تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی هوش مصنوعی کاربردی: نمودارهای دانشی برای موارد استفاده در هوش مصنوعی مولد

دوره آموزشی هوش مصنوعی کاربردی: نمودارهای دانشی برای موارد استفاده در هوش مصنوعی مولد

2 ساعت 10 دقیقهپیشرفته2024-09-25

مدرسین

Ashleigh Faith

Ashleigh Faith

جزئیات دوره

گراف‌های دانش یکی از پیشرفته‌ترین ابزارها در دنیای داده و هوش مصنوعی هستند که به مدل‌های یادگیری ماشین و به‌ویژه مدل‌های زبان بزرگ (LLM) کمک می‌کنند تا به اطلاعات دقیق‌تر و قابل‌اعتمادتری دست یابند. گراف‌های دانش به‌طور مؤثر ساختاردهی و سازمان‌دهی داده‌ها را انجام می‌دهند، به طوری که می‌توانند ارتباطات معنایی میان داده‌ها را شبیه‌سازی کنند. این گراف‌ها با ذخیره و مدل‌سازی اطلاعات در یک ساختار گرافی، می‌توانند برای استفاده در طیف وسیعی از برنامه‌های کاربردی، از جمله جستجوهای زمان‌حساس و تحلیل داده‌ها، مفید واقع شوند.

این دوره به شما کمک می‌کند تا درک عمیقی از نحوه استفاده از گراف‌های دانش در پروژه‌های هوش مصنوعی و یادگیری ماشین پیدا کنید. خواهید آموخت که چگونه گراف‌های دانش می‌توانند به‌عنوان منبعی برای پشتیبانی از مدل‌های زبان بزرگ عمل کنند، به‌ویژه برای کاهش مشکلات رایج مانند هلو سیناسیون‌ها، که در آن مدل‌ها ممکن است اطلاعات نادرست یا بی‌پایه ارائه دهند. علاوه بر این، به بررسی ابزارها و معماری‌های مناسب برای ایجاد و استفاده از گراف‌های دانش در پروژه‌های مختلف می‌پردازید.

در این دوره، روش‌هایی برای ساخت، پر کردن و جستجو کردن گراف‌های دانش به شما آموزش داده می‌شود. این مهارت‌ها به شما امکان می‌دهند تا داده‌ها را به‌طور مؤثرتر درک کرده و آن‌ها را به‌طور مؤثری در مدل‌های زبان بزرگ به کار ببرید. در نهایت، با درک گراف‌های دانش و نحوه استفاده صحیح از آن‌ها، می‌توانید از توانمندی‌های مدل‌های زبان بزرگ به‌طور بهینه بهره‌برداری کنید.

مهارت ها

Natural Language Processing (NLP)Data VisualizationGenerative AIArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and ToolsOne-Off

سرفصل ها

0. مقدمه

  • 01 - نمودارهای قدرت دانش
  • 02 - آنچه شما باید در حال حاضر
  • 03 - معرفی مورد استفاده - روغن زیتون دو درخت

1. نمودار دانش چیست و چرا باید به آن اهمیت دهید

  • 04 - چرا نمودار دانش در فضای LLM
  • 05 - ثلاث یا عبارت چیست
  • 06 - نمودار دارایی سه گانه یا دارای برچسب
  • 07 - گره یا نمونه چیست
  • 08 - لبه یا رابطه چیست
  • 09 - UID چیست؟

2. مدل خود را بسازید

  • 10 - هنگام مدل سازی گراف برای LLM چه نکاتی را باید در نظر داشت
  • 11 - نحوه اتصال گره‌ها با روابط
  • 12 - راه‌اندازی Desktop Protege IRI
  • 13 - افزودن مصادیق و حاشیه نویسی
  • 14 - نحوه پر کردن نمودار
  • 15 - اضافه کردن چند قید
  • 16 - چگونه نمودار خود را به روز کنیم
  • 17 - چگونه نمودار خود را نسخه کنید

3. پر کردن نمودار خود با داده ها

  • 18 - مدل نمودار خود را پر کنید
  • 19 - از چه داده‌های تولیدی می‌توانید استفاده کنید
  • 20 - از چه داده‌های بسته ای می‌توانید استفاده کنید
  • 21 - از چه داده‌های باز می‌توانید دوباره استفاده کنید
  • 22 - انتساب و منبع یابی
  • 23 - منطق خود را بررسی کنید

4. GraphML

  • 24 - کوئری‌ در داده‌های گراف
  • 25 - GraphML - چیست و چه ابزارهایی وجود دارد
  • 26 - GraphML - راه رفتن نمودار خود را

5. استقرار

  • 27 - حریم خصوصی داده ‌ها , اخلاقیات، مقررات و استانداردها
  • 28 - تأیید محدودیت خودکار
  • 29 - تأیید خودکار واقعیت
  • 30 - راستی آزمایی حقایق مورد اختلاف
  • 31 - قطعنامه نهاد
  • 32 - نمونه معماری
  • 33 - فراخوانی نمودار شما

نتیجه گیری

  • 34 - معرفی نهایی پروژه
  • 35 - بررسی نهایی پروژه
  • 36 - ادامه با نمودارهای دانش

دوره های 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