کتاب ساخت سامانه‌های هوشمند توصیه‌گر با جستجوی عامل‌محور با Qdrant و Haystack

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 ساخت سامانه‌های هوشمند توصیه‌گر با جستجوی عامل‌محور با Qdrant و Haystack

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پردازش زبان طبیعی و سیستم‌های توصیه‌گر

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین نظارت شده
  • 3. یادگیری بدون نظارت و خوشه بندی
  • 4. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 5. تحلیل احساسات و کاربردهای آن
  • 6. مدل سازی موضوعی و کاربردهای آن
  • 7. مقدمه ای بر سیستم های توصیه‌گر
  • 8. انواع سیستم های توصیه‌گر
  • 9. فیلترینگ مشارکتی
  • 10. فیلترینگ مبتنی بر محتوا
  • 11. معرفی Qdrant به عنوان موتور پایگاه داده برداری
  • 12. نصب و پیکربندی Qdrant
  • 13. مفاهیم اصلی Qdrant: مجموعه ها، نقاط، فیلدها
  • 14. ایجاد و مدیریت مجموعه ها در Qdrant
  • 15. درج و بازیابی داده ها در Qdrant
  • 16. جستجوی شباهت در Qdrant
  • 17. فیلتر کردن نتایج جستجو در Qdrant
  • 18. کاربرد Qdrant در سیستم های توصیه‌گر
  • 19. معرفی Haystack: چارچوبی برای ساخت برنامه های NLP
  • 20. نصب و پیکربندی Haystack
  • 21. مفاهیم اصلی Haystack: DocumentStores, Retrievers, Readers, Pipelines
  • 22. یکپارچه سازی Qdrant با Haystack
  • 23. ساخت DocumentStore با استفاده از Qdrant در Haystack
  • 24. پیاده سازی Retriever با استفاده از Qdrant
  • 25. استفاده از Reader برای استخراج اطلاعات
  • 26. ساخت Pipeline در Haystack
  • 27. ساخت سیستم توصیه‌گر ساده با Qdrant و Haystack
  • 28. تکنیک های پیشرفته در پردازش زبان طبیعی
  • 29. مدل های زبانی پیشرفته (مانند BERT)
  • 30. استفاده از مدل های زبانی پیشرفته در Haystack
  • 31. آموزش مدل های سفارشی برای NLP
  • 32. ارزیابی سیستم های توصیه‌گر
  • 33. معیارهای ارزیابی سیستم های توصیه‌گر
  • 34. تکنیک های تنظیم پارامترها در Qdrant
  • 35. تکنیک های تنظیم پارامترها در Haystack
  • 36. بهینه سازی عملکرد سیستم توصیه‌گر
  • 37. مقیاس پذیری سیستم های توصیه‌گر
  • 38. امنیت در سیستم های توصیه‌گر
  • 39. حفظ حریم خصوصی داده ها در سیستم های توصیه‌گر
  • 40. کاربردهای پیشرفته سیستم های توصیه‌گر
  • 41. سیستم های توصیه‌گر در حوزه تجارت الکترونیک
  • 42. سیستم های توصیه‌گر در حوزه رسانه
  • 43. سیستم های توصیه‌گر در حوزه سلامت
  • 44. ملاحظات اخلاقی در سیستم های توصیه‌گر
  • 45. مقدمه ای بر عامل های هوشمند (Agents)
  • 46. معماری عامل های هوشمند
  • 47. جستجوی عامل محور (Agentic Search)
  • 48. پیاده سازی عامل های هوشمند با Haystack
  • 49. طراحی عامل های هوشمند برای پرس و جوهای پیچیده
  • 50. استفاده از ابزارها (Tools) توسط عامل ها
  • 51. اتصال عامل ها به Qdrant برای بازیابی اطلاعات
  • 52. ساخت سیستم های توصیه‌گر پویا با عامل های هوشمند
  • 53. مدیریت وضعیت (State Management) برای عامل ها
  • 54. برنامه ریزی (Planning) برای عامل های هوشمند
  • 55. عامل های هوشمند مبتنی بر زبان های بزرگ (LLMs)
  • 56. تنظیم دقیق (Fine-tuning) LLMs برای عامل ها
  • 57. چالش ها و فرصت های عامل های هوشمند
  • 58. ارزیابی عامل های هوشمند
  • 59. کاربردهای عامل های هوشمند در سیستم های توصیه‌گر
  • 60. عامل های هوشمند برای پرس و جوهای چند مرحله ای
  • 61. استفاده از حافظه (Memory) در عامل های هوشمند
  • 62. مدل های دانش (Knowledge Graphs) و عامل ها
  • 63. ادغام Qdrant با مدل های دانش
  • 64. طراحی سیستم های توصیه‌گر مبتنی بر دانش
  • 65. تکنیک های پیشرفته جستجوی عامل محور
  • 66. جستجوی عامل محور برای کشف اطلاعات
  • 67. جستجوی عامل محور برای حل مسئله
  • 68. مدیریت خطا و بازیابی در عامل های هوشمند
  • 69. تست و اشکال زدایی عامل های هوشمند
  • 70. ملاحظات پیاده سازی عامل های هوشمند
  • 71. انتخاب معماری مناسب برای عامل ها
  • 72. روش های آموزش و ارزیابی عامل ها
  • 73. آینده عامل های هوشمند در سیستم های توصیه‌گر
  • 74. جمع بندی و گام های بعدی
  • 75. مقدمه ای بر یادگیری تقویتی
  • 76. کاربرد یادگیری تقویتی در سیستم های توصیه‌گر
  • 77. مقدمه ای بر پردازش تصویر در سیستم های توصیه‌گر
  • 78. ادغام پردازش تصویر با Qdrant و Haystack
  • 79. سیستم های توصیه‌گر چندوجهی (Multimodal Recommenders)
  • 80. کاربرد Qdrant در سیستم های توصیه‌گر چندوجهی
  • 81. کاربرد Haystack در سیستم های توصیه‌گر چندوجهی
  • 82. ساخت عامل های هوشمند برای سیستم های چندوجهی
  • 83. ملاحظات فنی در مقیاس بزرگ
  • 84. استقرار سیستم های توصیه‌گر در محیط عملیاتی
  • 85. پایش و نگهداری سیستم های توصیه‌گر
  • 86. درس آموخته ها از پروژه های واقعی
  • 87. توسعه آینده Haystack و Qdrant
  • 88. مطالعه موردی: سیستم توصیه‌گر خبری
  • 89. مطالعه موردی: سیستم توصیه‌گر محصول
  • 90. مطالعه موردی: سیستم توصیه‌گر محتوای آموزشی
  • 91. نکات پیشرفته برای بهبود دقت توصیه‌ها
  • 92. تکنیک های کاهش سوگیری در سیستم های توصیه‌گر
  • 93. توصیه های شخصی سازی شده در زمان واقعی
  • 94. مدیریت داده های حجیم و متغیر
  • 95. استفاده از تکنیک های یادگیری فعال (Active Learning)
  • 96. مقدمه ای بر مهندسی پرامپت (Prompt Engineering)
  • 97. کاربرد مهندسی پرامپت در عامل های هوشمند
  • 98. طراحی پرس و جوهای مؤثر برای Qdrant
  • 99. بهینه سازی فیلترها و پارامترهای جستجو
  • 100. مطالعه موردی: سیستم توصیه‌گر مبتنی بر گراف

📚 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.