Oreilly – A Simple Guide to Retrieval Augmented Generation, Video Edition 2025-6

در تاریخ: 1404/05/17 3:00:03

توضیحات

دوره A Simple Guide to Retrieval Augmented Generation, Video Edition. این دوره یک مرور جامع و قابل درک از مفهوم Retrieval Augmented Generation (RAG) ارائه می‌دهد که برای مبتدیان طراحی شده است. RAG با ترکیب داده‌های یک مدل زبانی بزرگ (LLM) و اطلاعات بازیابی شده از پایگاه دانش خارجی، به سوالات تخصصی، اطلاعات به‌روز و مکالمات پویا پاسخ می‌دهد. این دوره با توضیح پایپ لاین های ایندکس‌سازی و تولید، از مبانی RAG تا روش‌های پیشرفته‌تر مانند کار با داده‌های چندوجهی (تصاویر، صفحات گسترده و غیره) پیش می‌رود. در این راهنما، یاد می‌گیرید که چگونه RAG با بازیابی اطلاعات مرتبط از منابعی مانند پایگاه داده وکتور یا اسناد سازمانی، پاسخ‌های دقیق‌تری تولید می‌کند و از خطاهای رایج مدل جلوگیری می‌نماید. همچنین، با استفاده از مثال‌های عملی در پایتون و ابزارهایی مانند LangChain، یک سیستم RAG کامل را پیاده‌سازی خواهید کرد. این دوره به گونه‌ای طراحی شده که حتی افراد تازه‌وارد به حوزه هوش مصنوعی نیز بتوانند به راحتی مفاهیم و کاربردهای RAG را درک و اجرا کنند.

آنچه فرا خواهید گرفت

اجزای یک سیستم RAG: شما با اجزای اصلی یک سیستم RAG و نحوه کاربرد آن‌ها آشنا می‌شوید.
نحوه ایجاد یک پایگاه دانش RAG: یاد می‌گیرید چگونه یک پایگاه دانش برای سیستم RAG خود ایجاد کنید.
پایپ لاین ایندکس‌سازی و تولید: با نحوه عملکرد پایپ لاین Indexing و Generation آشنا می‌شوید.
ارزیابی یک سیستم RAG: نحوه ارزیابی عملکرد و دقت یک سیستم RAG را فرا می‌گیرید.
استراتژی‌های پیشرفته RAG: با استراتژی‌های پیشرفته‌تر برای بهبود RAG آشنا می‌شوید.
ابزارها، فناوری‌ها و فریم‌ورک‌های RAG: ابزارها و فریم‌ورک‌های مهم برای پیاده‌سازی RAG مانند LangChain را می‌شناسید.
ایجاد یک سیستم کامل: با راهنمایی‌های گام به گام، یک سیستم RAG کامل را خودتان می‌سازید.

این دوره مناسب افرادیست که

دانشمندان داده، مهندسان و مدیران فناوری: برای این افراد، هیچ تجربه قبلی در زمینه LLM لازم نیست.
مبتدیان در حوزه هوش مصنوعی: افرادی که به تازگی وارد دنیای هوش مصنوعی شده‌اند و می‌خواهند با مفاهیم RAG آشنا شوند.