توضیحات
Context Engineering Masterclass: LLMs, RAG & Agents دوره آموزشی طراحی و مدیریت زمینهای که سیستمهای مدرن هوش مصنوعی برای تولید نتایج دقیق، مرتبط و قابل اعتماد می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. این دوره که برای مهندسان هوش مصنوعی، توسعهدهندگان، دانشمندان داده و متخصصان ساخت برنامههای کاربردی هوش مصنوعی مولد طراحی شده است، به بررسی چگونگی ساختاردهی اطلاعات، اعلانها، دانش بازیابی شده، خروجیهای ابزار، حافظه و حالت عامل برای گردشهای کاری مؤثر LLM میپردازد. فراگیران با پنجرههای زمینه، ساخت اعلان، تولید افزوده بازیابی (RAG)، تعبیهها، استراتژیهای بازیابی، حافظه، فراخوانی ابزار و گردشهای کاری عامل کار خواهند کرد و در عین حال یاد میگیرند که چگونه اطلاعات نامربوط را کاهش داده و عملکرد هوش مصنوعی را بهبود بخشند.
اگر تا به حال با توهمات LLMها، نادیده گرفتن دستورالعملها یا از دست دادن اطلاعات در مکالمات طولانی دست و پنجه نرم کردهاید، مشکل معمولاً مدل نیست – بلکه زمینهای است که به آن میدهید. این دوره به شما میآموزد که چگونه به طور سیستماتیک زمینه را برای مدلهای زبانی بزرگ، سیستمهای RAG و عاملهای هوش مصنوعی طراحی، مونتاژ و بهینه کنید تا برنامههای شما در تولید به طور مداوم عمل کنند. چه در حال ساخت چتباتها، جستجوی مبتنی بر RAG یا عاملهای هوش مصنوعی خودکار باشید، با یک چارچوب عملی که میتوانید بلافاصله در پروژههای خود اعمال کنید، کنار خواهید آمد.
آنچه در دوره Context Engineering Masterclass: LLMs, RAG & Agents یاد خواهید گرفت:
- ساخت سیستمهای RAG سطح تولید با استفاده از تقسیم به بخش، جستجوی ترکیبی، رتبهبندی مجدد و فشردهسازی
- طراحی سیستمهای حافظه برای اپلیکیشنهای هوش مصنوعی، شامل حافظه کوتاهمدت، بلندمدت و حافظه عامل
- ارزیابی و بهبود کیفیت RAG با معیارها، حسابرسی زمینه و مشاهدهپذیری
- مهندسی زمینه برای عاملهای هوش مصنوعی با استفاده از قالبها، خروجیهای ابزار و مدیریت وضعیت چندمرحلهای
- بهکارگیری الگوهای تولید و سازمانی برای اپلیکیشنهای LLM مقیاسپذیر، امن و مقرونبهصرفه
- پیادهسازی استراتژیهای کش پرامپت که هزینههای API را تا ۹۰ درصد کاهش میدهند
- ساخت استانداردهای زمینه تیمی، گردشکارهای نسخهبندی و کتابخانههای قابلاستفاده مجدد زمینه
- و …
مشخصات دوره
ناشر: یودمی
مدرس: Paulo Dichone | Software Engineer, AWS Cloud Practitioner & Instructor
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 52
مدت زمان آموزش: 10 ساعت و 13 دقیقه
سرفصل های دوره
پیش نیازهای دوره Context Engineering Masterclass: LLMs, RAG & Agents
Basic familiarity with LLMs or generative AI tools such as ChatGPT, Claude, or an LLM API is recommended
Some programming experience (Python or JavaScript) helps with the practical implementation examples
No prior RAG or vector database experience is required; all concepts are explained from the ground up
تصاویر دوره
فیلم معرفی دوره Context Engineering Masterclass: LLMs, RAG & Agents
راهنمای نصب
پس از Extract، با Player دلخواه خود مشاهده کنید.
زیرنویس: ندارد
کیفیت: 1080p
لینک دانلود
گذرواژه فایل(ها): www.downloadly.ir
حجم فایل
9.7 گیگابایت
