توضیحات
Gen AI – RAG Application Development using LlamaIndex، دوره آموزش هوش مصنوعی مولد – توسعه برنامه RAG با استفاده از LlamaIndex توسط آکادمی یودمی منتشر شده است. این دوره از Open AI GPT و Google Gemini APIها، چارچوب LlamaIndex LLM و پایگاههای داده برداری مانند ChromaDB و Pinecone استفاده میکند و در نظر گرفته شده است تا به شما کمک کند چگونه برنامههای LLM RAG را از طریق جلسات مفهومی و عملی جامد بسازید. این دوره تمام جنبه های اساسی برای یادگیری برنامه ها و چارچوب های LLM RAG مانند Agents، Tools، QueryPipelines، Retrievers، Query Engines را به شیوه ای واضح و واضح پوشش می دهد. همچنین در مفاهیم جاسازیهای زبانی و پایگاههای داده برداری به شما کمک میکند تا جستجوی معنایی کارآمد و برنامههای RAG مبتنی بر شباهت معنایی را توسعه دهید. ما همچنین چندین تکنیک مهندسی سریع را پوشش خواهیم داد که به کارآمدتر کردن برنامه های RAG شما کمک می کند.
آنچه خواهید آموخت
- اصول توسعه برنامه LLM RAG
- استفاده از Open AI GPT API برای توسعه برنامه های RAG
- مهندسی سریع – دستورهای بهینه شده را برای برنامه RAG خود بنویسید
- استفاده از LlamaIndex Query Engines، Retrievers و Query Pipelines
- ساخت حافظه مکالمه
- استفاده از اتصال دهنده های داده
- ساخت عوامل و ابزارهای هوشمند
- جاسازی های زبان و پایگاه های داده برداری
- کار با پایگاه های داده SQL
- کار با داده های ساختاریافته و فریم های داده در RAG
این دوره برای چه کسانی مناسب است
- توسعه دهندگان نرم افزاری که مشتاق استفاده از قدرت LLM برای ساخت برنامه های Gan AI RAG به عنوان بخشی از پروژه و محصولات خود هستند.
- توسعه دهندگان نرم افزار به دنبال خودکارسازی فرآیندهای مهندسی نرم افزار خود با استفاده از هوش مصنوعی مولد هستند
مشخصات دوره Gen AI – RAG Application Development using LlamaIndex
- ناشر : Udemy
- مدرس : Manas Dasgupta
- زبان: انگلیسی
- سطح آموزش: مقدماتی
- تعداد دروس: 20
- مدت زمان آموزش: 7 ساعت و 23 دقیقه
سر فصل های دوره در تاریخ 8-2024

پیش نیاز های دوره
- Some Python background
تصاویر

فیلم نمونه
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
2.79 گیگابایت












































