تسلط به LangGraph و LangChain با Ollama و Agentic RAG - دوره 2025
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- راهاندازی و مدیریت LLM های محلی با Ollama
- ساخت چتباتهای دینامیک با حافظه با استفاده از LangGraph
- ادغام هوش مصنوعی با پایگاههای داده برای اجرای هوشمندانهی کوئریهای MySQL
- ایجاد گردشکارهای RAG با استفاده از مجموعه دادههای خصوصی و تعبیه ها
پیش نیازهای دوره
- دانش پایه برنامهنویسی (ترجیحاً با Python)
- یک کامپیوتر با دسترسی به اینترنت و توانایی نصب نرمافزار
- آشنایی با پایگاههای داده و نوشتن کوئریهای پایه (اختیاری اما مفید)
- تجربهی پایه با LangChain لازم است.
توضیحات دوره
با این دورهی جامع در زمینه توسعه هوش مصنوعی پیشرفته درک عمیقی از دنیای LangGraph ،Ollama و Retrieval-Augmented Generation (RAG) بدست آورید. این دوره که برای مبتدیان و حرفهایها طراحی شده، شما را با مهارتهای لازم برای ساخت چتباتها، مدیریت محلی LLMها و ادغام قابلیتهای قوی کوئرینویسی پایگاهداده به طور یکپارچه در پروژههایتان آشنا میکند.
با راهنماییهای مرحله به مرحله، شما موارد زیر را بررسی خواهید کرد:
- راهاندازی و ارزیابی LLMهای محلی با Ollama
- ساخت چتباتهای پیشرفته با استفاده از LangGraph و LangChain
- type hinting پیشرفته، اعتبارسنجی داده و اصول OOPs برای کدنویسی تمیز و کارآمد
- طراحی عوامل هوشمند برای کوئریهای MySQL و گردشهای کاری RAG
پتانسیل خود را آزاد کنید و بیاموزید که چگونه چتباتهای دینامیک و با حافظه بسازید، با مجموعههای داده خصوصی کار کنید و به برنامهنویسی مبتنی بر گراف برای کاربردهای هوش مصنوعی تسلط یابید.
راهاندازی Ollama برای LLM محلی
بیاموزید که چگونه Ollama را نصب و پیکربندی کنید تا با LLMهای محلی کار کند. مدلهای موجود را کاوش کنید، ارزیابی انجام دهید و با استفاده از فرمان های قدرتمند Ollama به طور مؤثر مدلهای هوش مصنوعی را مدیریت و تعامل کنید.
شروع کار با LangChain
LangChain و قابلیتهای آن برای ادغام LLM ها در اپلیکیشن ها را کشف کنید. از نصب تا فراخوانیهای API، این بخش دانش پایهای را برای استفاده از LangChain در ساخت سیستمهای هوشمند فراهم میکند.
مبانی LangGraph
درک واضحی از LangGraph، ابزاری الهامگرفته از ماشینهای استیت برای طراحی سیستمهای هوش مصنوعی، به دست آورید. یاد بگیرید که چگونه به ماژولهای Graph و ToolNode آن ناوبری کنید و چتباتهای تعاملی بسازید که از برنامهنویسی مبتنی بر گراف استفاده میکنند.
type hinting و اعتبارسنجی داده برای LangGraph
اهمیت type hinting، اعتبارسنجی داده و اصول OOP را در توسعه هوش مصنوعی بررسی کنید. ابزارهایی مانند TypedDict و Pydantic را بیاموزید که به نوشتن کد تمیز، کارآمد و قابل اعتماد برای پروژههای شما کمک میکند.
تعاریف گراف در LangGraph
به مفهوم تعاریف گراف در LangGraph بپردازید تا سیستمهای پیچیده بسازید. یاد بگیرید که چگونه این تعاریف وضوح و ساختار را به گردشهای کاری هوش مصنوعی شما میبخشند.
توسعه چتبات با LangGraph و Ollama
قدرت LangGraph و Ollama را با هم ترکیب کنید تا چتباتهای دارای ویژگیهای متنوع بسازید. گرههای ابزاری پیادهسازی کنید، معماریهای سیستم قوی طراحی کنید و حافظه را برای مکالمات تعاملی و هوشمند اضافه کنید.
اجرای کوئریهای MySQL از متن به عامل هوشمند
یاد بگیرید که چگونه LLM ها را با MySQL برای اجرای یکپارچه کوئری ادغام کنید. عواملی بسازید که کوئریهای پایگاه داده را تولید و اجرا کنند، نتایج را به سیستمهای هوش مصنوعی متصل کنند و گردشهای کاری هوشمند مبتنی بر پایگاه داده ایجاد نمایند.
RAG هوشمند با مجموعه دادههای خصوصی
تخصص خود را در Retrieval-Augmented Generation (RAG) برای مجموعه دادههای خصوصی به دست آورید. این بخش به شما آموزش میدهد که چگونه مجموعههای داده را آماده کنید، تعبیه ها ایجاد کنید، آنها را در پایگاههای داده وکتوری ذخیره کنید و عوامل RAG را پیادهسازی کنید که قادر به بازیابی و پردازش داده به صورت زمان واقعی باشند.
این دوره برای چه کسانی مناسب است؟
- علاقهمندان و توسعهدهندگان هوش مصنوعی: هر کسی که به ساخت چتباتها و ادغام LLM ها در اپلیکیشن ها علاقهمند است.
- برنامهنویسان مبتدی: کسانی که به دنبال شروع سفر خود در هوش مصنوعی با مثالهای عملی و کاربردی هستند.
- متخصصان پایگاهداده: افرادی که میخواهند ببینند چگونه هوش مصنوعی میتواند اتوماسیون کوئریهای پایگاه داده را بهبود بخشد.
- نوآوران فناوری: حرفهایهایی که مشتاق به پیادهسازی گردشهای کاری پیشرفته مانند RAG و برنامهنویسی مبتنی بر گراف هستند.
تسلط به LangGraph و LangChain با Ollama و Agentic RAG - دوره 2025
-
مقدمه 04:27
-
فایلهای کد و نیازمندیهای نصب requirements.txt [باید] 03:32
-
نصب Ollama 04:59
-
ارتباط با Ollama 05:54
-
بررسی مدل LLAMA 3.2 06:28
-
مروری بر بنچمارکینگ LLAMA 3.2 03:47
-
چه نوع مدلهایی در Ollama موجود است؟ 06:36
-
فرمان های Ollama - بررسی ollama server ،ollama show 05:26
-
فرمان های Ollama - بررسی ollama pull ،ollama list ،ollama rm 05:53
-
فرمان های Ollama - بررسی ollama cp ،ollama run ،ollama ps ،ollama stop 06:27
-
ایجاد و اجرای مدل Ollama با تنظیمات از پیش تعریف شده 08:57
-
فرمان های مدل Ollama - نمایش 06:18
-
فرمان های مدل Ollama - تنظیم، پاک کردن، ذخیره و بارگذاری 09:18
-
درخواستهای Ollama Raw API 08:54
-
بارگذاری مدلهای بدون کنترل برای تولید محتوای ممنوع [فقط برای مقاصد آموزشی] 08:47
-
معرفی Langchain 05:50
-
نصب Lanchain 05:57
-
راهاندازی LLM Observability در Langsmith 06:38
-
فراخوانی اولین Langchain Ollama API 06:38
-
تولید محتوای بدون سانسور در Langchain [فقط برای مقاصد آموزشی] 06:21
-
ردیابی ورودی و خروجی LLM در Langsmith 06:23
-
درک عمیقتر Langchain 07:53
-
معرفی و نصب LangGraph 05:44
-
چگونه ماشین استیت الهامبخش LangGraph بود؟ 07:29
-
اولین قدم به سوی درک LangGraph 05:32
-
درک کد مثال LangGraph در سطح کلان 07:02
-
درک عمیقتر ماژول گراف LangGraph 05:19
-
درک عمیقتر ماژول ToolNode LangGraph 06:41
-
اولین چتبات شما با LangGraph و Ollama - بخش 1 05:50
-
اولین چتبات شما با LangGraph و Ollama - بخش 2 04:53
-
اولین چتبات شما با LangGraph و Ollama - بخش 3 09:29
-
چرا باید با مفاهیم OOP آشنا باشید؟ 06:33
-
کلاسهای Parent و Child چیست؟ 07:33
-
type hinting چیست؟ 04:21
-
type hinting - بخش 1 05:47
-
type hinting - بخش 2 07:52
-
type hinting با TypedDict 06:09
-
اعتبارسنجی داده با استفاده از مدل پایه Pydantic 07:30
-
اعتبارسنجی داده با استفاده از Annotated 07:18
-
تعاریف گراف در LangGraph 04:11
-
راهاندازی کد چتبات پایه LangGraph 06:30
-
راهاندازی Tavily Search API 06:57
-
طراحی سیستم چتبات برای فراخوانی Tool 05:18
-
ایجاد ابزار برای چتبات شما 06:47
-
چتبات خود را با ابزارها بسازید 07:25
-
گفتگو با چتبات شما 06:37
-
اضافه کردن حافظه به چتبات شما 10:06
-
آمادهسازی زمینه اجرای کوئری Text to MySQL 05:54
-
دانلود پایگاه داده Chinook 04:45
-
کشف پایگاه داده Chinook با کوئریهای MySQL 08:19
-
اتصال LLM - مدلهای LLAMA در مقابل Qwen 06:28
-
نوشتن استیت گراف برای کوئری MySQL و نتیجه LLM 07:37
-
دریافت پرامپت کوئری نوشتن MySQL LLM 06:41
-
نوشتن کلاس تجزیهگر خروجی ساختاریافته برای کوئری MySQL 05:21
-
آمادهسازی MySQL Write Query Node 08:19
-
آمادهسازی MySQL Query Execution Node 06:53
-
آمادهسازی LLM Generate Node بر اساس نتیجه MySQL 06:52
-
ساخت LangGraph برای اجرای کوئری MySQL 09:18
-
آمادهسازی پرامپت سیستم عامل MySQL LangGraph 06:49
-
آمادهسازی ابزارهای MySQL LangGraph برای عامل 06:02
-
عامل MySQL شما در حال کار است 11:46
-
مقدمهای بر مجموعه داده RAG و فرآیند آن 05:40
-
بارگذاری مجموعه داده RAG 07:01
-
Chunk کردن مجموعه دادههای RAG 08:17
-
مدل بارگذاری تعبیه با تعبیه های Ollama 05:48
-
ذخیره تعبیه های اسناد در Vector Store 08:31
-
بارگذاری پایگاه داده وکتوری به عنوان Retriever 06:13
-
ایجاد Retriever به عنوان Tool Node 03:29
-
درک گردش کار Agentic RAG 04:12
-
پیادهسازی استیت عامل 06:02
-
نوشتن کد برای Document Grader Node 06:11
-
ایجاد گره عامل RAG 03:31
-
پیادهسازی گره بازنویسی و تولید 05:02
-
ساخت عامل RAG با LangGraph - بررس Agentic RAG 09:31
-
Agentic RAG برای مجموعه دادههای خصوصی مکملهای سلامتی در عمل 09:18
مشخصات آموزش
تسلط به LangGraph و LangChain با Ollama و Agentic RAG - دوره 2025
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متخصص
- تعداد درس:75
- مدت زمان :08:16:06
- حجم :4.17GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy