دوره آموزشی مبانی LLM: پایگاه های داده برداری برای ذخیره سازی و بازیابی نسل افزوده شده (RAG)
1 ساعت 33 دقیقهپیشرفته2024-02-23
مدرسین

Kumaran Ponnambalam
Working with data for 20+ years
جزئیات دوره
با افزایش محبوبیت مدلهای زبانی بزرگ، زیرساخت مورد استفاده در اطراف آنها نیز برای کاهش هزینهها، ایجاد پاسخهای دقیق و بهبود کارایی حیاتی میشود. پایگاههای داده برداری نقش حیاتی در چندین مورد استفاده از LLM برای کمک به کاهش کاستیهای LLM، کاهش هزینهها و تأخیر دارند. دانش مبانی و کاربردهای آن برای هر برنامه کاربردی ساختمان مهندس با LLM حیاتی است و در این دوره، Kumaran Ponnambalam اصول پایه پایگاه داده برداری و نحوه استفاده از آنها را در حافظه نهان LLM و تولید تقویت شده بازیابی (RAG) به شما آموزش می دهد.
کوماران با بحث در مورد مبانی پایگاه های داده برداری و کاربردهای آنها شروع می کند. سپس پایگاه داده های تخصصی را برای ذخیره بردارها بررسی می کند و از پایگاه داده Milvus به عنوان مثال مرجع استفاده می کند و عملیات خواندن و نوشتن را با پایگاه داده Milvus نشان می دهد. نحوه استفاده از پایگاههای داده برداری برای ذخیرهسازی LLM، همراه با مثالهایی از موارد استفاده RAG را بیاموزید. در نهایت، کوماران با بحث در مورد بهینهسازی پایگاههای داده برداری به پایان میرسد.
کوماران با بحث در مورد مبانی پایگاه های داده برداری و کاربردهای آنها شروع می کند. سپس پایگاه داده های تخصصی را برای ذخیره بردارها بررسی می کند و از پایگاه داده Milvus به عنوان مثال مرجع استفاده می کند و عملیات خواندن و نوشتن را با پایگاه داده Milvus نشان می دهد. نحوه استفاده از پایگاههای داده برداری برای ذخیرهسازی LLM، همراه با مثالهایی از موارد استفاده RAG را بیاموزید. در نهایت، کوماران با بحث در مورد بهینهسازی پایگاههای داده برداری به پایان میرسد.
مهارت ها
Natural Language Processing (NLP)Machine LearningDatabase DevelopmentArtificial Intelligence FoundationsDatabase ManagementFoundationsArtificial Intelligence (AI)Software Development
سرفصل ها
0. مقدمه
- 01 - GenAI با پایگاه داده برداری
- 02 - پوشش دوره و پیش نیازها
1. مقدمه ای بر پایگاههای داده برداری
- 03 - بردار چیست
- 04 - برداری در NLP
- 05 - جستجوی شباهت برداری
- 06 - پایگاه داده برداری
- 07 - مزایا و معایب پایگاههای داده برداری
2. مفاهیم پایگاه داده Milvus
- 08 - مقدمه ای بر Milvus DB
- 09 - معماری Milvus
- 10 - مجموعهها در Milvus
- 11 - پارتیشن در میلووس
- 12 - شاخصها در Milvus
- 13 - مدیریت دادهها در Milvus
- 14 - کوئری و جستجو در Milvus
- 15 - راهاندازی Milvus و فایلهای تمرین
3. عملیات پایگاه داده Milvus
- 16 - یک اتصال ایجاد کنید
- 17 - ایجاد پایگاه داده و کاربران
- 18 - مجموعه ایجاد کنید
- 19 - دادهها را در Milvus وارد کنید
- 20 - پروفایل بسازید
- 21 - دادههای اسکالر را کوئری کنید
- 22 - فیلدهای برداری را جستجو کنید
- 23 - اشیا و موجودیتها را حذف کنید
4. DB برداری برای LLM Query Caching
- 24 - LLM و ذخیره سازی
- 25 - جریان کاری ذخیرهسازی سریع
- 26 - کش Milvus را راهاندازی کنید
- 27 - فرآیند استنتاج و ذخیره سازی
- 28 - مدیریت کش
5. مقدمه ای بر بازیابی نسل افزوده (RAG)
- 29 - LLM به عنوان منبع دانش
- 30 - مقدمه ای بر بازیابی نسل افزوده
- 31 - RAG - فرآیند تنظیم دانش
- 32 - فرآیند پاسخگویی به پرسش RAG
- 33 - کاربردهای RAG
6. پیادهسازی RAG با Milvus
- 34 - Milvus را برای RAG راهاندازی کنید
- 35 - دادهها را برای پایگاه دانش آماده کنید
- 36 - پایگاه داده Milvus را پر کنید
- 37 - با RAG به سؤالات پاسخ دهید
7. بهترین روشهای پایگاه داده برداری
- 38 - یک پایگاه داده برداری را انتخاب کنید
- 39 - دادههای برداری و اسکالر را ترکیب کنید
- 40 - ملاحظات اندازهگیری فاصله
- 41 - عملکرد DB برداری را تنظیم کنید
نتیجه
- 42 - با LLMها ادامه دهید
دوره های مرتبط
- دوره آموزشی RAG، اپهای هوش مصنوعی و عوامل هوش مصنوعی برای امنیت سایبری و شبکهها
- دوره آموزشی ساخت چتباتهای سفارشی با n8n
- دوره آموزشی هوش مصنوعی عملی: ساخت اولین چتبات مکالمهای خودت
- دوره آموزشی ساخت برنامههای ارزیابی LLM با LangChain
- دوره آموزشی یادگیری اصولی GraphRAG
- دوره آموزشی راهنمای کامل ارزیابی مدلهای زبان بزرگ (LLMها)
- دوره آموزشی هوش مصنوعی عملی: ساخت چتبات هوش مصنوعی با GPT-4o و Next.js
- دوره آموزشی هوش مصنوعی عملی: ساخت GPT اختصاصی خودتان