ساخت اپلیکیشن های چت با OpenAI و LangChain

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

تسلط به LangChain برای ادغام یکپارچه اپلیکیشن‌های موجود با مدل‌های قدرتمند مدل‌های زبانی بزرگ (LLM)
یادگیری اتصال به مدل‌های زبانی و تعبیه‌سازی OpenAI
توسعه مهارت‌های مهندسی پرامپت که عملکرد و ارتباط پاسخ‌های هوش مصنوعی را بهبود می‌بخشد.
اعمال تکنیک پیشرفته تولید مبتنی بر بازیابی (RAG) برای توانمندسازی محصول هوش مصنوعی محور خود با یک پایگاه دانش
استفاده از هوش مصنوعی برای ایجاد فرصت‌های بی‌پایان برای سازمان شما
افزایش چشم‌انداز شغلی خود با مهارت‌های کمیاب و بسیار پرتقاضای مهندسی هوش مصنوعی

پیش‌نیازهای دوره

مهارت‌های اپلیکیشن‌نویسی پایتون در سطح متوسط لازم است.
باید Jupyter Notebook را راه‌اندازی و در حال اجرا داشته باشید.

توضیحات دوره

آیا شما یک مهندس هوش مصنوعی مشتاق هستید که از ادغام هوش مصنوعی در محصول خود هیجان‌زده‌اید؟

آیا از پیشرفت‌های چشمگیر در زمینه هوش مصنوعی به وجد آمده‌اید؟

یا شاید مشتاق یادگیری این فریمورک جدید و هیجان‌انگیز LangChain هستید که همه درباره‌ آن صحبت می‌کنند.

اگر بله، پس به جای درستی آمده‌اید!

چرا باید در این دوره LangChain شرکت کنید؟

در این دوره "ساخت اپلیکیشن‌های چت با OpenAI و LangChain"، ما کتابخانه محبوب پایتون LangChain را برای توسعه اپلیکیشن‌های چت‌بات جذاب بررسی خواهیم کرد.

با راهنمایی‌های دقیق و گام به گام، شما از کلید API OpenAI برای دسترسی به مدل‌های زبانی بزرگ (LLM) قدرتمند آن‌ها استفاده خواهید کرد. هنگامی که به مدل‌های اصولی دسترسی پیدا کردیم، از LangChain و ادغام‌های آن برای ایجاد پرامپت‌های جذاب، افزودن حافظه، ورود داده‌ خارجی و اتصال آن به ابزارهای شخص ثالث بهره خواهیم برد.

ادغام LangChain با ابزارهای شخص ثالث، آن را متمایز می‌کند و امکان اتصال به مدل‌های زبانی مختلف و بارگذاری اسناد در فرمت‌های متعدد را فراهم می‌آورد. همچنین امکان انتخاب مدل‌های تعبیه‌سازی مناسب، ذخیره تعبیه‌سازی‌ها در یک ذخیره برداری، و اتصال به موتورهای جستجو، مفسرهای کد، و ابزارهایی مانند ویکی‌پدیا، گیت‌هاب، جیمیل و موارد دیگر را می‌دهد.

هیچ یک از این‌ها بدون تسلط به زبان بیان LangChain (LCEL) امکان‌پذیر نخواهد بود. که برای توسعه چت‌بات‌های حالت‌دار و آگاه به متن ضروری است. این چت‌بات‌ها مکالمات گذشته را به خاطر می‌آورند، به سؤالات درباره داده‌ دیده نشده پاسخ می‌دهند و مشکلات پیچیده‌تری را حل می‌کنند.

علاوه بر این، زمان زیادی را به بحث در مورد تولید مبتنی بر بازیابی (RAG) پیشرفته، هم به صورت نظری و هم عملی، اختصاص خواهیم داد. این تکنیک به اپلیکیشن‌های مجهز به LLM اجازه می‌دهد تا اطلاعات خارج از داده‌ آموزشی خود را تحلیل کرده و به سؤالات مربوط به آن‌ها پاسخ دهند.

چه مهارت‌هایی کسب می‌کنید؟