Self-RAG چیست؟ آموزش بازیابی، تولید و ارزیابی پاسخ با Python

Self-RAG چیست و چگونه درباره بازیابی، ارتباط منابع و پشتوانه پاسخ تصمیم می‌گیرد؟ در این راهنما، روش پژوهشی اصلی، تفاوت با RAG معمولی، محدودیت خودارزیابی و ساخت یک گردش‌کار مشابه با Python و API را بررسی می‌کنیم.

Parent Document Retrieval چیست؟ آموزش بازیابی والد و فرزند در RAG با Python

Parent Document Retrieval چگونه دقت جست‌وجوی قطعات کوچک را با بافت بخش‌های بزرگ‌تر ترکیب می‌کند؟ در این آموزش، بازیابی والد و فرزند در RAG، پیاده‌سازی Python، کنترل حجم زمینه و ارزیابی اسناد فارسی را بررسی می‌کنیم.

Contextual Retrieval چیست؟ آموزش بازیابی زمینه‌مند در RAG با Python

Contextual Retrieval چیست و چگونه بافت ازدست‌رفته قطعات متن را به RAG بازمی‌گرداند؟ در این راهنما، بازیابی زمینه‌مند، Contextual Embeddings و Contextual BM25 را با مثال فارسی، کد Pythonو روش ارزیابی بررسی می‌کنیم.

RRF چیست؟ آموزش ترکیب رتبه‌ها در جست‌وجوی ترکیبی و RAG با Python

RRF چیست و چگونه رتبه‌های جست‌وجوی واژگانی و معنایی را ترکیب می‌کند؟ در این راهنما، Reciprocal Rank Fusion، تنظیم پارامترها، پیاده‌سازی Python و کاربرد آن در جست‌وجوی ترکیبی و RAGرا بررسی می‌کنیم.

MMR چیست؟ آموزش کاهش نتایج تکراری در جست‌وجو و RAG با Python

MMR چیست و چگونه نتایج تکراری جست‌وجو را کاهش می‌دهد؟ در این راهنما، تعادل ارتباط و تنوع، تفاوت با Reranking، انتخاب پارامترها و پیاده‌سازی عملی برای جست‌وجوی فارسی و RAG با Python را می‌آموزید.

HyDE چیست؟ آموزش بهبود بازیابی در RAG با سند فرضی و Python

HyDE چیست و چگونه با تولید یک سند فرضی، اسناد واقعی را پیدا می‌کند؟ در این راهنما، تفاوت با بازنویسی پرسش، محدودیت‌های روش و پیاده‌سازی بازیابی فارسی با Python و API درواره را می‌آموزید.

BGE-M3 چیست؟ آموزش جست‌وجوی معنایی فارسی با Python

BGE-M3 چیست و چگونه جست‌وجوی معنایی فارسی را با سه نمایش متراکم، پراکنده و چندبرداری انجام می‌دهد؟ در این راهنما، مدل را با Python اجرا می‌کنیم و کیفیت بازیابی، هزینه پردازش و کاربرد آن در RAGرا بررسی می‌کنیم. عنوان متا:

SPLADE چیست؟ آموزش جست‌وجوی عصبی با بردارهای پراکنده در Python و Qdrant

SPLADE چیست و چگونه جست‌وجوی واژگانی را با یادگیری عمیق ترکیب می‌کند؟ در این راهنما، بردارهای پراکنده، گسترش واژگان، تفاوت با BM25 و Dense Embedding و پیاده‌سازی جست‌وجو با Python و Qdrant را می‌آموزید.

Matryoshka Embedding چیست؟ آموزش کاهش ابعاد بردارهای معنایی با Python

Matryoshka Embedding چیست و چگونه ابعاد بردارهای معنایی را کاهش می‌دهد؟ در این راهنما، تفاوت با PCA و Quantization، محاسبه هزینه ذخیره‌سازی و پیاده‌سازی جست‌وجوی دومرحله‌ای با Python را می‌آموزید.

ColBERT چیست؟ آموزش جست‌وجوی چندبرداری و Late Interaction با Python

ColBERT چیست و چگونه با جست‌وجوی چندبرداری، ارتباط پرسش و سند را بررسی می‌کند؟ در این راهنما، Late Interaction، امتیاز MaxSim، تفاوت با Cross-Encoder و پیاده‌سازی عملی با Python و Qdrant را می‌آموزید.

GRPO چیست؟ آموزش یادگیری تقویتی مدل‌های زبانی با Python و TRL

GRPO چیست و چگونه مدل‌های زبانی با مقایسه پاداش چند پاسخ آموزش می‌بینند؟ در این راهنما، تفاوت GRPO، PPO و DPO، طراحی تابع پاداش، ارتباط با DeepSeek و مثال آموزشی Python و TRLرا بررسی می‌کنیم.

DPO چیست؟ آموزش تنظیم مدل زبانی با داده ترجیحی، TRL و LoRA

DPO چیست و چگونه مدل زبانی از مقایسه پاسخ بهتر و ضعیف‌تر یاد می‌گیرد؟ در این راهنما، تفاوت DPO، SFT و RLHF، طراحی داده ترجیحی فارسی، آموزش با TRLو ارزیابی کیفیت مدل را بررسی می‌کنیم.

آموزش و راهنما

JEPA چیست؟ آموزش معماری پیش‌بینی مشترک، I-JEPA و V-JEPA با Python

JEPA چیست و چگونه بدون بازسازی پیکسل‌ها از تصویر و ویدئو یاد می‌گیرد؟ در این راهنما، معماری JEPA، تفاوت I-JEPA و V-JEPA، ارتباط آن با مدل جهان و استخراج ویژگی ویدئو با Pythonرا بررسی می‌کنیم.

آموزش و راهنما

GQA چیست؟ تفاوت MHA و MQA و آموزش توجه گروهی با PyTorch

GQA چیست و چگونه مصرف حافظه مدل‌های زبانی را کاهش می‌دهد؟ در این راهنما، تفاوت MHA، MQA و Grouped-Query Attention، تأثیر آن‌ها بر KV Cache و پیاده‌سازی عملی با PyTorchرا بررسی می‌کنیم.

آموزش و راهنما

تفاوت مدل Base و Instruct چیست؟ راهنمای انتخاب مدل زبانی با مثالPython

تفاوت مدل Base و Instruct چیست و برای چت‌بات، تولید محتوا یا Fine-tuning کدام مناسب‌تر است؟ در این راهنما، پیش‌آموزش، تنظیم دستورپذیری، قالب گفت‌وگو و ارزیابی فارسی را بررسی می‌کنیم و دو مدل هم‌خانواده را با Python آزمایش می‌کنیم.

آموزش و راهنما

RoPE چیست؟ آموزش رمزگذاری موقعیت در Transformer با PyTorch

RoPE چیست و مدل زبانی چگونه ترتیب توکن‌ها را تشخیص می‌دهد؟ در این آموزش، رمزگذاری موقعیت، تفاوت موقعیت مطلق و نسبی، نقش RoPE در Attention، محدودیت افزایش Context و پیاده‌سازی آموزشی با PyTorchرا بررسی می‌کنیم.

آموزش و راهنما

مدل MoE چیست؟ آموزش Mixture of Experts، مسیریابی توکن و پیاده‌سازی باPyTorch

مدل MoE چیست و چرا تعداد کل پارامترهای آن با پارامترهای فعال در هر توکن فرق دارد؟ در این آموزش، Expert و Router، مسیریابی Top-k، مشکل توازن بار، تفاوت MoE با مدل Dense و یک پیاده‌سازی آموزشی با PyTorch را بررسی می‌کنیم.

آموزش و راهنما

FlashAttention چیست؟ آموزش Attention سریع و کم‌حافظه با PyTorch

FlashAttention چیست و چگونه اجرای Attention را سریع‌تر و کم‌حافظه‌تر می‌کند؟ در این آموزش، تفاوت آن با Attention معمولی، نقش حافظه GPU، ارتباطش با KV Cache و روش بررسی و بنچمارک آن با PyTorchرا می‌آموزید.

آموزش و راهنما

Tokenizer چیست؟ آموزش توکن‌سازی متن فارسی، BPE و شمارش توکن با Python

Tokenizer چیست و چرا تعداد توکن‌های متن فارسی با تعداد کلمه‌ها برابر نیست؟ در این آموزش، روش‌های BPE، WordPiece و Unigram، اثر نیم‌فاصله و نویسه‌های فارسی، شمارش توکن با Python و نقش توکن‌سازی در محدودیت ورودی و هزینه APIرا بررسی می‌کنیم.

آموزش و راهنما

KV Cache چیست؟ راهنمای کش در مدل‌های زبانی و کاهش زمان تولید پاسخ

KV Cache چیست و چرا در تولید پاسخ مدل‌های زبانی اهمیت دارد؟ در این آموزش، سازوکار ذخیره کلیدها و مقدارهای Attention، اثر آن بر سرعت و حافظه، انواع Cache و تفاوت آن با Prefix Caching را بررسی می‌کنیم و با Pythonیک آزمایش عملی می‌سازیم.

آموزش و راهنما

Quantization چیست؟ آموزش کوانتیزه‌سازی مدل‌های هوش مصنوعی با Python

Quantization چگونه حجم و حافظه موردنیاز مدل هوش مصنوعی را کاهش می‌دهد؟ در این آموزش، تفاوت ۴ و ۸ بیت، GGUF، bitsandbytes و QLoRAرا می‌شناسید و با کد عملی کیفیت و هزینه اجرای مدل را بررسی می‌کنید. عنوان متا:

آموزش و راهنما

Knowledge Distillation چیست؟ آموزش تقطیر دانش مدل با PyTorch

چگونه می‌توان دانش یک مدل بزرگ را به مدلی کوچک‌تر منتقل کرد؟ در این آموزش، Knowledge Distillation، مدل معلم و دانش‌آموز، Soft Targets و Temperature را می‌شناسید و یک آزمایش کامل را با PyTorch اجرا می‌کنید.

آموزش و راهنما

نرمال‌سازی و استانداردسازی داده چیست؟ آموزش Feature Scaling باPython

StandardScaler، MinMaxScaler و RobustScaler چه تفاوتی دارند و چه زمانی باید از هرکدام استفاده کرد؟ در این آموزش، اثر مقیاس ویژگی‌ها بر KNN و سایر مدل‌ها را می‌بینید و روش صحیح پیاده‌سازی بدون نشت داده را با Pythonیاد می‌گیرید.

آموزش و راهنما

داده گمشده چیست؟ آموزش مدیریت Missing Values با Python و scikit-learn

مقادیر خالی دیتاست را حذف کنیم یا جایگزین؟ در این آموزش، انواع داده گمشده، روش‌های Median و KNN، شاخص گم‌شدگی و مدل‌های دارای پشتیبانی مستقیم از NaN را می‌شناسید و با Python آن‌ها را بدون نشت داده مقایسه می‌کنید.