سپنتا کتاب اکسپرس
کتاب هوش مصنوعی مولد و سیستم‌های جستجو و پیشنهاددهنده پیشرفته (با رویکرد RAG و GPT-4)

کتاب هوش مصنوعی مولد و سیستم‌های جستجو و پیشنهاددهنده پیشرفته (با رویکرد RAG و GPT-4)

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 هوش مصنوعی مولد و سیستم‌های جستجو و پیشنهاددهنده پیشرفته (با رویکرد RAG و GPT-4)

موضوع کلی: هوش مصنوعی و سیستم‌های اطلاعاتی

موضوع میانی: سیستم‌های بازیابی اطلاعات پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی مولد و سیستم‌های اطلاعاتی
  • 2. مبانی سیستم‌های بازیابی اطلاعات
  • 3. معماری پایه‌ای سیستم‌های بازیابی اطلاعات
  • 4. مفهوم بازیابی اطلاعات و شاخص‌گذاری
  • 5. موتورهای جستجو و نحوه عملکرد آن‌ها
  • 6. فاکتورهای رتبه‌بندی در بازیابی اطلاعات
  • 7. ارزیابی عملکرد سیستم‌های بازیابی اطلاعات
  • 8. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 9. شبکه‌های عصبی و یادگیری عمیق برای پردازش زبان طبیعی
  • 10. معماری ترنسفورمر و مزایای آن
  • 11. مدل‌های زبانی پیش‌آموزش‌دیده (Pre-trained LLMs)
  • 12. استفاده از GPT-4 در سیستم‌های هوش مصنوعی
  • 13. مقدمه‌ای بر بازیابی افزوده (Retrieval Augmented Generation - RAG)
  • 14. چرا RAG؟ محدودیت‌های LLMs بدون بازیابی
  • 15. اجزای کلیدی سیستم‌های RAG
  • 16. مخازن دانش و نحوه ذخیره‌سازی داده‌ها
  • 17. فهرست‌سازی معنایی و برداری داده‌ها
  • 18. بردارهای کلمه (Word Embeddings) و بردارهای سند (Document Embeddings)
  • 19. تکنیک‌های نمایش معنایی داده‌ها
  • 20. مدل‌های تعبیه‌سازی (Embedding Models)
  • 21. آموزش مدل‌های تعبیه‌سازی سفارشی
  • 22. جستجوی شباهت برداری (Vector Similarity Search)
  • 23. پایگاه‌های داده برداری (Vector Databases)
  • 24. کاربرد پایگاه‌های داده برداری در RAG
  • 25. استخراج اطلاعات از منابع مختلف
  • 26. پردازش زبان طبیعی (NLP) برای استخراج اطلاعات
  • 27. شناسایی موجودیت‌های نام‌دار (Named Entity Recognition - NER)
  • 28. استخراج روابط بین موجودیت‌ها
  • 29. خلاصه‌سازی متون با استفاده از LLMs
  • 30. تولید پاسخ بر اساس اطلاعات بازیابی شده
  • 31. معماری ساده RAG
  • 32. جریان کاری سیستم RAG
  • 33. کاربرد RAG در پاسخ به پرسش‌ها
  • 34. سیستم‌های توصیه‌گر (Recommender Systems)
  • 35. انواع سیستم‌های توصیه‌گر
  • 36. فیلترینگ مشارکتی (Collaborative Filtering)
  • 37. فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
  • 38. ترکیب رویکردها در سیستم‌های توصیه‌گر
  • 39. مقدمه‌ای بر سیستم‌های توصیه‌گر مبتنی بر LLM
  • 40. استفاده از LLM در تولید توضیحات محصولات
  • 41. توصیه‌گرهای مبتنی بر تاریخچه جستجو و تعامل کاربر
  • 42. ارزیابی سیستم‌های توصیه‌گر
  • 43. مقدمه‌ای بر RAG چندوجهی (Multimodal RAG)
  • 44. داده‌های چندوجهی: متن، تصویر، صدا، ویدئو
  • 45. پردازش و نمایش داده‌های تصویری
  • 46. مدل‌های تعبیه‌سازی چندوجهی
  • 47. استفاده از مدل‌های تعبیه‌سازی تصویر در RAG
  • 48. جستجوی شباهت بین تصاویر و متن
  • 49. بازیابی اطلاعات تصویری با استفاده از RAG
  • 50. کاربرد RAG چندوجهی در سیستم‌های جستجو
  • 51. کاربرد RAG چندوجهی در سیستم‌های توصیه‌گر
  • 52. تولید محتوای چندوجهی با LLMs
  • 53. مثال‌های عملی از RAG چندوجهی
  • 54. طراحی معماری پیشرفته RAG
  • 55. بهینه‌سازی اجزای سیستم RAG
  • 56. تنظیم دقیق (Fine-tuning) مدل‌های LLM برای RAG
  • 57. استراتژی‌های بازیابی پیشرفته
  • 58. فیلتر کردن نتایج بازیابی
  • 59. رتبه‌بندی مجدد نتایج (Re-ranking)
  • 60. مدیریت حافظه در سیستم‌های RAG
  • 61. کاربرد RAG در پرسش و پاسخ تعاملی
  • 62. تولید پاسخ‌های جامع و دقیق
  • 63. مدیریت ابهام در پرسش‌ها
  • 64. تکنیک‌های بهبود درک پرسش
  • 65. استفاده از دانش ساختاریافته در RAG
  • 66. گراف‌های دانش (Knowledge Graphs)
  • 67. اتصال LLM به گراف‌های دانش
  • 68. بازیابی اطلاعات از گراف‌های دانش
  • 69. ترکیب LLM و گراف دانش برای RAG
  • 70. کاربرد RAG در حوزه سلامت (با رعایت چارچوب رسمی)
  • 71. کاربرد RAG در حوزه آموزش (با رعایت چارچوب رسمی)
  • 72. کاربرد RAG در حوزه حقوق (با رعایت چارچوب رسمی)
  • 73. کاربرد RAG در حوزه مالی (با رعایت چارچوب رسمی)
  • 74. اخلاق در هوش مصنوعی مولد
  • 75. مسائل مربوط به سوگیری (Bias) در LLMs
  • 76. راهکارهای کاهش سوگیری
  • 77. حریم خصوصی و امنیت داده‌ها در RAG
  • 78. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 79. تست و ارزیابی جامع سیستم‌های RAG
  • 80. نظارت و نگهداری سیستم‌های RAG
  • 81. روندهای آینده در RAG و سیستم‌های اطلاعاتی
  • 82. هوش مصنوعی مولد و آینده جستجو
  • 83. هوش مصنوعی مولد و آینده توصیه‌گرها
  • 84. چالش‌های پیاده‌سازی سیستم‌های RAG در مقیاس بزرگ
  • 85. معماری‌های توزیع‌شده برای RAG
  • 86. نکات کلیدی در طراحی سیستم‌های RAG موفق
  • 87. جمع‌بندی و چشم‌انداز نهایی

📚 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.