توضیحات
AI Engineering Fundamentals: Build LLM Apps RAG and Agents دوره آموزشی شناخت تکنیک‌های اصلی پشت برنامه‌های مدرن مبتنی بر LLM می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. اگر می‌خواهید قابلیت‌های هوش مصنوعی بسازید که مسائل واقعی را حل کنند، این دوره مسیری ساختاریافته پیش روی شما می‌گذارد. یاد می‌گیرید مدل‌های زبانی بزرگ را در نرم‌افزار یکپارچه کنید، با APIهای مدل کار کنید، پرامپت‌های مؤثر طراحی کنید و زمینه را مدیریت کنید. همچنین می‌بینید یک مدل زبانی چگونه متن را توکن‌به‌توکن تولید می‌کند و هر محصول هوش مصنوعی از چه لایه‌هایی ساخته شده است. فراخوانی مطمئن APIها با تاریخچه گفتگو، پخش جریانی، تلاش مجدد و نگهداری ایمن کلیدها، و اجرای مدل‌های باز به‌صورت محلی با Ollama را تمرین می‌کنید. پرامپت‌های سیستمی، پرامپت‌های استدلالی و قالب‌های نسخه‌دار می‌نویسید که از متن، تصویر و PDF خروجی JSON معتبر برمی‌گردانند، و هزاران سند را با اعتبارسنجی، مسیریابی بر اساس اطمینان و ادعاهای دارای منبع استخراج، دسته‌بندی و خلاصه می‌کنید.
در بخش RAG، شامل امبدینگ‌ها، جستجوی برداری، پردازش اسناد، خطوط بازیابی و اتصال مدل‌ها به دانش بیرونی، یک چت‌بات RAG روی PDFهای خودتان با پایگاه‌های داده برداری، جستجوی ترکیبی، بازرتبه‌بندی و ارجاع می‌سازید. سپس بازیابی و پاسخ‌ها را جداگانه می‌سنجید تا بدانید ضعف سیستم کجاست. سپس عامل‌های ابزارفراخوان و گردش‌کارهایی با حافظه، سقف گام، سقف هزینه و تأیید انسانی می‌سازید و یک عامل پژوهشگر با جستجوی وب پیاده می‌کنید. همچنین تصمیم می‌گیرید چه زمانی استفاده از چارچوب‌هایی مانند LangChain یا LlamaIndex ارزش دارد. برنامه‌های LLM را با مجموعه‌های ارزیابی، داور LLM بررسی‌شده و ارزیابی مسیر عامل در CI آزمایش می‌کنید. برای آماده‌سازی تولیدی، هر فراخوانی را ردیابی می‌کنید، داده‌های شخصی را حذف می‌کنید، تزریق پرامپت را مسدود می‌کنید و با کش، دسته‌بندی درخواست‌ها و مدل‌های کوچک‌تر هزینه را کاهش می‌دهید. پرامپت‌ها را نیز با بازخورد کاربران واقعی و آزمون A/B بهبود می‌دهید. در پایان، با MCP، سیستم‌های چندعاملی، تنظیم دقیق، صدا، تولید تصویر و عامل‌های کنترل رایانه آشنا می‌شوید و سبد سه پروژه را برنامه‌ریزی می‌کنید. این دوره برای سطح مبتدی مناسب است.
آنچه در دوره AI Engineering Fundamentals: Build LLM Apps RAG and Agents یاد خواهید گرفت:
- نگاشت هر محصول هوش مصنوعی بر لایه‌های یک برنامه LLM و توضیح اینکه یک مدل زبانی چگونه متن را توکن‌به‌توکن تولید می‌کند.
- فراخوانی مطمئن APIهای LLM با تاریخچه گفتگو، پخش جریانی، تلاش مجدد و کلیدهای API ذخیره‌شده به‌صورت ایمن، یا اجرای محلی مدل‌های باز با Ollama.
- نوشتن پرامپت‌های سیستمی، پرامپت‌های استدلالی و قالب‌های نسخه‌دار که از متن، تصویر و PDF خروجی JSON مطابق طرحواره برمی‌گردانند.
- استخراج، دسته‌بندی و خلاصه‌سازی هزاران سند با اعتبارسنجی، مسیریابی بر اساس اطمینان و ادعاهای دارای منبع.
- ساخت یک چت‌بات RAG روی PDFهای خودتان با پایگاه‌های داده برداری، جستجوی ترکیبی، بازرتبه‌بندی و ارجاع.
- ارزیابی RAG با سنجش جداگانه بازیابی و پاسخ‌ها.
- ساخت عامل‌ها و گردش‌کارهای ابزارفراخوان با حافظه، سقف گام، سقف هزینه و تأیید انسانی.
- ساخت یک عامل پژوهشگر با جستجوی وب و تصمیم‌گیری درباره اینکه چه زمانی چارچوب‌هایی مانند LangChain یا LlamaIndex ارزش استفاده دارند.
- آزمایش برنامه‌های LLM با مجموعه‌های ارزیابی، داور LLM بررسی‌شده، ارزیابی مسیر عامل و ارزیابی‌هایی که با هر تغییر در CI اجرا می‌شوند.
- ردیابی هر فراخوانی، حذف داده‌های شخصی، مسدود کردن تزریق پرامپت و کاهش هزینه با کش، دسته‌بندی درخواست‌ها و مدل‌های کوچک‌تر.
- بهبود پرامپت‌ها بر اساس کاربران واقعی با حلقه‌های بازخورد و آزمون‌های A/B.
- توضیح MCP، سیستم‌های چندعاملی، تنظیم دقیق، صدا، تولید تصویر و عامل‌های کنترل رایانه، و برنامه‌ریزی یک سبد سه‌پروژه‌ای.
- و …
مشخصات دوره
ناشر: یودمی
مدرس: Abay Assenov
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 61
مدت زمان آموزش: 6 ساعت و 4 دقیقه
سرفصل های دوره
پیش نیازهای دوره AI Engineering Fundamentals: Build LLM Apps RAG and Agents
A computer with Python 3 installed and an API key from one LLM provider (a few US dollars of credit is enough)
You can read simple Python: variables, functions, lists and dictionaries. Every line of course code is explained
No machine learning, math or framework experience needed
تصاویر دوره
فیلم معرفی دوره AI Engineering Fundamentals: Build LLM Apps RAG and Agents
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
3 گیگابایت
