سپنتا کتاب اکسپرس
کتاب راهنمای عملی ارزیابی و پیاده‌سازی برنامه‌های کاربردی مبتنی بر LLM با استفاده از تکنیک‌های RAG

کتاب راهنمای عملی ارزیابی و پیاده‌سازی برنامه‌های کاربردی مبتنی بر LLM با استفاده از تکنیک‌های 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 راهنمای عملی ارزیابی و پیاده‌سازی برنامه‌های کاربردی مبتنی بر LLM با استفاده از تکنیک‌های RAG

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: ارزیابی و بهینه‌سازی مدل‌های زبان بزرگ (LLM)

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر مدل‌های زبان بزرگ (LLM)
  • 3. معماری مدل‌های ترنسفورمر
  • 4. پیش‌نمایش مدل‌های زبان بزرگ
  • 5. کاربردهای مدل‌های زبان بزرگ
  • 6. مبانی بازیابی اطلاعات (Information Retrieval)
  • 7. اصول استخراج اطلاعات (Information Extraction)
  • 8. مقدمه‌ای بر پایگاه‌های دانش (Knowledge Bases)
  • 9. تکنیک‌های جستجوی سنتی
  • 10. محدودیت‌های جستجوی سنتی
  • 11. مقدمه‌ای بر بازیابی افزوده (Retrieval Augmented Generation - RAG)
  • 12. چرا RAG؟ مزایا و انگیزه‌ها
  • 13. اجزای اصلی سیستم RAG
  • 14. موتور جستجو (Retriever)
  • 15. مولد متن (Generator)
  • 16. پیوند بین موتور جستجو و مولد
  • 17. مراحل پیاده‌سازی یک سیستم RAG
  • 18. انتخاب مدل زبان بزرگ مناسب
  • 19. تنظیمات و پارامترهای مدل زبان بزرگ
  • 20. آماده‌سازی و پیش‌پردازش داده‌ها برای RAG
  • 21. ایجاد و مدیریت پایگاه دانش برای RAG
  • 22. فهرست‌بندی (Indexing) اسناد
  • 23. انواع روش‌های فهرست‌بندی
  • 24. استفاده از Embeddings برای نمایش اسناد
  • 25. مدل‌های Embedding پرکاربرد
  • 26. محاسبه شباهت بین پرس‌وجو و اسناد
  • 27. معیارهای ارزیابی موتور جستجو
  • 28. دقت (Precision) در بازیابی
  • 29. بازیابی (Recall) در بازیابی
  • 30. امتیاز F1 در بازیابی
  • 31. معیارهای ارزیابی مولد متن
  • 32. تولید متن روان و مرتبط
  • 33. انسجام و منطق در متن تولید شده
  • 34. ارزیابی کیفیت پاسخ‌ها
  • 35. معیارهای ارزیابی کلی سیستم RAG
  • 36. ارزیابی مبتنی بر پرس‌وجوهای واقعی
  • 37. ارزیابی مبتنی بر داده‌های آزمایشی
  • 38. ارزیابی انسانی (Human Evaluation)
  • 39. طراحی سناریوهای ارزیابی
  • 40. جمع‌آوری بازخورد کاربران
  • 41. استفاده از ابزارهای ارزیابی خودکار
  • 42. تنظیم پارامترهای موتور جستجو
  • 43. بهینه‌سازی اندازه پنجره متن (Context Window)
  • 44. تنظیم پارامترهای مولد متن
  • 45. تنظیمات دما (Temperature) و Top-k Sampling
  • 46. کاهش توهم (Hallucination) در LLMها
  • 47. تکنیک‌های کاهش توهم در RAG
  • 48. ارزیابی و رفع توهم در پاسخ‌ها
  • 49. مدیریت اطلاعات حساس و محرمانه
  • 50. امنیت داده‌ها در سیستم‌های RAG
  • 51. حفظ حریم خصوصی کاربران
  • 52. اصول اخلاقی در استفاده از LLMها
  • 53. شفافیت در عملکرد سیستم‌های RAG
  • 54. قابلیت توضیح‌پذیری (Explainability) در LLMها
  • 55. مدیریت خطا و شکست در سیستم RAG
  • 56. استراتژی‌های بازیابی خطا
  • 57. بازخورد و بهبود مداوم سیستم
  • 58. مقدمه‌ای بر مفاهیم پیشرفته RAG
  • 59. RAG سلسله مراتبی (Hierarchical RAG)
  • 60. RAG چندوجهی (Multi-modal RAG)
  • 61. RAG با حافظه (RAG with Memory)
  • 62. RAG تطبیقی (Adaptive RAG)
  • 63. بهینه‌سازی عملکرد و سرعت سیستم RAG
  • 64. مدیریت منابع محاسباتی
  • 65. استفاده از سخت‌افزار مناسب
  • 66. فشرده‌سازی مدل‌ها و داده‌ها
  • 67. پایش و مانیتورینگ سیستم در حال اجرا
  • 68. تشخیص و رفع مشکلات عملکردی
  • 69. ارزیابی و بهبود مداوم کیفیت پاسخ‌ها
  • 70. مطالعات موردی پیاده‌سازی RAG
  • 71. کاربرد RAG در پشتیبانی مشتریان
  • 72. کاربرد RAG در تولید محتوا
  • 73. کاربرد RAG در تحلیل داده‌ها
  • 74. کاربرد RAG در سیستم‌های پرسش و پاسخ سازمانی
  • 75. کاربرد RAG در آموزش
  • 76. بررسی چالش‌های رایج در پیاده‌سازی RAG
  • 77. آینده مدل‌های زبان بزرگ و RAG
  • 78. روندهای نوظهور در زمینه RAG
  • 79. نقش هوش مصنوعی در ارتقای سیستم‌های اطلاعاتی
  • 80. مبانی اخلاق در توسعه هوش مصنوعی
  • 81. قوانین و مقررات مرتبط با هوش مصنوعی در ایران
  • 82. آینده شغلی در حوزه هوش مصنوعی و LLM
  • 83. مهارت‌های لازم برای متخصصان LLM و RAG
  • 84. گام‌های بعدی در یادگیری و توسعه
  • 85. جمع‌بندی مباحث کلیدی
  • 86. مرور کلی بر ارزیابی مدل‌های زبان بزرگ
  • 87. مرور کلی بر تکنیک‌های RAG
  • 88. اهمیت ارزیابی در چرخه عمر LLM
  • 89. اصول طراحی سیستم‌های LLM پایدار

📚 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.