از پایه تا پیشرفته - بازیابی نسل افزوده (RAG)

آنچه یاد خواهید گرفت:

• ساخت سه چت‌بات حرفه‌ای - وبسایت، SQL و PDF چندرسانه‌ای
• تسلط به معماری و پیاده‌سازی RAG از اصول اولیه تا تکنیک‌های پیشرفته
• اجرا و بهینه‌سازی LLMs متن باز و تجاری
• پیاده‌سازی پایگاه‌ داده‌های برداری و تعبیه‌ها برای بازیابی اطلاعات کارآمد
• ایجاد اپلیکیشن‌های پیچیده هوش مصنوعی با استفاده از فریمورک LangChain
• استفاده از تکنیک‌های پیشرفته مانند کش کردن پرامپت و گسترش کوئری
• درک نحوه‌ استقرار در AWS EC2 (راهنمای ابتدایی)

پیش‌نیازهای دوره

• دانش اولیه پایتون مفید است اما الزامی نیست.

توضیحات دوره

شما مهارت‌های توسعه‌ خود را با دوره‌ جامع ما در زمینه بازیابی نسل افزوده (RAG) و LangChain متحول می‌کنید. چه شما یک توسعه‌دهنده باشید که به دنبال ورود به دنیای هوش مصنوعی هستید و چه یک برنامه‌نویس باتجربه که می‌خواهد RAG را یاد بگیرد، این دوره ترکیبی مناسب از تئوری و عملی را برای کمک به شما در ساخت اپلیکیشن‌های آماده برای تولید ارائه می‌دهد.

آنچه یاد خواهید گرفت:

• ساخت سه چت‌بات حرفه‌ای - وبسایت، SQL و PDF چندرسانه‌ای
• تسلط به معماری و پیاده‌سازی RAG از اصول اولیه تا تکنیک‌های پیشرفته
• اجرا و بهینه‌سازی LLMs متن باز و تجاری
• پیاده‌سازی پایگاه‌ داده‌های برداری و تعبیه‌ها برای بازیابی اطلاعات کارآمد
• ایجاد اپلیکیشن‌های پیچیده هوش مصنوعی با استفاده از فریمورک LangChain
• استفاده از تکنیک‌های پیشرفته مانند کش کردن پرامپت و گسترش کوئری

محتوای دوره

بخش 1 - اصول RAG

• درک معماری بازیابی نسل افزوده (RAG)
• کامپوننت‌های اصلی و گردش‌کار سیستم‌های RAG
• بهترین شیوه‌ها برای پیاده‌سازی RAG
• کاربردها و یوزکیس‌های واقعی

بخش 2 - مدل‌های زبانی بزرگ (LLMs) - تمرین عملی

• راه‌اندازی و اجرای LLMs متن باز با استفاده از Ollama
• تکنیک‌های انتخاب و بهینه‌سازی مدل
• پرفورمنس تیونینگ و مدیریت منابع
• تمرینات عملی با استقرار LLM محلی

بخش 3 - پایگاه‌ داده‌های برداری و تعبیه‌ها

• بررسی عمیق مدل‌های تعبیه و کاربردهای آنها
• پیاده‌سازی عملی متدهای FAISS و ANNOY و HNSW
• استراتژی‌های بهینه‌سازی سرعت در مقایسه با دقت
• یکپارچه‌سازی با پایگاه داده مدیریت شده Pinecone
• تحلیل و مصورسازی عملی داده‌ برداری

بخش 4 - فریمورک LangChain

• استراتژی‌ها و بهینه‌سازی‌های قطعه‌بندی متن
• معماری و کامپوننت‌های LangChain
• تکنیک‌های کامپوزیشن زنجیره‌ای پیشرفته
• یکپارچه‌سازی با دیتااستورهای برداری و LLMs
• تمرینات عملی با داده‌ واقعی

بخش 5 - تکنیک‌های پیشرفته RAG

• گسترش و بهینه‌سازی کوئری
• استراتژی‌های رنکینگ مجدد نتایج
• پیاده‌سازی کش کردن پرامپت
• تکنیک‌های بهینه‌سازی عملکرد
• متدهای ایندکس‌گذاری پیشرفته

بخش 6 - ساخت چت‌بات‌های آماده برای تولید

چت‌بات وبسایت

• معماری و پیاده‌سازی
• ایندکس‌گذاری و بازیابی محتوا
• تولید و بهینه‌سازی پاسخ‌ها

چت‌بات SQL

• تبدیل زبان طبیعی به SQL
• بهینه‌سازی و ایمنی کوئری
• بهترین شیوه‌های یکپارچه‌سازی پایگاه داده

چت‌بات PDF چندرسانه‌ای

• پردازش محتوای چندوجهی
• تجزیه و ایندکس‌گذاری PDF
• تولید پاسخ‌های غنی از رسانه

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان نرم‌افزار که به دنبال تخصص در اپلیکیشن‌های هوش مصنوعی هستند
• مهندسان هوش مصنوعی که می‌خواهند به پیاده‌سازی RAG مسلط شوند.
• توسعه‌دهندگان بک‌اند که به دنبال ساخت چت‌بات‌های هوشمند هستند.
• حرفه‌ای‌های فنی که به دنبال تجربه‌ عملی با LLM هستند.

پیش‌نیازهای دوره

• دانش اولیه برنامه‌نویسی پایتون
• آشنایی با REST APIs
• درک مفاهیم اولیه پایگاه داده
• درک اولیه از مفاهیم یادگیری ماشین (کمک‌کننده است اما الزامی نیست.)

چرا این دوره را بگذرانید؟

• مهارت‌های مربوط به صنعت که در حال حاضر پرتقاضا هستند.
• تجربه عملی با مثال‌های واقعی
• پیاده‌سازی عملی با استفاده از پایگاه داده تسلا موتورز
• پوشش کامل از اصول اولیه تا مفاهیم پیشرفته
• کد آماده برای تولید و بهترین شیوه‌ها
• محتوای تست شده در ورک‌شاپ با نتایج اثبات‌ شده

آنچه خواهید ساخت؟

در پایان دوره، شما سه چت‌بات حرفه‌ای ساخته‌ و در زمینه‌های زیر تجربه عملی کسب خواهید کرد:

• پیاده‌سازی سیستم RAG
• یکپارچه‌سازی پایگاه داده‌های برداری
• بهینه‌سازی LLM
• تکنیک‌های پیشرفته بازیابی
• آپلیکیشن‌های هوش مصنوعی آماده برای تولید

در این سفر هیجان‌انگیز برای تسلط به RAG و LangChain به ما ملحق شوید و خود را در خط مقدم توسعه‌ هوش مصنوعی قرار دهید.

این دوره برای چه کسانی مناسب است؟

• توسعه‌دهندگان نرم‌افزار که به دنبال تخصص در اپلیکیشن‌های هوش مصنوعی هستند.
• مهندسان هوش مصنوعی که می‌خواهند به پیاده‌سازی RAG مسلط شوند.
• توسعه‌دهندگان بک‌اند که به دنبال ساخت چت‌بات‌های هوشمند هستند.
• حرفه‌ای‌های فنی که به دنبال تجربه‌ عملی با LLM هستند.
• مهندسان نرم‌افزار، دانشمندان داده، مهندسان هوش مصنوعی و مهندسان یادگیری ماشین