آنچه یاد خواهید گرفت:

• درک اصول تولید تقویت شده با بازیابی (RAG) و اینکه چگونه عملکرد مدل‌های زبانی بزرگ (LLMs) را بهبود می‌بخشد.
• یادگیری چگونگی تیونینگ دقیق LLMs برای هماهنگ‌سازی با تسک‌های خاص حوزه و بهبود دقت، ارتباط و قابلیت اطمینان
• کسب دانش عملی برای پیاده‌سازی گردش کار RAG به منظور اتصال LLMs به منابع داده‌ واقعی و بروز
• بررسی سناریوها و کاربردهای واقعی که در آن RAG و تیونینگ دقیق به هوش مصنوعی قدرت می‌دهند تا نتایج دقیق و عملی را در محیط‌های شرکتی ارائه دهد.
• توسعه مهارت‌های لازم برای ایجاد مجموعه‌داده‌ سفارشی به منظور تیونینگ دقیق و آموزش مدل‌های هوش مصنوعی برای سازگاری با نیازهای خاص سازمانی
• تسلط به تکنیک‌هایی برای کاهش توهمات هوش مصنوعی و اطمینان از اینکه پاسخ‌های تولید شده توسط هوش مصنوعی بر اساس واقعیت‌ها و زمینه باشد.
• درک چگونگی ترکیب RAG با تیونینگ دقیق (RAFT) برای ایجاد راه‌حل‌های هوش مصنوعی مدرن و خاص حوزه
• کشف چگونگی عملکرد داخلی LLMs - درک اینکه چگونه مدل‌های زبان بزرگ پاسخ‌ها را با استفاده از متدهای احتمالاتی تولید می‌کنند و چرا این می‌تواند منجر به توهمات شود.
• یادگیری اهمیت زمینه در تعاملات هوش مصنوعی - بررسی اینکه چگونه ارائه‌ راهنمایی‌ها و زمینه‌های دقیق دقت و ارتباط LLM را بهبود می‌بخشد.
• درک تعبیه‌ها و پایگاه‌های داده وکتور - آشنا شدن با اینکه چگونه تعبیه‌ها به هوش مصنوعی کمک می‌کنند تا پرسش‌ها را تفسیر و اطلاعات مربوطه را به طور مؤثر بازیابی کند.
• بررسی گراف‌های دانش - مشاهده چگونگی کاهش ابهام در گراف‌های دانش و بهبود توانایی هوش مصنوعی در درک روابط بین مفاهیم برای تولید پاسخ‌های دقیق‌تر
• پیاده‌سازی RAFT (تیونینگ دقیق تقویت‌شده با بازیابی) - تسلط به ترکیب RAG و تیونینگ دقیق به منظور توسعه سیستم‌های هوش مصنوعی که می‌توانند داده را بازیابی و به دقت پاسخ دهند.
• شناسایی موارد استفاده شرکتی برای RAG و تیونینگ دقیق - یادگیری چگونگی استفاده شرکت‌ها از RAG برای توانمندسازی چت‌بات‌ها، دستیاران مجازی و ابزارهای خدمات مشتری
• طراحی راه‌حل‌های هوش مصنوعی که مقیاس‌پذیر هستند - درک چگونگی پیاده‌سازی سیستم‌های RAG در سازمان‌های بزرگ و اطمینان از بروز ماندن دستیاران هوش مصنوعی با داده‌ در حال تحول

پیش نیازهای دوره

• درک اولیه از مفاهیم هوش مصنوعی و یادگیری ماشین - آشنایی با چگونگی عملکرد مدل‌های هوش مصنوعی کمک‌کننده خواهد بود، اما الزامی نیست.
• علاقه به مدل‌های زبانی بزرگ (LLMs) - کنجکاوی در مورد چگونگی عملکرد مدل‌هایی مانند GPT و چگونگی بهبود آن‌ها
• عدم نیاز به تجربه برنامه‌نویسی پیشرفته - این دوره بر روی مفاهیم، گردش کار، و کاربردهای دنیای واقعی متمرکز است. جزئیات فنی به شکلی قابل دسترسی توضیح داده می‌شوند.
• اختیاری: آشنایی با Python یا فریمورک‌های هوش مصنوعی می‌تواند تجربه یادگیری شما را بهبود بخشد، اما این دوره موضوعات اساسی را بدون نیاز به کدنویسی سنگین پوشش می‌دهد.

توضیحات دوره

قدرت تولید تقویت شده با بازیابی (RAG) و تیونینگ دقیق را برای ساخت سیستم‌های هوش مصنوعی که هوشمندتر، دقیق‌تر و مبتنی بر داده‌ دنیای واقعی هستند، آزاد کنید.

در این دوره آموزشی، شما کشف خواهید کرد که چگونه مدل‌های زبانی بزرگ (LLMs) می‌توانند عملیات سازمانی را با کاهش توهمات، افزایش دقت و شخصی‌سازی خروجی‌ها برای تطابق با نیازهای منحصربه‌فرد سازمان شما متحول کنند. با تسلط به فناوری RAG، یاد خواهید گرفت که چگونه هوش مصنوعی را به منابع داده زنده متصل کنید تا بتواند اطلاعات را بازیابی کرده و پاسخ‌های دقیق و بروز تولید نماید.

تیونینگ دقیق، از سوی دیگر، تضمین می‌کند که هوش مصنوعی به زبان شما صحبت کند. چه این به معنای سازگاری با اصطلاحات خاص صنعت، گردش کار، یا صدای برند باشد. به‌طور کلی، RAG و تیونینگ دقیق باعث می‌شوند که LLMs نه تنها عملکردی باشند بلکه برای کسب‌وکارها ضروری شوند.

با مثال‌های واقعی و بینش‌های عملی، این دوره به شما نشان خواهد داد که چگونه شرکت‌ها از این تکنیک‌ها برای ساخت ابزارهای هوش مصنوعی نسل بعدی استفاده می‌کنند. تا پایان دوره، دانش لازم برای طراحی هوش مصنوعی که باعث بهره‌وری، رضایت مشتری و نوآوری می‌شود، خواهید داشت.

آنچه خواهید آموخت:

• پیاده‌سازی RAG برای اتصال LLMs به داده‌ واقعی و خاص حوزه
• تیونینگ دقیق LLMs برای سفارشی‌سازی رفتار آن‌ها برای کاربردهای شرکتی
• درک تعبیه‌ها، گراف‌های دانش، و نقش آن‌ها در بهبود خروجی‌های هوش مصنوعی
• پیاده‌سازی گردش‌های کار هوش مصنوعی که بازیابی، تقویت و تولید را برای تولید پاسخ‌های دقیق و عملی یکپارچه می‌کند.
• تسلط به RAFT (تیونینگ دقیق تقویت‌شده با بازیابی) برای ساخت مدل‌های هوش مصنوعی که هم قدرتمند و هم دقیق باشند.

چرا این دوره را بگذرانید؟

• کسب مهارت‌های پیشرفته در RAG، تیونینگ دقیق و بهینه‌سازی LLM
• یادگیری با مثال‌های عملی از استقرارهای هوش مصنوعی در کسب‌وکار
• هیچ نیاز به برنامه‌نویسی پیشرفته نیست - مفاهیم به شکلی واضح و قابل دسترس ارائه می‌شود.
• مناسب برای توسعه‌دهندگان هوش مصنوعی، دانشمندان داده، مدیران محصول و رهبران کسب‌وکار که به بررسی استفاده از هوش مصنوعی علاقه دارند.

این دوره مناسب چه کسانی است؟

• توسعه‌دهندگان و مهندسان هوش مصنوعی که می‌خواهند عملکرد LLM را با RAG بهبود ببخشند.
• دانشمندان داده‌ای که بر بهبود دقت و ارتباط هوش مصنوعی تمرکز دارند.
• رهبران و مدیران کسب‌وکار که به دنبال اتوماسیون و گردش کار هوش مصنوعی محور
• دانشجویان و پژوهشگران که به تکنیک‌های پیشرفته هوش مصنوعی و کاربردهای آن در صنعت

این دوره برای چه کسانی مناسب است؟

• علاقمندان و توسعه‌دهندگان هوش مصنوعی - هر کسی که به درک چگونگی تأثیرگذاری تولید تقویت شده با بازیابی (RAG) و تیونینگ دقیق بر مدل‌های زبانی بزرگ علاقه دارد.
• دانشمندان داده و مهندسان یادگیری ماشین - متخصصانی که به دنبال بهبود دقت مدل‌های هوش مصنوعی با مبتنی کردن آن‌ها بر داده‌ واقعی هستند.
• رهبران و تصمیم‌سازان کسب‌وکار - مدیران و کارشناسانی که به بررسی راه‌حل‌های هوش مصنوعی برای ساده‌سازی عملیات، بهبود خدمات مشتری و بهبود فرآیندهای داخلی می‌پردازند.
• مدیران محصول و استراتژیست‌های هوش مصنوعی - افرادی که مسئولیت استقرار راه‌حل‌های هوش مصنوعی در شرکت‌ها را بر عهده دارند و به دنبال بینش‌های عملی برای ادغام RAG برای بهبود عملکرد هستند.
• دانشجویان و پژوهشگران - یادگیرندگانی که به تکنیک‌های پیشرفته هوش مصنوعی و کاربردهای واقعی آن در صنعت کنجکاو هستند.
• متخصصانی فناوری که به سمت هوش مصنوعی منتقل می‌شوند - افرادی که به سمت نقش‌های مرتبط با هوش مصنوعی انتقال پیدا می‌کنند و می‌خواهند مفاهیم پایه و پیشرفته در سفارشی‌سازی LLM را بفهمند.