برنامه های Advanced Rag با پایگاه داده های بردار

مدرس Yujian Tang

انتشار 2024/10/17

مدت زمان 1h 18m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Advanced RAG Applications with Vector Databases

بازیابی نسل (RAG) این روزها در همه جا است و پایگاه داده های بردار همان چیزی است که به آنها قدرت خود را می دهد. اما RAG به سادگی مانند برخی از شرکت ها ادعا نمی شود ، بنابراین می توان غرق شدن به راحتی انجام شد. در این دوره ، روشهای پیشرفته و مهم را از بین ببرید ، از جمله نحوه بهینه سازی پارچه مبتنی بر متن از طریق استفاده از تکه ، تعبیه و استفاده از ابرداده و نحوه انجام جستجوی اصلی تصویر با یک پایگاه داده بردار. همچنین با تعبیه و ذخیره داده ها و پرس و جو از تصاویر با متن ، فرصتی برای تمرین پارچه مولتییمال خواهید داشت. در طول راه ، مربی یوجیان تانگ تظاهرات عملی ، دستی و چالش های ورزشی را برای آزمایش مهارت های جدید خود ارائه می دهد.

Artificial Intelligence (AI) مدل‌های زبان بزرگ (LLM) Python (Programming Language) Retrieval-Augmented Generation (RAG) Vector Databases

Introduction

RAG with vector databases: Advanced strategies for AI optimization ()

What you should know ()

Setting up your exercise files ()

1. Optimizing RAG

Introduction to preprocessing for RAG ()

Chunking considerations ()

Chunking examples ()

Introduction to embeddings ()

Embedding examples ()

Metadata ()

Demo: Chunking ()

Demo: Metadata ()

Demo: Embed and store ()

Demo: Querying ()

Demo: Adding the LLM ()

Challenge: Cite your document sources ()

Solution: Cite your document sources ()

Challenge: Change the chunk size ()

Solution: Change the chunk size ()

2. Image Search with Vector Databases

Introduction to vector embeddings for images ()

Vision models 101 ()

Demo: Getting semantic vectors ()

Demo: Storing image vectors ()

Demo: Comparing images semantically ()

Challenge: Find the dog most similar to a cat ()

Solution: Find the dog most similar to a cat ()

3. Multimodal RAG with Vector Databases

Introduction to the types of multimodality ()

Ways to do multimodal RAG ()

Introduction to multimodal embedding models ()

Demo: Embedding and storing data ()

Demo: Query images with text ()

Challenge: Find anomalies in your embeddings ()

Solution: Find anomalies in your embeddings ()

Conclusion

Next steps ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش برنامه های Advanced Rag با پایگاه داده های بردار

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Advanced RAG Applications with Vector Databases در 3 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

توسعه هوش مصنوعی مولد از مفاهیم پایه تا سیستم های تولید را مسلط کنید. LLM ها، معماری های ترانسفورماتور، پیاده سازی های پیشرفته RAG، پایگاه های داده برداری و استراتژی های استقرار سازمانی را بیاموزید. این مسیر برای توسعه‌دهندگانی که برنامه‌های کاربردی هوشمند، ربات‌های چت، ابزارهای تولید محتوا و راه‌حل‌های مبتنی بر هوش مصنوعی می‌سازند که اطلاعات متنی را در مقیاسی برای نوآوری‌های تجاری تولید و بازیابی می‌کنند، عالی است.

آموزش برنامه های Advanced Rag با پایگاه داده های بردار ، ایستگاه شماره 5 در مسیر یادگیری ایجاد مهارت های مولد هوش مصنوعی برای توسعه دهندگان ، است.

مسیر یادگیری ایجاد مهارت های مولد هوش مصنوعی برای توسعه دهندگان

با این مسیر یادگیری جامع، قدرت هوش مصنوعی را در دنیای مهندسی داده باز کنید. این مجموعه دوره برای متخصصان داده طراحی شده است که می خواهند از پتانسیل تحول آفرین هوش مصنوعی در کار خود استفاده کنند. چه بخواهید نقش فعلی خود را ارتقا دهید یا به مهندسی داده مبتنی بر هوش مصنوعی بپردازید، این مسیر یادگیری شما را به دانش و مهارت هایی مجهز می کند تا در چشم انداز در حال تکامل داده ها و هوش مصنوعی پیشرفت کنید.

آموزش برنامه های Advanced Rag با پایگاه داده های بردار ، ایستگاه شماره 8 در مسیر یادگیری هوش مصنوعی را برای مهندسی داده کاوش کنید ، است.

مسیر یادگیری هوش مصنوعی را برای مهندسی داده کاوش کنید

با این مسیر یادگیری جامع، پتانسیل تولید افزوده بازیابی (RAG) را باز کنید. تکنیک های پیشرفته را برای بهینه سازی RAG مبتنی بر متن از طریق تکه تکه کردن، جاسازی و ابرداده بیاموزید. در ادغام پایگاه‌های داده برداری با مدل‌های زبان بزرگ تسلط پیدا کنید و در RAG چندوجهی مهارت‌های عملی کسب کنید. راه حل های پیشرفته RAG را طراحی، اجرا و ارزیابی کنید تا در هوش مصنوعی پیشرو باشید. سفر خود را برای ارتقای قابلیت های مبتنی بر داده از امروز آغاز کنید.

آموزش برنامه های Advanced Rag با پایگاه داده های بردار ، ایستگاه شماره 5 در مسیر یادگیری Master Retrieval-Augmented Generation (RAG) ، است.

مسیر یادگیری Master Retrieval-Augmented Generation (RAG)