AI-powered learning
Save this course
أساسيات التوليد المعزز بالاسترجاع باستخدام LangChain
استكشف هذه الدورة التدريبية للمبتدئين في مجال توليد المحتوى المعزز بالاسترجاع (RAG) لتعلم أساسيات هذا المجال. وللتطبيق العملي، بناء مسارات RAG باستخدام LangChain، وأنشئ تطبيقات سهلة الاستخدام باستخدام Streamlit.
4.6
21 Lessons
3h
Updated 2 weeks ago
Join 3 million developers at
Join 3 million developers at
ما سوف تتعلمه
- فهم بنية وسير عمل أنظمة التوليد المعزز بالاسترجاع (RAG).
- قم بتنفيذ مسارات RAG من البداية إلى النهاية باستخدام LangChain للحصول على مخرجات ذكاء اصطناعي دقيقة وواعية بالسياق.
- استكشف تقنيات الفهرسة الفعالة واستراتيجيات الاسترجاع لتحسين أداء نظام RAG.
- قم بإنشاء استعلامات معززة وقم بتوليد استجابات تعتمد على السياق باستخدام LangChain.
- قم ببناء تطبيقات ويب تفاعلية باستخدام Streamlit لتحسين تفاعل المستخدم مع أنظمة RAG.
KEY OUTCOMES
Design Reliable RAG Applications
Build dependable retrieval-augmented generation applications that integrate real data for accurate AI responses.
Implement Effective Data Retrieval Strategies
Apply advanced indexing and retrieval methods to optimize RAG pipelines for real-world applications.
Create Interactive User Interfaces
Develop user-friendly web applications using Streamlit that enhance interaction with retrieval-augmented generation systems.
Transition Between Vector Stores
Adapt RAG systems to utilize different vector stores, ensuring efficient data retrieval and storage solutions.
Why choose this course?
Facing Limitations in AI Development?
As AI evolves, developers often struggle with the limitations of generative models, risking accuracy and relevance in their applications. This challenge can hinder career growth and project success.
Why RAG Is Essential for Developers
Without mastering retrieval-augmented generation, developers may find their AI solutions unreliable. Many can create demos, but few can ensure they perform dependably in real-world scenarios, impacting their credibility.
Master RAG with Practical Experience
This course offers hands-on learning with LangChain, guiding you through building end-to-end RAG applications. You'll gain insights into data structuring, query management, and response generation, making RAG approachable.
Elevate Your AI Skills Today
Join a community of developers enhancing their AI capabilities. Equip yourself with the skills to create accurate, production-ready LLM applications that stand out in the competitive tech landscape.
خارطة طريق التعلم
2.
أساسيات RAG
أساسيات RAG
تعلم المنطق الكامن وراء نظام RAG، ومكوناته الأساسية، واستراتيجيات مثل الفهرسة والاسترجاع لبناء أساس متين لأنظمة RAG الخاصة بك.
3.
RAGs و LangChain
RAGs و LangChain
4 Lessons
4 Lessons
استكشف كيفية تطبيق الفهرسة والاستعلام وتوليد الاستجابات في LangChain لتشغيل أنظمة RAG الخاصة بك.
4.
قم ببناء واجهة أمامية لنظام RAG الخاص بنا
قم ببناء واجهة أمامية لنظام RAG الخاص بنا
4 Lessons
4 Lessons
استخدم Streamlit و LangChain لبناء واجهة أمامية سهلة الاستخدام لنظام RAG الخاص بك، مما يتيح التفاعل السلس مع خط الأنابيب الخاص بك.
5.
التحديات
التحديات
6 Lessons
6 Lessons
واجه التحديات المتقدمة لتحسين نظامك، مثل التعامل مع انتقالات مخزن المتجهات ودعم تنسيقات الملفات المتعددة.
شهادة إتمام
اعرض إنجازك بمشاركة شهادة الإتمام الخاصة بك.
Complete more lessons to unlock your certificate
Developed by MAANG Engineers
ABOUT THIS COURSE
أصبح توليد البيانات المعزز بالاسترجاع (RAG) معيارًا متناميًا لبناء تطبيقات إدارة دورة حياة اللغة (LLM) موثوقة وجاهزة للاستخدام. ونظرًا للقيود التي تواجهها النماذج التوليدية فيما يتعلق بالهلوسة والمعرفة القديمة، يوفر RAG طريقة منظمة لربط المخرجات ببيانات حقيقية، مما يجعله ضروريًا لأي نظام يتطلب الدقة والسياق والموثوقية. لقد صممت هذه الدورة بناءً على خبرتي في مجال الأنظمة الذكية والذكاء الاصطناعي التكيفي، حيث يُعدّ دمج الاسترجاع مع التوليد أمرًا بالغ الأهمية لبناء أنظمة قادرة على تحليل المعلومات الديناميكية. لاحظتُ نمطًا متكررًا يتمثل في قدرة المطورين على بناء عروض توضيحية لـ LLM، لكنهم يواجهون صعوبة في جعلها موثوقة في سيناريوهات العالم الحقيقي. وكان العنصر المفقود دائمًا هو الاسترجاع. صُممت هذه الدورة لجعل RAG عمليًا وسهل الفهم. ستتعلم أساسيات RAG من خلال بنيته وسير عمله، ثم ستنفذ مسارات متكاملة باستخدام LangChain. بناء تطبيق RAG عمليًا وتُوسّعه بواجهة أمامية Streamlit، مع التركيز على كيفية هيكلة البيانات والاستعلامات والاستجابات بفعالية. يستخدم المطورون بالفعل RAG لتشغيل البحث والمساعدين وأنظمة الذكاء الاصطناعي المؤسسية. إذا كنت ترغب في بناء تطبيقات إدارة التعلم القانوني (LLM) دقيقة وجاهزة للإنتاج، فهذه هي نقطة البداية.
ABOUT THE AUTHOR
Khayyam Hashmi
Computer scientist and Generative AI and Machine Learning specialist. VP of Technical Content @ educative.io.
Trusted by 3 million developers working at companies
A
Anthony Walker
@_webarchitect_
E
Evan Dunbar
ML Engineer
S
Software Developer
Carlos Matias La Borde
S
Souvik Kundu
Front-end Developer
V
Vinay Krishnaiah
Software Developer
Built for 10x Developers
No Passive Learning
Learn by building with project-based lessons and in-browser code editor
Personalized Roadmaps
The platform adapts to your strengths & skills gaps as you go
Future-proof Your Career
Get hands-on with in-demand skills
AI Code Mentor
Write better code with AI feedback, smart debugging, and "Ask AI"
MAANG+ Interview Prep
AI Mock Interviews simulate every technical loop at top companies
Free Resources
