LinkedIn – GraphRAG Essential Training 2025-7

در تاریخ: 1404/05/19 4:14:36

توضیحات

دوره GraphRAG Essential Training. این آموزش یک دوره مقدماتی است که اصول تکنیک پیشرفته GraphRAG (تولید مبتنی بر بازیابی گراف) را معرفی می‌کند. این تکنیک با ترکیب گراف‌های دانش و هوش مصنوعی مولد، دقت و ارتباط متنی را در برنامه‌های هوش مصنوعی بهبود می‌بخشد. این دوره برای متخصصان و دانشجویانی طراحی شده که می‌خواهند با مفاهیم پایه‌ای مانند ساختار گراف‌ها، گره‌ها، یال‌ها و روابط آشنا شوند. همچنین، مهارت‌های عملی مانند ساخت و پیکربندی مدل‌های GraphRAG را از طریق تمرین‌های کاربردی و مثال‌های واقعی آموزش می‌دهد. شرکت‌کنندگان یاد می‌گیرند چگونه این تکنیک را در گردش کارهای موجود ادغام کنند تا برنامه‌های هوش مصنوعی مبتنی بر داده ایجاد نمایند. در پایان دوره، توانایی شناسایی موارد استفاده و پیاده‌سازی مؤثر GraphRAG در یک پایپ لاین هوش مصنوعی مولد را کسب خواهید کرد.

آنچه فرا خواهید گرفت

فهم کامل از GraphRAG: درک نحوه جلوگیری از hallucination در برنامه‌های هوش مصنوعی مولد و یادگیری نقش گراف‌های دانش در این فرآیند.
مفاهیم پایه گراف: آموزش مفاهیم اصلی گراف‌ها، از جمله گره‌ها، روابط و ویژگی‌ها، و مقایسه آن‌ها با ساختارهای داده سنتی.
آشنایی با ابزارهای گراف: استفاده از پایگاه داده Neo4j، آشنایی با مرورگر آن و نوشتن کوئری‌های پایه Cypher.
ساخت گراف دانش: یادگیری نحوه ایجاد یک گراف دانش برای GraphRAG و استفاده از ابزارهایی مانند LangChain برای پر کردن آن با داده.
یکپارچه‌سازی با هوش مصنوعی مولد: ساخت یک خط لوله GraphRAG با LangChain برای کوئری گرفتن از داده‌ها و مقایسه نتایج GraphRAG با RAG مبتنی بر vector سنتی.
ساخت یک ربات پرسش و پاسخ: انجام یک پروژه عملی برای ساخت یک ربات پرسش و پاسخ با استفاده از GraphRAG.

این دوره مناسب افرادیست که

متخصصان هوش مصنوعی: افرادی که به دنبال بهبود دقت و ارتباط متنی برنامه‌های هوش مصنوعی مولد خود هستند.
توسعه‌دهندگان: کسانی که می‌خواهند تکنیک‌های پیشرفته AI را در گردش کارهای خود یکپارچه کنند.
دانشجویان: دانشجویان رشته‌های مرتبط با علوم کامپیوتر یا هوش مصنوعی که می‌خواهند مهارت‌های عملی در زمینه GenAI و گراف‌های دانش کسب کنند.
مهندسان داده: افرادی که به دنبال استفاده از گراف‌های دانش برای سازماندهی و تحلیل داده‌ها هستند.