IZI1

إتقان تقنية Retrieval-Augmented Generation - تأليف Ranajoy Bose (غلاف ورقي)

لا توجد تقييمات
Target
نفذ من المخزون

حول هذا المنتج

ملخص الكتاب تمثل تقنية Retrieval-Augmented Generation (RAG) طليعة الابتكار في مجال الذكاء الاصطناعي، حيث تسد الفجوة بين النماذج اللغوية الكبيرة (LLMs) والمعرفة الواقعية. يقدم هذا الكتاب خارطة الطريق النهائية لبناء وتحسين ونشر أنظمة RAG بمستوى المؤسسات، والتي تحقق قيمة تجارية ملموسة. يأخذك هذا الدليل الشامل إلى ما وراء المفاهيم الأساسية وصولاً إلى استراتيجيات التنفيذ المتقدمة، حيث يغطي كل شيء بدءاً من الأنماط الهيكلية وصولاً إلى النشر في بيئات الإنتاج. ستستكشف تقنيات مُثبتة لمعالجة المستندات، وتحسين المتجهات، وتعزيز عملية الاسترجاع، وتوسيع نطاق الأنظمة، مدعومة بدراسات حالة واقعية من مؤسسات رائدة. أهداف التعلم الرئيسية • تصميم وتنفيذ بنيات RAG الجاهزة للإنتاج لمختلف حالات الاستخدام في الشركات • إتقان استراتيجيات الاسترجاع المتقدمة، بما في ذلك الأساليب القائمة على الرسوم البيانية والأنظمة الوكيلية (agentic systems) • تحسين الأداء من خلال تقنيات تقسيم النصوص (chunking) والتمثيل الرقمي (embedding) وقواعد بيانات المتجهات المتطورة • توجيه عملية دمج RAG مع نماذج LLMs الحديثة وأطر الذكاء الاصطناعي التوليدي • تنفيذ أطر تقييم قوية وعمليات ضمان الجودة • نشر حلول قابلة للتوسع مع ضوابط مناسبة للأمن والخصوصية والحوكمة

تطبيقات من العالم الحقيقي التحليل الذكي للمستندات واستخراج المعرفة أنظمة توليد الكود والتوثيق التقني أتمتة دعم العملاء وأدوات دعم اتخاذ القرار حلول الامتثال التنظيمي وإدارة المخاطر

سواء كنت مهندس ذكاء اصطناعي تعمل على توسيع نطاق الأنظمة الحالية، أو قائداً تقنياً يخطط لإمكانيات الجيل القادم، فإن هذا الكتاب يوفر لك الخبرة اللازمة للنجاح في المشهد المتطور بسرعة للذكاء الاصطناعي في المؤسسات. ما ستتعلمه: إتقان البنية التحتية: تصميم أنظمة RAG القابلة للتوسع، بدءاً من النماذج الأولية وصولاً إلى مرحلة الإنتاج في المؤسسات الكبرى الاسترجاع المتقدم: تنفيذ استراتيجيات متطورة، بما في ذلك الأساليب القائمة على الرسوم البيانية والأساليب متعددة الوسائط تحسين الأداء: ضبط نماذج التضمين (embedding models)، وقواعد البيانات المتجهة (vector databases)، وخوارزميات الاسترجاع لتحقيق أقصى قدر من الكفاءة تكامل نماذج اللغة الكبيرة: دمج تقنية RAG بسلاسة مع أحدث نماذج اللغة وأطر عمل الذكاء الاصطناعي التوليدي التميز في مرحلة الإنتاج: نشر أنظمة قوية مع عمليات المراقبة والتقييم والتحسين المستمر تطبيقات القطاع: تطبيق حلول RAG في مجالات العمل المختلفة عبر مختلف قطاعات الشركات وحالات الاستخدام

لمن هذا الكتاب الجمهور المستهدف: المهندسون المتخصصون في الذكاء الاصطناعي وتعلم الآلة، وعلماء البيانات، والمعماريون التقنيون الذين يعملون على بناء أنظمة ذكاء اصطناعي للإنتاج؛ والجمهور الثانوي: مديرو الهندسة، والقادة التقنيون، وباحثو الذكاء الاصطناعي الذين يعملون مع النماذج اللغوية واسعة النطاق وأنظمة استرجاع المعلومات. المتطلبات المسبقة: مستوى متوسط في برمجة Python، وفهم أساسي لمفاهيم تعلم الآلة، والإلمام بأساسيات معالجة اللغات الطبيعية.

عن الغلاف الخلفي تمثل تقنية Retrieval-Augmented Generation (RAG) طليعة الابتكار في مجال الذكاء الاصطناعي، حيث تسد الفجوة بين النماذج اللغوية الكبيرة (LLMs) والمعرفة الواقعية. يقدم هذا الكتاب خارطة الطريق النهائية لبناء وتحسين ونشر أنظمة RAG بمستوى المؤسسات، والتي تقدم قيمة تجارية ملموسة. يأخذك هذا الدليل الشامل إلى ما وراء المفاهيم الأساسية وصولاً إلى استراتيجيات التنفيذ المتقدمة، حيث يغطي كل شيء بدءاً من الأنماط الهيكلية وصولاً إلى النشر في بيئات الإنتاج. ستستكشف تقنيات مُثبتة لمعالجة المستندات، وتحسين المتجهات، وتعزيز عملية الاسترجاع، وتوسيع نطاق الأنظمة، مدعومة بدراسات حالة واقعية من مؤسسات رائدة. أهداف التعلم الرئيسية • تصميم وتنفيذ بنيات RAG الجاهزة للإنتاج لمختلف حالات الاستخدام في الشركات • إتقان استراتيجيات الاسترجاع المتقدمة، بما في ذلك الأساليب القائمة على الرسوم البيانية والأنظمة الوكيلية (agentic systems) • تحسين الأداء من خلال تقنيات تقسيم النصوص (chunking) والتمثيل الرقمي (embedding) وقواعد بيانات المتجهات المتطورة • توجيه عملية دمج RAG مع نماذج LLMs الحديثة وأطر الذكاء الاصطناعي التوليدي • تنفيذ أطر تقييم قوية وعمليات ضمان الجودة • نشر حلول قابلة للتوسع مع ضوابط مناسبة للأمن والخصوصية والحوكمة

تطبيقات من العالم الحقيقي التحليل الذكي للمستندات واستخراج المعرفة أنظمة توليد الكود والتوثيق التقني أتمتة دعم العملاء وأدوات دعم اتخاذ القرار حلول الامتثال التنظيمي وإدارة المخاطر

سواء كنت مهندس ذكاء اصطناعي تعمل على توسيع نطاق الأنظمة الحالية، أو قائداً تقنياً يخطط لإمكانيات الجيل القادم، فإن هذا الكتاب يوفر لك الخبرة اللازمة للنجاح في المشهد المتطور بسرعة للذكاء الاصطناعي في المؤسسات. ما ستتعلمه: إتقان البنية التحتية: تصميم أنظمة RAG القابلة للتوسع، بدءاً من النماذج الأولية وصولاً إلى مرحلة الإنتاج في المؤسسات الكبرى الاسترجاع المتقدم: تنفيذ استراتيجيات متطورة، بما في ذلك الأساليب القائمة على الرسوم البيانية والأساليب متعددة الوسائط تحسين الأداء: ضبط نماذج التضمين (embedding models)، وقواعد البيانات المتجهة (vector databases)، وخوارزميات الاسترجاع لتحقيق أقصى قدر من الكفاءة تكامل نماذج اللغة الكبيرة: دمج تقنية RAG بسلاسة مع أحدث نماذج اللغة وأطر عمل الذكاء الاصطناعي التوليدي التميز في مرحلة الإنتاج: نشر أنظمة قوية مع عمليات المراقبة والتقييم والتحسين المستمر تطبيقات القطاع: تطبيق حلول RAG في مجالات العمل المختلفة عبر مختلف قطاعات الشركات وحالات الاستخدام

نبذة عن المؤلف

راناجوي بوز (Ranajoy Bose) هو خبير تقني ورائد أعمال وقائد فكري في مجالات الذكاء الاصطناعي التوليدي (Generative AI)، وعمليات تعلم الآلة (MLOps)، وأنظمة بيانات الشركات. وبصفته المؤسس المشارك والرئيس العالمي للهندسة في Morfius، فإنه يتولى قيادة بناء حلول الذكاء الاصطناعي المتطورة التي تدفع عجلة التحول في العالم الحقيقي من خلال تقنية Retrieval-Augmented Generation (RAG) والنماذج اللغوية واسعة النطاق. وقبل انضمامه إلى Morfius، شغل راناجوي مناصب قيادية في Oracle، حيث قاد منظمة هندسة السحابة لمنطقة أمريكا الشمالية. لقد كان لعمله دور أساسي في تعزيز اعتماد بنى data lakehouse، والتحليلات الحديثة، ومنصات AI/ML، والخدمات السحابية الأصلية لعملاء Fortune 500. وباعتباره عالماً في البيانات ضمن قائمة 40 تحت سن الأربعين، قاد Ranajoy أيضاً فريقاً صُنف ضمن أفضل 10 أماكن عمل في علوم البيانات وفقاً لمجلة Analytics India Magazine. وإلى جانب قيادته للشركات، لا يزال مدافعاً ملتزماً عن الابتكار والتعلم، حيث يتحدث بشكل متكرر في المؤتمرات العالمية، ويساهم في المنتديات الأكاديمية والصناعية، ويوجه الجيل القادم من ممارسي AI. مدفوعاً بالفضول والشغف، يواصل Ranajoy تجاوز حدود الذكاء الاصطناعي للمؤسسات، محولاً التقنيات المعقدة إلى حلول مؤثرة تخدم العالم الحديث.

  • المميزات
    • تمثل تقنية Retrieval-Augmented Generation (RAG) أحدث الابتكارات في مجال الذكاء الاصطناعي، حيث تسد الفجوة بين النماذج اللغوية الكبيرة (LLMs) والمعرفة الواقعية.
    • عن المؤلف: Ranajoy Bose هو تقني ورائد أعمال وقائد فكر في مجالات Generative AI و MLOps وأنظمة بيانات الشركات.
    • 820 صفحة
    • الحواسيب، الذكاء الاصطناعي

المواصفات

الأبعاد (الإجمالية)

9.21 بوصة (ارتفاع) × 6.14 بوصة (عرض) × 1.71 بوصة (عمق)

الوزن

2.61 رطل

العمر المقترح

22 سنة فما فوق

عدد الصفحات

820

النوع

أجهزة الكمبيوتر

النوع الفرعي

الذكاء الاصطناعي

الناشر

Apress

الموضوع

عام

التنسيق

غلاف ورقي

المؤلف

Ranajoy Bose

اللغة

الإنجليزية

صور المنتجات هي لأغراض توضيحية فقط وهي صور نموذجية. قد تختلف الألوان أو النقوش أو المواصفات أو الأبعاد أو المقاسات أو الوظائف أو أي خصائص أخرى للمنتج الفعلي عن الواقع بسبب خصائص العرض، لذا يرجى الرجوع إلى تفاصيل المنتج المذكورة في الوصف.

قد يعجبك أيضًا