Udemy – (English)RAG with Local LLMs: Ollama LangChain & ChromaDB 2026-9

در تاریخ: 1405/07/24 11:31:27

توضیحات

(English)RAG with Local LLMs: Ollama LangChain & ChromaDB دوره آموزشی برنامه‌های تولید تقویت‌شده با بازیابی (RAG) با استفاده از مدل‌های زبانی بزرگ می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. یاد می‌گیرید که سیستم‌های RAG چگونه بازیابی اسناد را با تولید زبان ترکیب می‌کنند تا پاسخ‌هایی مرتبط‌تر و آگاه از زمینه، بر اساس داده‌های خودتان، تولید کنند. این دوره Ollama را برای اجرای مدل‌های زبانی محلی، LangChain را برای هماهنگ‌سازی گردش‌کارهای بازیابی و تولید، و ChromaDB را برای ذخیره‌سازی و جستجوی embedding‌های برداری معرفی می‌کند. مفاهیم اساسی و مهمی مانند بارگذاری اسناد، تقسیم متن، تولید embedding، پایگاه‌های داده برداری، جستجوی معنایی، خط‌لوله‌های بازیابی و ساخت پرامپت را به‌طور کامل بررسی می‌کنید. از طریق پیاده‌سازی عملی و گام‌به‌گام، کشف می‌کنید که چگونه اسناد خود را به یک مدل هوش مصنوعی متصل کنید، اطلاعات مرتبط را بازیابی کنید و پاسخ‌هایی دقیق و مبتنی بر زمینه موجود تولید کنید.

همچنین درک عمیق‌تری از این موضوع به دست می‌آورید که راهکارهای هوش مصنوعی محلی چگونه می‌توانند از حریم خصوصی، سفارشی‌سازی و کنترل بیشتر بر برنامه‌های شما پشتیبانی کنند. چه یک توسعه‌دهنده پایتون باشید، چه علاقه‌مند به هوش مصنوعی، یا چه مهندس یادگیری ماشین آینده‌نگر، این دوره پایه‌ای محکم و عملی برای ساخت برنامه‌های کاربردی RAG با مدل‌های زبانی محلی و ابزارهای متن‌باز فراهم می‌کند. در طول دوره با تکنیک‌های پیشرفته‌تری مانند ارزیابی کیفیت بازیابی، مقایسه روش‌های مختلف جستجو از جمله BM25 و بازرتبه‌بندی، و ساخت یک برنامه پرسش‌وپاسخ تعاملی روی اسناد نیز آشنا می‌شوید که درک عمیق‌تری از کاربرد عملی این فناوری‌ها به شما می‌دهد و شما را برای ساخت پروژه‌های واقعی و حرفه‌ای در این حوزه آماده می‌سازد. این دوره مسیری روشن از مفاهیم پایه تا پیاده‌سازی یک سامانه کامل RAG ارائه می‌دهد.

آنچه در دوره (English)RAG with Local LLMs: Ollama LangChain & ChromaDB یاد خواهید گرفت:

اجرای مدل‌های تولید و embedding محلی با Ollama و فراخوانی آن‌ها از پایتون
توضیح embedding‌های جمله و محاسبه شباهت کسینوسی با NumPy
استخراج، پاک‌سازی و تقسیم متن با حفظ زمینه و متادیتای منبع
ساخت و به‌روزرسانی یک ایندکس پایدار از اسناد در ChromaDB
ترکیب یک retriever، پرامپت، مدل زبانی محلی و parser با LangChain و LCEL
و …

مشخصات دوره

ناشر: یودمی
مدرس: 達也山本
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 62
مدت زمان آموزش: 1 ساعت و 39 دقیقه

سرفصل های دوره

(English)RAG with Local LLMs: Ollama LangChain & ChromaDB

پیش نیازهای دوره (English)RAG with Local LLMs: Ollama LangChain & ChromaDB

Basic Python: variables, functions, imports and running a script.
Comfort with a terminal and installing development tools.
Python 3.12, Ollama and a computer suitable for local models; 16 GB RAM or more is recommended.
Allow at least 15 GB of free disk space, with additional space for optional models and your own documents.
An internet connection for initial package and model downloads. No paid cloud LLM API key is required.