کتاب پیاده‌سازی عملی سیستم‌های بازیابی افزوده (RAG) در پروژه‌های هوش مصنوعی

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 پیاده‌سازی عملی سیستم‌های بازیابی افزوده (RAG) در پروژه‌های هوش مصنوعی

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: سیستم‌های بازیابی اطلاعات پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و پردازش زبان طبیعی
  • 2. مبانی پایگاه‌های دانش و بازیابی اطلاعات
  • 3. معماری سیستم‌های بازیابی اطلاعات سنتی
  • 4. محدودیت‌های سیستم‌های بازیابی اطلاعات
  • 5. آشنایی با مدل‌های زبان بزرگ (LLMs)
  • 6. کاربرد LLMs در پردازش زبان طبیعی
  • 7. مفهوم بازیابی افزوده (Retrieval-Augmented Generation - RAG)
  • 8. چرا به RAG نیاز داریم؟
  • 9. مروری بر سیستم‌های RAG
  • 10. اجزای اصلی سیستم‌های RAG
  • 11. ماژول بازیابی (Retriever)
  • 12. ماژول تولید (Generator)
  • 13. نقش پایگاه دانش در RAG
  • 14. انواع پایگاه‌های دانش برای RAG
  • 15. پایگاه‌های دانش متنی
  • 16. پایگاه‌های دانش ساختاریافته
  • 17. پایگاه‌های دانش گراف دانش
  • 18. استخراج اطلاعات از منابع مختلف
  • 19. تکنیک‌های پیش‌پردازش متن
  • 20. پاکسازی داده‌ها و نرمال‌سازی
  • 21. توکن‌سازی و برچسب‌گذاری اجزای کلام
  • 22. ریشه‌یابی و بن‌واژه‌سازی
  • 23. حذف کلمات توقف (Stop Words)
  • 24. بردارسازی متن (Text Vectorization)
  • 25. مدل‌های Bag-of-Words
  • 26. مدل‌های TF-IDF
  • 27. مدل‌های Word Embeddings (Word2Vec, GloVe)
  • 28. مدل‌های مبتنی بر ترنسفورمر (BERT, RoBERTa)
  • 29. مبانی پایگاه‌های داده برداری (Vector Databases)
  • 30. ساختار و عملکرد پایگاه‌های داده برداری
  • 31. شاخص‌گذاری در پایگاه‌های داده برداری
  • 32. الگوریتم‌های جستجوی شباهت (Similarity Search)
  • 33. الگوریتم‌های HNSW
  • 34. الگوریتم‌های IVF
  • 35. پیاده‌سازی پایگاه داده برداری (مثال: ChromaDB)
  • 36. نصب و پیکربندی ChromaDB
  • 37. افزودن داده به ChromaDB
  • 38. جستجو در ChromaDB
  • 39. پیاده‌سازی پایگاه داده برداری (مثال: FAISS)
  • 40. نصب و پیکربندی FAISS
  • 41. ساخت شاخص در FAISS
  • 42. جستجو در FAISS
  • 43. انتخاب بهترین پایگاه داده برداری
  • 44. ملاحظات امنیتی در پایگاه‌های داده برداری
  • 45. طراحی ماژول بازیابی (Retriever)
  • 46. انواع مدل‌های بازیابی
  • 47. بازیابی مبتنی بر کلمات کلیدی
  • 48. بازیابی مبتنی بر شباهت معنایی
  • 49. مدل‌های Dense Retrieval
  • 50. مدل‌های Sparse Retrieval
  • 51. ترکیب مدل‌های Sparse و Dense
  • 52. تنظیم و ارزیابی مدل‌های بازیابی
  • 53. معیارهای ارزیابی بازیابی (Precision, Recall, MAP)
  • 54. تکنیک‌های Fine-tuning مدل‌های بازیابی
  • 55. بهینه‌سازی پایگاه دانش برای بازیابی
  • 56. تقسیم‌بندی متن (Chunking)
  • 57. اندازه بهینه قطعات متن
  • 58. تکنیک‌های Chunking معنایی
  • 59. طراحی ماژول تولید (Generator)
  • 60. انتخاب مدل زبان بزرگ (LLM) مناسب
  • 61. مدل‌های متن‌باز (Open-Source LLMs)
  • 62. مدل‌های تجاری (Commercial LLMs)
  • 63. تنظیم LLM برای وظایف تولید متن
  • 64. Prompt Engineering برای LLMs
  • 65. طراحی Promptهای مؤثر
  • 66. استفاده از Promptهای Few-shot
  • 67. تکنیک‌های تولید متن (Sampling, Beam Search)
  • 68. کنترل خروجی LLM
  • 69. مدیریت طول پاسخ
  • 70. جلوگیری از تکرار در پاسخ
  • 71. ارزیابی مدل تولید (Generator Evaluation)
  • 72. معیارهای ارزیابی متن تولید شده (BLEU, ROUGE)
  • 73. ارزیابی انسانی کیفیت پاسخ
  • 74. ساخت سیستم RAG گام به گام
  • 75. انتخاب ابزارها و کتابخانه‌ها (LangChain, LlamaIndex)
  • 76. پیاده‌سازی پایه سیستم RAG با LangChain
  • 77. تعریف پایگاه دانش
  • 78. پیاده‌سازی Retriever
  • 79. پیاده‌سازی Generator
  • 80. اتصال Retriever و Generator
  • 81. پیاده‌سازی پایه سیستم RAG با LlamaIndex
  • 82. تعریف Data Connector
  • 83. پیاده‌سازی Index
  • 84. پیاده‌سازی Retriever
  • 85. پیاده‌سازی Query Engine
  • 86. کاربردهای عملی سیستم‌های RAG
  • 87. پرسش و پاسخ از اسناد (Document Q&A)
  • 88. خلاصه‌سازی اسناد با RAG
  • 89. تولید محتوا با RAG
  • 90. چت‌بات‌های مبتنی بر دانش
  • 91. سیستم‌های توصیه‌گر مبتنی بر RAG
  • 92. کاربرد RAG در حوزه علوم پزشکی
  • 93. کاربرد RAG در حوزه حقوق
  • 94. کاربرد RAG در حوزه آموزش
  • 95. چالش‌ها و محدودیت‌های سیستم‌های RAG
  • 96. هزینه‌های محاسباتی
  • 97. نیاز به داده‌های با کیفیت
  • 98. مدیریت پایگاه دانش پویا
  • 99. بروزرسانی پایگاه دانش
  • 100. ارزیابی جامع سیستم 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.