تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی جستجوی معنایی و بازیابی اطلاعات با استفاده از هوش مصنوعی نسل جدید          Ask ChatGPT

دوره آموزشی جستجوی معنایی و بازیابی اطلاعات با استفاده از هوش مصنوعی نسل جدید Ask ChatGPT

1 ساعت 28 دقیقهمتوسط2025-06-02

مدرسین

Ashleigh Faith

Ashleigh Faith

جزئیات دوره

هوش مصنوعی مولد (Generative AI) یه برنده بزرگ برای تکنولوژی‌های جستجوی سنتی محسوب می‌شه، مخصوصاً وقتی که قدرت این دو رو با هم ترکیب کنی. این دوره تخصصی که برای حرفه‌ای‌های داده طراحی شده، بهت نشون می‌ده چطور راهکارهای پیشرفته جستجو رو با ترکیب گراف‌های دانش، هوش مصنوعی و تکنولوژی‌های جستجوی سنتی طراحی، اجرا و ارزیابی کنی.

تو این مسیر یاد می‌گیری چطور تصمیمات معماری درست بگیری، تدابیر امنیتی مناسب پیاده‌سازی کنی و شاخص‌های کلیدی عملکرد (KPI) موثری برای سیستم‌های جستجوی در مقیاس سازمانی تعیین کنی. مدرس دوره، اشلی فیت، روی اجرای عملی، نکات امنیتی و بهینه‌سازی عملکرد تاکید ویژه داره و کلی تجربه کاربردی تو معماری‌های مدرن جستجو بهت منتقل می‌کنه.

اهداف یادگیری دوره
طراحی و پیاده‌سازی راهکارهای جستجوی پیشرفته با ترکیب هوش مصنوعی و گراف دانش
اتخاذ تصمیمات درست معماری برای سیستم‌های جستجو در سطح سازمان
پیاده‌سازی تدابیر امنیتی موثر در سیستم‌های جستجو
تعیین و ارزیابی شاخص‌های کلیدی عملکرد برای بهبود کارایی
کسب تجربه عملی با معماری‌های مدرن جستجو و بهینه‌سازی عملکرد آنها

مهارت ها

Neo4jSearch Engine Marketing (SEM)Search Engine Optimization (SEO)Generative AIMarketingArtificial Intelligence (AI)Open SourceOne-Off

سرفصل ها

۰. مقدمه

  • 01 - قدرت جستجوی معنایی و بازیابی اطلاعات
  • 02 - آنچه برای دوره باید بدانید

۱. انتخاب جستجو

  • 03 - مورد استفاده - روغن زیتون Two Trees
  • 04 - به چه نوع جستجویی نیاز دارید؟
  • 05 - تصمیم‌گیری در مورد اینکه آیا به یک پایگاه داده برداری، یک نمودار دانش یا هر دو نیاز دارید
  • 06 - در مورد هوش مصنوعی غیر LLM برای جستجوی معنایی چطور؟

۲. اجزای تشکیل‌دهنده‌ی جستجوی معنایی

  • 07 - بازیابی اطلاعات چیست؟
  • 08 - جستجوی معنایی چیست؟
  • 09 - نمودارهای دانش چیستند و چگونه در جستجوی معنایی استفاده می‌شوند؟
  • 10 - جاسازی‌های برداری چیستند؟

۳. بهبود جستجوی معنایی

  • 11 - شباهت معنایی چیست؟
  • 12 - شباهت معنایی چگونه محاسبه می‌شود؟
  • 13 - وزنه‌ها، تقویت‌کننده‌ها و بلوک‌ها
  • 14 - داده‌های کاربر و محلی‌سازی
  • 15 - پیمایش نمودار
  • 16 - عوامل دیگر برای شباهت معنایی
  • 17 - عملکرد جستجو در جستجوی معنایی
  • 18 - ارزیابی مرتبط بودن جستجوی خودکار و انسانی

۴. بهینه‌سازی داده‌ها و موجودیت‌ها برای جستجوی معنایی

  • 19 - کیفیت متن و سند
  • 20 - تشخیص و ابهام‌زدایی موجودیت
  • 21 - روش‌های جستجوی جایگزین

۵. تسلط بر جستجوی معنایی با هوش مصنوعی، بازخورد انسانی و داده‌های کلیدی

  • 22 - جایگاه جستجو در هوش مصنوعی یا خط لوله داده کجاست؟
  • 23 - هوش مصنوعی چگونه می‌تواند از داده‌های برداری و نموداری برای جستجوی معنایی استفاده‌کند ?
  • 24 - چگونه می‌توان از شاخص‌های کلیدی عملکرد (KPI) در جستجوی معنایی استفاده کرد؟

۶. ایجاد پل ارتباطی بین متن و نمودار برای جستجوی معنایی هوشمندتر

  • 25 - بارگذاری مدل نمونه و داده‌های ما در Stardog
  • 26 - ساخت یک کوئری گراف
  • 27 - گزینه‌های پرس‌وجو
  • 28 - استفاده از داده‌های نموداری برای ایجاد پاسخ هوش مصنوعی
  • 29 - مقایسه‌ی اتصال به زمین GraphRAG به تنهایی در مقابل RAG با نمودارهای دانش معنایی

نتیجه‌گیری

  • 30 - ادامه سفر یادگیری شما

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