@DataPlusScince __ Your First RAG.pdf
1.3 MB
📚 ساخت اولین سیستم RAG (Retrieval-Augmented Generation)
💡 این فایل آموزشی شامل مراحل ساخت یک سیستم RAG ساده برای پاسخگویی به سوالات بر اساس اسناد است. مفاهیم کلیدی مانند استخراج متن (Text Extraction)، تقسیمبندی متن (Text Chunking) و جستجوی برداری (Vector Search) را توضیح میدهد.
📄 محتوای فایل:
استخراج متن از PDF با استفاده از PyMuPDF
تقسیمبندی متن به قطعات کوچکتر (Chunking)
روشهای بازیابی اطلاعات: جستجوی کلیدواژهای (Keyword-based) و جستجوی برداری (Vector-based)
الگوریتم Okapi BM25 برای رتبهبندی اسناد
استفاده از Embeddings برای محاسبه شباهت معنایی
ساخت یک سیستم RAG ساده با استفاده از OpenAI API
🔬 این فایل همچنین محدودیتهای سیستم RAG پایه را نشان میدهد و زمینه را برای بحث در مورد تکنیکهای پیشرفتهتر در فصلهای بعدی فراهم میکند.
📢 #RAG #NLP #MachineLearning #VectorSearch #TextExtraction #پردازش_زبان_طبیعی #یادگیری_ماشین #هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
💡 این فایل آموزشی شامل مراحل ساخت یک سیستم RAG ساده برای پاسخگویی به سوالات بر اساس اسناد است. مفاهیم کلیدی مانند استخراج متن (Text Extraction)، تقسیمبندی متن (Text Chunking) و جستجوی برداری (Vector Search) را توضیح میدهد.
📄 محتوای فایل:
استخراج متن از PDF با استفاده از PyMuPDF
تقسیمبندی متن به قطعات کوچکتر (Chunking)
روشهای بازیابی اطلاعات: جستجوی کلیدواژهای (Keyword-based) و جستجوی برداری (Vector-based)
الگوریتم Okapi BM25 برای رتبهبندی اسناد
استفاده از Embeddings برای محاسبه شباهت معنایی
ساخت یک سیستم RAG ساده با استفاده از OpenAI API
🔬 این فایل همچنین محدودیتهای سیستم RAG پایه را نشان میدهد و زمینه را برای بحث در مورد تکنیکهای پیشرفتهتر در فصلهای بعدی فراهم میکند.
📢 #RAG #NLP #MachineLearning #VectorSearch #TextExtraction #پردازش_زبان_طبیعی #یادگیری_ماشین #هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
❤6👍2🔥1
Forwarded from هوش مصنوعی و علم داده به فارسی
@DataPlusScince __ Your First RAG.pdf
1.3 MB
📚 ساخت اولین سیستم RAG (Retrieval-Augmented Generation)
💡 این فایل آموزشی شامل مراحل ساخت یک سیستم RAG ساده برای پاسخگویی به سوالات بر اساس اسناد است. مفاهیم کلیدی مانند استخراج متن (Text Extraction)، تقسیمبندی متن (Text Chunking) و جستجوی برداری (Vector Search) را توضیح میدهد.
📄 محتوای فایل:
استخراج متن از PDF با استفاده از PyMuPDF
تقسیمبندی متن به قطعات کوچکتر (Chunking)
روشهای بازیابی اطلاعات: جستجوی کلیدواژهای (Keyword-based) و جستجوی برداری (Vector-based)
الگوریتم Okapi BM25 برای رتبهبندی اسناد
استفاده از Embeddings برای محاسبه شباهت معنایی
ساخت یک سیستم RAG ساده با استفاده از OpenAI API
🔬 این فایل همچنین محدودیتهای سیستم RAG پایه را نشان میدهد و زمینه را برای بحث در مورد تکنیکهای پیشرفتهتر در فصلهای بعدی فراهم میکند.
📢 #RAG #NLP #MachineLearning #VectorSearch #TextExtraction #پردازش_زبان_طبیعی #یادگیری_ماشین #هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
💡 این فایل آموزشی شامل مراحل ساخت یک سیستم RAG ساده برای پاسخگویی به سوالات بر اساس اسناد است. مفاهیم کلیدی مانند استخراج متن (Text Extraction)، تقسیمبندی متن (Text Chunking) و جستجوی برداری (Vector Search) را توضیح میدهد.
📄 محتوای فایل:
استخراج متن از PDF با استفاده از PyMuPDF
تقسیمبندی متن به قطعات کوچکتر (Chunking)
روشهای بازیابی اطلاعات: جستجوی کلیدواژهای (Keyword-based) و جستجوی برداری (Vector-based)
الگوریتم Okapi BM25 برای رتبهبندی اسناد
استفاده از Embeddings برای محاسبه شباهت معنایی
ساخت یک سیستم RAG ساده با استفاده از OpenAI API
🔬 این فایل همچنین محدودیتهای سیستم RAG پایه را نشان میدهد و زمینه را برای بحث در مورد تکنیکهای پیشرفتهتر در فصلهای بعدی فراهم میکند.
📢 #RAG #NLP #MachineLearning #VectorSearch #TextExtraction #پردازش_زبان_طبیعی #یادگیری_ماشین #هوش_مصنوعی
➖➖➖➖➖➖➖➖➖➖➖➖
برای آموزش علم داده به جمع ما بپیوندید: 👇
📊👨🏫 @DataPlusScience | @Data➕Science
👍4🔥2❤1