کتاب پیاده‌سازی سامانه‌های هوشمند مبتنی بر پایگاه‌داده‌های برداری و مدل‌های زبانی بزرگ (LLM) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی سامانه‌های هوشمند مبتنی بر پایگاه‌داده‌های برداری و مدل‌های زبانی بزرگ (LLM)

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: مهندسی داده و سامانه‌های بازیابی اطلاعات

📋 سرفصل‌های دوره

  • 1. مبانی مهندسی داده در عصر هوش مصنوعی
  • 2. معماری سامانه‌های بازیابی اطلاعات مدرن
  • 3. مفاهیم پایه بردارها و فضای برداری در یادگیری ماشین
  • 4. آشنایی با مدل‌های زبانی بزرگ و کاربردهای آن‌ها
  • 5. مراحل پیش‌پردازش متن برای مدل‌های زبانی
  • 6. روش‌های تبدیل متن به بردار (Embedding)
  • 7. معرفی پایگاه‌داده‌های برداری و نقش آن‌ها در هوش مصنوعی
  • 8. مقایسه پایگاه‌داده‌های رابطه‌ای و برداری
  • 9. اصول ذخیره‌سازی داده‌های غیرساختاریافته
  • 10. روش‌های جستجوی شباهت در فضای برداری
  • 11. الگوریتم‌های همسایگی نزدیک تقریبی (ANN)
  • 12. بررسی شاخص‌گذاری HNSW در پایگاه‌داده‌های برداری
  • 13. مدیریت حافظه و بهینه‌سازی پرس‌وجوهای برداری
  • 14. مفهوم بازیابی تقویت‌شده با تولید (RAG)
  • 15. معماری پیاده‌سازی سامانه‌های RAG
  • 16. چالش‌های بازیابی اطلاعات در مدل‌های زبانی
  • 17. روش‌های افزایش دقت بازیابی و رتبه‌بندی نتایج
  • 18. ارزیابی عملکرد سامانه‌های بازیابی اطلاعات
  • 19. استفاده از کتابخانه‌های متن‌باز برای مدیریت بردارها
  • 20. کار با ابزارهای مدیریت پایگاه‌داده برداری مانند Milvus
  • 21. کار با ابزارهای مدیریت پایگاه‌داده برداری مانند Qdrant
  • 22. کار با ابزارهای مدیریت پایگاه‌داده برداری مانند Chroma
  • 23. یکپارچه‌سازی مدل‌های زبانی با پایگاه‌داده‌های برداری
  • 24. مهندسی پرامپت در سامانه‌های مبتنی بر RAG
  • 25. تکنیک‌های افزایش دقت پاسخ‌دهی مدل‌های زبانی
  • 26. مدیریت تاریخچه گفتگو در سامانه‌های هوشمند
  • 27. امنیت و حریم خصوصی در سامانه‌های داده‌محور
  • 28. ملاحظات اخلاقی و انطباق با قوانین بومی در هوش مصنوعی
  • 29. روش‌های کاهش توهم در مدل‌های زبانی
  • 30. مدیریت داده‌های حجیم در مقیاس صنعتی
  • 31. استقرار سامانه‌های هوشمند در محیط‌های عملیاتی
  • 32. نظارت بر عملکرد و سلامت سامانه‌های بازیابی اطلاعات
  • 33. به‌روزرسانی دانش سامانه با داده‌های جدید
  • 34. چالش‌های مقیاس‌پذیری در پایگاه‌داده‌های برداری
  • 35. استفاده از مدل‌های زبانی بومی در سامانه‌های پردازش متن
  • 36. بهینه‌سازی مصرف منابع در پردازش بردارها
  • 37. پیاده‌سازی سامانه‌های پرسش و پاسخ هوشمند
  • 38. تحلیل مستندات متنی در مقیاس بزرگ
  • 39. آینده سامانه‌های بازیابی اطلاعات هوشمند
  • 40. پروژه نهایی: طراحی و پیاده‌سازی یک سامانه بازیابی دانش‌بنیان
تگ‌ها: LLM بازیابی اطلاعات پایگاه داده برداری پردازش متن علم داده مدل‌های زبانی بزرگ مهندسی داده هوش مصنوعی هوش مصنوعی مولد یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.