توضیحات
دوره Redis Vector Store and RAG. این دوره آموزشی به یادگیری نحوه ساخت سیستمهای هوش مصنوعی پیشرفته با استفاده از پایگاه داده برداری ردیس و تکنیک تولید افزوده بازیابی میپردازد. برنامههای کاربردی هوش مصنوعی امروزی به شدت به پایگاههای داده برداری و جستجوی معنایی وابسته هستند تا بتوانند دانش مورد نیاز خود را به شکلی کارآمد بازیابی کنند. در این دوره آموزشی، فراگیران یاد میگیرند که چگونه با استفاده از پایگاه داده برداری ردیس (Redis) و تکنیک تولید افزوده بازیابی (RAG)، سیستمهای هوش مصنوعی قدرتمندی را طراحی و پیادهسازی کنند. این دوره یک رویکرد عملی و کاربردی برای درک نحوه ذخیرهسازی و بازیابی اطلاعات توسط برنامههای مدرن هوش مصنوعی با بهرهگیری از بردارهای جاسازیشده (Vector Embeddings) ارائه میدهد. شرکتکنندگان یاد خواهند گرفت که چگونه اسناد مختلف را به بردارهای معنایی تبدیل کنند، آنها را در پایگاه داده ردیس ذخیره نمایند و جستجوی شباهت برداری با کارایی بالا را انجام دهند. مباحث آموزشی با بررسی اصول پایهای بردارهای جاسازیشده، پایگاههای داده برداری و جستجوی معنایی آغاز میشود. سپس نحوه استفاده از استک ردیس (Redis Stack) و کتابخانه مرتبط برای ایجاد و مدیریت نمایهسازی برداری آموزش داده میشود. در ادامه، یک خط لوله کامل تولید افزوده بازیابی (RAG) ساخته میشود که در آن ردیس مرتبطترین اطلاعات را بازیابی کرده و یک مدل زبانی بزرگ (LLM)، پاسخهای دقیق را بر اساس آن زمینه تولید میکند. در طول این دوره، نمونههای واقعی و کاربردی با استفاده از زبان برنامهنویسی پایتون پیادهسازی میشوند که شامل پردازش اسناد، ذخیرهسازی برداری، جستجوی شباهت و پاسخگویی به سوالات مبتنی بر هوش مصنوعی است. در پایان این دوره، فراگیران به درک کاملی از نحوه عملکرد سیستمهای مدرن هوش مصنوعی مانند چتجیپتی با پایگاههای دانش سفارشی پشت صحنه دست خواهند یافت و مهارتهای عملی لازم برای ساخت سیستمهای جستجو و دانش مقیاسپذیر را کسب خواهند کرد.
آنچه فرا خواهید گرفت
- آشنایی با بردارهای جاسازیشده: درک نحوه عملکرد بردارهای جاسازیشده و نقش آنها در فعالسازی جستجوی معنایی در برنامههای هوش مصنوعی.
- ساخت پایگاه داده برداری: یادگیری نحوه ساخت پایگاه داده برداری ردیس از صفر با استفاده از استک ردیس و زبان پایتون.
- اجرای جستجوی شباهت برداری: پیادهسازی جستجوی شباهت برداری با استفاده از ردیس و نمایهسازی برای بازیابی سریع معنایی.
- ساخت خط لوله تولید افزوده بازیابی: ایجاد یک خط لوله کامل تولید افزوده بازیابی (RAG) با استفاده از فروشگاه برداری ردیس و مدلهای زبانی بزرگ.
- پردازش اسناد و پاسخگویی: پیادهسازی نمونههای عملی پردازش اسناد و پاسخ به سوالات هوشمند با پایتون.
این دوره مناسب افرادیست که
- توسعهدهندگان بکاند: برنامهنویسانی که علاقهمند به پیادهسازی جستجوی معنایی و سیستمهای تولید افزوده بازیابی (RAG) هستند.
- مهندسان هوش مصنوعی: متخصصانی که میخواهند پایگاههای داده برداری را در پروژههای هوش مصنوعی خود به کار بگیرند.
- توسعهدهندگان پایتون: افرادی که به دنبال ارتقای مهارتهای خود در ساخت برنامههای کاربردی هوش مصنوعی هستند.
مشخصات دوره Redis Vector Store and RAG
- ناشر: Udemy
- مدرس: Pritesh Mistry
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 2 ساعت و 7 دقیقه
- تعداد دروس: 35
سرفصل های دوره
پیشنیازهای دوره Redis Vector Store and RAG
- Basic understanding of Python programming will be helpful.
تصاویر دوره
نمونه فیلم دوره
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 720p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
693 مگابایت
