راه‌اندازی محیط توسعه

توضیحات دوره

در این دوره، نحوه ساخت یک اپلیکیشن فول‌استک بازیابی نسل افزوده (RAG) را از پایه با فناوری‌های پیشرفته مانند FastAPI ،Weaviate ،DSPy و ری‌اکت آموزش می‌دهیم. در این دوره به صورت عملی، فرآیند توسعه‌ بک‌اند قوی با FastAPI، مدیریت آپلودها و تجزیه مستندات با DSPy و مدیریت ذخیره‌سازی داده‌ برداری در Weaviate را می‌آموزید. شما همچنین یک رابط کاربری واکنش‌گرای ری‌اکت ایجاد خواهید کرد تا یک رابط کاربری تعاملی در اختیار کاربران قرار دهید. در پایان دوره، مهارت‌های عملی لازم برای توسعه و استقرار اپلیکیشن‌های مجهز به هوش مصنوعی را خواهید داشت که از تکنیک‌های بازیابی نسل افزوده (RAG) برای مدیریت هوشمندانه‌تر داده‌ و تولید پاسخ بهره می‌برند.

مباحث تحت پوشش:

بخش 1 - مقدمه

درس 1 - مقدمه
درس 2 - مطالب اضافی - یادگیری ساخت دستیار صوتی هوش مصنوعی
درس 3 - ساخت API با FastAPI

بخش 2 - آپلود فایل

درس 4 - مسیر آپلود فایل اولیه
درس 5 - بهبود مسیر آپلود

بخش 3 - تجزیه مستندات

درس 6 - تجزیه مستندات متنی
درس 7 - تجزیه مستندات PDF با استفاده از OCR

بخش 4 - پایگاه داده برداری، تسک‌های پس‌زمینه و فرانت‌اند

درس 8 - راه‌اندازی فروشگاه برداری Weaviate
درس 9 - افزودن تسک‌های پس‌زمینه
درس 10 - و در نهایت، فرانت‌اند

بخش 5 - مطالب اضافی - ساخت دستیار صوتی هوش مصنوعی

درس 11 - آنچه خواهید ساخت
درس 12 - فرانت‌اند
درس 13 - بک‌اند
درس 14 - پایان دوره

این دوره برای چه کسانی مناسب است؟

توسعه‌دهندگان بک‌اند که می‌خواهند یاد بگیرند چگونه با FastAPI بتوانند APIs را بسازند و ویژگی‌های هوش مصنوعی محور مانند تجزیه مستندات و جستجوی برداری را به آن اضافه کنند.
توسعه‌دهندگان فول‌استک که به دنبال کسب تجربه عملی در ترکیب فرانت‌اند ری‌اکت با بک‌اند مجهز به هوش مصنوعی هستند.
دانشمندان داده و متخصصان هوش مصنوعی که می‌خواهند راه‌های جدیدی برای پیاده‌سازی مدل‌های بازیابی نسل افزوده (RAG) در اپلیکیشن‌های واقعی بررسی کنند.
علاقه‌مندان به هوش مصنوعی و پایگاه داده‌های برداری مانند Weaviate و حوزه نوظهور RAG، با انگیزه‌ یادگیری و ساخت اپلیکیشن‌های مبتنی بر هوش مصنوعی از ابتدا