توضیحات
دوره RAG Architecture: Production-Grade Retrieval Systems. این دوره آموزشی یک برنامه جامع برای مهندسی و پیادهسازی سیستمهای تولید تقویتشده با بازیابی (RAG) در مقیاس عملیاتی و سازمانی است که به توسعهدهندگان کمک میکند تا مدلهای زبانی را با دقت بالا، امنیت کامل و هزینه قابل پیشبینی به اسناد و دانش داخلی سازمان متصل کنند. مدلهای زبانی بزرگ در برخورد با دانش سازمانی دچار ضعفهای جدی میشوند؛ آنها اطلاعات نادرست تولید میکنند، دانش آنها محدود به زمان آموزش است و سطوح دسترسی را نادیده میگیرند. این دوره آموزشی با استفاده از هوش مصنوعی طراحی شده است و به فراگیران میآموزد که چگونه سیستمهای تولید تقویتشده با بازیابی (RAG) را در سطح عملیاتی و تجاری بسازند تا به پرسشها بر اساس اسناد سازمان پاسخ دهند؛ سیستمهایی که دارای ارجاع دقیق به منابع، کنترل دسترسی، کیفیت قابل اندازهگیری و هزینههای قابل پیشبینی هستند. در طول ۱۳ بخش و ۵۳ درس (شامل ۹ ساعت ویدیوی آموزشی)، شرکتکنندگان خط لوله کامل RAG را طراحی میکنند که شامل دریافت و پیشپردازش اسناد، استراتژیهای قطعه قطعه کردن متن (Chunking)، نمایشهای برداری و Embeddings، پایگاههای داده برداری و نمایهسازی، جستجوی ترکیبی (Hybrid Search) در میان روشهای متراکم، پراکنده و رتبهبندی مجدد، مهندسی پرامپت برای تولید پاسخهای مستند و ارزیابی دقیق وفاداری، ارتباط و بازیابی اطلاعات است. پس از آن، مباحث انتقال به محیط عملیاتی شامل بودجهبندی تاخیر، مدلهای هزینه، الگوهای مقیاسپذیری، برنامهریزی ظرفیت و تست بار بررسی میشود. علاوه بر موارد فنی، این دوره بخشهایی را پوشش میدهد که در اکثر دورهها نادیده گرفته میشوند: امنیت، حاکمیت داده و انطباق با قوانین. فراگیران یاد میگیرند که کنترل دسترسی را به گونهای پیادهسازی کنند که در فرآیند بازیابی حفظ شود، در برابر تزریق پرامپت و نشت داده دفاع کنند، فرآیندهای نگهداری، حذف و حسابرسی دادهها را مدیریت کرده و دستورالعملهای تست نفوذ (Red-team) را اجرا نمایند. تمامی مفاهیم با کدهای عملی Python روی صفحه نمایش داده میشوند که شامل سه درس نمایش زنده کامل است و در پروژه پایانی، شرکتکنندگان یک سیستم RAG عملیاتی کامل را همراه با بررسی آمادگی تولید طراحی میکنند. این دوره بر اساس کتاب «معماری RAG: طراحی سیستمهای بازیابی در سطح عملیاتی» تدوین شده است و به جای تکیه بر تبلیغات، انتخاب استراتژیها را بر پایه شواهد و معیارهای واقعی آموزش میدهد.
آنچه فرا خواهید گرفت
- تشریح دلایل شکست مدلهای زبانی خام در مواجهه با دانش خصوصی، بهروز و دارای سطوح دسترسی سازمانی
- طراحی خط لوله کامل RAG شامل دریافت داده، قطعه قطعه کردن متن، Embeddings، نمایهسازی، بازیابی ترکیبی، رتبهبندی مجدد، تولید مستند و ارزیابی
- انتخاب استراتژیهای قطعه قطعه کردن متن، Embedding، پایگاه داده برداری و نمایهسازی بر اساس شواهد واقعی به جای نمایشهای تبلیغاتی
- اعمال کنترل دسترسی، نگهداری دادهها، حذف اطلاعات و قابلیت حسابرسی در سیستمهای بازیابی
- اندازهگیری شاخصهای کلیدی شامل وفاداری پاسخ، ارتباط، میزان بازیابی، تاخیر و هزینه به ازای هر پاسخ موفق
- تدوین یک برنامه جامع آمادگی برای محیط عملیاتی جهت راهاندازی یک سیستم RAG سازمانی واقعی
این دوره مناسب افرادیست که
- مهندسان نرمافزاری که قابلیتهای هوش مصنوعی را بر بستر اسناد و سیستمهای سازمانی توسعه میدهند
- معماران هوش مصنوعی و یادگیری ماشین (AI/ML) که لایههای بازیابی، جستجو و دانش عاملهای هوشمند را طراحی میکنند
- مهندسان پلتفرم که مسئولیت جستجوی برداری، نمایهسازی و زیرساختهای هوش مصنوعی را بر عهده دارند
- مدیران و رهبران فناوری که به یک برنامه فنی قابل دفاع برای پیادهسازی RAG در محیط عملیاتی نیاز دارند
مشخصات دوره RAG Architecture: Production-Grade Retrieval Systems
- ناشر: Udemy
- مدرس: Naveen Kumar Josyula
- سطح آموزش: مبتدی تا پیشرفته
- مدت زمان آموزش: 9 ساعت
- تعداد دروس: 53
سرفصل های دوره

پیشنیازهای دوره RAG Architecture: Production-Grade Retrieval Systems
- Comfort reading Python and basic API/code examples
- General familiarity with LLMs, prompts, and embeddings is helpful but not required
- No prior vector database experience required
تصاویر دوره

نمونه فیلم دوره
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
1.7 گیگابایت









































![Mastering ChatGPT Work and GPT-6 Astra [2026]](https://downloadly.ir/wp-content/uploads/2026/11/Mastering-ChatGPT-Work-and-GPT-6-Astra-2026.jpeg)



