دوره کامل تست RAG با Ragas ،Deepeval و Python

آنچه یاد خواهید گرفت:

• درک مبانی LLMs
• درک انواع کاربردهای LLM
• دست‌یابی به دانش در مورد AI – ضعیف و مولد
• درک چگونگی عملکرد RAG
• درک انواع تست RAG
• بسیاری از کدهای آماده برای استفاده از لحظه صفر
• درک معیارهای ML مانند دقت، یادآوری و F1
• درک معیارهای تست RAG مانند یادآوری زمینه، دقت زمینه
• درک معیارهای تست RAG مانند مرتبط‌بودن پاسخ
• درک معیارهای تست RAG مانند صداقت
• دست‌یابی به دانش در مورد چارچوب تست متن‌باز RAGAs
• دست‌یابی به دانش در مورد چارچوب تست متن‌باز DeepEval
• درک چگونگی ایجاد معیارهای سفارشی
• تست برای انسجام، روانی، لحن و سایر معیارهای انسانی خاص
• ابزارهای سریع اعتبارسنجی برای MVPها با سیستم‌های RAG
• درک عمیق معیارها (روانی، انسجام، ارتباط، مختصر بودن)، چارچوب‌های تست قابل تنظیم

پیش نیازهای دوره

• تجربه اولیه در برنامه‌نویسی Python
• درک اولیه از LLMs و AI
• کلید API LLM
• درک ابتدایی تست
• لپ‌تاپ/PC با VS Code
• آمادگی برای یادگیری مهارت جدید و گرون

توضیحات دوره

هنر ارزیابی سیستم‌های Retrieval-Augmented Generation (RAG) را با جامع‌ترین و عملی‌ترین دوره در بازار به دست آورید.

بدون توجه به اینکه در حال ساخت اپلیکیشن های LLM، هدایت تلاش‌های QA AI یا ارسال MVPهای قابل اعتماد هستید، این دوره تمام ابزارها، کدها و چارچوب‌های لازم برای تست و اعتبارسنجی پایپ لاین های RAG را با استفاده از DeepEval و RAGAS ارائه می‌دهد.

چه چیزی را یاد خواهید گرفت:

• درک مبانی LLMs و چگونگی اعمال آن‌ها در صنایع مختلف
• بررسی انواع LLM Application Types و موارد استفاده
• آشنایی با تفاوت بین Weak AI و Generative AI
• بررسی عمیق در چگونگی عملکرد RAG و جایگاه تست در پایپ لاین
• کشف انواع تست RAG: واقعیت، تشخیص توهمات، ارزیابی زمینه و غیره
• تجربه عملی با کدهای آماده از روز اول — فقط کمترین راه‌اندازی لازم
• تسلط به معیارهای ML کلاسیک (دقت، یادآوری، F1) و جایگاه آن‌ها در حال حاضر

یادگیری معیارهای ویژه RAG:

• یادآوری زمینه
• دقت زمینه
• مرتبط‌بودن پاسخ
• صداقت
• روانی، انسجام، لحن، مختصر بودن
• ساخت تست کیس ها و معیارهای سفارشی با DeepEval و RAGAS
• یادگیری چگونگی استفاده از چارچوب‌های متن‌باز RAGAS و DeepEval برای تولید و پژوهش
• اعتبارسنجی سریع و قابل اعتماد MVPها با پوشش تست خودکار

این دوره برای چه کسی است؟

• توسعه‌دهندگان AI و LLM که می‌خواهند سیستم‌های RAG قابل اعتماد ارائه دهند.
• مهندسین QA که به سمت نقش‌های تست AI مهاجرت می‌کنند.
• پژوهشگران ML که به دنبال معیارهای قابل تکرار هستند.
• مدیران محصول که می‌خواهند کیفیت خروجی RAG را اندازه‌گیری کنند.
• حرفه‌ای‌های MLOps/DevOps که به دنبال ارزیابی خودکار در CI/CD هستند.

این دوره برای چه کسانی مناسب است؟

• مهندسین AI و توسعه‌دهندگان LLM
• مهندسین QA/اتوماسیون تست که به سمت AI مهاجرت می‌کنند.
• پژوهشگران ML و دانشمندان کاربردی
• مدیران محصول AI