سپنتا کتاب اکسپرس
کتاب مبانی سیستم‌های تولید افزوده با بازیابی با جاوا

کتاب مبانی سیستم‌های تولید افزوده با بازیابی با جاوا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی سیستم‌های تولید افزوده با بازیابی با جاوا

موضوع کلی: هوش مصنوعی و مهندسی نرم‌افزار

موضوع میانی: سیستم‌های تولید افزوده با بازیابی (RAG)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر هوش مصنوعی و مهندسی نرم افزار
  • 2. مبانی جاوا برای سیستم های RAG
  • 3. ساختار داده ها در جاوا
  • 4. الگوریتم های پایه در جاوا
  • 5. مفاهیم پایگاه داده
  • 6. طراحی پایگاه داده رابطه‌ای
  • 7. اصول SQL
  • 8. مقدمه ای بر سیستم های تولید افزوده با بازیابی (RAG)
  • 9. معماری سیستم های RAG
  • 10. مولفه های کلیدی RAG
  • 11. بازیابی اطلاعات
  • 12. شاخص گذاری اسناد
  • 13. الگوریتم های بازیابی
  • 14. ارزیابی سیستم های بازیابی
  • 15. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 16. توکن سازی و نرمال سازی متن
  • 17. ریشه یابی و بن بست یابی
  • 18. شناسایی موجودیت نام دار (NER)
  • 19. تحلیل احساسات
  • 20. مدل های زبانی
  • 21. مقدمه ای بر مدل های زبانی بزرگ (LLM)
  • 22. معماری ترنسفورمر
  • 23. توکن های زیرکلمه ای
  • 24. رمزگذاری و رمزگشایی
  • 25. توجه در مدل های زبانی
  • 26. تنظیم دقیق مدل های LLM
  • 27. یادگیری با انتقال
  • 28. آموزش با نظارت محدود
  • 29. آموزش بدون نظارت
  • 30. مقدمه ای بر سیستم های تولید متن
  • 31. مدل های آماری برای تولید متن
  • 32. مدل های مبتنی بر شبکه عصبی
  • 33. روش های نمونه برداری
  • 34. کنترل تولید متن
  • 35. مقدمه ای بر سیستم های RAG در عمل
  • 36. انتخاب و پیاده سازی ابزارهای RAG
  • 37. کتابخانه های پردازش زبان طبیعی جاوا
  • 38. کتابخانه های پایگاه داده جاوا
  • 39. یکپارچه سازی مولفه های RAG
  • 40. مبانی جستجوی معنایی
  • 41. بردار سازی اسناد
  • 42. شباهت کسینوسی
  • 43. فضاهای برداری
  • 44. شبکه های عصبی برای بردار سازی
  • 45. فهرست سازی برداری
  • 46. الگوریتم های جستجوی نزدیکترین همسایه (ANN)
  • 47. مقدمه ای بر پایگاه داده های برداری
  • 48. معماری پایگاه داده های برداری
  • 49. استفاده از پایگاه داده های برداری در RAG
  • 50. مقایسه پایگاه داده های برداری و رابطه‌ای
  • 51. مهندسی پرس و جو در RAG
  • 52. بهبود دقت بازیابی
  • 53. فیلتر کردن نتایج بازیابی
  • 54. مرتب سازی نتایج بازیابی
  • 55. امتیاز دهی اسناد
  • 56. مقدمه ای بر تولید پاسخ
  • 57. مدل های تولید پاسخ
  • 58. تولید پاسخ از طریق بازیابی
  • 59. تولید پاسخ با استفاده از LLM
  • 60. ترکیب بازیابی و تولید
  • 61. ارزیابی کیفیت پاسخ
  • 62. معیارهای ارزیابی پاسخ
  • 63. خطاهای رایج در سیستم های RAG
  • 64. اشکال زدایی سیستم های RAG
  • 65. اندازه گیری عملکرد سیستم های RAG
  • 66. بهینه سازی سیستم های RAG
  • 67. مقیاس پذیری سیستم های RAG
  • 68. ملاحظات امنیتی در سیستم های RAG
  • 69. حفظ حریم خصوصی داده ها
  • 70. مدیریت دانش در سیستم های RAG
  • 71. به روز رسانی پایگاه دانش
  • 72. پاسخگویی به پرس و جوهای پیچیده
  • 73. سیستم های پرسش و پاسخ
  • 74. کاربرد سیستم های RAG در حوزه های مختلف
  • 75. RAG برای پشتیبانی مشتری
  • 76. RAG برای تولید محتوا
  • 77. RAG برای تحقیقات علمی
  • 78. RAG برای آموزش
  • 79. مقدمه ای بر چارچوب های RAG
  • 80. چارچوب LangChain
  • 81. چارچوب LlamaIndex
  • 82. پیاده سازی یک سیستم RAG ساده با جاوا
  • 83. ساخت شاخص اسناد
  • 84. اجرای پرس و جوی بازیابی
  • 85. تولید پاسخ با استفاده از LLM
  • 86. یکپارچه سازی با پایگاه داده برداری
  • 87. ملاحظات اخلاقی در هوش مصنوعی
  • 88. سوگیری در مدل های زبانی
  • 89. شفافیت در سیستم های هوش مصنوعی
  • 90. مسئولیت پذیری در هوش مصنوعی
  • 91. آینده هوش مصنوعی و سیستم های RAG
  • 92. روندهای نوظهور در RAG
  • 93. چالش های پیش رو در RAG
  • 94. پیشرفت های آینده در مهندسی نرم افزار
  • 95. کاربرد جاوا در توسعه سیستم های هوش مصنوعی
  • 96. مقدمه ای بر یادگیری عمیق
  • 97. شبکه های عصبی کانولوشنی
  • 98. شبکه های عصبی بازگشتی
  • 99. مبانی یادگیری تقویتی
  • 100. مقدمه ای بر پردازش تصویر

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.