تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی Azure برای توسعه‌دهندگان: بازیابی تقویت‌شده (RAG) با Azure AI

دوره آموزشی Azure برای توسعه‌دهندگان: بازیابی تقویت‌شده (RAG) با Azure AI

1 ساعت 55 دقیقهمتوسط2025-01-30

مدرسین

Ziggy Zulueta

Ziggy Zulueta

جزئیات دوره

در این دوره، زیگی زولوتا— کارشناس برتر هوش مصنوعی مایکروسافت (MVP) و مربی رسمی— با استفاده از نمونه‌های عملی و کاربردهای واقعی نشان می‌دهد که چگونه می‌توان از پایتون همراه با Azure OpenAI، Cosmos DB و AI Search برای ایجاد راه‌حل‌های پیشرفته Retrieval-Augmented Generation (RAG) با دقت داده‌ای بالا استفاده کرد.

🔹 به مبانی RAG، پیاده‌سازی‌های مبتنی بر Python و روش‌های ارزیابی عملکرد بپردازید.
🔹 یاد بگیرید که چگونه منابع Azure را راه‌اندازی کنید، ایندکس‌های داده ایجاد کنید، مجموعه مهارت‌ها را برای بهبود داده‌ها اعمال کنید و فرآیند ایندکس‌گذاری را خودکار کنید.
🔹 اهمیت پایگاه‌های داده برداری (Vector Databases)، توکن‌سازی، و تعبیه‌ها (Embeddings) را در بازیابی و تکمیل مؤثر داده‌ها بررسی کنید.
🔹 راه‌حل‌های RAG خود را از نظر دقت، ارتباط و ایمنی ارزیابی کنید.

در پایان این دوره، شما مهارت‌های لازم برای توسعه راه‌حل‌های پیشرفته RAG را خواهید داشت که بینش‌های دقیق و مرتبطی را متناسب با نیازهای کسب‌وکار شما ارائه می‌دهند.

اهداف یادگیری:
✅ مفهوم RAG را درک کرده و با اجزای مختلف و مراحل آن آشنا شوید.
✅ یک برنامه RAG با استفاده از Azure AI Search، Azure Cosmos DB و Azure OpenAI ایجاد کنید.
✅ یک برنامه RAG را با استفاده از Azure AI Evaluation SDK ارزیابی کنید.

مهارت ها

Azure AI ServicesNatural Language Processing (NLP)Machine LearningGenerative AISoftware Development ToolsArtificial Intelligence (AI)MicrosoftSoftware DevelopmentDeep Dive (X:Y)

سرفصل ها

0. مقدمه

  • 01 - معرفی RAG با هوش مصنوعی Azure
  • 02 - پیش نیازهای دوره

1. مفاهیم اصلی RAG

  • 03 - مفاهیم اساسی RAG
  • 04 - فرآیند و معماری RAG
  • 05 - پایگاه‌های داده برداری
  • 06 - Azure OpenAI embeddings model
  • 07 - ایجاد یک راه حل RAG با Azure AI Foundry

2. جستجوی هوش مصنوعی Azure

  • 08 - RAG با استفاده از جستجوی هوش مصنوعی Azure
  • 09 - منابع خود را برای RAG آماده کنید
  • 10 - ایجاد فهرست جستجو
  • 11 - ایجاد منبع داده
  • 12 - ایجاد مجموعه مهارت و پروفایل ساز
  • 13 - کوئری‌ از داده‌های شما
  • 14 - جستجوی هوش مصنوعی Azure - داده‌ها را وارد و بردارید
  • 15 - ارسال نتایج کوئری‌ به یک مدل زبان
  • 16 - سایر رویکردها
  • 17 - چالش - با استفاده از جستجوی هوش مصنوعی Azure یک راه حل RAG ایجاد کنید
  • 18 - راه حل - با استفاده از جستجوی هوش مصنوعی Azure یک راه حل RAG ایجاد کنید

3. Azure Cosmos DB

  • 19 - RAG با استفاده از Azure Cosmos DB
  • 20 - ایجاد منبع Azure Cosmos DB
  • 21 - Azure Cosmos DB را برای RAG تنظیم کنید
  • 22 - چالش - با استفاده از Azure Cosmos DB یک راه حل RAG ایجاد کنید
  • 23 - راه حل - با استفاده از Azure Cosmos DB یک راه حل RAG ایجاد کنید

4. ارزیابی RAG

  • 24 - معیارهای ارزیابی در هوش مصنوعی مولد
  • 25 - آماده سازی مجموعه داده ارزیابی شما
  • 26 - با Azure AI Evaluation SDK ارزیابی کنید
  • 27 - چالش - ارزیابی برنامه RAG
  • 28 - راه حل - ارزیابی یک برنامه RAG

نتیجه گیری

  • 29 - خلاصه و مراحل بعدی

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal