فلش‌کارت‌های آموزشی مهندسی سیستم‌های پرسش و پاسخ هوشمند با استفاده از بازیابی اطلاعات پیشرفته (RAG)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی سیستم‌های پرسش و پاسخ هوشمند با استفاده از بازیابی اطلاعات پیشرفته (RAG)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش زبان طبیعی پیشرفته

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. مقدمه‌ای بر سیستم‌های پرسش و پاسخ
• 3. مفاهیم کلیدی بازیابی اطلاعات
• 4. معماری پایه‌ای سیستم‌های پرسش و پاسخ
• 5. مقدمه بر مدل‌های زبانی بزرگ (LLMs)
• 6. چالش‌های بازیابی اطلاعات سنتی
• 7. معرفی بازیابی افزوده تولید (RAG)
• 8. مزایای RAG در سیستم‌های پرسش و پاسخ
• 9. اجزای اصلی سیستم RAG
• 10. مراحل پردازش در سیستم RAG
• 11. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 12. روش‌های پیش‌پردازش متن
• 13. توکن‌سازی و نرمال‌سازی متن
• 14. استخراج ویژگی از متن
• 15. روش‌های نمایش متن (Bag-of-Words, TF-IDF)
• 16. مقدمه‌ای بر جاسازی‌های کلمه (Word Embeddings)
• 17. Word2Vec و GloVe
• 18. مدل‌های زبانی مبتنی بر ترنسفورمر
• 19. معماری ترنسفورمر
• 20. خودتوجهی (Self-Attention)
• 21. کاربرد ترنسفورمرها در NLP
• 22. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
• 23. معماری GPT و BERT
• 24. آموزش LLMs: اهداف و روش‌ها
• 25. تنظیم دقیق (Fine-tuning) LLMs
• 26. کاربرد LLMs در تولید متن
• 27. کاربرد LLMs در خلاصه‌سازی متن
• 28. کاربرد LLMs در ترجمه ماشینی
• 29. مقدمه‌ای بر استخراج اطلاعات
• 30. تشخیص موجودیت نام‌گذاری شده (NER)
• 31. شناسایی روابط بین موجودیت‌ها
• 32. استخراج حقایق از متن
• 33. مفاهیم پایه‌ای پایگاه‌های دانش
• 34. ساخت و مدیریت پایگاه‌های دانش
• 35. پرس‌وجو از پایگاه‌های دانش
• 36. مقدمه‌ای بر بازیابی اطلاعات معنایی
• 37. شباهت معنایی بین اسناد
• 38. روش‌های جستجوی معنایی
• 39. جستجوی معنایی با استفاده از جاسازی‌ها
• 40. فهرست‌سازی اسناد برای جستجوی معنایی
• 41. معماری سیستم RAG: بخش بازیابی
• 42. انتخاب مدل بازیابی مناسب
• 43. آموزش مدل بازیابی
• 44. ارزیابی عملکرد مدل بازیابی
• 45. تنظیم پارامترهای مدل بازیابی
• 46. استراتژی‌های بهبود بازیابی
• 47. بازیابی چندمرحله‌ای
• 48. بازیابی مبتنی بر پرسش
• 49. معماری سیستم RAG: بخش تولید
• 50. انتخاب مدل تولید متن مناسب
• 51. تنظیم دقیق مدل تولید
• 52. هدایت تولید متن (Prompt Engineering)
• 53. تولید پاسخ‌های مرتبط و منسجم
• 54. ارزیابی کیفیت پاسخ‌های تولیدی
• 55. تنظیم تولید پاسخ
• 56. تکنیک‌های نمونه‌برداری در تولید متن
• 57. مقدمه‌ای بر ارزیابی سیستم‌های RAG
• 58. معیارهای ارزیابی بازیابی
• 59. معیارهای ارزیابی تولید
• 60. معیارهای ارزیابی کلی سیستم
• 61. ارزیابی انسانی
• 62. ابزارهای ارزیابی خودکار
• 63. ملاحظات اخلاقی در سیستم‌های پرسش و پاسخ
• 64. سوگیری در مدل‌های زبانی
• 65. حریم خصوصی داده‌ها
• 66. امنیت اطلاعات
• 67. مقدمه‌ای بر بهینه‌سازی سیستم RAG
• 68. بهینه‌سازی بازیابی
• 69. بهینه‌سازی تولید
• 70. بهینه‌سازی کلی سیستم
• 71. تنظیم پارامترهای سیستم
• 72. استراتژی‌های کاهش تاخیر
• 73. مقدمه‌ای بر چالش‌های پیشرفته RAG
• 74. مواجهه با اطلاعات نادرست
• 75. مدیریت پرسش‌های مبهم
• 76. پاسخ به پرسش‌های پیچیده
• 77. پرسش‌هایی که نیاز به استدلال دارند
• 78. مقدمه‌ای بر کاربردهای RAG
• 79. سیستم‌های پرسش و پاسخ سازمانی
• 80. دستیارهای مجازی هوشمند
• 81. ابزارهای تحقیق و توسعه
• 82. سیستم‌های پشتیبانی تصمیم‌گیری
• 83. مقدمه‌ای بر آینده RAG
• 84. مدل‌های بزرگ‌تر و پیچیده‌تر
• 85. ادغام با سایر فناوری‌ها
• 86. کاربردهای نوآورانه
• 87. تحولات آینده در بازیابی اطلاعات
• 88. تحولات آینده در تولید متن
• 89. مطالعه موردی: پیاده‌سازی RAG برای حوزه سلامت
• 90. مطالعه موردی: پیاده‌سازی RAG برای حوزه حقوق
• 91. مطالعه موردی: پیاده‌سازی RAG برای حوزه آموزش
• 92. مطالعه موردی: پیاده‌سازی RAG برای حوزه مالی
• 93. کارگاه عملی: ساخت یک سیستم RAG ساده
• 94. کارگاه عملی: بهبود یک سیستم RAG موجود
• 95. کارگاه عملی: ارزیابی و اشکال‌زدایی سیستم RAG
• 96. کارگاه عملی: پیاده‌سازی تکنیک‌های پیشرفته RAG