مهندسی داده در عصر هوش مصنوعی؛ مبانی معماری داده AI-Native

هوش مصنوعی مدرن فقط به مدل‌های قدرتمند نیاز ندارد؛ پشت هر سیستم هوشمند، از جست‌وجوی معنایی و دستیارهای هوش مصنوعی گرفته تا سیستم‌های RAG و برنامه‌های مبتنی بر LLM، زیرساختی از داده وجود دارد که باید متناسب با نیازهای این نسل جدید از کاربردها طراحی شده باشد.

این دوره با تمرکز بر AI-Native Data Engineering، تصویری روشن از این تغییر بنیادین ارائه می‌دهد و نشان می‌دهد که داده‌ها، پایپ‌لاین‌ها و پلتفرم‌های داده چگونه باید برای پشتیبانی از بارهای کاری هوش مصنوعی بازطراحی شوند. در طول دوره با مفاهیمی مانند LLMها، embeddingها، پایگاه‌های داده برداری و RAG از منظر مهندسی داده آشنا می‌شوید و یاد می‌گیرید چگونه نیازهای یک سیستم هوش مصنوعی را به اجزای مناسب پلتفرم داده و چرخه عمر آن متصل کنید.

همچنین دوره بر این نکته تأکید دارد که ساخت سیستم‌های AI در مقیاس تولید، تنها وظیفه یک تیم نیست و به همکاری میان مهندسان داده، مهندسان ML و AI، توسعه‌دهندگان نرم‌افزار، تیم‌های زیرساخت و پلتفرم، امنیت و حاکمیت داده و تیم محصول نیاز دارد. در نهایت، با ساخت یک نمونه workflow برای جست‌وجوی معنایی یا RAG، مفاهیم مطرح‌شده را در یک سناریوی عملی به کار می‌گیرید و دیدی یکپارچه از نقش مهندسی داده در معماری سیستم‌های هوش مصنوعی به دست می‌آورید.