Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-6 of 6 items.

linkedin آشنایی با بانکهای اطلاعاتی وکتور AI بومی (Mitalearn-423926)

  • 2 hours 47 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Zain Hasan
درباره این دوره:

هدف اصلی پایگاه داده های بردار ارائه جستجوی شباهت سریع و دقیق یا نزدیکترین قابلیت های جستجوی همسایه است. ادغام تکنیک های هوش مصنوعی در پایگاه داده های بردار ، توانایی های آنها را افزایش می دهد ، دقت جستجو را بهبود می بخشد ، عملکرد را بهینه می کند و مدیریت هوشمندانه تر و کارآمد تر داده های با ابعاد بالا را امکان پذیر می کند. در این دوره ، زین حسن این فناوری بنیادی را معرفی می کند - که قبلاً در صنایعی مانند تجارت الکترونیک ، رسانه های اجتماعی و موارد دیگر مورد استفاده قرار می گیرد. Zain همه چیز را از مفاهیم بنیادی پیرامون پایگاه داده های بردار ai-first گرفته تا آزمایشگاه های کدگذاری دستی برای پاسخ به سؤال با استفاده از LLMS پوشش می دهد. Target = "_ Blank"> گواهی حرفه ای از Weaviate.

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 بنیادهای LLM: پایگاه داده های بردار برای ذخیره سازی و بازیابی نسل تقویت شده (RAG) (Mitalearn-427462)

  • 1 hours 33 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

با افزایش محبوبیت مدل های زبان ، زیرساخت هایی که در اطراف آنها مورد استفاده قرار می گیرد نیز برای کاهش هزینه ها ، ایجاد پاسخ های دقیق و بهبود کارآیی بسیار مهم می شود. بانکهای اطلاعاتی وکتور نقش مهمی در چندین مورد استفاده از LLM برای کمک به کاهش کاستی های LLM ، کاهش هزینه ها و تأخیر دارند. آگاهی از اصول اولیه و برنامه های کاربردی آن برای هر برنامه کاربردی ساختمان مهندس با LLM بسیار مهم است و در این دوره ، کوماران پونامبالام اصول پایگاه داده های بردار و نحوه استفاده از آنها را در ذخیره سازی LLM و نسل بازیابی-اوج (RAG) به شما می آموزد.

Kumaran با بحث در مورد اصول پایگاه داده های بردار و برنامه های کاربردی آنها آغاز می شود. وی سپس پایگاه داده های تخصصی را برای ذخیره بردارها بررسی می کند و از پایگاه داده Milvus به عنوان نمونه مرجع استفاده می کند و عملیات خواندن و نوشتن را با پایگاه داده Milvus نشان می دهد. بیاموزید که چگونه از پایگاه داده های بردار برای حافظه پنهان LLM استفاده کنید ، با یک مورد استفاده به عنوان مثال ، به همراه نمونه هایی از موارد استفاده از RAG. سرانجام ، کوماران با بحث در مورد بهینه سازی بانکهای اطلاعاتی بردار نتیجه می گیرد.

linkedin پایگاه های داده برداری در عمل: شیرجه عمیق (Mitalearn-441827)

  • 1 hours 50 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Joon-Pil Hwang
درباره این دوره:

پایگاه‌های اطلاعاتی برداری و کاربردهای آن‌ها نحوه کار ما را تغییر می‌دهند. آنها اساساً نحوه ذخیره، مدیریت و بازیابی داده ها را از طریق ادغام عمیق خود با مدل های هوش مصنوعی تغییر می دهند. در این دوره، مهارت های عملی و تمام عیار در مورد نحوه ساخت و استفاده از پایگاه های داده برداری را بیاموزید. مربی Joon-Pil Hwang شما را در ساختن یک برنامه کاربردی راهنمایی می کند که اساساً توسط یک پایگاه داده برداری قدرت می گیرد و شما را از ایجاد پایگاه داده تا استفاده و حتی یکپارچه سازی برنامه ها می برد. ملاحظات کلیدی در استفاده از پایگاه داده برداری را در عمل بیاموزید، همچنین از برخی تکنیک های رایج و انتخاب های پایه به عنوان نقطه شروع آگاه باشید. جستجوهای کلیدواژه، برداری، و ترکیبی را برای یافتن سریعتر داده‌های مناسب و همچنین نحوه اعمال نسل افزوده بازیابی کشف کنید - که ابزارهای هوش مصنوعی مولد را با اتصال به داده‌های شما دقیق‌تر می‌کند.

این دوره بخشی از یک گواهی حرفه ای از Weaviate.

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 ساخت با هوش مصنوعی: برنامه های کاربردی با LlamaIndex و MCP (Mitalearn-452928)

  • 1 hours 48 minutes
  • مناسب همه
  • Release date: 5 February 2026
  • Author: Tuana Çelik,Joon-Pil Hwang
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> بیاموزید که چگونه برنامه های کاربردی بسازید که می توانند به طور هوشمند چندین عامل هوش مصنوعی را برای کار با منابع دانش توزیع شده هماهنگ کنند. در این دوره، مربیان Tuana Çelik و Joon-Pil Hwang اصول معماری های عاملی و ایجاد گردش کار سفارشی را با LlamaIndex پوشش می دهند. در مورد نحوه ادغام پایگاه های داده برداری مانند Weaviate برای ذخیره و بازیابی دانش، و همچنین پیاده سازی سیستم های چند عاملی مبتنی بر نقش، بینش جمع آوری کنید. در طول مسیر، Tuana و Joon-Pil همچنین به پروتکل بافت مدل (MCP) می پردازند، که می تواند ادغام قدرتمندی با سایر منابع داده خارجی فراهم کند. در پایان این دوره، شما به مهارت های مورد نیاز برای ساخت برنامه های کاربردی با استفاده از ابزارهای درجه یک سازمانی مجهز خواهید شد.</p> <p>این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. </p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>به طور کلی توضیح دهید که یک برنامه کاربردی چیست و چرا ارزشمند است.</li> <li>نقش یک چارچوب عامل و تفاوت آن با یک مدل تولیدی را توضیح دهید.</li> <li>پروتکل بافت مدل (MCP) و مشکلاتی را که حل می کند توضیح دهید.</li> <li>یک عامل اساسی با فراخوانی ابزار با استفاده از LlamaIndex پیاده سازی کنید.</li> <li>اطلاعات را از یک پایگاه داده برداری با استفاده از Weaviate Query Agent بازیابی کنید.</li> <li>Weaviate Query Agent را به عنوان ابزاری در یک عامل LlamaIndex ادغام کنید.</li> <li>یک سیستم چند عامله بسازید که چندین نماینده تخصصی را هماهنگ می کند.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>توسعه دهندگان سازمانی با تجربه مدل هوش مصنوعی</li> <li>توسعه‌گران یا توسعه‌دهندگان پاره وقت کنجکاو در مورد اکوسیستم‌های هوش مصنوعی</li> <li>سرنخ های فنی به دنبال پیاده سازی سیستم های هوش مصنوعی پیشرفته</li> <li>دانشمندان داده علاقه مند به یکپارچه سازی داده ها در زمان واقعی هستند</li> <li>مهندسین ابزار هوش مصنوعی که روی برنامه های کاربردی مبتنی بر عامل کار می کنند</li> </ul></p>

Suggestions