دوره آموزشی یادگیری اصولی GraphRAG
1 ساعت 33 دقیقهمتوسط2025-07-10
مدرسین

Dr. Clair Sullivan
جزئیات دوره
تو این دورهی خیلی ساده و قابل فهم، قراره با یکی از جدیدترین تکنیکهای هوش مصنوعی به اسم GraphRAG آشنا بشی. این روش با ترکیب گرافهای دانش و مدلهای زبانی بزرگ (مثل ChatGPT) باعث میشه پاسخهای AI دقیقتر، مرتبطتر و کاربردیتر باشن.
دوره برای کسایی طراحی شده که تازه میخوان وارد دنیای GraphRAG بشن؛ چه دانشجو باشی، چه کارمند یا علاقهمند به AI، این دوره مخصوص توئه. اول یاد میگیری گراف چی هست، گرهها (nodes)، یالها (edges) و روابط (relationships) چه نقشی دارن. بعد میری سراغ ساخت گراف و اتصالش به مدلهای مولد.
با تمرینهای عملی، یاد میگیری چطور از GraphRAG استفاده کنی تا بتونی دادههای خودتو توی پروژههای هوش مصنوعی وارد کنی و نتایج قابل اعتمادتر بگیری. حتی یاد میگیری چطوری با ابزارهایی مثل Neo4j و Python مدلت رو بسازی.
در پایان دوره، میتونی از GraphRAG توی پروژههای واقعی استفاده کنی تا خطاهای رایج (مثل هالوسینیشن) رو کم کنی و خروجیهای دقیقتری تولید کنی. این یعنی یک قدم بزرگ به سمت ساخت هوش مصنوعی واقعی و قابل اعتماد.
🎯 اهداف یادگیری:
درک اصول پایهای گراف شامل گره، یال و رابطه برای بهبود بازیابی اطلاعات در هوش مصنوعی
شناسایی کاربردهای واقعی GraphRAG (مثل کاهش هالوسینیشن)
کدنویسی اولیه GraphRAG با استفاده از Python و Neo4j
اتصال GraphRAG به ابزارهای NLP و مدلهای زبان بزرگ مثل ChatGPT یا Mistral
پیادهسازی پاسخهای هوش مصنوعی با دقت و بافت معنایی بهتر
درک نحوهی استفاده از گراف برای افزایش دقت مدلهای زبانی
ساخت معماری ترکیبی AI مبتنی بر دادههای ساختاریافته
طراحی pipeline کاربردی بر اساس GraphRAG
آشنایی با تعامل گرافهای دانش و هوش مصنوعی مولد
بهینهسازی خروجیهای LLM با استفاده از بازیابی دانش گرافی
دوره برای کسایی طراحی شده که تازه میخوان وارد دنیای GraphRAG بشن؛ چه دانشجو باشی، چه کارمند یا علاقهمند به AI، این دوره مخصوص توئه. اول یاد میگیری گراف چی هست، گرهها (nodes)، یالها (edges) و روابط (relationships) چه نقشی دارن. بعد میری سراغ ساخت گراف و اتصالش به مدلهای مولد.
با تمرینهای عملی، یاد میگیری چطور از GraphRAG استفاده کنی تا بتونی دادههای خودتو توی پروژههای هوش مصنوعی وارد کنی و نتایج قابل اعتمادتر بگیری. حتی یاد میگیری چطوری با ابزارهایی مثل Neo4j و Python مدلت رو بسازی.
در پایان دوره، میتونی از GraphRAG توی پروژههای واقعی استفاده کنی تا خطاهای رایج (مثل هالوسینیشن) رو کم کنی و خروجیهای دقیقتری تولید کنی. این یعنی یک قدم بزرگ به سمت ساخت هوش مصنوعی واقعی و قابل اعتماد.
🎯 اهداف یادگیری:
درک اصول پایهای گراف شامل گره، یال و رابطه برای بهبود بازیابی اطلاعات در هوش مصنوعی
شناسایی کاربردهای واقعی GraphRAG (مثل کاهش هالوسینیشن)
کدنویسی اولیه GraphRAG با استفاده از Python و Neo4j
اتصال GraphRAG به ابزارهای NLP و مدلهای زبان بزرگ مثل ChatGPT یا Mistral
پیادهسازی پاسخهای هوش مصنوعی با دقت و بافت معنایی بهتر
درک نحوهی استفاده از گراف برای افزایش دقت مدلهای زبانی
ساخت معماری ترکیبی AI مبتنی بر دادههای ساختاریافته
طراحی pipeline کاربردی بر اساس GraphRAG
آشنایی با تعامل گرافهای دانش و هوش مصنوعی مولد
بهینهسازی خروجیهای LLM با استفاده از بازیابی دانش گرافی
مهارت ها
Neo4jNatural Language Processing (NLP)Data VisualizationEssential TrainingArtificial Intelligence (AI)Data ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen Source
سرفصل ها
۰. مقدمه
- 01 - از توهمزایی برنامههای GenAI جلوگیری کنید
- 02 - نمونهای از نمودارهای دانش در هوش مصنوعی
- 03 - ویدیوی توضیحی Codespaces
۱. نمودارها ساده شدهاند - درک اصول اولیه
- 04 - گراف چیست؟
- 05 - تشخیص نمودارها در زندگی روزمره
- 06 - چرا نمودارها مفید هستند؟
- 07 - گرهها، روابط و ویژگیها
- 08 - نمودارها در مقابل ساختارهای داده سنتی
- 09 - نمودارهای دانش - اتصال اطلاعات
- 10 - چگونه نمودارها هوش مصنوعی را تقویت میکنند
۲. شروع کار با ابزارهای نمودار
- 11 - پایگاه داده گراف چیست؟
- 12- مقدمهای بر Neo4j
- 13 - راهاندازی Neo4j
- 14 - بررسی مرورگر Neo4j
- 15 - اصول اولیه سایفر - نوشتن اولین کوئریهای شما
- 16 - رمز بیشتر - بازیابی گرهها و روابط
- 17- اتصال پایتون به Neo4j
- 18 - تست تنظیمات با کوئریهای Cypher
۳. ساخت اولین نمودار دانش برای بازیابی نمودار-تولید افزوده (GraphRAG)
- 19- مقدمهای بر بازیابی-تولید افزوده (RAG)
- 20 - نحوه کار RAG با جاسازیهای برداری
- 21 - بهبود RAG با استفاده از نمودارها - GraphRAG
- 22- مروری بر LangChain
- 23 - مفاهیم کلیدی در LangChain برای گردشهای کاری گراف
- 24 - پر کردن یک گراف دانش در Neo4j با استفاده از LangChain
- 25 - چالش - نمودار دانش خود را با Cypher جستجو کنید
- 26 - راه حل - نمودار دانش خود را با Cypher جستجو کنید
۴. اتصال نمودارهای دانش به هوش مصنوعی مولد
- 27 - ایجاد یک خط لوله GraphRAG با LangChain برای کوئری از دادههای شما
- 28 - بهبود نمودار دانش شما با دادههای غنیتر
- 29- استفاده از نمودارهای دانش در یک خط لوله GraphRAG
- 30 - مقایسه نتایج GraphRAG با یک RAG سنتی مبتنی بر بردار
- 31- ارزیابی خط تولید GraphRAG شما
- 32 - چالش - ارزیابی اپلیکیشن GraphRAG شما
- 33 - راه حل - ارزیابی برنامه GraphRAG شما
۵. کنار هم قرار دادن همه چیز - ایجاد یک ربات پرسش و پاسخ با GraphRAG
- 34- مقدمهای بر پروژه سنگفرش
- 35 - راهنمای حل مسئله کپاستون
نتیجهگیری
- 36 - ادامه با نمودارهای دانش، GraphRAG و GenAI