تنظیم مجدد Rag: تکنیک های پیشرفته برای دقت و عملکرد مدل

مدرس Harshit Tyagi

انتشار 2025/02/28

مدت زمان 54m 45s

سطح مناسب همه

فایل تمرینی دارد

آموزش RAG Fine-Tuning: Advanced Techniques for Accuracy and Model Performance

قدرت نسل بازیابی-آگوس (RAG) را با این دوره دستی در RAFT (تنظیم دقیق و بازیابی) باز کنید. برای ایجاد مدلهای خاص دامنه که پاسخهای دقیق و متنی مرتبط را ارائه می دهند ، یکپارچه سازی دقیق با RAG را بیاموزید. از درک مفاهیم اصلی گرفته تا اجرای تکنیک های پیشرفته مانند RAFT و استفاده از ابزارهایی مانند Azure AI Studio ، این دوره شما را به مهارت های ارتقاء و استقرار سیستم های RAG پیشرفته مجهز می کند. ایده آل برای پزشکان هوش مصنوعی با هدف بهینه سازی عملکرد مدل در حوزه های تخصصی.

Artificial Intelligence (AI) Retrieval-Augmented Generation (RAG) Vector Databases

Introduction

Welcome to RAG and fine-tuning ()

1. Introduction to RAG

Understanding RAG ()

What is fine-tuning? ()

Combining RAG and fine-tuning: RAFT ()

2. RAFT technique

Understand RAFT ()

Fine-tuning and inference ()

Results of RAFT ()

3. Dataset Preparation for RAFT

Preparing the data for RAFT ()

Q&A pair generation ()

Adding answers to document-question pairs ()

Generate and save dataset ()

4. Fine-Tune the Model in Hugging Face

Intro to Hugging Face ()

Fine-tuning the Llama 3.2 model on Hugging Face ()

Using the fine-tuned model ()

Conclusion

Next steps with RAG and fine-tuning ()

Ex_Files_RAG_Fine_Tuning.zip (1.3 MB)

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 تنظیم مجدد Rag: تکنیک های پیشرفته برای دقت و عملکرد مدل

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 RAG Fine-Tuning: Advanced Techniques for Accuracy and Model Performance در 1 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 تنظیم مجدد Rag: تکنیک های پیشرفته برای دقت و عملکرد مدل ، ایستگاه شماره 6 در مسیر یادگیری ایجاد مهارت های مولد هوش مصنوعی برای توسعه دهندگان ، است.