دوره هوش اسناد AI: معرفی RAG، ایجنت‌ها و داده‌ ML

آنچه یاد خواهید گرفت: ساخت یک پلتفرم end-to-end هوش اسناد با AI با استفاده از PDFها، RAG، ایجنت‌های AI و FastAPI و React و مجموعه‌ داده‌های آماده برای ML پیاده‌سازی بازیابی نسل افزوده (RAG) با استفاده از ChromaDB و تعبیه‌ها، جستجوی سمانتیک و پاسخ‌های مبتنی بر شواهد طراحی و توسعه ایجنت‌های AI که ابزارها را انتخاب می‌کنند، کوئری‌ها را اجرا می‌کنند و از اسناد و داده‌، پاسخ‌های هوشمند تولید می‌کنند. تبدیل اسناد PDF بدون ساختار به مجموعه‌ داده‌های ساختاریافته، مناسب تحلیل و آماده برای یادگیری ماشین ساخت سرویس‌های بک‌اند FastAPI در سطح تولید و ارائه قابلیت‌های AI و RAG و ایجنت از طریق REST API توسعه یک اپلیکیشن React مدرن برای تعامل با پایپ‌لاین‌های RAG، ایجنت‌های AI و گردش‌کارهای هوش اسناد پیاده‌سازی فرایندهای دریافت سند، استخراج متن، پاکسازی، chunking، تعبیه و پایپ‌لاین‌های پایگاه‌ داده برداری از ابتدا به‌کارگیری الگوهای معماری واقعی AI که در هوش اسناد سازمانی، حوزه مراقبت‌های بهداشتی و سیستم‌های دانش استفاده می‌شوند. پیش‌نیازهای دوره آشنایی پایه با برنامه‌نویسی Python توصیه می‌شود، اما همه مفاهیم گام‌به‌گام توضیح داده شده‌اند. هیچ تجربه قبلی با RAG، ایجنت‌های AI و ChromaDB و FastAPI و React یا هوش اسناد لازم نیست. یک رایانه که بتواند اپلیکیشن‌های Python را اجرا کند و پکیج‌های متن‌باز را نصب کند. آشنایی پایه با APIها، JSON و مفاهیم توسعه نرم‌افزار مفید خواهد بود. تمایل به ساخت اپلیکیشن‌های واقعی AI از طریق یادگیری عملی و پروژه‌محور هیچ تجربه قبلی در یادگیری ماشین یا علم داده لازم نیست. هیچ تجربه قبلی با پایگاه‌ داده‌های برداری یا فریمورک‌های LLM لازم نیست. دانشجویان باید با استفاده از VS Code یا هر محیط توسعه Python آشنا باشند. توضیحات دوره هوش اسناد با AI: معرفی RAG، ایجنت‌ها و داده‌ ML یک پلتفرم کامل هوش اسناد مجهز به AI را از ابتدا بسازید و یاد بگیرید چگونه PDFS بدون ساختار را به اپلیکیشن‌های هوشمند، مجموعه‌ داده‌های ساختاریافته، ایجنت‌های AI و داده‌ آماده برای ML تبدیل کنید. بیشتر دوره‌های AI در حد تعبیه‌ها و پرسش‌وپاسخ متوقف می‌شوند. این دوره بسیار فراتر می‌رود. شما یک پلتفرم کامل هوش ادعاهای بیمه درمانی را خواهید ساخت که از اسناد PDF خام شروع می‌شود و به یک سیستم در سطح تولید تبدیل می‌شود؛ سیستمی که شامل RAG، ایجنت‌های AI، سرویس‌های FastAPI، اپلیکیشن‌های React، مجموعه‌داده‌های ساختاریافته، خروجی‌های آماده تحلیل و پایپ‌لاین‌های یادگیری ماشین است. در طول دوره، روی یک پروژه واقع‌گرایانه کار می‌کنید و به‌ جای تکیه بر فریمورک‌های جعبه‌سیاه، هر کامپوننت اصلی را خودتان پیاده‌سازی می‌کنید. آنچه خواهید ساخت: پایپ‌لاین دریافت PDF و پردازش سند استخراج خودکار متن از اسناد واقعی گردش‌کارهای پاکسازی و پیش‌پردازش داده استراتژی‌های هوشمند chunking اسناد تولید تعبیه‌ها و ذخیره‌سازی برداری با استفاده از ChromaDB اپلیکیشن‌های بازیابی نسل افزوده (RAG) ایجنت‌های AI که قادر به انتخاب و اجرای ابزارها هستند مجموعه‌ داده‌های ساختاریافته ادعاها که از اسناد بدون ساختار تولید می‌شوند. مجموعه‌ داده‌های آماده ML برای تحلیل و یادگیری ماشین سرویس‌های بک‌اند FastAPI اپلیکیشن فرانت‌اند مدرن React پلتفرم کامل هوش اسناد با AI آنچه یاد خواهید گرفت: معماری و الگوهای طراحی هوش اسناد پیاده‌سازی RAG از ابتدا پایگاه‌ داده‌های برداری و جستجوی سمانتیک یکپارچه‌سازی ChromaDB مهندسی پرامپت برای سیستم‌های بازیابی گردش‌کارهای Agentic AI و استفاده از ابزارها برنامه‌ریزی و اجرای پویای کوئری‌ها استخراج داده ساختاریافته از PDFS اعتبارسنجی کیفیت داده و گزارش‌دهی توسعه API با FastAPI توسعه اپلیکیشن React ساخت اپلیکیشن‌های AI در سطح تولید آماده‌سازی داده برای گردش‌کارهای یادگیری ماشین و MLOps چرا این دوره متفاوت است؟ بیشتر دوره‌ها RAG را به‌ عنوان یک مفهوم جداگانه آموزش می‌دهند. این دوره نشان می‌دهد که RAG چگونه در یک اکوسیستم کامل AI قرار می‌گیرد؛ جایی که اسناد پردازش و اعتبارسنجی می‌شوند، به داده ساختاریافته تبدیل می‌شوند، از طریق ایجنت‌های AI کوئری می‌شوند، از طریق APIs در دسترس قرار می‌گیرند، در وب اپلیکیشن‌های مدرن نمایش داده می‌شوند و در نهایت برای کاربردهای یادگیری ماشین آماده می‌شوند. شما نه‌ تنها درک خواهید کرد که هر کامپوننت چگونه کار می‌کند، بلکه خواهید دید چگونه این کامپوننت‌ها کنار هم قرار می‌گیرند تا راهکارهای AI در سطح سازمانی ایجاد کنند. آمار دوره بیش از 11.5 ساعت محتوا بیش از 91 درس یادگیری پروژه‌محور از ابتدا تا انتها مورد استفاده واقعی در حوزه ادعاهای بیمه درمانی یکپارچه‌سازی FastAPI + React پایپ‌لاین RAG + ایجنت‌ها + داده‌ ML شامل کد منبع مخاطبان دوره: مهندسان AI مهندسان یادگیری ماشین دانشمندان داده توسعه‌دهندگان Python توسعه‌دهندگان Full Stack معماران راهکار متخصصان GenAI دانشجویانی که می‌خواهند اپلیکیشن‌های واقعی AI بسازند. پیش‌نیازهای دوره دانش پایه Python درک پایه از APIs کنجکاوی برای یادگیری AI و RAG، ایجنت‌ها و هوش اسناد در پایان دوره، شما یک پلتفرم کامل هوش اسناد با AI ساخته‌اید که می‌تواند PDFs خام را به دانش قابل جستجو، گردش‌کارهای ایجنت‌ هوشمند، مجموعه‌ داده‌های ساختاریافته، خروجی‌های آماده تحلیل و پایپ‌لاین‌های داده آماده برای ML تبدیل کند. این دوره برای چه کسانی مناسب است؟ توسعه‌دهندگان Python که می‌خواهند هوشمند‌های واقعی RAG و Agentic AI بسازند. مهندسان AI و متخصصان GenAI که می‌خواهند فراتر از پیاده‌سازی‌های ساده چت‌بات بروند. مهندسان یادگیری ماشین که می‌خواهند از اسناد بدون ساختار، مجموعه‌ داده‌های آماده ML بسازند. دانشمندان داده که به هوش اسناد، استخراج دانش و خودکارسازی AI علاقه‌مندند. توسعه‌دهندگان Full Stack که می‌خواهند FastAPI و Reactو RAG و ایجنت‌های AI را در هوشمند‌های مدرن یکپارچه کنند. معماران نرم‌افزار و رهبران فنی که الگوهای طراحی راهکارهای AI سازمانی را بررسی می‌کنند. توسعه‌دهندگان بک‌اند که به پایگاه‌ داده‌های برداری، جستجوی سمانتیک و APIs مجهز به AI علاقه‌مندند. کسی که می‌خواهد با استفاده از RAG، ایجنت‌ها، FastAPI و React و پایپ‌لاین‌های داده ساختاریافته، پلتفرم‌های کامل هوش اسناد با AI بسازد.