توضیحات
آموزش مقیاسپذیری مدلهای زبانی با تکنیکهای پیشرفتهی RAG
نام دوره : Advanced Retrieval Augmented Generation
پیش نیاز:
- نصب Docker روی سیستم شما
- دسترسی به یک لپ‌تاپ مدرن و قدرتمند با Python نصب‌شده یا یک حساب Google Drive
- حداقل دو سال تجربه کاری به عنوان مهندس نرم‌افزار (ترجیحاً بیشتر)
- آشنایی متوسط با برنامه‌نویسی پایتون یا توانایی یادگیری سریع آن (مثلاً داشتن تجربه بالا در یک زبان برنامه‌نویسی دیگر)
- تمایل به صرف حدود 10 دلار برای اجرای درخواست‌های LLM (چه به‌صورت محلی و چه از طریق OpenAI)
- دسترسی به نسخه حرفه‌ای ChatGPT (یا معادل آن)
- آشنایی اولیه با علم داده (مفاهیمی مانند Precision، Recall و Pandas)
- توانایی عیب‌یابی مستقل، به‌ویژه در رفع خطاهای تایپی (Async Code استفاده خواهد شد، پس باید بتوانید Traceback را بخوانید و تحلیل کنید)
- آشنایی با RAG و حداقل یک بار پیاده‌سازی یک مدل پایه یا ساده از RAG در یک آموزش
توضیحات
تسلط بر تکنیکهای پیشرفتهی بازیابی افزوده‌ی تولیدی (RAG) با هوش مصنوعی و مدلهای زبانی بزرگ (LLM)
افزایش بهره‌وری و مقیاسپذیری مدلهای زبانی با تکنیکهای پیشرفتهی RAG
آنچه در این دوره یاد خواهید گرفت:
- بهبود دقت و استحکام درخواست‌های LLM با پیاده‌سازی خروجی‌های ساختاریافته
- استفاده از پردازش ناهمگام (Asynchronous) در پایتون برای اجرای سریع‌تر و مقرون‌به‌صرفه‌تر درخواست‌های LLM
- تولید داده‌های مصنوعی برای ایجاد یک پایگاه قوی در سیستم RAG، حتی بدون کاربران واقعی
- حذف داده‌های زائد برای بهینه‌سازی و افزایش کارایی سیستم
- مدیریت محدودیت‌های نرخ درخواست‌های OpenAI با استفاده از کشینگ (Caching)، ردیابی (Tracing) و مکانیزم‌های تکرار درخواست (Retry)
- ادغام چندین تکنیک برای بهینه‌سازی عملکرد کلی سیستم
- ایمن‌سازی کلیدهای API و ساده‌سازی فرآیند توسعه با بهترین روش‌ها
- استفاده از الگوهای پیشرفتهی عامل‌محور (Agentic Patterns) برای ایجاد سیستم‌های هوشمند و مقاوم
محتوای دوره آموزش مقیاسپذیری مدلهای زبانی با تکنیکهای پیشرفتهی RAG
- مقدمه‌ای بر RAG و خروجی‌های ساختاریافته
- راه‌اندازی و پیکربندی محیط توسعه (Docker، Python و ابزارهای ضروری)
- اجرای ناهمگام (Async Execution) و کشینگ (Caching) برای افزایش کارایی
- تولید داده‌های مصنوعی برای شبیه‌سازی سناریوهای واقعی
- اشکال‌زدایی پیشرفته برای مدیریت چالش‌های پیچیده مانند محدودیت‌های OpenAI
دوره آموزش مقیاسپذیری مدلهای زبانی با تکنیکهای پیشرفتهی RAG برای چه کسانی است:
- مهندسان نرم‌افزار با حداقل 2 سال تجربه کاری که می‌خواهند مهارت‌های خود را در RAG ارتقا دهند
- دانشمندان داده (Data Scientists) و متخصصان هوش مصنوعی که به دنبال بهینه‌سازی سیستم‌های مبتنی بر LLM هستند
- توسعه‌دهندگانی که می‌خواهند جدیدترین تکنیکهای RAG را برای ساخت سیستم‌های هوش مصنوعی قدرتمند و مقیاس‌پذیر یاد بگیرند
یودمی ایران –
دوره درخواستی خود را از راه های ارتباطی درخواست کنید