دوره آموزشی هوش مصنوعی عملی: مقدمه‌ای بر تولید تقویت‌شده با بازیابی (RAG)

توی دنیای هوش مصنوعی، یکی از جذاب‌ترین روش‌هایی که حسابی معروف شده، روش تولید با بازیابی اطلاعات یا همون RAG (Retrieval-Augmented Generation) هست.
حالا چرا اینقدر RAG مهمه؟ چون یه مشکل اساسی رو تو مدل‌های زبانی بزرگ (LLMها) حل می‌کنه.
مدل‌های زبانی مثل GPT کلی اطلاعات عمومی بلدن، ولی به داده‌های اختصاصی ما (مثلاً اطلاعات یه شرکت یا سند خاص) دسترسی ندارن. همین باعث می‌شه بعضی وقتا جواب‌های اشتباه یا به اصطلاح "هذیانی" بدن.

اینجاست که RAG وارد می‌شه! این تکنیک کاری می‌کنه که اطلاعات خودمون (مثلاً متن‌ها، گزارش‌ها یا سوالات رایج مشتریا) تبدیل به "زمینه" یا همون کانتکست برای مدل زبانی بشن.
چجوری؟ با کمک مدل‌های امبدینگ (embedding) و پایگاه داده برداری (vector database) اطلاعات ما رو به شکل قابل استفاده برای مدل درمیاره.

توی این دوره، یاد می‌گیری دقیقاً چه اجزایی یه اپلیکیشن RAG داره، چطور باید ازشون استفاده کنی، و چطور یه پروژه کامل RAG رو از صفر با پایتون بسازی.
فرقی نمی‌کنه که تازه‌کاری یا تجربه داری، این دوره بهت کمک می‌کنه تا بتونی هوش مصنوعی رو به داده‌های خودت وصل کنی و جواب‌های دقیق‌تر بگیری.

اهداف یادگیری:
از صفر یه برنامه RAG رو با پایتون بسازی.
یاد بگیری کدوم ابزارها برای ساخت یه RAG خوب نیاز هستن (مثل پایگاه داده برداری، مدل امبدینگ، LLM و فریم‌ورک‌ها).
بفهمی چطور داده‌هات رو برای استفاده توی سیستم RAG آماده‌سازی کنی.