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

بخشی از دوره :