×
ribbon

آمادگی گواهینامه Databricks در Context Engineering (مهندسی زمینه)

مدرس:Udemy

olivier AUFFRET

مهندسی زمینه دیتابریکس: بهینه‌سازی ورودی‌های مدل‌های زبان بزرگ

جدید
زیرنویس
4دانشجو
6ساعت
سرفصل‌ها
متوسط سطح دوره
بروزرسانیمهر ۱۴۰۵
محتوای دوره
سرفصل‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

شناخت اکوسیستم دیتابریکس ژن‌ای‌آی و توانایی ناوبری در آن

تشخیص و رفع مشکلات مرتبط با زمینه در ژن‌ای‌آی

آمادگی برای دریافت گواهی کارشناس مهندسی زمینه دیتابریکس

یادگیری نحوه پر کردن پنجره بافت بدون زوال زمینه

این دوره شامل:

6 ساعت ویدئو

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

زیرنویس اختصاصی مکتب‌خونه

سرفصل‌های دوره

10 فصل48 جلسه6 ساعت ویدیو
مقدمه
  مقدمه
03:13
فصل ۰: راه‌اندازی
  معرفی فصل
03:24
  نسخه رایگان دیتابریکس
02:08
  اتصال گیت‌هاب به دیتابریکس
04:10
  دریافت کلید API کلود
02:17
  ایجاد و مدیریت اعتبارنامه‌های مدل زبانی بزرگ
02:47
  ایجاد نقطه سرویس کلود
04:47
  ایجاد حجم پی‌دی‌اف
04:23
  ایجاد جدول دلتا از CSV
07:20
فصل ۱: مبانی مهندسی زمینه
  معرفی فصل
02:31
  چیستی مهندسی زمینه
09:16
  کاتالوگ یونیتی
10:45
  فلو یادگیری ماشین
16:57
  لیک‌بیس
04:54
  عامل ساخت
11:28
  مدهای شکست و استراتژی‌های زمینه
16:15
فصل دوم: پرومپت سیستمی و طراحی دستورالعمل
  معرفی فصل
02:19
  فضای جنی
09:40
  پرومپت
16:49
  انتخاب با چند نمونه
08:10
  تعادل توکن‌ها
05:51
فصل سوم: بازیابی دانش و پیکربندی جنی
  معرفی فصل
04:01
  معرفی RAG
02:34
  گردش کار RAG
09:42
  تقسیم‌بندی
10:33
  جست‌وجوی برداری
11:28
  گردآوری فضای جینی
04:10
  تشخیص فراداده UC
06:00
  خط‌لوله RAG
10:31
  تشخیص جست‌وجوی برداری
08:02
فصل IV معماری حافظه با LAKEBASE و MLFLOW
  معرفی فصل
02:41
  معماری Lakebase
05:58
  کیفیت بازیابی حافظه و یکپارچگی زمینه
07:53
  ایجاد نقطه پایانی Lakebase
01:46
  عامل حافظه کوتاه
04:56
بخش V طراحی ابزار، MCP و زمینه عامل
  معرفی فصل
04:14
  ابزارهای عامل
21:16
  ایجاد ابزارها
10:29
  اتصال گیت‌هاب MCP
08:23
  افشای تدریجی
08:38
  MCP لایه‌بندی‌شده عامل
02:38
  حذف زمینه
05:29
بخش VI فشرده‌سازی زمینه و تراکم
  معرفی فصل
02:23
  تراکم چیست؟
08:24
  تمرین عملی تراکم
08:17
بخش VII طراحی چند‌عامل و وظایف با افق بلند
  معرفی فصل
02:31
  خطای چند‌عاملی
15:19
نتیجه‌گیری
  نتیجه‌گیری
01:27

توضیحات دوره

این دوره چگونه ورودی‌های مدل‌های زبان بزرگ را بهینه می‌کند؟ آنچه یاد می‌گیرید: - ناوبری در اکوسیستم دیتابریکس ژن‌ای‌آی - تشخیص و حل مشکلات زمینه ژن‌ای‌آی - آماده‌سازی گواهی کارشناس مهندسی زمینه دیتابریکس - پر کردن پنجره زمینه بدون زوال زمینه. نیازمندی‌ها: - برنامه‌نویسی پایتون پایه - آشنایی با SQL - درک کلی از اینکه مدل‌های زبان بزرگ چه هستند - داشتن یک حساب کاربری گیت‌هاب - نیازی به تجربه قبلی با دیتابریکس نیست

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
1دوره
4دانشجو
اولیویه اوفره مدرس دوره‌های Databricks در Udemy است. دوره رسمی او برای آمادگی گواهی‌نامه مهندسی زمینه و کاربردهای هوش مصنوعی مولد، موضوعاتی مانند اکوسیستم Databricks، زمینه مدل‌های زبانی و ساخت برنامه‌های هوش مصنوعی را آموزش می‌دهد.
poster

آمادگی گواهینامه Databricks در Context Engineering (مهندسی زمینه)

4دانشجو

دوره‌های مشابه