Hands-On AI: RAG با استفاده از LlamaIndex

مدرس Harpreet Sahota

انتشار 2024/08/02

مدت زمان 6h 25m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Hands-On AI: RAG using LlamaIndex

این دوره با تمرکز بر سیستم نوآورانه LlamaIndex، به اصول و کاربردهای نسل افزوده بازیابی (RAG) اشاره می‌کند. کاوش کنید که چگونه RAG مدل‌های یادگیری ماشین را با یکپارچه‌سازی منابع دانش خارجی برای خروجی‌های آگاهانه‌تر و دقیق‌تر بهبود می‌بخشد. مربی هارپریت ساهوتا معماری سیستم های بازیابی، مکانیک نمایه سازی مجموعه داده های وسیع و ادغام LlamaIndex با مدل های هوش مصنوعی را پوشش می دهد. درک زیربنای نظری RAG، مهارت های عملی در ساخت و استقرار LlamaIndex، و بررسی تحلیل انتقادی برنامه های RAG در صنایع مختلف را به دست آورید. موضوعات از مبانی بازیابی داده ها و نمایه سازی تا تکنیک های پیشرفته در تقویت مدل های تولیدی با داده های خارجی متغیر است. در پایان دوره، شما برای طراحی، پیاده‌سازی و ارزیابی سیستم‌های RAG و قرار دادن آن‌ها در لبه برتر اجرای فناوری هوش مصنوعی آماده خواهید شد.

Artificial Intelligence (AI) Llama Retrieval-Augmented Generation (RAG)

Introduction

Overcome the limitations of LLMs with RAG ()

Limitations of LLMs ()

Use cases for retrieval-augmented generation (RAG) ()

1. Getting Started

Using GitHub Codespaces ()

Setting up your environment ()

Choosing an LLM and embeddings provider ()

Setting up LLM accounts ()

Choosing a vector database ()

Setting up a Qdrant account ()

Downloading our data ()

2. Fundamental Concepts in LlamaIndex

How LlamaIndex is organized ()

Using LLMs ()

Loading data ()

Indexing ()

Storing and retrieving ()

Querying ()

Agents ()

3. Introduction to RAG

Components of a RAG system ()

Ingestion pipeline ()

Query pipeline ()

Prompt engineering for RAG ()

Data preparation for RAG ()

Putting it all together ()

Drawbacks of Naive RAG ()

4. RAG Evaluation

Introduction to RAG evaluation ()

Evaluation metrics ()

How to create an evaluation set ()

5. Advanced RAG: Pre-Retrieval and Indexing Techniques

How we can improve on Naive RAG ()

Optimizing chunk size ()

Small to big retrieval ()

Semantic chunking ()

Metadata extraction ()

Document summary index ()

Query transformation ()

6. Advanced RAG: Post-Retrieval and Other Techniques

Node post-processing ()

Re-ranking ()

FLARE ()

Prompt compression ()

Self-correcting ()

7. Modular RAG

Hybrid retrieval ()

Agentic RAG ()

Ensemble retrieval ()

Ensemble query engine ()

Conclusion

LlamaIndex evaluation ()

Comparative analysis of retrieval-augmented generation techniques ()

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 Hands-On AI: RAG با استفاده از LlamaIndex

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 Hands-On AI: RAG using LlamaIndex در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

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 Hands-On AI: RAG با استفاده از LlamaIndex ، ایستگاه شماره 7 در مسیر یادگیری Master Retrieval-Augmented Generation (RAG) ، است.