ساخت راهحل RAG از ابتدا
✅ سرفصل و جزئیات آموزش
در این دوره، آکسل سیروتا به معرفی بازیابی نسل افزوده (RAG) به عنوان یک تکنیک قدرتمند برای بهبود قابلیتهای مدلهای زبانی بزرگ (LLMs) میپردازد. شما مفاهیم بنیادین و کاربردهای عملی RAG را یاد میگیرید و بر ایجاد چتباتها و سیستمهای پشتیبانی از تصمیمگیری در حوزههای مختلف تمرکز میکنید.
با استفاده از مجموعه داده MIMIC-III برای ایجاد چتبات مراقبت بهداشتی که میتواند به عنوان مثال به سوالات پاسخ دهد یا تشخیص دهد، تجربه عملی در ساخت سیستمهای RAG با تنسورفلو، کراس و HuggingFace به دست میآورید. در پایان دوره قادر خواهید بود راه حل های RAG را مستقر کنید که مکانیسمهای بازیابی قوی را با مدلهای مولد یکپارچه میکند و در حوزههای مراقبت بهداشتی، حقوقی و خدمات مشتری کاربرد دارد.
ساخت راهحل RAG از ابتدا
-
آشنایی با راه حل RAG از ابتدا 0:00:40
-
بهره بردن هر چه بیشتر از این دوره 0:02:38
-
بررسی نسخه 0:00:59
-
بازیابی نسل افزوده (RAG) چیست؟ 0:03:32
-
کامپوننتهای کلیدی سیستم RAG 0:07:44
-
مقایسه با رویکردهای سنتی LLM 0:04:46
-
دمو - راهاندازی محیط توسعه 0:06:21
-
تکنیکهای آمادهسازی و پیشپردازش داده 0:05:16
-
ایجاد پایگاهداده برداری 0:05:01
-
دمو - پیادهسازی پایگاهداده برداری با MIMIC-III 0:10:44
-
راهحل - ساخت و استفاده از پایگاهداده برداری 0:08:58
-
طراحی معماری چتبات با RAG 0:07:37
-
دمو - یکپارچهسازی کامپوننت تولید 0:12:46
-
دمو - یکپارچهسازی کامل و تست 0:11:46
-
تکنیکهای بهینهسازی و ارزیابی 0:04:02
-
راهحل - پیادهسازی یک چتبات تابعی 0:08:59
-
طراحی سیستمهای پشتیبانی از تصمیمگیری با RAG 0:06:54
-
آشنایی با ساخت سیستم بازیابی اطلاعات 0:04:44
-
آشنایی با پیادهسازی منطق پشتیبانی از تصمیمگیری 0:03:45
-
تحقیقات و نوآوریهای جاری در RAG 0:06:42
-
روندهای آینده در توسعه RAG 0:04:15
-
خلاصه دوره و گامهای بعدی 0:04:45
مشخصات آموزش
ساخت راهحل RAG از ابتدا
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:22
- مدت زمان :2:53:54
- حجم :337.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy