/thumbnail.webp?token=Y291cnNlcy8yMDI0LzA3L0J1aWxkaW5nIFJBRyBTb2x1dGlvbnMgd2l0aCBBenVyZSBBSSBGb3VuZHJ5IChGb3JtZXJseSBBenVyZSBBSSBTdHVkaW8pL3RodW1ibmFpbC53ZWJwOjE3ODMxNjg0NDQ6MTgyYTQ4YTI4ZWQwMjZhODAwNzBkZjQ4NTczMzJjNjQyZTZjYWE1Y2E0NDYzZjc0ZmQ2YmQ2YWEzODY0NzZkMw%3D%3D)
دوره آموزشی ساخت راه حل های RAG با Azure AI Studio
1 ساعت 24 دقیقهمتوسط2024-12-12
مدرسین
Ziggy Zulueta
جزئیات دوره
این دوره جامع به شما کمک میکند تا مهارتهای لازم را برای استفاده مؤثر از Azure AI Foundry (که قبلاً به نام Azure AI Studio شناخته میشد) برای ساخت راهحلهای تقویت شده با جستجو (RAG) بدست آورید. دوره با یک مرور سیستماتیک از فرایند ساخت یک راهحل RAG و اصول و مبانی آن شروع میشود و به پیشنیازهایی که برای ساخت یک راهحل RAG در Azure AI Foundry لازم است، پرداخته میشود. این دوره عملی که توسط زیگی زولوئتا تدریس میشود، شامل دموهایی برای وارد کردن و وکتورسازی دادهها و ادغام آنها در مدلهای پیادهسازی شده است و فرایند سفارشیسازی راهحل پیشفرض با استفاده از ویژگی جریان پرامپت را نشان میدهد. دوره با یک راهنمایی برای آزمایش و ارزیابی راهحل به پایان میرسد، همراه با یک جلسه عملی برای آزمایش API REST در Postman و استفاده از نقطه پایانی در Microsoft Teams از طریق Copilot Studio.
مهارت ها
Azure AI ServicesNatural Language Processing (NLP)Generative AIAzureSoftware Development ToolsArtificial Intelligence (AI)MicrosoftSoftware DevelopmentDeep Dive (X:Y)
سرفصل ها
0. مقدمه
- 01 - یک راه حل RAG با کد نویسی کم ایجاد کنید
1. اصول RAG
- 02 - اصول اولیه RAG - اضافه کردن دادههای سفارشی به LLM شما
- 03 - شناخت توکنها - عامل کلیدی هزینهها در سیستم شما
- 04 - جاسازیهای برداری - نحوه اتصال کلمات به یکدیگر
- 05 - نحوه کار RAG - درک فرآیند زیر هود
- 06 - معماری سطح بالا RAG - اجزای مورد نیاز
2. مقدمه ای بر Azure AI Foundry
- 07 - بررسی اجمالی Azure AI Foundry - استقرار در مقیاس به روشی ایمن، ایمن و مسئولانه
- 08 - پیمایش در Azure AI Foundry
- 09 - ایجاد یک پروژه در Azure AI Foundry
3. راهاندازی Azure AI Foundry
- 10 - شناخت فیلترهای محتوا
- 11 - ایجاد فیلترهای محتوا
- 12 - ایجاد استقرار مدل
- 13 - پیمایش در زمین بازی
- 14 - استفاده از زمین بازی و تنظیمات آن
4. ایجاد ایندکس برای RAG با استفاده از Azure
- 15 - ایجاد شاخص با استفاده از Azure AI Foundry
- 16 - ایجاد فهرست با استفاده از جستجوی هوش مصنوعی Azure
- 17 - درک بازیابی و ارتباط در جستجوی هوش مصنوعی Azure
- 18 - تست شاخص خود در زمین بازی
5. مقدمه ای بر Azure Prompt Flow
- 19 - درک جریان سریع
- 20 - یک نمونه جریان سریع برای RAG ایجاد کنید
- 21 - معیارهای ارزیابی و نظارت
- 22 - ارزیابیها را روی سیستم RAG خود انجام دهید
6. استقرار راه حل RAG
- 23 - استقرار راه حل RAG با استفاده از جریان سریع
- 24 - تست نقطه پایانی REST با استفاده از Postman
- 25 - استقرار نقطه پایانی REST در Copilot Studio و Microsoft Teams
نتیجه گیری
- 26 - غذای کلیدی
- 27 - یادگیری اضافی
دوره های مرتبط
- دوره آموزشی ساخت عوامل با استفاده از سرویس Azure AI Foundry Agent
- دوره آموزشی ساخت اپلیکیشنها با هوش مصنوعی زبان Azure و پایتون
- دوره آموزشی آمادگی برای آزمون گواهینامه Microsoft Azure AI Fundamentals (AI-900)
- دوره آموزشی هوش مصنوعی آزور برای توسعهدهندگان: ایمنی محتوا و هوش مصنوعی مسئولانه
- دوره آموزشی هوش مصنوعی آزور برای توسعهدهندگان: استفاده از کاتالوگ مدلهای هوش مصنوعی آزور
- دوره آموزشی هوش مصنوعی آژور برای توسعهدهندهها: پردازش تصاویر با Azure AI
- دوره آموزشی هوش مصنوعی آژور برای توسعهدهندهها: سرویس گفتار Azure AI
- دوره آموزشی هوش مصنوعی آژور برای توسعهدهندهها: مدلهای زبانی بزرگ (LLM) و مدلهای کوچک (SLM)