آموزش Haystack - ساخت پایپلاینهای سفارشی LLM با ابزارهای هوش مصنوعی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری اصول Haystack2.0 - تئوری Haystack با مثالهای واقعی
- مفاهیم Haystack 2.0 - پایپلاینها، کامپوننتها، فروشگاه سند و Retrievers
- مباحث پیشرفته Haystack 2.0 - معرفی Retriever هیبریدی، فیلترینگ پیشرفته، حلقههای خوداصلاحکننده و Ranker
- پایپلاین RAG - یادگیری درباره RAG، فروشگاه برداری
- مهندسی پرامپت - یادگیری تکنیکهای مهندسی پرامپت - تک شات، چند شات و زنجیره افکار
پیشنیازهای دوره
- این دوره مقدماتی نیست و برای افرادی طراحی شده که دارای سابقهای در مهندسی نرمافزار هستند و به پایتون تسلط دارند.
- دانشجویان باید با مباحثی مانند گیت، پایتون، pipenv، متغیرهای محیطی، کلاسها، تست و اشکالزدایی آشنا باشند.
- به تجربهای در یادگیری ماشین نیاز نیست.
توضیحات دوره
Haystack، فریمورک end-to-end است که شما را در هر مرحله از چرخه عمر پروژه GenAI همراهی میکند. چه بخواهید جستجوی سند، بازیابی نسل افزوده (RAG)، پاسخدهی به سوالات یا تولید پاسخ را انجام دهید، Haystack میتواند مدلهای پیشرفته تعبیه و LLM را در پایپلاینها برای ساخت اپلیکیشنهای end-to-end NLP ارکستره کرده و یوزکیس شما را ارائه دهد.
این دوره جامع از سطح مبتدی تا پیشرفته، هدفش نشان دادن سریع نحوه استفاده از کتابخانه Haystack 2.0 برای اپلیکیشنهای LLM است. شما تخصص و بینشهای لازم برای ایجاد راهحلهای پیشرفته LLM در گسترهای وسیع از موضوعات را کسب خواهید کرد.
آنچه یاد خواهید گرفت:
- اصول Haystack - درک اصول Haystack2.0 با یادگیری کامپوننتهای Haystack - تئوری Haystack با اپلیکیشنها
- کاربردهای واقعی - پیادهسازی کامپوننتهای Haystack با کاربردهای واقعی
- مهندسی پرامپت - یادگیری تکنیکهای مهندسی پامپت - تک شات، چند شات و زنجیره افکار
- پایپلاین RAG - یادگیری درباره RAG، فروشگاه برداری
- مفاهیم Haystack 2.0 - پایپلاینها، کامپوننتها، فروشگاه سند و Retrievers
- تکنیکهای پیشرفته بازیابی - Retriever فیلتر، Retriever مبتنی بر کلیدواژههای پراکنده، Retriever تعبیه فشرده و Retriever تعبیه پراکنده - SPLADE (مدل تعبیه و گسترش پراکنده)
- مباحث پیشرفته Haystack 2.0 - معرفی Re-Ranker، معرفی Retriever هیبریدی، فیلترینگ پیشرفته و حلقههای خوداصلاحکننده
در طول دوره، شما به فعالیتهای عملی و پروژههای واقعی پرداخته و مفاهیم و روشهای مطرح شده را تثبیت خواهید کرد. در پایان دوره، شما به مهارت استفاده از Haystack برای توسعه اپلیکیشنهای LLM مقاوم، کارآمد و انعطافپذیر برای دامنهای وسیع از کاربردها مجهز خواهید شد.
چه کسانی باید در دوره شرکت کنند؟
توسعهدهندگان هوش مصنوعی، دانشمندان داده و رهبران کسبوکار که به دنبال کسب مهارت در ساخت اپلیکیشنهای مبتنی بر generative AI با Haystack هستند.
این دوره برای چه کسانی مناسب است؟
- مهندسان نرمافزار که به دنبال کسب مهارت در ساخت اپلیکیشنهای مبتنی بر generative AI با Haystack هستند.
آموزش Haystack - ساخت پایپلاینهای سفارشی LLM با ابزارهای هوش مصنوعی
-
مقدمه 04:18
-
راهاندازی محیط محلی 02:13
-
تعبیه برداری 06:06
-
بازیابی نسل افزوده (RAG) 09:12
-
پایپلاینهای Haystack 05:40
-
پایپلاین با مثال واقعی 07:44
-
کامپوننتهای Haystack 06:05
-
کامپوننت سفارشی Haystack 01:52
-
کامپوننتهای Haystack با مثال واقعی 10:07
-
فروشگاه سند با مثال واقعی 12:50
-
Retrievers با مثال واقعی 28:23
-
پایپلاینRAG 20:10
-
بیلدر پرامپت با مثال واقعی 19:19
-
Retriever هیبریدی 13:35
-
حلقههای خوداصلاحکننده 16:14
-
Rankers 05:36
-
فیلترینگ متادیتا 09:55
مشخصات آموزش
آموزش Haystack - ساخت پایپلاینهای سفارشی LLM با ابزارهای هوش مصنوعی
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:17
- مدت زمان :02:59:19
- حجم :1.07GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy