سپنتا کتاب اکسپرس
کتاب طراحی و پیاده‌سازی سیستم‌های بازیابی دانش افزوده (RAG) در محیط ابری

کتاب طراحی و پیاده‌سازی سیستم‌های بازیابی دانش افزوده (RAG) در محیط ابری

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 طراحی و پیاده‌سازی سیستم‌های بازیابی دانش افزوده (RAG) در محیط ابری

موضوع کلی: هوش مصنوعی و توسعه نرم‌افزار

موضوع میانی: معماری‌های پیشرفته هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر سیستم‌های بازیابی دانش افزوده (RAG)
  • 3. معماری‌های پایه RAG
  • 4. مراحل اصلی پیاده‌سازی RAG
  • 5. مقدمه ای بر Azure AI Foundry
  • 6. مفاهیم کلیدی Azure AI Studio
  • 7. آماده‌سازی داده‌ها برای RAG
  • 8. پاکسازی و پیش‌پردازش داده‌ها
  • 9. تکنیک‌های توکنایز کردن متون
  • 10. بردارسازی اسناد و واژگان
  • 11. مدل‌های جاسازی (Embedding Models)
  • 12. معرفی مدل‌های جاسازی پیشرفته
  • 13. انتخاب مدل جاسازی مناسب
  • 14. ذخیره‌سازی داده‌های برداری (Vector Stores)
  • 15. معرفی پایگاه داده‌های برداری
  • 16. کار با Azure AI Search
  • 17. تنظیمات و پیکربندی Azure AI Search
  • 18. ایجاد شاخص‌های برداری
  • 19. تزریق داده به شاخص برداری
  • 20. موتورهای بازیابی اطلاعات
  • 21. روش‌های جستجوی شباهت
  • 22. جستجوی مجاورت k-نزدیکترین (k-NN)
  • 23. جستجوی تقریبی مجاورت (ANN)
  • 24. بهینه‌سازی پارامترهای جستجو
  • 25. مدل‌های زبانی بزرگ (LLMs)
  • 26. مبانی LLMs و معماری ترنسفورمر
  • 27. معرفی مدل‌های پیشرفته LLM
  • 28. انتخاب LLM مناسب برای RAG
  • 29. تنظیم دقیق (Fine-tuning) LLMs
  • 30. آموزش LLMs با داده‌های سفارشی
  • 31. ملاحظات اخلاقی در LLMs
  • 32. مقدمه‌ای بر Azure OpenAI Service
  • 33. استقرار مدل‌های OpenAI در Azure
  • 34. مدیریت دسترسی و امنیت در Azure OpenAI
  • 35. تکنیک‌های تولید متن با LLMs
  • 36. تولید پاسخ‌های خلاقانه
  • 37. تولید پاسخ‌های مبتنی بر دانش
  • 38. کنترل خروجی LLMs
  • 39. مهندسی پرامپت (Prompt Engineering)
  • 40. اصول مهندسی پرامپت مؤثر
  • 41. تکنیک‌های پیشرفته پرامپت‌نویسی
  • 42. مدیریت تاریخچه مکالمه
  • 43. طراحی پرامپت برای وظایف خاص RAG
  • 44. تکنیک‌های بهبود بازیابی (Retrieval)
  • 45. افزایش دقت بازیابی اطلاعات
  • 46. استفاده از متا‌داده‌ها در بازیابی
  • 47. بازیابی چند مرحله‌ای (Multi-hop Retrieval)
  • 48. بازیابی با استفاده از گراف دانش
  • 49. ترکیب با روش‌های سنتی جستجو
  • 50. تکنیک‌های بهبود تولید (Generation)
  • 51. تولید پاسخ‌های منسجم و دقیق
  • 52. استفاده از تکنیک‌های استنتاج
  • 53. مدیریت پاسخ‌های نامربوط
  • 54. ارزیابی سیستم‌های RAG
  • 55. معیارهای ارزیابی بازیابی
  • 56. معیارهای ارزیابی تولید
  • 57. معیارهای کلی ارزیابی RAG
  • 58. ابزارهای ارزیابی خودکار
  • 59. ارزیابی انسانی سیستم‌های RAG
  • 60. مقدمه‌ای بر Azure AI Studio برای RAG
  • 61. ساخت اپلیکیشن RAG با Azure AI Studio
  • 62. استفاده از ابزارهای داخلی Studio
  • 63. اتصال به منابع داده خارجی
  • 64. پیاده‌سازی گردش کار (Workflow) RAG
  • 65. مدیریت نسخه‌بندی در Studio
  • 66. استقرار سیستم RAG در Azure
  • 67. مراحل استقرار در Azure App Service
  • 68. تنظیمات شبکه و امنیت استقرار
  • 69. مانیتورینگ و لاگ‌گیری سیستم RAG
  • 70. بهینه‌سازی عملکرد سیستم RAG
  • 71. کاهش تأخیر (Latency) در پاسخ‌دهی
  • 72. مدیریت هزینه‌ها در Azure
  • 73. توسعه مداوم و به‌روزرسانی سیستم
  • 74. روندهای آینده در RAG
  • 75. هوش مصنوعی مولد و RAG
  • 76. RAG برای کاربردهای سازمانی
  • 77. امنیت داده‌ها در سیستم‌های RAG
  • 78. حفظ حریم خصوصی در RAG
  • 79. ملاحظات قانونی و شرعی در RAG
  • 80. استانداردهای اسلامی در فناوری اطلاعات
  • 81. اخلاق حرفه‌ای در توسعه نرم‌افزار
  • 82. کاربرد RAG در آموزش و پژوهش
  • 83. کاربرد RAG در خدمات مشتریان
  • 84. کاربرد RAG در تحلیل داده‌ها
  • 85. کاربرد RAG در سیستم‌های حقوقی
  • 86. کاربرد RAG در حوزه سلامت
  • 87. ملاحظات فرهنگی در طراحی RAG
  • 88. ملاحظات بومی‌سازی سیستم‌های RAG
  • 89. تست و اعتبارسنجی سیستم‌های RAG
  • 90. بهبود تجربه کاربری (UX) در RAG
  • 91. معماری‌های پیشرفته‌تر RAG
  • 92. RAG با استفاده از مدل‌های چندوجهی
  • 93. ترکیب RAG با یادگیری تقویتی
  • 94. استفاده از گراف‌های دانش در RAG
  • 95. سیستم‌های RAG خودکار و یادگیرنده
  • 96. جمع‌بندی و چشم‌انداز آینده RAG

📚 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.