نگین امیرزاده
از ایده تا ساخت یک پروژه کاربردی با Generative AI و RAG
درک نحوه عملکرد RAG و نقش آن در ساخت دستیارهای هوش مصنوعی
یادگیری ساخت یک دستیار هوش مصنوعی شخصی‌سازی‌شده بدون نیاز به برنامه‌نویسی
اتصال دستیار هوش مصنوعی به منابع و اطلاعات موردنظر و استفاده از آن‌ها برای پاسخ‌گویی
آشنایی با مفاهیم و کاربردهای Generative AI و RAG
2 ساعت ویدئو
دسترسی مادام‌العمر به محتوای دوره
RAG (Retrieval-Augmented Generation) روشی است که به مدل‌های هوش مصنوعی مولد امکان می‌دهد پیش از تولید پاسخ، اطلاعات موردنیاز را از منابع مشخص بازیابی کرده و بر اساس آن‌ها پاسخ تولید کنند.
در این کارگاه پروژه‌محور، شرکت‌کنندگان با مفاهیم و کاربردهای Generative AI و RAG آشنا می‌شوند و مسیر تبدیل یک ایده به یک پروژه کاربردی را به‌صورت عملی دنبال می‌کنند. همچنین به‌صورت ساده و کاربردی یاد می‌گیرند چگونه بدون نیاز به برنامه‌نویسی، یک دستیار هوش مصنوعی شخصی‌سازی‌شده بر اساس اطلاعات و نیازهای خود طراحی و پیاده سازی کنند.
بر اساس امتیاز 29 دانشجو
نگین امیرزاده، پژوهشگر و مدرس هوش مصنوعی، با پیش‌زمینه مهندسی پزشکی در حوزه‌های یادگیری ماشین، یادگیری عمیق و هوش مصنوعی توضیح‌پذیر (Explainable AI) فعالیت می‌کند.
تمرکز اصلی او بر توسعه و آموزش روش‌هایی است که به درک بهتر تصمیمات مدل‌های هوش مصنوعی و افزایش اعتمادپذیری سیستم‌های هوشمند کمک می‌کنند. او در زمینه طراحی و پیاده‌سازی مدل‌های یادگیری ماشین و یادگیری عمیق، به‌ویژه در کاربردهای میان‌رشته‌ای هوش مصنوعی، فعالیت داشته است.
همچنین، او با ترکیب تجربه پژوهشی و آموزشی، به تولید محتوای تخصصی و برگزاری دوره‌هایی با رویکرد کاربردی می‌پردازد و هدف او ساده‌سازی مفاهیم پیچیده هوش مصنوعی و ایجاد مسیر یادگیری موثر برای علاقه‌مندان این حوزه است.
هوش مصنوعی مولد و سامانه‌های RAG: مفاهیم، طراحی و پیاده‌سازی
