إنتقل إلى المحتوى الرئيسي

أنظمة RAG الكاملة

ابنِ أنظمة أسئلة وأجوبة ذكية على الوثائق​

رمز الدورة: RAG-301
المدة: 10 أسابيع
المستوى: متوسط إلى متقدم
المدرّس: أكاديمية inskillflow

نظرة عامة على الدورة​

ستعلّمك هذه الدورة الشاملة كل ما تحتاج معرفته لبناء أنظمة RAG جاهزة للإنتاج. من فهم الأساسيات إلى نشر تطبيقات على نطاق المؤسسات، ستكتسب خبرة عملية مع أحدث الأطر وأفضل الممارسات.

أهداف التعلّم​

بنهاية هذه الدورة، ستكون قادرًا على:

  • فهم معمارية RAG ولماذا تعالج قيود نماذج LLM
  • معالجة الوثائق وتقسيمها إلى chunks لاسترجاع أمثل
  • العمل مع embeddings وقواعد البيانات المتجهية
  • تنفيذ استراتيجيات استرجاع متقدمة
  • بناء خطوط RAG كاملة باستخدام LangChain وLlamaIndex
  • تقييم أنظمة RAG وتحسينها
  • نشر تطبيقات RAG جاهزة للإنتاج
  • بناء مشاريع واقعية من الصفر

المتطلبات المسبقة​

  • مهارات برمجة متوسطة في Python
  • فهم أساسي لواجهات API وREST
  • إلمام بمفاهيم التعلّم الآلي
  • وصول إلى OpenAI API أو مزوّد LLM مماثل

منهجية التدريس​

70% تدريب عملي - 30% نظرية

تجمع كل وحدة بين:

  • شروحات مفاهيمية مع مخططات
  • أمثلة برمجية كاملة
  • تمارين عملية
  • دراسات حالة من الواقع

هيكل الدورة - 10 وحدات​

الوحدة 1 - مقدمة إلى RAG​

المدة: الأسبوع 1

المحتوى:

  • ما هو RAG؟
  • لماذا RAG؟ مشكلات نماذج LLM الخالصة
  • نظرة عامة على معمارية RAG
  • مخططات التدفق من البداية إلى النهاية

الأهداف:

  • فهم نموذج RAG
  • معرفة لماذا يعزّز الاسترجاع عملية التوليد
  • تصوّر خط أنابيب RAG الكامل

الوحدة 2 - معالجة الوثائق​

المدة: الأسبوع 2

المحتوى:

  • محمّلات الوثائق (LangChain، LlamaIndex)
  • استراتيجيات تقسيم النصوص
  • التعامل مع أنواع الملفات المختلفة
  • OCR والبيانات المنظّمة

التمارين العملية:

  • التمرين 1: تحميل وثائق PDF وWord وHTML
  • التمرين 2: تنفيذ استراتيجيات chunking مختلفة

الوحدة 3 - تعميق embeddings​

المدة: الأسبوع 3

المحتوى:

  • ما هي Embeddings؟
  • نماذج Embedding (OpenAI، Cohere، المصدر المفتوح)
  • اختيار نموذج Embedding المناسب
  • المعايير وتحليل الأداء

التمارين العملية:

  • التمرين 1: توليد embeddings وتصوّرها
  • التمرين 2: مقارنة نماذج embedding مختلفة

الوحدة 4 - قواعد البيانات المتجهية​

المدة: الأسبوع 4

المحتوى:

  • مقدمة إلى Vector Stores
  • Pinecone، Weaviate، Chroma
  • Milvus، Qdrant، pgvector
  • اختيار قاعدة البيانات المناسبة

التمارين العملية:

  • التمرين 1: إعداد عدة قواعد بيانات متجهية
  • التمرين 2: قياس الأداء المقارن

الوحدة 5 - استراتيجيات الاسترجاع​

المدة: الأسبوع 5

المحتوى:

  • البحث بالتشابه
  • البحث الهجين (BM25 + دلالي)
  • إعادة الترتيب (reranking) والتصفية
  • المعالجة بعد الاسترجاع

التمارين العملية:

  • التمرين 1: تنفيذ استراتيجيات بحث مختلفة
  • التمرين 2: بناء خط أنابيب reranking

الوحدة 6 - بناء خطوط أنابيب RAG​

المدة: الأسبوع 6

المحتوى:

  • LangChain لـ RAG
  • إطار LlamaIndex
  • تنفيذات RAG مخصّصة
  • مقارنة المقاربات

التمارين العملية:

  • التمرين 1: بناء خط أنابيب LangChain RAG كامل
  • التمرين 2: بناء محرّك استعلام LlamaIndex

الوحدة 7 - تقنيات RAG المتقدمة​

المدة: الأسبوع 7

المحتوى:

  • تحويل الاستعلام (Query Transformation)
  • الاستعلامات المتعددة والدمج (Fusion)
  • الاستعلام الذاتي وتصفية البيانات الوصفية
  • HyDE (Hypothetical Document Embeddings)

التمارين العملية:

  • التمرين 1: تنفيذ تحويل الاستعلام
  • التمرين 2: بناء نظام RAG متعدد الاستعلامات

الوحدة 8 - التقييم والتحسين​

المدة: الأسبوع 8

المحتوى:

  • مقاييس تقييم RAG
  • إطار RAGAS
  • تصحيح أخطاء خطوط أنابيب RAG
  • تحسين الأداء

التمارين العملية:

  • التمرين 1: تقييم نظام RAG باستخدام RAGAS
  • التمرين 2: تصحيح خط أنابيب وتحسينه

الوحدة 9 - أنظمة RAG الإنتاجية​

المدة: الأسبوع 9

المحتوى:

  • توسيع تطبيقات RAG
  • التخزين المؤقت والأداء
  • الأمن والتحكّم في الوصول
  • تعدّد المستأجرين (multi-tenancy)

التمارين العملية:

  • التمرين 1: تنفيذ تخزين مؤقت دلالي
  • التمرين 2: بناء نظام متعدد المستأجرين

الوحدة 10 - مشاريع من العالم الحقيقي​

المدة: الأسبوع 10

المحتوى:

  • بناء نظام أسئلة وأجوبة على الوثائق
  • قاعدة معرفة مؤسسية
  • تطبيقات RAG متعددة المستأجرين
  • استراتيجيات النشر

المشروع النهائي:

  • تطبيق RAG كامل من الصفر
  • عرض تقديمي وتوثيق

الحزمة التقنية​

الأطر​

  • LangChain: Chains، retrievers، LCEL
  • LlamaIndex: أنواع الفهارس، محرّكات الاستعلام
  • RAGAS: إطار التقييم

قواعد البيانات المتجهية​

  • Pinecone (مستضاف)
  • Weaviate (مصدر مفتوح)
  • Chroma (تطوير محلي)
  • Qdrant (إنتاج)
  • PostgreSQL + pgvector

نماذج Embedding​

  • OpenAI text-embedding-3
  • Cohere embed-v3
  • Sentence Transformers
  • نماذج BGE

هيكل التقييم​

اختبارات الوحدات (40%)​

  • 30 سؤالًا لكل وحدة
  • صيغة اختيار من متعدد
  • تختبر الفهم المفاهيمي

الواجبات العملية (30%)​

  • الواجب 1: خط أنابيب معالجة الوثائق (10%)
  • الواجب 2: تنفيذ خط أنابيب RAG (10%)
  • الواجب 3: نظام استرجاع متقدم (10%)

المشروع النهائي (30%)​

  • تطبيق RAG كامل (20%)
  • عرض تقديمي وتوثيق (10%)

المجموع: 100%

تقدّم الدورة​

الحالةالوحدةالرابط
✅ مكتملالوحدة 1 - مقدمة إلى RAGابدأ
✅ مكتملالوحدة 2 - معالجة الوثائقابدأ
✅ مكتملالوحدة 3 - تعميق embeddingsابدأ
✅ مكتملالوحدة 4 - قواعد البيانات المتجهيةابدأ
✅ مكتملالوحدة 5 - استراتيجيات الاسترجاعابدأ
✅ مكتملالوحدة 6 - بناء خطوط أنابيب RAGابدأ
✅ مكتملالوحدة 7 - تقنيات RAG المتقدمةابدأ
✅ مكتملالوحدة 8 - التقييم والتحسينابدأ
✅ مكتملالوحدة 9 - أنظمة RAG الإنتاجيةابدأ
✅ مكتملالوحدة 10 - مشاريع من العالم الحقيقيابدأ

🎉 الدورة مكتملة!​

جميع الوحدات جاهزة بمحتوى كامل واختبارات تفاعلية (30 سؤالًا لكل وحدة).

📖 موارد إضافية​

الموردالوصف
📚 المسردأكثر من 100 مصطلح في RAG والذكاء الاصطناعي مشروح
🔗 المواردأدوات وأطر وأبحاث ودروس
🎯 الامتحان النهائي50 سؤالًا شاملًا لاختبار معرفتك

ابدأ الآن!​

استكشف الوحدات من الشريط الجانبي وابدأ رحلتك نحو إتقان أنظمة RAG!

حظًا موفقًا في رحلة التعلّم!

آخر تحديث: ديسمبر 2024

📊 إحصاءات الدورة​

العنصرالعدد
الوحدات10
الفصول30+
أسئلة الاختبار300
ساعات التعلّم التقديرية40+