کتاب RAG برای چت‌بات‌ها: پیاده‌سازی نسل افزوده با بازیابی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره RAG برای چت‌بات‌ها: پیاده‌سازی نسل افزوده با بازیابی

موضوع کلی: هوش مصنوعی

موضوع میانی: پردازش زبان طبیعی (NLP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر RAG و چت‌بات‌ها
• 2. چرا RAG؟ محدودیت‌های مدل‌های زبانی بزرگ (LLM)
• 3. معماری کلی سیستم RAG
• 4. بازیابی اطلاعات: مفاهیم کلیدی
• 5. بردارسازی (Vectorization): تبدیل متن به بردار
• 6. Embedding Models: انواع و کاربردها
• 7. انتخاب مدل Embedding مناسب
• 8. ایجاد پایگاه دانش برداری (Vector Database)
• 9. معرفی پایگاه‌های دانش برداری محبوب (Pinecone, Chroma, FAISS)
• 10. نحوه لود و ایندکس‌کردن داده‌ها در پایگاه دانش برداری
• 11. استراتژی‌های تقسیم‌بندی متن (Chunking Strategies)
• 12. بهینه‌سازی اندازه Chunkها برای بازیابی بهتر
• 13. شباهت (Similarity) و اندازه‌گیری فاصله: Cosine Similarity, Euclidean Distance
• 14. روش‌های جستجوی برداری (Nearest Neighbor Search)
• 15. بازیابی اسناد مرتبط: الگوریتم‌ها و تکنیک‌ها
• 16. ارزیابی کیفیت بازیابی (Evaluation Metrics)
• 17. نسل پاسخ: LLM و Prompt Engineering
• 18. طراحی Promptهای مؤثر برای RAG
• 19. تکنیک‌های Prompting: Few-shot Learning, Chain-of-Thought
• 20. مدیریت Context Window در LLM
• 21. ترکیب اسناد بازیابی شده با Prompt
• 22. بهینه‌سازی LLM برای پاسخ‌دهی دقیق‌تر
• 23. ارزیابی کیفیت پاسخ (Evaluation Metrics)
• 24. معماری‌های پیشرفته RAG: HyDE, REALM
• 25. استفاده از Metadata برای بهبود بازیابی
• 26. فیلتر کردن و رتبه‌بندی نتایج بازیابی
• 27. بهینه‌سازی سرعت و مقیاس‌پذیری RAG
• 28. استفاده از Cache برای کاهش تأخیر
• 29. پیاده‌سازی RAG با Python و LangChain
• 30. معرفی LangChain: مفاهیم و کامپوننت‌ها
• 31. ساخت یک چت‌بات ساده با RAG و LangChain
• 32. استفاده از LangChain برای مدیریت پایگاه دانش برداری
• 33. استفاده از LangChain برای طراحی Prompt و LLM
• 34. عیب‌یابی و رفع اشکال RAG
• 35. خطاهای رایج و راه‌حل‌ها
• 36. بهبود مستمر RAG: Iterative Development
• 37. مانیتورینگ و Log کردن سیستم RAG
• 38. استفاده از RAG در سناریوهای مختلف (پرسش و پاسخ، خلاصه‌سازی، تولید محتوا)
• 39. RAG برای داده‌های ساخت‌یافته (Structured Data)
• 40. RAG برای داده‌های چندرسانه‌ای (Multimodal Data)
• 41. امنیت در RAG: جلوگیری از حملات Prompt Injection
• 42. RAG و حریم خصوصی داده‌ها
• 43. مقایسه RAG با Fine-tuning
• 44. انتخاب بین RAG و Fine-tuning
• 45. ترکیب RAG و Fine-tuning
• 46. آینده RAG و تحقیقات جدید