Embeddings & RAG

في هذه الجلسة سنتعرّف على مفهوم التضمين وكيف يمكن تحويل النصوص إلى تمثيلات رقمية تساعد الحاسوب على فهم المعنى والسياق. كما سنستكشف تقنية الاسترجاع المعزّز بالتوليد، وهي طريقة متقدمة لربط نماذج الذكاء الاصطناعي ببيانات خارجية مثل الملفات أو المواقع، مما يساعد على تقديم إجابات أدق وأكثر موثوقية سنفهم كيف يمكن استخدام هذه التقنيات لبناء تطبيقات ذكية قادرة على البحث داخل المستندات والإجابة على الأسئلة بناءً على محتواها، وهي خطوة أساسية في تطوير مساعدات ذكية وأنظمة بحث متقدمة ماذا سنتعلّم في هذه الجلسة؟ ما المقصود بالتضمين وكيف يعمل كيفية تحويل النصوص إلى تمثيلات رقمية قابلة للبحث والمقارنة فكرة الاسترجاع المعزّز بالتوليد ولماذا نستخدمه كيفية ربط نموذج الذكاء الاصطناعي ببيانات خارجية أمثلة تطبيقية على بناء نظام يجيب على الأسئلة من ملفات أو مستندات 00:00:00 مقدمة المحاضرة وأجندة اليوم (Embeddings & RAG) 00:01:48 ما هو الـ Embeddings؟ وكيف يفهم الذكاء الاصطناعي النصوص؟ 00:05:22 طرق الترميز التقليدية (Count Vectorizer / Frequency Encoding) 00:07:05 الترميز الدلالي (Semantic Meaning) ومفهوم المتجهات (Vectors) 00:09:56 قياس التشابه بين الكلمات (Cosine Similarity) 00:11:15 تحديات فهم اللغة (Context and Sequence) 00:13:00 كيف يتم تدريب نماذج الـ Embeddings؟ (Masked Language Modeling) 00:18:41 استخدامات وفوائد الـ Embeddings في تصنيف النصوص (Classification) 00:22:42 البحث الدلالي (Semantic Search) وكيف يعمل؟ 00:26:41 أنظمة التوصية (Recommendation Systems) 00:28:13 ثورة الـ Transformers والانتقال إلى الـ Dynamic Embeddings 00:30:26 الفرق بين Encoder (نماذج الـ Embeddings) و Decoder (نماذج الـ GPT) 00:31:22 ما هو الـ RAG (Retrieval-Augmented Generation) ولماذا نحتاجه؟ 00:33:04 قيود السياق (Context Window Limit) في النماذج الكبيرة (LLMs) 00:36:44 كيف يعمل نظام الـ RAG؟ (البحث في قاعدة المعرفة ثم التوليد) 00:41:07 أمثلة على نماذج الـ Embeddings (Gemini و Gemma وغيرها) 00:44:31 تقليل استهلاك الموارد (Matryoshka Representation Learning) 00:45:51 عملية البحث على مرحلتين (Two-stage Retrieval: Shortlisting & Re-ranking) 00:53:11 تطبيق عملي: استخدام Hugging Face لكتابة كود الـ Embeddings 01:00:12 تقليل حجم النماذج (Quantization & Precision) 01:03:00 تطبيق كود RAG مبسط (البحث في Knowledge Base والإجابة عن سؤال) 01:13:17 أدوات إضافية (مكتبة LangChain) وخاتمة المحاضرة الهدف من الجلسة تمكين المشاركين من فهم كيفية جعل نماذج الذكاء الاصطناعي أكثر دقة وارتباطاً بالمعلومات الحقيقية، والاستعداد لبناء تطبيقات عملية تعتمد على البيانات في الجلسات القادمة ما تنسوا متابعة صفحاتنا على منصات التواصل https://linktr.ee/GDG_UofK الإشتراك في موقع المجموعة الرسمي https://gdg.community.dev/gdg-on-camp... -------------------------------------- #GDG_UofK #GDGOnCampus #BuildWithAI #gemini #GoogleCloud #gdg_uofk #gdgoncampus #ai #Boot_camp