Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-20 of 22 items.

linkedin GenAI for Busy Java Developers by Pearson (Mitalearn-457926)

  • 4 hours 18 minutes
  • مناسب همه
  • Release date: 10 March 2026
  • Author: Pearson
درباره این دوره:

<p>با نحوه استفاده از یادگیری ماشینی و ابزارهای هوش مصنوعی مولد در طول توسعه نرم افزار مبتنی بر جاوا آشنا شوید. این دوره با استفاده از ابزارهایی مانند OpenAI ChatGPT، Google Gemini، Anthropic Claude و سایر خدمات هوش مصنوعی مولد با استفاده از API LangChain4j، نمایش کدنویسی عملی را ارائه می‌کند. درباره زمینه، جاسازی‌ها، APIهای REST، جریان، تولید افزوده شده با بازیابی (RAG) و عوامل بیاموزید. بسیاری از نمونه‌های کد منبع را که تکنیک‌های مختلف سریع را پوشش می‌دهند، مرور کنید و نحوه طراحی و پیاده‌سازی یک برنامه chatbot را که مجموعه‌های اسناد خصوصی را درک می‌کند، بیابید. </p>توجه: این دوره توسط پیرسون و فرانک گرکو ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم. </p>

linkedin Hand-On AI: مقدمه ای برای بازیابی نسل (RAG) (Mitalearn-421869)

  • 39 minutes
  • مناسب همه
  • Release date: 4 June 2025
  • Author: Yujian Tang
درباره این دوره: 

 نسل بازیابی (RAG) به سرعت خود را به عنوان یکی از محبوب ترین راه ها برای استفاده از مدلهای بزرگ زبان (LLM) از هم جدا کرد. چرا؟ از آنجا که RAG یک مشکل اساسی در استفاده از LLMS برای موارد استفاده خودمان ایجاد می کند. LLM ها روی داده های زیادی آموزش دیده اند ، اما آنها به داده های تخصصی مورد نیاز ما برای موارد استفاده شخصی یا تجاری دسترسی ندارند و همین امر باعث می شود که آنها پاسخ دهند. این جایی است که RAG وارد می شود. RAG از مدل های جاسازی شده و پایگاه داده های بردار استفاده می کند تا داده های خود را به گونه ای ذخیره کند که بتواند از آن به عنوان زمینه برای LLM استفاده شود. این دوره به شما نشان می دهد که قطعات مختلف یک برنامه RAG ، نحوه استفاده از آنها و نحوه ساخت برنامه RAG خود از ابتدا در پایتون چیست. این دوره همچنین از مدل های github برای تقویت یادگیری خود استفاده می کند.

linkedin Hands-On AI: RAG با استفاده از LlamaIndex (Mitalearn-441861)

  • 6 hours 25 minutes
  • مناسب همه
  • Release date: 2 August 2024
  • Author: Harpreet Sahota
درباره این دوره: 

 

این دوره با تمرکز بر سیستم نوآورانه LlamaIndex، به اصول و کاربردهای نسل افزوده بازیابی (RAG) اشاره می‌کند. کاوش کنید که چگونه RAG مدل‌های یادگیری ماشین را با یکپارچه‌سازی منابع دانش خارجی برای خروجی‌های آگاهانه‌تر و دقیق‌تر بهبود می‌بخشد. مربی هارپریت ساهوتا معماری سیستم های بازیابی، مکانیک نمایه سازی مجموعه داده های وسیع و ادغام LlamaIndex با مدل های هوش مصنوعی را پوشش می دهد.

درک زیربنای نظری RAG، مهارت های عملی در ساخت و استقرار LlamaIndex، و بررسی تحلیل انتقادی برنامه های RAG در صنایع مختلف را به دست آورید. موضوعات از مبانی بازیابی داده ها و نمایه سازی تا تکنیک های پیشرفته در تقویت مدل های تولیدی با داده های خارجی متغیر است. در پایان دوره، شما برای طراحی، پیاده‌سازی و ارزیابی سیستم‌های RAG و قرار دادن آن‌ها در لبه برتر اجرای فناوری هوش مصنوعی آماده خواهید شد.


linkedin LLM های پیشرفته با تولید تقویت شده بازیابی (RAG): پروژه های عملی برای برنامه های هوش مصنوعی (Mitalearn-409459)

  • 1 hours 47 minutes
  • مناسب همه
  • Release date: 28 January 2025
  • Author: Pragmatic AI Labs,Guy Ernest
درباره این دوره: 

 آیا شما یک مهندس ، معمار راه حل یا توسعه دهنده نرم افزار هستید که وظیفه ساخت برنامه های سازمانی را دارید؟ وقت آن است که با جدیدترین ابزارها و تکنیک های هوش مصنوعی سرعت بگیریم-در این حالت ، نسل بازیابی شده با اوج (RAG). در این دوره ، که توسط آزمایشگاه های پیشرو در زمینه فناوری AI طراحی شده است ، به مربی گای ارنست بپیوندید ، زیرا او مفاهیم بنیادی و پیشرفته مورد نیاز برای استفاده از پارچه را برای مدل های بزرگ زبان ، از جمله رمزگذاری متن با استفاده از بردارهای تعبیه شده ، تکه های مستند با استراتژی های غنی سازی ، بهبود بازیابی اسناد و موارد دیگر ، بیان می کند. در پایان این دوره ، شما به مهارت های لازم برای استفاده از قدرت Rag مجهز خواهید شد.

linkedin Rag AIS را با سکوی Cohere API تنظیم کرد (Mitalearn-433922)

  • 21 minutes
  • مناسب همه
  • Release date: 16 September 2024
  • Author: Ray Villalobos
درباره این دوره: 

 پلت فرم Cohere API و ابزارهای قدرتمند آن را برای تنظیم دقیق مدل های هوش مصنوعی با تکنیک های تولید (RAG) بازیابی (RAG) کاوش کنید. با یک مرور کلی از رویکرد منحصر به فرد ابر-آگنوستیک Cohere با مدل های انتشار سریع خود با محوریت نیازهای تجاری شروع می شود. یادگیری و بهینه سازی مدل های AI که در بسیاری از محیط های ابری قابل استفاده هستند. ابزارهای توسعه دهنده Cohere را کاوش کرده و با سفارشی سازی مدل آزمایش کنید و ابزارهایی را برای ساخت برنامه های کاربردی AI محور کشف کنید.

linkedin RAG برای امنیت سایبری: استفاده از موارد و اجرای (Mitalearn-433905)

  • 1 hours 10 minutes
  • مناسب همه
  • Release date: 7 April 2025
  • Author: Brennan Lodge
درباره این دوره: 

 این دوره اکتشافی عمیق در مورد چگونگی افزایش فناوری بازیابی-آگوژ (RAG) باعث افزایش امنیت سایبری می شود. درک کاملی از مؤلفه های اصلی Rag ، از جمله نحوه ادغام آن با مدل های بزرگ زبان برای افزایش بازیابی و تجزیه و تحلیل داده ها کسب کنید. این دوره به موارد استفاده عملی مانند نقشه برداری از سیاهههای مربوط به امنیت سایبری و هشدارهای مربوط به تکنیک های Miter ATT & CK ، انجام تجزیه و تحلیل شکاف در زمان واقعی برای حاکمیت ، ریسک و انطباق (GRC) به مربی برنان الج برای به دست آوردن دانش و ابزارهایی برای اجرای راه حل های RAG ، بهبود هر دو استراتژی دفاع فعال و فرآیندهای انطباق در سازمان های خود می پردازد. این دوره برای متخصصان امنیت سایبری ، کارشناسان GRC و دانشمندان داده ای که به دنبال استفاده از راه حل های محور AI برای افزایش عملیات امنیتی هستند ، ایده آل است.

linkedin آموزش ضروری گرافراگ (Mitalearn-421648)

  • 1 hours 39 minutes
  • مناسب همه
  • Release date: 10 July 2025
  • Author: Dr. Clair Sullivan
درباره این دوره: 

 این دوره دوستانه مبتدی اصول گرافراگ (نسل بازیابی نمودار) را معرفی می کند ، یک تکنیک برش که نمودارهای دانش را با هوش مصنوعی تولیدی ترکیب می کند تا ارتباط و دقت متنی را تقویت کند. این دوره که برای متخصصان و دانشجویان جدید برای گرافراگ طراحی شده است ، مفاهیم کلیدی از جمله ساختار نمودار ، گره ها ، لبه ها و روابط و همچنین مهارت های عملی در ساخت و پیکربندی مدلهای گرافراگ را در بر می گیرد. نحوه ادغام گرافراگ را در گردش کار موجود برای ایجاد برنامه های AI غنی شده و داده محور ، از طریق تمرینات دستی و نمونه های دنیای واقعی ، کاوش کنید. تا پایان دوره ، شما قادر خواهید بود موارد استفاده را شناسایی کرده و گرافراگ را به طور مؤثر در یک خط لوله AI تولید کنید.

linkedin برنامه های Advanced Rag با پایگاه داده های بردار (Mitalearn-409629)

  • 1 hours 18 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Yujian Tang
درباره این دوره:

بازیابی نسل (RAG) این روزها در همه جا است و پایگاه داده های بردار همان چیزی است که به آنها قدرت خود را می دهد. اما RAG به سادگی مانند برخی از شرکت ها ادعا نمی شود ، بنابراین می توان غرق شدن به راحتی انجام شد. در این دوره ، روشهای پیشرفته و مهم را از بین ببرید ، از جمله نحوه بهینه سازی پارچه مبتنی بر متن از طریق استفاده از تکه ، تعبیه و استفاده از ابرداده و نحوه انجام جستجوی اصلی تصویر با یک پایگاه داده بردار. همچنین با تعبیه و ذخیره داده ها و پرس و جو از تصاویر با متن ، فرصتی برای تمرین پارچه مولتییمال خواهید داشت. در طول راه ، مربی یوجیان تانگ تظاهرات عملی ، دستی و چالش های ورزشی را برای آزمایش مهارت های جدید خود ارائه می دهد.

linkedin برنامه های Rag ، AI و عوامل هوش مصنوعی برای امنیت سایبری و شبکه (Mitalearn-433854)

  • 5 hours 20 minutes
  • مناسب همه
  • Release date: 10 September 2025
  • Author: Omar Santos,Pearson
درباره این دوره: 

 

این دوره چهار ساعته به شما نشان می دهد که چگونه می توانید قدرت مدل های بزرگ زبان (LLM) را برای عملیات امنیت سایبری توهین آمیز و دفاعی و همچنین پیاده سازی های شبکه ای مهار کنید. مهارتهای عملی را که در حال تغییر شکل مجدد امنیت سایبری و چشم انداز شبکه هستند ، بدست آورید. مفاهیم اساسی RAG را بیاموزید و به تدریج به سمت پیاده سازی های پیشرفته مبتنی بر عامل با استفاده از چارچوب های استاندارد صنعت مانند Langchain ، Autogen و Langgraph استفاده کنید.

این دوره فراتر از مفاهیم نظری است و تجربه ای را با نمونه های کدگذاری گام به گام AI در دنیای واقعی ارائه می دهد. این که آیا شما یک اپراتور تیم قرمز هستید که به دنبال ایجاد حملات پیشرفته تر هستید ، یک تحلیلگر تیم آبی که به دنبال تقویت دفاع است ، یک محقق امنیتی که به کاوش در مرزهای هوش مصنوعی در امنیت سایبری یا یک متخصص شبکه نیاز به دانش هوش مصنوعی می پردازد ، این دوره اصول اصلی و مهارت های لازم برای ماندن در محیط های امروز را فراهم می کند.

این دوره توسط پیرسون ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.


linkedin پارچه و تنظیم دقیق توضیح داده شده است (Mitalearn-433871)

  • 20 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Morten Rand-Hendriksen
درباره این دوره:

ادغام موفقیت آمیز هوش مصنوعی در سیستمهای مهم برای ماموریت به دقت داده ها نیاز دارد. بهترین روش فعلی برای این کار استفاده از نسل تقویت شده بازیابی (RAG) در ترکیب با مدل های زبان تنظیم شده است. در این دوره کوتاه ، شما می توانید سطح بالایی از چگونگی کار با پارچه و تنظیم دقیق ، در هنگام مفید بودن ، و جایی که مشکلات مربوط به این رویکردها است ، بدست آورید.

linkedin تنظیم مجدد Rag: تکنیک های پیشرفته برای دقت و عملکرد مدل (Mitalearn-433888)

  • 54 minutes
  • مناسب همه
  • Release date: 28 February 2025
  • Author: Harshit Tyagi
درباره این دوره: 

 قدرت نسل بازیابی-آگوس (RAG) را با این دوره دستی در RAFT (تنظیم دقیق و بازیابی) باز کنید. برای ایجاد مدلهای خاص دامنه که پاسخهای دقیق و متنی مرتبط را ارائه می دهند ، یکپارچه سازی دقیق با RAG را بیاموزید. از درک مفاهیم اصلی گرفته تا اجرای تکنیک های پیشرفته مانند RAFT و استفاده از ابزارهایی مانند Azure AI Studio ، این دوره شما را به مهارت های ارتقاء و استقرار سیستم های RAG پیشرفته مجهز می کند. ایده آل برای پزشکان هوش مصنوعی با هدف بهینه سازی عملکرد مدل در حوزه های تخصصی.

linkedin تهیه داده ها ، مهندسی ویژگی ها و تقویت برای مدل های AI (Mitalearn-417262)

  • 1 hours 48 minutes
  • مناسب همه
  • Release date: 10 June 2025
  • Author: Dan Sullivan
درباره این دوره: 

 در این دوره پیشرفته ، Dan Sullivan - یک معمار ابر ، نویسنده و Google Cloud Expert - به تکنیک های مهندسی داده برای ساخت سیستم های AI می پردازد. در مورد تهیه داده ها ، از جمله ، ارزیابی کیفیت داده ها ، تولید بازنمودهای بردار ، رمزگذاری و سایر فرآیندهای مورد نیاز برای پشتیبانی از برنامه های هوش مصنوعی تولید کنید. روش های استفاده از هستی شناسی ، طبقه بندی ، نمودارهای دانش و سایر تکنیک های تقویت را برای تقویت دانش و قابلیت های استدلال در برنامه های هوش مصنوعی کشف کنید. با تأکید بر چارچوبهای اعتبار سنجی خودکار و مدیریت ابرداده ، عمیق به نظارت بر کیفیت شیرجه می زنید. به علاوه ، نحوه شناسایی منابع داده ، استفاده از بررسی کیفیت داده ها را پیدا کنید و کیفیت مدل های سیستم های AI تولید را ارزیابی کنید.

linkedin توسعه برنامه های RAG با LlamaIndex و Next.js (Mitalearn-456209)

  • 2 hours 53 minutes
  • مناسب همه
  • Release date: 27 February 2026
  • Author: Packt Publishing
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> با استفاده از LlamaIndex و جاوا اسکریپت، توسعه برنامه‌های تولید افزوده بازیابی (RAG) را کاوش کنید. پس از بررسی پیش نیازها و اهداف پروژه، روی راه اندازی محیط توسعه، از جمله پیکربندی Node.js و به دست آوردن کلیدهای OpenAI API برای تسهیل تعامل بدون درز با LlamaIndex تمرکز کنید. سپس به اصول LlamaIndex مانند دریافت داده ها، نمایه سازی و پرس و جو بروید. برای ساختن سیستم‌های RAG اولیه و سفارشی، جستجوی داده‌های ساختاریافته و تعامل با LlamaIndex با استفاده از Express API همراه باشید. تمرین‌ها شما را برای کنترل سناریوهای پیچیده، مانند جستجو در فایل‌های PDF و ادغام چندین منبع داده، مجهز می‌کنند. بخش های پایانی بر موضوعات پیشرفته، از جمله مدیریت ماندگاری داده ها و استقرار برنامه های کاربردی آماده تولید تمرکز دارند. شما یاد خواهید گرفت که چگونه با Next.js یک برنامه چت ربات تمام پشته ایجاد کنید و از Cre-llama CLI برای راه اندازی و سفارشی سازی سریع استفاده کنید. در پایان، می‌توانید برنامه‌های RAG مقیاس‌پذیر را بسازید، سفارشی کنید و به کار ببرید. </p> <p>توجه: این دوره توسط Packt Publishing ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم. </p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>سیستم‌های RAG را با LlamaIndex و JavaScript ایجاد کنید.</li> <li>یک محیط توسعه کامل را برای برنامه‌های RAG تنظیم و پیکربندی کنید.</li> <li>تکنیک های جذب و نمایه سازی داده ها را با استفاده از LlamaIndex اجرا کنید.</li> <li>پرسمان‌های پیچیده LlamaIndex را با بارکننده‌ها و موتورهای داده سفارشی بسازید.</li> <li>یک ربات چت تمام پشته با Next.js، LlamaIndex و OpenAI ایجاد کنید.</li> <li>سیستم‌های RAG مقیاس‌پذیر را با داده‌های پایدار برای استفاده در تولید مستقر کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>توسعه دهندگان نرم افزار</li> <li>مهندسین AI</li> <li>مهندسین یادگیری ماشین</li> <li>دانشمندان داده</li> <li>توسعه دهندگان وب</li> <li>علاقه مندان به فناوری که به ادغام هوش مصنوعی علاقه مند هستند</li> <li>متخصصان فناوری اطلاعات بر راه حل های مقیاس پذیر تمرکز کردند</li> </ul></p> <h3>پیش نیازها</h3> <h4>چه چیزی باید قبل از شرکت در این دوره بدانم؟</h4> <ul> <li>دانش پایه جاوا اسکریپت و توسعه وب</li> <li>آشنایی با APIها و مفاهیم توسعه Backend</li> <li>درک پایه ای از مفاهیم هوش مصنوعی یا یادگیری ماشین مفید است اما لازم نیست</li> </ul></p>

linkedin راهنمای کامل برای ارزیابی مدلهای بزرگ زبان (LLMS) (Mitalearn-415086)

  • 7 hours 56 minutes
  • مناسب همه
  • Release date: 2 July 2025
  • Author: Sinan Ozdemir,Pearson
درباره این دوره: 

 

در این دوره جامع ، Sinan Ozdemir متخصص AI و LLM دانش و مهارت های خود را برای ارزیابی عملکرد LLM به اشتراک می گذارد. مقدمه مفصلی در مورد فرآیند ارزیابی LLMS ، Multimodal AI و برنامه های کاربردی AI مانند عوامل و RAG دریافت کنید. بیاموزید که چگونه این ابزارهای هوش مصنوعی قدرتمند و غالباً ناخوشایند را ارزیابی و ارزیابی کنید تا بتوانید اطمینان حاصل کنید که آنها نیازهای دنیای واقعی شما را برآورده می کنند. این دوره شما را برای ارزیابی و بهینه سازی LLM ها آماده می کند تا بتوانید برنامه های برش AI را تولید کنید.

این دوره توسط پیرسون ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.


linkedin ساخت با Claude API توسط Anthropic (Mitalearn-452826)

  • 8 hours 11 minutes
  • مناسب همه
  • Release date: 2 April 2026
  • Author: Anthropic
درباره این دوره:

<p>این دوره شامل عملیات اساسی API، تکنیک‌های پیشنهادی پیشرفته، یکپارچه‌سازی ابزار، و الگوهای معماری برای ساختن سیستم‌های مبتنی بر هوش مصنوعی با استفاده از Claude و Anthropic API می‌شود. از طریق تمرین‌های عملی و مثال‌های عملی، نحوه پیاده‌سازی هوش مصنوعی مکالمه‌ای، تولید تقویت‌شده بازیابی و گردش‌های کاری خودکار را بیاموزید. به علاوه، بیاموزید که چگونه از قابلیت های چندوجهی کلود برای پردازش متن، تصاویر و اسناد استفاده کنید. </p> <p>توجه: این دوره توسط Anthropic ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم. </p><p> <strong>پیش نیازها</strong></p> <ul> <li>تسلط به برنامه نویسی پایتون</li> <li>دانش اولیه مدیریت داده های JSON</li> </ul>

linkedin ساخت راه حل های RAG با Azure AI Foundry (Azure AI Studio سابق) (Mitalearn-441844)

  • 1 hours 24 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Ziggy Zulueta
درباره این دوره:

این دوره آموزشی عمیق برای تقویت مهارت شما در استفاده موثر از Azure AI Foundry (استودیوی هوش مصنوعی Azure سابق) برای ایجاد راه‌حل‌های نسل افزوده بازیابی (RAG) ایجاد شده است. این دوره با بررسی سیستماتیک فرآیند مربوط به ایجاد یک راه حل RAG و اصول و اصول RAG آغاز می شود و به پیش نیازهای ایجاد یک راه حل RAG در Azure AI Foundry می پردازد. این دوره عملی با مدرس Ziggy Zulueta نمایش هایی را در مورد وارد کردن و بردار کردن داده ها و ادغام این داده ها در یک مدل مستقر ارائه می دهد و روند سفارشی سازی راه حل پیش فرض را با استفاده از ویژگی جریان سریع نشان می دهد. این دوره با راهنمای آزمایش و ارزیابی راه حل، همراه با یک جلسه عملی در مورد آزمایش نقاط پایانی REST API در Postman و استفاده از نقطه پایانی در تیم های مایکروسافت از طریق استودیو Copilot به پایان می رسد.

linkedin ساختن یک راه حل پارچه ای از ابتدا (Mitalearn-413369)

  • 2 hours 53 minutes
  • مناسب همه
  • Release date: 31 January 2025
  • Author: Axel Sirota
درباره این دوره: 

 در این دوره ، Axel Sirota نسل بازیابی-آگوس (RAG) را به عنوان یک روش قدرتمند برای تقویت قابلیت های مدل های بزرگ زبان (LLMS) معرفی می کند. مفاهیم بنیادی و کاربردهای عملی RAG را بیاموزید ، با تمرکز بر ایجاد چت بابات و سیستم های پشتیبانی تصمیم گیری در حوزه های مختلف. با استفاده از مجموعه داده MIMIC-III برای ایجاد یک چت بابات مراقبت های بهداشتی که می تواند به سؤالات پاسخ دهد یا به عنوان نمونه تشخیص را پیشنهاد کند ، در ساخت سیستم های RAG با Tensorflow ، Keras و Huggingface تجربه کنید. در پایان دوره ، شما به استقرار راه حل های RAG که یکپارچه سازی مکانیسم های بازیابی قوی با مدل های تولیدی ، در زمینه هایی مانند مراقبت های بهداشتی ، حقوقی و خدمات به مشتری قابل اجرا است ، مجهز خواهید شد.

linkedin فراتر از اصول: ساخت برنامه های کاربردی جاوا هوش مصنوعی با استفاده از LangChain4j (Mitalearn-451840)

  • 3 hours 22 minutes
  • مناسب همه
  • Release date: 7 January 2026
  • Author: Frank Greco
درباره این دوره:

<p>در این دوره فشرده و عملی، متخصص هوش مصنوعی و مشاور ارشد فرانک گرکو ثابت می کند که جاوا شهروند درجه یک در دنیای هوش مصنوعی مولد است. با نحوه تسلط بر LangChain4j، کتابخانه جاوای واقعی برای کار با LLM و ابزارهای هوش مصنوعی آشنا شوید. فرانک با استفاده از مخزن بزرگی از کدهای نمونه، نحوه نوشتن کد جاوا را برای ساختن برنامه‌های جاوای هوشمند و غنی از زمینه نشان می‌دهد که اعلان‌های مؤثر را با قدرت جاسازی‌ها، ذخیره‌های برداری، معماری جذب، و تولید افزوده‌شده با بازیابی (RAG) ترکیب می‌کند.</p><p>موضوعات اضافی تحت پوشش عبارتند از: درک پیشرفته و پاسخ‌دهی به زمان واقعی MLL، قالب‌های پاسخ واقعی MLL، پاسخ‌گویی به زمان واقعی، emb. استراتژی های تکه تکه کردن، فراخوانی روش های جاوا، عامل ها و موارد دیگر.</p>

linkedin کلود با آمازون بستر توسط آنتروپیک (Mitalearn-453710)

  • 7 hours 26 minutes
  • مناسب همه
  • Release date: 31 March 2026
  • Author: Anthropic
درباره این دوره:

<p> ساخت برنامه‌های کاربردی هوش مصنوعی با Claude به چیزی بیش از دسترسی به API نیاز دارد—شما به سیستم‌هایی نیاز دارید که بازیابی، استفاده از ابزار، حافظه پنهان و مقیاس را مدیریت کنند. Amazon Bedrock زیرساخت مدیریت شده را برای ساخت این سیستم ها در اکوسیستم AWS فراهم می کند. این دوره به شما می آموزد که API کلود را پیاده سازی کنید، برنامه های کاربردی آماده تولید ایجاد کنید، و قابلیت های پیشرفته ای از جمله استفاده از ابزار، تولید تقویت شده بازیابی (RAG) و عوامل مستقل را به کار ببرید.</p><p>با الگوهای اجرای API اصلی شروع کنید، سپس نحوه ساخت سیستم های RAG و خطوط لوله هوش مصنوعی مکالمه را بیاموزید. در طول راه، نحوه توسعه عوامل مستقل برای کارهایی مانند تولید کد و اشکال زدایی را بیاموزید و تکنیک های بهینه سازی عملکرد از جمله حافظه پنهان و طراحی معماری مقیاس پذیر را بیاموزید.</p><p>توجه: این دوره به مهارت اولیه برنامه نویسی Python و درک اولیه خدمات AWS و Amazon Bedrock نیاز دارد.</p><p>این دوره توسط Anthropic ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

linkedin لاجورد برای توسعه دهندگان: نسل بازیابی-اوج (RAG) با Azure AI (Mitalearn-412366)

  • 1 hours 54 minutes
  • مناسب همه
  • Release date: 30 January 2025
  • Author: Ziggy Zulueta
درباره این دوره: 

 در این دوره آموزشی، Ziggy Zulueta - یک مربی حرفه ای و معتبر مایکروسافت هوش مصنوعی - از مثال ها و برنامه های کاربردی استفاده می کند تا به شما نشان دهد چگونه از Python با Azure Open AI، Cosmos DB و AI Search برای ایجاد راه حل های پیشرفته بازیابی-نسل تقویت شده (RAG) برای داده های پیشرفته استفاده کنید. در اصول RAG، پیاده سازی های مبتنی بر پایتون و روش های ارزیابی عملکرد غوطه ور شوید. نحوه راه اندازی منابع Azure، ایجاد نمایه های داده، اعمال مجموعه مهارت ها برای بهبود داده ها و خودکار کردن فرآیند نمایه سازی را بیاموزید. اهمیت پایگاه‌های داده برداری، توکن‌سازی، جاسازی‌ها و چگونگی تسهیل بازیابی و تقویت موثر داده‌ها را بررسی کنید. راه حل های RAG خود را برای اطمینان از دقت، ارتباط و ایمنی ارزیابی کنید. در پایان این دوره، شما مجهز به توسعه راه حل های پیچیده RAG خواهید بود که بینش دقیق و مرتبط متناسب با نیازهای کسب و کار شما را ارائه می دهد.

Suggestions