دوره طراحی و پیاده‌سازی پایگاه داده‌های برداری برای سیستم‌های بازیابی اطلاعات پیشرفته (RAG) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی پایگاه داده‌های برداری برای سیستم‌های بازیابی اطلاعات پیشرفته (RAG)

موضوع کلی: فناوری اطلاعات و پردازش داده

موضوع میانی: پایگاه داده و مدیریت اطلاعات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایگاه داده‌ها و مدیریت اطلاعات
• 2. مبانی پایگاه داده‌های رابطه‌ای
• 3. مبانی پایگاه داده‌های NoSQL
• 4. مفاهیم کلیدی در بازیابی اطلاعات
• 5. مقدمه‌ای بر سیستم‌های بازیابی اطلاعات
• 6. مفاهیم اساسی بازیابی اسناد
• 7. شاخص‌گذاری اسناد
• 8. روش‌های جستجوی متنی
• 9. ارزیابی سیستم‌های بازیابی اطلاعات
• 10. مقدمه‌ای بر یادگیری ماشین در بازیابی اطلاعات
• 11. یادگیری ماشین نظارت شده برای بازیابی اطلاعات
• 12. یادگیری ماشین بدون نظارت برای بازیابی اطلاعات
• 13. شبکه‌های عصبی برای بازیابی اطلاعات
• 14. پردازش زبان طبیعی (NLP)
• 15. واژگان و توکن‌سازی
• 16. ریشه‌یابی و بن‌واژه‌سازی
• 17. حذف کلمات توقف
• 18. مدل‌سازی موضوعی
• 19. تعبیه‌سازی کلمات (Word Embeddings)
• 20. Word2Vec
• 21. GloVe
• 22. FastText
• 23. تعبیه‌سازی جملات و اسناد
• 24. Sentence-BERT
• 25. تعبیه‌سازی‌های مبتنی بر ترانسفورمر
• 26. مدل‌های زبانی بزرگ (LLMs)
• 27. معماری ترانسفورمر
• 28. تکنیک‌های fine-tuning برای LLMs
• 29. مقدمه‌ای بر پایگاه داده‌های برداری
• 30. تفاوت پایگاه داده‌های برداری با پایگاه داده‌های سنتی
• 31. کاربردهای پایگاه داده‌های برداری
• 32. مبانی نمایش برداری داده‌ها
• 33. فضاهای برداری
• 34. فاصله در فضاهای برداری
• 35. فاصله اقلیدسی
• 36. شباهت کسینوسی
• 37. شاخص‌گذاری در پایگاه داده‌های برداری
• 38. شاخص‌های تقریبی نزدیک‌ترین همسایه (ANN)
• 39. Hierarchical Navigable Small Worlds (HNSW)
• 40. Inverted File Index (IVF)
• 41. Product Quantization (PQ)
• 42. مقدمه‌ای بر بازیابی اطلاعات افزوده (RAG)
• 43. معماری RAG
• 44. جریان کاری RAG
• 45. تولید پاسخ با LLM
• 46. بازیابی اسناد مرتبط
• 47. ترکیب LLM و پایگاه داده‌های برداری در RAG
• 48. مراحل پیاده‌سازی سیستم RAG
• 49. انتخاب پایگاه داده برداری مناسب
• 50. نصب و راه‌اندازی پایگاه داده برداری
• 51. بارگذاری داده‌ها در پایگاه داده برداری
• 52. ایجاد تعبیه‌سازی برای اسناد
• 53. جستجو در پایگاه داده برداری
• 54. بازیابی اسناد مرتبط با پرس و جو
• 55. ارسال اسناد بازیابی شده به LLM
• 56. تنظیم دقیق LLM برای پاسخگویی
• 57. ارزیابی عملکرد سیستم RAG
• 58. متریک‌های ارزیابی RAG
• 59. بهینه‌سازی پایگاه داده برداری
• 60. بهینه‌سازی الگوریتم‌های ANN
• 61. تنظیم پارامترهای LLM
• 62. مدیریت دانش در سیستم‌های RAG
• 63. به‌روزرسانی پایگاه دانش
• 64. مدیریت نسخه‌های پایگاه داده برداری
• 65. امنیت در پایگاه داده‌های برداری
• 66. حریم خصوصی داده‌ها
• 67. کاربردهای پیشرفته پایگاه داده‌های برداری
• 68. سیستم‌های پرسش و پاسخ
• 69. توصیه‌گرها
• 70. کشف دانش
• 71. تحلیل احساسات
• 72. تشخیص ناهنجاری
• 73. مدیریت دانش سازمانی
• 74. کاربرد RAG در حوزه‌های تخصصی
• 75. RAG در حوزه حقوقی
• 76. RAG در حوزه پزشکی
• 77. RAG در حوزه مالی
• 78. RAG در حوزه آموزش
• 79. RAG در حوزه پشتیبانی مشتری
• 80. مباحث پیشرفته در تعبیه‌سازی
• 81. تعبیه‌سازی‌های چندوجهی
• 82. تعبیه‌سازی‌های پویا
• 83. مباحث پیشرفته در ANN
• 84. الگوریتم‌های ANN جدید
• 85. مقایسه الگوریتم‌های ANN
• 86. مباحث پیشرفته در RAG
• 87. RAG با LLMهای بزرگتر
• 88. RAG با چندین LLM
• 89. RAG برای پرسش‌های پیچیده
• 90. RAG برای داده‌های ساختاریافته و نیمه‌ساختاریافته
• 91. ملاحظات پیاده‌سازی در مقیاس بزرگ
• 92. انتخاب زیرساخت ابری
• 93. مدیریت منابع
• 94. مقیاس‌پذیری سیستم
• 95. نگهداری و نظارت بر سیستم
• 96. آینده پایگاه داده‌های برداری و RAG
• 97. روندهای نوظهور
• 98. چالش‌های پیش رو
• 99. نتیجه‌گیری و چشم‌انداز
• 100. اهمیت پایگاه داده‌های برداری در عصر هوش مصنوعی