کتاب طراحی و پیادهسازی سیستمهای پاسخگوی هوشمند با استفاده از LangGraph و LangServe با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره طراحی و پیادهسازی سیستمهای پاسخگوی هوشمند با استفاده از LangGraph و LangServe
موضوع کلی: علوم رایانه و هوش مصنوعی
موضوع میانی: توسعه سامانههای هوشمند مبتنی بر مدلهای زبانی (LLM)
📋 سرفصلهای دوره (100 موضوع)
- 1. مبانی و مفاهیم مدلهای زبانی بزرگ در کاربردهای هوش مصنوعی
- 2. معماری سیستمهای بازیابی اطلاعات و پاسخگویی هوشمند
- 3. آشنایی با کتابخانههای LangChain و LangGraph در محیط پایتون
- 4. نصب و راهاندازی محیط توسعه برای پروژههای هوش مصنوعی
- 5. مفاهیم پایه RAG و اهمیت بازیابی دانش در مدلهای زبانی
- 6. روشهای پیشپردازش و قطعهبندی متون فارسی برای مدلهای زبانی
- 7. کار با پایگاهدادههای برداری برای ذخیرهسازی و جستجوی معنایی
- 8. معرفی مدلهای Embedding و نحوه تبدیل متن به بردار
- 9. پیادهسازی الگوریتمهای جستجوی شباهت کسینوسی در فضای برداری
- 10. اصول طراحی گرافهای جریان کار با استفاده از LangGraph
- 11. مدیریت وضعیت و حافظه در عاملهای هوشمند مبتنی بر LangGraph
- 12. طراحی گرههای تصمیمگیرنده در فرآیندهای خودکار
- 13. پیادهسازی بازیابی چندمرحلهای برای ارتقای دقت پاسخها
- 14. تکنیکهای بهینهسازی پرسوجو برای افزایش کیفیت بازیابی
- 15. استفاده از سیستمهای رتبهبندی مجدد در نتایج بازیابی
- 16. طراحی ساختار پاسخگویی هوشمند با قابلیت ارجاع به منابع
- 17. پیادهسازی مکانیزمهای کنترل خطا و مدیریت استثناها در جریان کار
- 18. آشنایی با قابلیتهای LangServe برای انتشار مدلها
- 19. ایجاد و پیکربندی سرویسهای RESTful با استفاده از LangServe
- 20. یکپارچهسازی مدلهای زبانی محلی با رابطهای برنامهنویسی
- 21. تأمین امنیت در سامانههای پاسخگوی هوشمند مبتنی بر LLM
- 22. استراتژیهای نظارت بر عملکرد و ارزیابی کیفیت پاسخها
- 23. تکنیکهای جلوگیری از توهم مدل و افزایش وفاداری به متن مبنا
- 24. مدیریت منابع سختافزاری و بهینهسازی مصرف حافظه در مدلهای محلی
- 25. پیادهسازی سیستمهای گزارشگیری از لاگهای عملیاتی
- 26. توسعه واسط کاربری ساده برای تعامل با عاملهای هوشمند
- 27. مستندسازی و استقرار سامانههای هوشمند در شبکه داخلی
- 28. روشهای بهروزرسانی دانش در سیستمهای RAG
- 29. تجزیه و تحلیل رفتار عامل در سناریوهای پیچیده
- 30. اصول نگهداری و پشتیبانی از سرویسهای مبتنی بر هوش مصنوعی
تگها:
LangGraph
LangServe
RAG
برنامهنویسی هوش مصنوعی
پردازش متن
پیادهسازی عامل هوشمند
توسعه سیستمهای هوشمند
مدلهای زبانی بزرگ
هوش مصنوعی
یادگیری ماشین
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.