معرفی دوره و اهداف آموزشی

در دنیای امروز، هوش مصنوعی و به‌ویژه مدل‌های زبان بزرگ (LLMs) انقلابی در نحوه تعامل ما با داده‌ها و اطلاعات ایجاد کرده‌اند. با این حال، یکی از چالش‌های اصلی استفاده مؤثر از این مدل‌ها، اطمینان از دسترسی آن‌ها به اطلاعات به‌روز و مرتبط است. در این میان، تکنیک‌های بازیابی افزوده (Retrieval-Augmented Generation - RAG) نقش کلیدی ایفا می‌کنند.

دوره آموزشی «راهکارهای RAG با Azure AI Studio 2024-7» با تمرکز بر پلتفرم قدرتمند Azure AI Studio، شما را با مفاهیم و پیاده‌سازی عملی سیستم‌های RAG آشنا می‌سازد. هدف اصلی این دوره، توانمندسازی متخصصان فناوری اطلاعات، توسعه‌دهندگان و معماران سیستم است تا بتوانند با استفاده از آخرین قابلیت‌های Azure، راهکارهای هوشمند و دقیق مبتنی بر اطلاعات سازمانی یا عمومی را توسعه دهند. شما یاد خواهید گرفت چگونه با ادغام مدل‌های زبان بزرگ با منابع دانش خارجی، دقت، اعتبار و ارتباط پاسخ‌های تولید شده توسط هوش مصنوعی را به طور چشمگیری افزایش دهید.

سرفصل‌ها و محتوای دوره

این دوره به گونه‌ای طراحی شده است که پوشش جامعی از مباحث کلیدی در زمینه ساخت راهکارهای RAG ارائه دهد. سرفصل‌های اصلی شامل موارد زیر است:

• مقدمه‌ای بر هوش مصنوعی مولد و مدل‌های زبان بزرگ: بررسی مفاهیم پایه و معماری‌های رایج.
• آشنایی با Azure AI Studio: معرفی پلتفرم، قابلیت‌ها و ابزارهای آن برای توسعه راهکارهای هوش مصنوعی.
• مفاهیم و اصول Retrieval-Augmented Generation (RAG): درک عمیق از چگونگی کارکرد RAG و مزایای آن.
• آماده‌سازی داده‌ها برای RAG: تکنیک‌های پیش‌پردازش، نمایه‌سازی و ذخیره‌سازی داده‌ها برای بازیابی مؤثر.
• پیاده‌سازی سیستم‌های RAG در Azure AI Studio:
  • استفاده از Azure Cognitive Search برای نمایه‌سازی و بازیابی اسناد.
  • ادغام با Azure OpenAI Service برای تولید پاسخ.
  • پیکربندی جریان‌های کاری (Workflows) برای اتصال اجزای مختلف RAG.
• بهینه‌سازی عملکرد سیستم‌های RAG: روش‌های بهبود دقت بازیابی، کاهش زمان پاسخ‌دهی و افزایش کیفیت پاسخ‌های تولید شده.
• مدیریت دانش پویا و به‌روزرسانی سیستم‌های RAG: استراتژی‌های مدیریت منابع دانش در حال تغییر.
• بررسی سناریوهای کاربردی: مطالعه موردی و پیاده‌سازی راهکارهای RAG در حوزه‌های مختلف مانند پشتیبانی مشتری، تحلیل اسناد و سیستم‌های پرسش و پاسخ سازمانی.
• امنیت و مدیریت دسترسی در راهکارهای RAG: ملاحظات امنیتی و نحوه پیاده‌سازی دسترسی‌های لازم.

پیش‌نیازها

برای بهره‌مندی حداکثری از این دوره، داشتن دانش و تجربه در زمینه‌های زیر توصیه می‌شود:

• آشنایی با مفاهیم پایه برنامه‌نویسی (ترجیحاً Python).
• درک اولیه از مفاهیم مرتبط با هوش مصنوعی و یادگیری ماشین.
• آشنایی با محیط ابری Azure (در حد مفاهیم کلی).
• توانایی کار با ابزارهای توسعه نرم‌افزار.

این دوره نیازی به تخصص عمیق در زمینه LLMs ندارد، اما آشنایی قبلی با این حوزه می‌تواند به درک بهتر مطالب کمک کند.

مخاطبان هدف

این دوره برای طیف وسیعی از متخصصان حوزه فناوری اطلاعات طراحی شده است، از جمله:

• توسعه‌دهندگان نرم‌افزار: که قصد دارند قابلیت‌های هوش مصنوعی را به برنامه‌های خود اضافه کنند.
• مهندسان داده و معماران راهکار: که به دنبال پیاده‌سازی سیستم‌های هوشمند برای پردازش و تحلیل داده‌ها هستند.
• متخصصان هوش مصنوعی و یادگیری ماشین: که می‌خواهند در زمینه راهکارهای عملی و کاربردی LLMs تخصص پیدا کنند.
• مدیران فنی و محصول: که نیاز دارند درک عمیقی از پتانسیل‌ها و نحوه پیاده‌سازی راهکارهای مبتنی بر RAG پیدا کنند.
• پژوهشگران و دانشجویان: که علاقه‌مند به یادگیری آخرین تحولات در زمینه هوش مصنوعی مولد و کاربردهای آن هستند.

مزایای دانلود و یادگیری آفلاین این دوره

یکی از برجسته‌ترین مزایای این دوره، قابلیت دسترسی آفلاین آن است. با دانلود محتوای آموزشی، شما به طور کامل کنترل زمان و مکان یادگیری خود را به دست می‌آورید. این بدان معناست که:

• یادگیری در هر زمان و مکان: نیازی به اتصال دائمی به اینترنت نیست. شما می‌توانید در هواپیما، قطار، یا هر مکانی که دسترسی به اینترنت محدود است، به یادگیری بپردازید.
• کنترل کامل بر سرعت یادگیری: هیچ عجله‌ای وجود ندارد. می‌توانید مفاهیم را بارها و بارها مرور کنید، تمرین‌ها را با سرعت خودتان انجام دهید و اطمینان حاصل کنید که هر بخش را به خوبی درک کرده‌اید.
• دسترسی همیشگی: پس از دانلود، این دوره بخشی از کتابخانه آموزشی شخصی شما خواهد بود. همیشه می‌توانید برای مرور مطالب، یادآوری نکات کلیدی یا استفاده مجدد از دانش کسب شده به آن مراجعه کنید.
• صرفه‌جویی در زمان: با دانلود، از اتلاف وقت برای جستجو و دسترسی به منابع آنلاین جلوگیری می‌کنید و مستقیماً به سراغ محتوای آموزشی می‌روید.
• تمرکز بیشتر: با حذف عوامل حواس‌پرتی آنلاین، می‌توانید تمرکز بیشتری بر روی یادگیری عمیق مفاهیم داشته باشید.

نکات کلیدی که یاد می‌گیرند

پس از اتمام این دوره، شما قادر خواهید بود:

• معماری و اصول کارکرد سیستم‌های RAG را به طور کامل درک کنید.
• با استفاده از Azure AI Studio، یک چارچوب کامل برای ساخت راهکارهای RAG پیاده‌سازی کنید.
• منابع دانش خود را برای استفاده در سیستم‌های هوش مصنوعی آماده و نمایه‌سازی کنید.
• مدل‌های زبان بزرگ را با اطلاعات خارجی ادغام کرده و پاسخ‌های دقیق‌تر و مرتبط‌تری تولید کنید.
• عملکرد سیستم‌های RAG خود را ارزیابی و بهینه‌سازی نمایید.
• با چالش‌های رایج در پیاده‌سازی RAG مواجه شده و راه‌حل‌های عملی برای آن‌ها بیابید.
• راهکارهای RAG را برای سناریوهای واقعی کسب‌وکار خود طراحی و اجرا کنید.
• ملاحظات امنیتی و مدیریتی مربوط به راهکارهای هوش مصنوعی مولد را درک کنید.

این دوره، شما را به یک متخصص توانمند در زمینه ساخت راهکارهای پیشرفته هوش مصنوعی با استفاده از Azure AI Studio تبدیل خواهد کرد و درک عمیقی از نحوه خلق سیستم‌هایی که بتوانند با اتکا به دانش خارجی، پاسخ‌های هوشمندانه‌تری ارائه دهند، به شما خواهد بخشید.