کتاب چارچوب ۵ گام برای ساخت سامانه‌های بازیابی افزوده (RAG) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره چارچوب ۵ گام برای ساخت سامانه‌های بازیابی افزوده (RAG)

موضوع کلی: هوش مصنوعی و پردازش زبان طبیعی

موضوع میانی: توسعه سیستم‌های هوشمند مبتنی بر مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر سامانه‌های بازیابی افزوده (RAG)
  • 2. مفاهیم کلیدی در RAG
  • 3. معماری پایه‌ای سامانه‌های RAG
  • 4. فاز اول: گردآوری و آماده‌سازی داده‌ها
  • 5. اهمیت کیفیت داده در RAG
  • 6. روش‌های پاکسازی و پیش‌پردازش متن
  • 7. برچسب‌گذاری و حاشیه‌نویسی داده‌ها
  • 8. فاز دوم: نمایه‌سازی و ذخیره‌سازی داده‌ها
  • 9. مقدمه‌ای بر پایگاه‌های داده برداری
  • 10. انتخاب مناسب‌ترین پایگاه داده برداری
  • 11. تکنیک‌های نمایه‌سازی کارآمد
  • 12. فاز سوم: تولید بازنمایی‌های برداری (Embeddings)
  • 13. مفاهیم Embeddings در پردازش زبان طبیعی
  • 14. مدل‌های زبانی بزرگ (LLMs) برای تولید Embeddings
  • 15. تنظیم دقیق (Fine-tuning) مدل‌های Embedding
  • 16. فاز چهارم: طراحی و پیاده‌سازی مکانیزم بازیابی
  • 17. الگوریتم‌های جستجوی شباهت برداری
  • 18. بهینه‌سازی پارامترهای بازیابی
  • 19. روش‌های بهبود دقت بازیابی
  • 20. فاز پنجم: تولید پاسخ با استفاده از LLMs
  • 21. مقدمه‌ای بر LLMs در تولید متن
  • 22. تکنیک‌های Prompt Engineering برای RAG
  • 23. ادغام اطلاعات بازیابی شده با LLM
  • 24. ارزیابی عملکرد سامانه‌های RAG
  • 25. معیارهای کمی برای ارزیابی RAG
  • 26. ارزیابی کیفی پاسخ‌های تولید شده
  • 27. اشکال‌زدایی و بهبود مداوم سامانه‌های RAG
  • 28. کاربردهای عملی سامانه‌های RAG
  • 29. RAG در خدمات مشتریان
  • 30. RAG در آموزش و پژوهش
  • 31. RAG در توسعه نرم‌افزار
  • 32. RAG در حوزه سلامت
  • 33. RAG در حوزه حقوق
  • 34. ملاحظات اخلاقی در سامانه‌های RAG
  • 35. حریم خصوصی و امنیت داده‌ها در RAG
  • 36. سوگیری در مدل‌های زبانی و راه‌های مقابله
  • 37. شفافیت و قابلیت تفسیر در RAG
  • 38. چالش‌های پیاده‌سازی RAG در مقیاس بزرگ
  • 39. بهینه‌سازی هزینه‌ها در سامانه‌های RAG
  • 40. مدیریت زیرساخت برای RAG
  • 41. مقایسه RAG با سایر رویکردهای پرسش و پاسخ
  • 42. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 43. معماری ترنسفورمر و دلایل موفقیت LLMs
  • 44. آموزش LLMs: پیش‌آموزش و تنظیم دقیق
  • 45. انواع LLMs و تفاوت‌های آن‌ها
  • 46. کاربردهای عمومی LLMs
  • 47. تولید متن خلاقانه با LLMs
  • 48. خلاصه‌سازی متن با LLMs
  • 49. ترجمه ماشینی با LLMs
  • 50. تحلیل احساسات با LLMs
  • 51. استخراج اطلاعات با LLMs
  • 52. مدل‌های زبانی کوچک‌تر و کارایی آن‌ها
  • 53. تکنیک‌های کوانتیزاسیون (Quantization) مدل‌ها
  • 54. نکات مهم در انتخاب مدل زبانی مناسب
  • 55. مقدمه‌ای بر پایگاه‌های داده برداری
  • 56. کاربرد پایگاه‌های داده برداری در RAG
  • 57. انواع پایگاه‌های داده برداری (Vector Databases)
  • 58. معیارهای انتخاب پایگاه داده برداری
  • 59. نصب و پیکربندی پایگاه داده برداری
  • 60. بارگذاری داده‌ها در پایگاه داده برداری
  • 61. جستجو در پایگاه داده برداری
  • 62. بهینه‌سازی عملکرد پایگاه داده برداری
  • 63. مفاهیم Embeddings در پردازش زبان طبیعی
  • 64. انواع Embeddings (Word2Vec, GloVe, FastText)
  • 65. مدل‌های Embedding مبتنی بر ترنسفورمر (BERT, RoBERTa)
  • 66. تولید Embeddings برای واژگان و جملات
  • 67. کاربرد Embeddings در تشخیص شباهت معنایی
  • 68. تنظیم دقیق (Fine-tuning) مدل‌های Embedding
  • 69. ارزیابی کیفیت Embeddings
  • 70. مقدمه‌ای بر Prompt Engineering
  • 71. اصول طراحی Promptهای مؤثر
  • 72. تکنیک‌های Prompt Engineering (Few-shot, Zero-shot)
  • 73. Prompting برای وظایف مختلف (تولید، خلاصه‌سازی، پرسش و پاسخ)
  • 74. Prompt Chaining و ترکیب Promptها
  • 75. ارزیابی و بهبود Promptها
  • 76. مقدمه‌ای بر معماری‌های پیشرفته RAG
  • 77. RAG مبتنی بر گراف دانش
  • 78. RAG برای داده‌های چندرسانه‌ای
  • 79. RAG پویا و تطبیقی
  • 80. استفاده از LLMs پیشرفته در RAG
  • 81. بهبود مکانیزم بازیابی با یادگیری تقویتی
  • 82. پردازش زبان طبیعی در چارچوب فقه اسلامی
  • 83. کاربرد هوش مصنوعی در استنباط احکام شرعی
  • 84. تحلیل متون فقهی با مدل‌های زبانی
  • 85. استخراج قواعد فقهی از متون
  • 86. سامانه‌های پرسش و پاسخ شرعی
  • 87. ملاحظات شرعی در استفاده از داده‌ها
  • 88. امنیت و حریم خصوصی در سامانه‌های شرعی
  • 89. اصول بانکداری بدون ربا در ایران
  • 90. مفاهیم عقود اسلامی در نظام بانکی
  • 91. نقش هوش مصنوعی در بهینه‌سازی خدمات بانکی اسلامی
  • 92. پیش‌بینی ریسک اعتباری با مدل‌های هوش مصنوعی
  • 93. تشخیص تقلب در تراکنش‌های بانکی
  • 94. کاربرد LLMs در ارائه مشاوره‌های مالی اسلامی
  • 95. مقررات بانک مرکزی در حوزه رمزارزها
  • 96. ملاحظات شرعی در معاملات رمزارز
  • 97. تحلیل ریسک و فرصت‌های سرمایه‌گذاری در رمزارز
  • 98. امنیت کیف پول‌های دیجیتال
  • 99. کاربرد هوش مصنوعی در مدیریت پورتفوی رمزارز
  • 100. مقدمه‌ای بر خانواده ایرانی-اسلامی
تگ‌ها: RAG بازیابی افزوده پایگاه دانش پردازش زبان طبیعی توسعه سیستم هوشمند سامانه پرسش و پاسخ مدل زبانی بزرگ هوش مصنوعی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.