گراف های دانش برای یوزکیس های Generative AI
✅ سرفصل و جزئیات آموزش
در این دوره اصول اولیه نحوه استفاده از گراف های دانش برای پشتیبانی از یوزکیس های LLM را بررسی می کنید.
داشتن یک گراف دانش که پشتوانه LLM شما باشد، ثبات، اعتماد و کیفیت بیشتری را به LLMs و اپلیکیشن هایی که پشتیبانی می کنند می افزاید. لازم نیست برای شروع استفاده از گراف های دانش، متخصص باشید. در این دوره، Ashleigh Faith، کارشناس گراف دانش، به این موضوع می پردازد که گراف دانش چیست، انواع مختلف گراف های دانش کدامند و به طور کلی هر نوع برای چه هدفی استفاده می شود.
شما اصول مدل سازی و populate کردن گراف دانش و معماری برای پشتیبانی از گراف های دانش را بررسی می کنید و می آموزید که چگونه گراف دانش را کوئری کنید و چگونه LLMs می توانند از گراف های دانش برای پشتیبانی از داده حساس به زمان و کاهش توهمات استفاده کنند.
شما می آموزید که چگونه می توان تشخیص داد که کدام نوع از گراف دانش برای انواع یوزکیس های گراف دانش بهترین است و همچنین چه معماری و ابزارهایی به بهترین وجه از پروژه گراف دانش شما پشتیبانی می کند. بعلاوه، روش هایی برای ساخت و populate کردن گراف دانش کشف کرده و سپس از گراف دانش در فضای LLM استفاده می کنید.
گراف های دانش برای یوزکیس های Generative AI
-
قدرت گراف های دانش 0:00:44
-
مباحث دوره 0:01:37
-
مقدمه یوزکیس - روغن زیتون دو درخت 0:01:31
-
چرا گراف های دانش در فضای LLM؟ 0:02:46
-
سه گانه یا عبارت چیست؟ 0:02:04
-
فروشگاه سه گانه یا گراف ویژگی دارای برچسب؟ 0:03:36
-
گره یا نمونه چیست؟ 0:03:54
-
لبه یا رابطه چیست؟ 0:02:21
-
UID چیست؟ 0:02:54
-
هنگام مدل سازی گراف برای LLMs چه نکاتی را باید در نظر داشت؟ 0:01:54
-
چگونه گره ها را با روابط اتصال دهیم؟ 0:04:47
-
راه اندازی Desktop Protege IRI 0:03:19
-
افزودن نمونه ها و حاشیه نویسی ها 0:05:09
-
چگونه یک گراف را populate کنیم؟ 0:03:10
-
افزودن چندین constraints 0:04:29
-
چگونه گراف خود را بروزرسانی کنیم؟ 0:04:07
-
چگونه گراف خود را نسخه بندی کنیم؟ 0:03:45
-
Populate کردن مدل گراف خود 0:00:42
-
از کدام داده مولد می توانید استفاده کنید؟ 0:03:48
-
از کدام داده بسته می توانید استفاده کنید؟ 0:10:01
-
از کدام داده باز می توانید دوباره استفاده کنید؟ 0:09:48
-
انتساب و منبع یابی 0:05:21
-
بررسی منطق خود 0:03:11
-
کوئری ها در داده گراف 0:02:42
-
GraphML چیست و چه ابزارهایی در آن وجود دارد؟ 0:02:00
-
GraphML - بررسی گراف خود 0:04:02
-
حریم خصوصی داده، اخلاقیات، مقررات و استانداردها 0:02:54
-
اعتبارسنجی constraint خودکار 0:03:47
-
اعتبارسنجی فکت خودکار 0:04:32
-
اعتبارسنجی فکت مورد بحث 0:04:12
-
رزولوشن انتیتی 0:03:10
-
معماری نمونه 0:02:54
-
فراخوانی گراف خود 0:02:15
-
مقدمه نهایی پروژه 0:01:02
-
بررسی نهایی پروژه 0:09:36
-
ادامه با گراف های دانش 0:01:29
مشخصات آموزش
گراف های دانش برای یوزکیس های Generative AI
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:پیشرفته
- تعداد درس:36
- مدت زمان :2:09:33
- حجم :320.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy