توضیحات
دوره Text-to-SQL Spring AI Implementation with RAG. در دنیای امروز، ساخت برنامههای هوش مصنوعی بسیار محبوب شده است. برای توسعهدهندگان جاوا، بهترین انتخاب برای ساخت این برنامهها، استفاده از Spring AI است. برای یادگیری نحوه استفاده از Spring AI برای ساخت برنامههای هوش مصنوعی، نیاز به یک مثال عملی داریم. Text-to-SQL یک کاربرد معمول از هوش مصنوعی برای افزایش بهرهوری است. با استفاده از Text-to-SQL، افراد غیر فنی میتوانند با استفاده از زبان طبیعی، نیازمندیهای پرس و جو از پایگاه داده را توصیف کنند. این پرس و جوها به مدلهای زبانی بزرگ (LLM) ارسال میشوند. LLM میتواند عبارات SQL را برای پاسخ به پرس و جوهای کاربر تولید کند. همچنین، LLM میتواند از ابزارها برای اجرای عبارات SQL استفاده کند و نتایج پرس و جو را به کاربر بازگرداند. Text-to-SQL یک مثال خوب از کاربردهای هوش مصنوعی است.
آنچه که در دوره Text-to-SQL Spring AI Implementation with RAG فرا خواهید گرفت:
- چگونه از ChatClient برای ارسال درخواست به LLM و دریافت پاسخ استفاده کنیم.
- چگونه متادیتای پایگاه داده را استخراج کرده و آنها را در درخواست ارسال شده به LLM قرار دهیم.
- چگونه از مشاوران Spring AI برای رهگیری درخواستهای ChatClient برای پردازش درخواستها و پاسخها استفاده کنیم.
- چگونه از مدلهای Embedding و Vector Store برای پیادهسازی جستجوی معنایی در متادیتای پایگاه داده استفاده کنیم.
- چگونه از LLM برای تولید خلاصه جداول پایگاه داده و عبارات SQL استفاده کنیم.
- چگونه از LLM برای انتخاب مجدد خودکار جداول استفاده کنیم.
- چگونه به کاربر اجازه دهیم با استفاده از تاریخچه پیامها، جداول را به صورت دستی انتخاب مجدد کند.
- چگونه عبارات SQL را با استفاده از توابع اجرا و اعتبارسنجی کنیم.
این دوره مناسب افرادیست که:
- توسعهدهنده جاوا هستند و به ساخت برنامههای هوش مصنوعی با استفاده از Spring AI علاقهمند هستند.
مشخصات دوره Text-to-SQL Spring AI Implementation with RAG
سرفصل های دوره در تاریخ 2025/1
پیشنیازهای دوره
- Basic knowledge of Java
- Basic knowledge of Spring & Spring Boot
- Basic knowledge of LLM
تصاویر دوره
نمونه فیلم دوره
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
1.3 گیگابایت















































