کتاب مهندسی داده برای هوش مصنوعی مولد و سیستم‌های بازیابی اطلاعات افزوده (RAG)

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 مهندسی داده برای هوش مصنوعی مولد و سیستم‌های بازیابی اطلاعات افزوده (RAG)

موضوع کلی: فناوری اطلاعات و هوش مصنوعی

موضوع میانی: مهندسی داده و سیستم‌های هوشمند

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی مولد و مهندسی داده
  • 2. مقدمه ای بر هوش مصنوعی مولد
  • 3. معماری مدل های زبانی بزرگ
  • 4. مفاهیم کلیدی در مهندسی داده
  • 5. چرخه حیات داده در سیستم های هوش مصنوعی
  • 6. اصول جمع آوری و پاکسازی داده
  • 7. تکنیک های پیش پردازش داده
  • 8. مدیریت داده های حجیم و توزیع شده
  • 9. پایگاه های داده رابطه ای و NoSQL
  • 10. مخازن داده و دریاچه های داده
  • 11. استخراج و تبدیل داده (ETL/ELT)
  • 12. تضمین کیفیت داده
  • 13. اصول مدل سازی داده
  • 14. مدل سازی مفهومی، منطقی و فیزیکی
  • 15. مدل سازی داده برای هوش مصنوعی مولد
  • 16. مقدمه ای بر سیستم های بازیابی اطلاعات افزوده (RAG)
  • 17. معماری سیستم های RAG
  • 18. مولفه های اصلی سیستم های RAG
  • 19. پردازش زبان طبیعی برای RAG
  • 20. تکنیک های جاسازی متن (Embeddings)
  • 21. مدل های جاسازی پیشرفته
  • 22. پایگاه های داده برداری (Vector Databases)
  • 23. انتخاب و پیاده سازی پایگاه داده برداری
  • 24. شاخص گذاری در پایگاه های داده برداری
  • 25. بازیابی اطلاعات مبتنی بر شباهت
  • 26. الگوریتم های جستجوی نزدیک ترین همسایه (ANN)
  • 27. مقایسه و انتخاب الگوریتم های ANN
  • 28. تکنیک های پیشرفته بازیابی
  • 29. رتبه بندی نتایج بازیابی
  • 30. بهبود دقت در سیستم های RAG
  • 31. تنظیم دقیق (Fine-tuning) مدل های زبانی
  • 32. تنظیم دقیق برای وظایف خاص RAG
  • 33. تکنیک های یادگیری با دستورالعمل (Instruction Tuning)
  • 34. آموزش مبتنی بر بازخورد انسانی (RLHF)
  • 35. تکنیک های پرس و جوی پیشرفته
  • 36. پرس و جوی چند مرحله ای
  • 37. ترکیب پرس و جوهای متنی و برداری
  • 38. مدیریت حافظه در سیستم های مکالمه ای
  • 39. حفظ زمینه در مکالمات طولانی
  • 40. تکنیک های سنتز پاسخ
  • 41. تولید پاسخ های منسجم و مرتبط
  • 42. ارزیابی کیفیت پاسخ های تولید شده
  • 43. معیارهای ارزیابی سیستم های RAG
  • 44. سنجه های خودکار ارزیابی
  • 45. ارزیابی انسانی کیفیت سیستم
  • 46. پیاده سازی سیستم های RAG در مقیاس
  • 47. مهندسی زیرساخت برای RAG
  • 48. استفاده از خدمات ابری برای RAG
  • 49. مدیریت هزینه در سیستم های RAG
  • 50. امنیت داده ها در سیستم های هوش مصنوعی
  • 51. حریم خصوصی در هوش مصنوعی مولد
  • 52. ملاحظات اخلاقی در هوش مصنوعی
  • 53. پاسخگویی در سیستم های هوش مصنوعی
  • 54. کاربرد مهندسی داده در یادگیری ماشینی
  • 55. مقدمه ای بر یادگیری عمیق
  • 56. شبکه های عصبی کانولوشنال (CNN)
  • 57. شبکه های عصبی بازگشتی (RNN)
  • 58. ترنسفورمرها و کاربرد آنها
  • 59. مقدمه ای بر داده کاوی
  • 60. الگوریتم های خوشه بندی
  • 61. الگوریتم های طبقه بندی
  • 62. قوانین وابستگی (Association Rules)
  • 63. پیش پردازش داده برای یادگیری ماشین
  • 64. مهندسی ویژگی
  • 65. انتخاب ویژگی
  • 66. یادگیری تقویتی
  • 67. مبانی یادگیری تقویتی
  • 68. کاربرد یادگیری تقویتی در مهندسی داده
  • 69. سیستم های توصیه گر
  • 70. مبانی سیستم های توصیه گر
  • 71. فیلترینگ محتوا
  • 72. فیلترینگ مشارکتی
  • 73. ترکیب رویکردها در سیستم های توصیه گر
  • 74. مهندسی داده برای تحلیل سری های زمانی
  • 75. مدل های پیش بینی سری های زمانی
  • 76. تحلیل داده های مکانی-زمانی
  • 77. سیستم های اطلاعات جغرافیایی (GIS)
  • 78. مقدمه ای بر پردازش تصویر
  • 79. یادگیری عمیق برای پردازش تصویر
  • 80. کاربرد پردازش تصویر در هوش مصنوعی مولد
  • 81. مهندسی داده برای پردازش گفتار
  • 82. تشخیص گفتار
  • 83. تولید گفتار
  • 84. کاربرد پردازش گفتار در سیستم های RAG
  • 85. مقدمه ای بر پردازش گراف
  • 86. گراف های دانش
  • 87. یادگیری بر روی گراف ها
  • 88. کاربرد گراف های دانش در RAG
  • 89. مدیریت ابر داده (Metadata Management)
  • 90. کاتالوگ داده (Data Catalog)
  • 91. حاکمیت داده (Data Governance)
  • 92. استانداردسازی داده ها
  • 93. موازین شرعی در داده ها و هوش مصنوعی
  • 94. ملاحظات فقهی در استفاده از داده های شخصی
  • 95. حفظ حریم خصوصی داده ها مطابق شرع
  • 96. اخلاق داده در اسلام
  • 97. کاربرد هوش مصنوعی در اقتصاد اسلامی
  • 98. بانکداری بدون ربا و هوش مصنوعی
  • 99. بیمه مبتنی بر اصول اسلامی و هوش مصنوعی
  • 100. تحلیل ریسک در چارچوب اسلامی با هوش مصنوعی

📚 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.