الوحدة 2 - معالجة الوثائق
نظرة عامة
معالجة الوثائق هي أساس أي نظام RAG. تغطّي هذه الوحدة كيفية تحميل الوثائق وتحليلها وتقسيمها من مصادر متنوعة. ستتعلّم استراتيجيات التقسيم المختلفة وكيفية التعامل مع أنواع الملفات المعقّدة.
أهداف التعلّم
بنهاية هذه الوحدة، ستكون قادرًا على:
- تحميل الوثائق من PDF وWord وHTML ومصادر أخرى
- فهم استراتيجيات تقسيم النص المختلفة وتنفيذها
- التعامل مع وثائق معقّدة تتضمّن جداول وصورًا وبيانات منظّمة
- اختيار مقاربة الـ chunking المناسبة لحالتك
- معالجة الوثائق على نطاق واسع
محتوى الوحدة
1. محمّلات الوثائق
- محمّلات وثائق LangChain
- قارئات LlamaIndex
- التحميل من PDF وWord وHTML وقواعد البيانات
2. استراتيجيات تقسيم النص
- حجم الـ chunk والتداخل
- التقسيم التكراري بالأحرف
- التقسيم الدلالي
- التقسيم القائم على الجمل
3. التعامل مع أنواع الملفات المختلفة
- تحديات استخراج PDF
- OCR للوثائق الممسوحة
- الجداول والبيانات المنظّمة
- الصور في الوثائق
التنقّل
- محمّلات الوثائق - التحميل من مصادر متنوعة
- تقسيم النص - استراتيجيات الـ chunking
- أنواع الملفات - التعامل مع الوثائق المعقّدة
- اختبار - الوحدة 2 - 30 سؤالًا
أتقن فن معالجة الوثائق!