دوره ساخت و پیاده‌سازی سامانه‌های پرسش و پاسخ هوشمند با استفاده از مدل‌های زبانی و داده‌های سازمان‌یافته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت و پیاده‌سازی سامانه‌های پرسش و پاسخ هوشمند با استفاده از مدل‌های زبانی و داده‌های سازمان‌یافته

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: توسعهٔ کاربردهای هوش مصنوعی با داده‌های ساختاریافته

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و پردازش زبان طبیعی
• 2. مقدمه‌ای بر سامانه‌های پرسش و پاسخ هوشمند
• 3. معماری پایگاه دانش و داده‌های ساختاریافته
• 4. مفاهیم کلیدی استخراج اطلاعات
• 5. مقدمه‌ای بر بازیابی اطلاعات (Information Retrieval)
• 6. تکنیک‌های پیش‌پردازش متن
• 7. توکنایزیشن و نرمال‌سازی متن
• 8. حذف کلمات توقف (Stop Words)
• 9. ریشه‌یابی و بن‌واژه‌سازی (Stemming and Lemmatization)
• 10. نمایش متن با مدل‌های برداری
• 11. مدل‌های Bag-of-Words و TF-IDF
• 12. مقدمه‌ای بر مدل‌های زبانی آماری
• 13. یادگیری ماشین در پردازش زبان طبیعی
• 14. طبقه‌بندی متن با الگوریتم‌های کلاسیک
• 15. مدل‌های مبتنی بر درخت تصمیم و جنگل تصادفی
• 16. ماشین‌های بردار پشتیبان (SVM) برای متن
• 17. شبکه‌های عصبی در پردازش زبان طبیعی
• 18. مقدمه‌ای بر شبکه‌های عصبی عمیق
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. شبکه‌های حافظه طولانی کوتاه (LSTM)
• 21. واحد بازگشتی دروازه‌دار (GRU)
• 22. معماری ترنسفورمر (Transformer)
• 23. مکانیزم توجه (Attention Mechanism)
• 24. مدل‌های زبانی بزرگ (LLMs)
• 25. معماری GPT و مدل‌های مشابه
• 26. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 27. اصول استخراج دانش از متن
• 28. روش‌های استخراج موجودیت نام‌دار (NER)
• 29. تشخیص روابط بین موجودیت‌ها (Relation Extraction)
• 30. استخراج حقایق و رویدادها
• 31. مقدمه‌ای بر بازیابی تقویت‌شده با تولید (RAG)
• 32. چرا RAG؟ مزایا و کاربردها
• 33. مؤلفه‌های اصلی سیستم RAG
• 34. ایجاد پایگاه دانش قابل جستجو
• 35. نمایه‌سازی اسناد با استفاده از Embeddings
• 36. پایگاه‌های داده برداری (Vector Databases)
• 37. بهینه‌سازی نمایه‌سازی برای بازیابی
• 38. استراتژی‌های بازیابی اطلاعات
• 39. بازیابی مبتنی بر شباهت معنایی
• 40. اندازه‌گیری شباهت برداری (Cosine Similarity)
• 41. بازیابی چند مرحله‌ای (Multi-stage Retrieval)
• 42. آماده‌سازی داده برای آموزش مدل RAG
• 43. پاکسازی و پیش‌پردازش داده‌های سازمان‌یافته
• 44. استخراج و سازمان‌دهی داده‌های متنی
• 45. مدیریت پایگاه دانش حجیم
• 46. آموزش و تنظیم دقیق مدل بازیابی
• 47. انتخاب مدل پایه برای بازیابی
• 48. آموزش مدل با داده‌های سازمانی
• 49. ارزیابی عملکرد مدل بازیابی
• 50. معیارهای ارزیابی بازیابی اطلاعات
• 51. تنظیم پارامترهای بازیابی
• 52. مراحل تولید پاسخ با مدل زبانی
• 53. استفاده از اطلاعات بازیابی شده در تولید پاسخ
• 54. ساخت Promptهای مؤثر برای LLMs
• 55. تنظیم دقیق مدل تولیدکننده پاسخ
• 56. ارزیابی کیفیت پاسخ‌های تولید شده
• 57. سنجه‌های ارزیابی پاسخ (BLEU, ROUGE)
• 58. ارزیابی انسانی کیفیت پاسخ
• 59. پیاده‌سازی سامانه پرسش و پاسخ هوشمند
• 60. گردش کار (Workflow) یک سامانه RAG
• 61. انتخاب ابزارها و چارچوب‌های توسعه
• 62. استفاده از Snorkel AI برای ساخت پایگاه دانش
• 63. مدیریت داده‌ها با Snorkel AI
• 64. استخراج قوانین و الگوها با Snorkel AI
• 65. تولید داده‌های برچسب‌گذاری شده با Snorkel AI
• 66. استفاده از AWS برای زیرساخت RAG
• 67. سرویس‌های AWS برای ذخیره‌سازی داده
• 68. سرویس‌های AWS برای پردازش و آموزش مدل
• 69. استقرار سامانه RAG بر روی AWS
• 70. امنیت و حریم خصوصی در سامانه‌های RAG
• 71. مدیریت دسترسی به داده‌ها
• 72. استانداردهای امنیتی در پردازش داده
• 73. تطابق با قوانین و مقررات داخلی
• 74. ملاحظات اخلاقی در هوش مصنوعی
• 75. مسئولیت‌پذیری در توسعه سامانه‌های هوشمند
• 76. استفاده صحیح از داده‌های سازمانی
• 77. ملاحظات حقوقی در استفاده از داده‌ها
• 78. بهینه‌سازی عملکرد و مقیاس‌پذیری سامانه
• 79. تکنیک‌های کش (Caching) برای سرعت بخشیدن
• 80. مدیریت بار (Load Balancing)
• 81. مقیاس‌پذیری افقی و عمودی
• 82. کاربردهای پیشرفته RAG
• 83. پرسش و پاسخ در حوزه تخصصی (پزشکی، حقوقی)
• 84. خلاصه‌سازی اسناد با استفاده از RAG
• 85. تولید محتوای خلاقانه با RAG
• 86. سامانه‌های پرسش و پاسخ چندزبانه
• 87. چالش‌ها و راه‌حل‌ها در پیاده‌سازی RAG
• 88. نگهداری و به‌روزرسانی سامانه RAG
• 89. مدیریت چرخه عمر داده‌ها
• 90. بازخورد کاربران و بهبود مستمر سامانه
• 91. آیندهٔ RAG و پردازش زبان طبیعی
• 92. روندهای نوین در مدل‌های زبانی
• 93. هوش مصنوعی مولد و کاربردهای آن
• 94. توسعهٔ سامانه‌های هوشمندتر و دقیق‌تر
• 95. جمع‌بندی و چشم‌انداز آینده