أساسيات وتطبيقات الجيل المعزز بالاسترجاع (RAG)

غالباً ما تفتقر نماذج اللغة الكبيرة (LLMs) إلى المعرفة المحددة أو الحديثة أو الخاصة. تعلمك هذه الدورة كيفية سد هذه الفجوة باستخدام تقنيات الجيل المعزز بالاسترجاع (RAG). بنهاية هذه الدورة، ستفهم بنية أنظمة RAG الحديثة وستمتلك المهارات العملية لبناء واختبار ونشر تطبيقات الذكاء الاصطناعي الخاصة بك المدعومة بالبيانات باستخدام أدوات معيارية في الصناعة مثل LangChain و Streamlit. ما ستتعلمه: * فهم المكونات الأساسية لـ RAG، بما في ذلك الفهرسة واسترجاع المستندات وتوليد الاستجابة. * ممارسة استراتيجيات فعالة لتقطيع البيانات وتقنيات التضمين لقواعد المعرفة المتخصصة. * تنفيذ تدفقات عمل RAG باستخدام إطار عمل التنسيق LangChain لربط المكونات بسلاسة. * تكوين قوالب المطالبات لضمان ملاءمة السياق واتباع التعليمات للحصول على مخرجات دقيقة. * بناء واجهات مستخدم لتطبيقات RAG الخاصة بك باستخدام إطار عمل Streamlit. * تطبيق طرق تقييم أساسية لتقييم مدى ملاءمة وموثوقية الاستجابات المولدة. تبدأ المادة بتعريف مصطلحات ومفاهيم RAG الأساسية، ثم تنتقل إلى تمارين عملية تركز على إعداد خطوط أنابيب البيانات، ودمج نماذج اللغة الكبيرة (LLMs)، وتطوير الواجهات الأمامية التفاعلية. تم تصميم هذه الدورة للمبتدئين الذين لديهم معرفة أساسية بـ Python ويرغبون في دخول مجال الذكاء الاصطناعي التطبيقي. لا يلزم وجود خبرة سابقة في LangChain أو Streamlit أو نشر LLMs. ابدأ بإتقان المهارات العملية اللازمة لبناء الجيل القادم من أدوات الذكاء الاصطناعي المدركة للمعرفة.