فلش‌کارت‌های آموزشی ساخت ربات‌های پرسش و پاسخ هوشمند با استفاده از پردازش زبان طبیعی و تکنیک‌های بازیابی اطلاعات

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت ربات‌های پرسش و پاسخ هوشمند با استفاده از پردازش زبان طبیعی و تکنیک‌های بازیابی اطلاعات

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: توسعهٔ سامانه‌های هوشمند مبتنی بر مدل‌های زبانی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و پردازش زبان طبیعی
• 2. مبانی مدل‌های زبانی بزرگ
• 3. آشنایی با معماری ترنسفورمر
• 4. روش‌های پیش‌پردازش متن
• 5. توکن‌سازی و ساخت واژگان
• 6. تعبیه‌های کلمه و جمله
• 7. مدل‌های زبانی پیش‌رونده (Language Models)
• 8. آشنایی با LlamaIndex
• 9. نصب و پیکربندی LlamaIndex
• 10. بارگذاری و پردازش اسناد
• 11. شاخص‌گذاری اسناد برای بازیابی
• 12. انواع شاخص‌ها در LlamaIndex
• 13. بازیابی اطلاعات از اسناد شاخص‌گذاری شده
• 14. ساخت ربات پرسش و پاسخ مبتنی بر اسناد
• 15. مقدمه‌ای بر تکنیک‌های بازیابی اطلاعات
• 16. روش‌های بازیابی معنایی (Semantic Search)
• 17. بازیابی مبتنی بر بردار (Vector Search)
• 18. مفهوم بازیابی افزوده (Retrieval Augmented Generation - RAG)
• 19. معماری RAG
• 20. مزایای RAG برای ساخت چت‌بات‌ها
• 21. پیاده‌سازی RAG با LlamaIndex
• 22. اتصال به مدل‌های زبانی مختلف
• 23. آشنایی با Nvidia NIM
• 24. نصب و استفاده از Nvidia NIM
• 25. استقرار مدل‌های زبانی در NIM
• 26. اتصال LlamaIndex به NIM
• 27. مقدمه‌ای بر Streamlit
• 28. نصب و راه‌اندازی Streamlit
• 29. ساخت رابط کاربری برای چت‌بات
• 30. نمایش پرسش و پاسخ در Streamlit
• 31. مدیریت تاریخچه گفتگو
• 32. ذخیره‌سازی و بارگذاری گفتگوها
• 33. تنظیمات پیشرفته در LlamaIndex
• 34. استفاده از انواع مختلف Query Engines
• 35. مدیریت پاسخ‌های پیچیده
• 36. ارزیابی عملکرد چت‌بات
• 37. معیارهای ارزیابی کیفیت پاسخ‌ها
• 38. بهبود دقت بازیابی اطلاعات
• 39. بهبود کیفیت پاسخ‌های تولیدی
• 40. مدیریت اسناد حجیم و پیچیده
• 41. تکنیک‌های خلاصه‌سازی متن
• 42. استفاده از مدل‌های خلاصه‌سازی
• 43. یکپارچه‌سازی خلاصه‌سازی با RAG
• 44. مدیریت انواع مختلف فایل‌ها (PDF, TXT, DOCX)
• 45. پردازش تصاویر در اسناد
• 46. استخراج اطلاعات از جداول
• 47. استفاده از ابزارهای OCR
• 48. کاربرد هوش مصنوعی در تحلیل داده
• 49. مقدمه‌ای بر مفاهیم داده‌کاوی
• 50. تکنیک‌های خوشه‌بندی داده‌ها
• 51. تکنیک‌های طبقه‌بندی داده‌ها
• 52. تحلیل احساسات متن
• 53. کاربرد هوش مصنوعی در مدیریت دانش
• 54. ساخت پایگاه دانش هوشمند
• 55. سیستم‌های توصیه‌گر
• 56. مقدمه‌ای بر یادگیری تقویتی
• 57. کاربرد یادگیری تقویتی در ربات‌ها
• 58. اخلاق در هوش مصنوعی
• 59. مسائل حریم خصوصی در هوش مصنوعی
• 60. امنیت سامانه‌های هوش مصنوعی
• 61. ملاحظات قانونی و شرعی در توسعه سامانه‌های هوش مصنوعی
• 62. قوانین مربوط به داده‌ها در ایران
• 63. ضوابط استفاده از هوش مصنوعی در ایران
• 64. مقایسه مدل‌های زبانی مختلف
• 65. مدل‌های متن‌باز در مقابل مدل‌های تجاری
• 66. آشنایی با آخرین پیشرفت‌ها در مدل‌های زبانی
• 67. کاربرد مدل‌های زبانی در تولید محتوا
• 68. تولید کد با استفاده از مدل‌های زبانی
• 69. ترجمه ماشینی با مدل‌های زبانی
• 70. تحلیل و پردازش اسناد حقوقی
• 71. پردازش اسناد پزشکی
• 72. کاربرد در آموزش مجازی
• 73. ساخت دستیارهای هوشمند شخصی
• 74. توسعه چت‌بات‌های سازمانی
• 75. مقدمه‌ای بر معماری‌های مدرن هوش مصنوعی
• 76. یادگیری عمیق و شبکه‌های عصبی
• 77. شبکه‌های عصبی کانولوشنال (CNN)
• 78. شبکه‌های عصبی بازگشتی (RNN)
• 79. شبکه‌های عصبی ترنسفورمر (Transformer)
• 80. مفهوم Embeddings پیشرفته
• 81. مدل‌های زبانی چندوجهی (Multimodal Models)
• 82. کاربرد مدل‌های چندوجهی
• 83. استفاده از APIهای مدل‌های زبانی
• 84. مدیریت خطا و استثنائات در توسعه
• 85. تست و دیباگ کردن سامانه‌های هوش مصنوعی
• 86. استقرار چت‌بات در محیط عملیاتی
• 87. مانیتورینگ و نگهداری چت‌بات
• 88. مقیاس‌پذیری سامانه‌های هوش مصنوعی
• 89. بهینه‌سازی عملکرد و سرعت
• 90. فشرده‌سازی مدل‌های زبانی
• 91. تکنیک‌های کوانتیزاسیون مدل‌ها
• 92. جمع‌بندی و چشم‌انداز آینده هوش مصنوعی
• 93. پروژه‌های عملی و کاربردی
• 94. مقدمه‌ای بر توسعه نرم‌افزار با رویکرد هوش مصنوعی
• 95. اصول طراحی سامانه‌های هوشمند
• 96. تکنیک‌های بهبود تجربه کاربری در چت‌بات‌ها
• 97. بازخورد کاربران و بهبود مستمر
• 98. نقش هوش مصنوعی در تحول دیجیتال
• 99. کاربردهای نوین هوش مصنوعی در صنایع مختلف
• 100. چالش‌های پیاده‌سازی هوش مصنوعی در سازمان‌ها