دوره آموزشی هوش مصنوعی محلی: ساخت مدل RAG از پایه با ابزارهای متن‌باز

در این دوره‌ی عملی، دکتر علاء موسوی (Dr. Alaa Moussawi)، فیزیک‌دان و مدرس، شما را به سمت تسلط بر مدل‌های Retrieval-Augmented Generation (RAG) هدایت می‌کند. در این آموزش، یاد می‌گیرید چگونه با ترکیب پایگاه‌های داده برداری (Vector Databases) و مدل‌های زبانی، ربات‌های هوش مصنوعی اختصاصی خود را بسازید؛ ربات‌هایی که می‌توانند پاسخ‌هایی دقیق، مبتنی بر زمینه، و متناسب با داده‌های شما ارائه دهند.

در طول دوره، مفاهیم کلیدی مانند بردارسازی (Vector Embeddings)، پردازش پرس‌وجو (Query Processing) و مهندسی پرامپت (Prompt Engineering) را بررسی می‌کنید. همچنین می‌آموزید چگونه با اجرای مدل‌های سبک‌وزن به‌صورت کارآمد—even روی سخت‌افزار محدود—مصرف منابع را بهینه کنید. این دوره به شما نشان می‌دهد چگونه embeddingهای مؤثر تولید کنید و اطلاعات مرتبط را از منابع داده‌ای متنوع استخراج نمایید. با بهره‌گیری از انعطاف‌پذیری نرم‌افزارهای متن‌باز (Open Source)، می‌توانید مدل‌ها را برای دامنه‌ها یا سبک‌های خاص تطبیق دهید و پایگاه دانش ربات خود را شخصی‌سازی کنید. اگر به نوآوری در هوش تقویت‌شده با بازیابی (Retrieval-Augmented Intelligence) علاقه دارید، این دوره شما را به مشارکت در جامعه پویا و روبه‌رشد متن‌باز دعوت می‌کند.

اهداف یادگیری
تسلط بر فرآیند کامل ساخت یک مدل RAG با استفاده از فناوری‌های متن‌باز، از گردآوری داده تا استقرار مدل.
یادگیری تکنیک‌های پیشرفته در بردارسازی (Vector Embeddings)، راه‌اندازی پایگاه داده و بازیابی زمینه برای بهبود عملکرد مدل‌های زبانی بزرگ.
توسعه مهارت‌های عملی در مهندسی پرامپت، سازوکارهای جست‌وجوی برداری و یکپارچه‌سازی مدل‌های زبانی محلی با منابع داده‌ای اختصاصی.