عن الدورة
تقدم هذه الدورة التدريبية مستوى متوسطًا يتناول حل أحد أكبر التحديات التي تواجه نماذج اللغة الكبيرة (LLMs)، وهي الميل إلى إنتاج معلومات غير دقيقة أو غير مؤكدة (الهلوسة). من خلال منهج عملي، يركز المساق على بناء نظام فعال وموثوق باستخدام تقنية Retrieval-Augmented Generation (RAG)، والتي تعتمد على قواعد بيانات متجهة مثل Chroma لإنشاء قاعدة معلومات خارجية تساعد في تحييد إجابات النموذج استنادًا إلى بيانات موثوقة ومقننة. يعتمد التعلم على نماذج مفتوحة المصدر مثل Chroma وLangChain لتنفيذ أنماط معمارية متقدمة لضمان دقة وجودة المخرجات. في نهاية الدورة، يتم إجراء تقييم عملي يقارن أداء النموذج مع وبدون استخدام RAG لقياس مدى تحسن المصداقية والموثوقية، مما يجعل هذه الدورة ملائمة للمطورين والممارسين الباحثين عن حلول متقدمة لزيادة جودة نماذج الذكاء الاصطناعي.
ماذا ستتعلم
- إنشاء وتقييم نظام RAG باستخدام قاعدة بيانات متجهة
- تقليل الهلوسة في نماذج اللغة الكبيرة
- استخدام أنماط معمارية لبناء قاعدة معرفة خارجية
- تحسين مصداقية إجابات النموذج
- تنفيذ مشروع تطبيقي عملي
المتطلبات المسبقة
- فهم أساسي للمفاهيم والمصطلحات المتعلقة
- الاستعداد للتطبيق العملي من خلال تمارين أو دراسات حالة
المدرسون
LearningMate