طارق بن جعبل طعيمان

مهندس ذكاء اصطناعي

0%

النماذج اللغوية الضخمة
مشروع عملي احترافي

بناء Chatbot ذكي مع RAG

مساعد ذكي يجيب من مستنداتك الخاصة باستخدام Retrieval Augmented Generation

متوسط
2-3 أسابيع
5 مهارات

مقدمة المشروع

في هذا المشروع العملي، ستتعلم كيفية مساعد ذكي يجيب من مستنداتك الخاصة باستخدام retrieval augmented generation. هذا المشروع مصمم خصيصاً لمستوى متوسطويستغرق تقريباً 2-3 أسابيع لإكماله بشكل كامل.

سنتبع منهجية CRISP-DM (Cross-Industry Standard Process for Data Mining) المعترف بها عالمياً، والتي تضمن بناء مشروع احترافي قابل للتطبيق في بيئة الإنتاج.

ماذا ستتعلم؟

📊 فهم RAG وأهميته في LLMs
🔍 استكشاف Vector Databases
🧹 تحضير المستندات للتضمين
⚙️ بناء RAG Pipeline
✅ تقييم جودة الإجابات
🚀 نشر chatbot تفاعلي
منهجية CRISP-DM

خطوات العمل التفصيلية

اتبع هذه الخطوات الست لبناء مشروع احترافي

1
📊

Business Understanding

فهم المشكلة

تحديد الأهداف والمتطلبات من منظور الأعمال

الخطوات العملية:

الحاجة لـ chatbot يعرف معلومات خاصة

2
🔍

Data Understanding

فهم البيانات

جمع البيانات الأولية والتعرف عليها وتحديد جودتها

الخطوات العملية:

جمع مستندات الشركة/المجال

3
🧹

Data Preparation

تحضير البيانات

تنظيف وتحويل البيانات لتكون جاهزة للنمذجة

الخطوات العملية:

تقسيم لـ chunks + إنشاء embeddings

4
⚙️

Modeling

بناء النموذج

اختيار وتطبيق تقنيات النمذجة المناسبة

الخطوات العملية:

بناء RAG pipeline (Retrieval + Generation)

5

Evaluation

التقييم

تقييم النموذج والتأكد من تحقيق الأهداف

الخطوات العملية:

اختبار دقة الإجابات

6
🚀

Deployment

النشر

نشر النموذج في بيئة الإنتاج

الخطوات العملية:

واجهة ويب تفاعلية

المصادر والأدوات

LangChain Documentation
Pinecone/ChromaDB
OpenAI Embeddings Guide

المهارات المطلوبة

RAGLangChainVector DBOpenAI APIEmbeddings

إحصائيات سريعة

المستوىمتوسط
المدة2-3 أسابيع
المهارات5
الخطوات6
العودة للمشاريع