Vector Databases و Retrieval-Augmented Generation
بخشی از دوره Prompt Engineering
در درس ۲ دیدید مدل چرا توهم می‌زند: توکن‌های بعدیِ محتمل را پیش‌بینی می‌کند، حقیقتی را از جایی پیدا نمی‌کند، و هر چه بیرون از داده آموزش یا پنجره زمینه‌اش باشد حدس است. در درس ۵ یاد گرفتید یک قالب پرامپت را پیش از فرستادن با داده پر کنید. این درس آن دو ایده را در راه‌حل استاندارد یک مسئله با هم ترکیب می‌کند: اینکه پاسخ مدل بر اطلاعات واقعی، به‌روز و خصوصی تکیه کند. اول متن درست را بازیابی کن، بعد بگذارش داخل پرامپت.
مدل فقط دو چیز می‌داند: آنچه در جریان آموزش جذب کرده و آنچه همین حالا در پرامپت گذاشته‌اید. ویکی شرکتتان، تیکت‌های پشتیبانی هفته گذشته، یا PDFای که روی دیسک دارید را نمی‌بیند. درباره هر یک از این‌ها بپرسید و متنی روان، مطمئن و غلط تولید می‌کند. این همان مشکل توهم از درس ۲ است. ...
می‌خواهی Prompt Engineering Vector Databases و Retrieval-Augmented Generation را در یک محیط واقعی یاد بگیری؟
روی دکمه زیر بزن تا یک ماشین لینوکس با Prompt Engineering آماده دریافت کنی و Vector Databases و Retrieval-Augmented Generation را به‌صورت عملی با یک مربی هوشمند که کدت را می‌شناسد تمرین کنی.
شروع این درسVector Databases و Retrieval-Augmented Generationچه چیزهایی یاد میگیری
- Embeddings and vector similarity
- Chunking documents
- Vector databases and nearest-neighbor search
- Retrieval-augmented generation
- Grounding answers with citations
این درس را به زبان خودت بخوان
همهٔ درسهای این دوره
11 درس- 1پرامپت (prompt) چیست20 دقیقه
- 2مدلهای زبانی بزرگ چطور متن تولید میکنند30 دقیقه
- 3پنج اصل prompting30 دقیقه
- 4روشهای استاندارد برای تولید متن35 دقیقه
- 5Prompt Templates and Function Calling35 دقیقه
- 6Vector Databases و Retrieval-Augmented Generation40 دقیقه
- 7Autonomous Agents: حافظه (memory) و ابزارها (tools)40 دقیقه
- 8مدلهای diffusion چطور تصویر تولید میکنند30 دقیقه
- 9شیوههای استاندارد برای تولید تصویر35 دقیقه
- 10تکنیکهای پیشرفته تصویر: inpainting، outpainting و ControlNet35 دقیقه
- 11ساخت اپلیکیشنهای مبتنی بر AI40 دقیقه
دورههای دیگر را ببین
