توسعه اپلیکیشن های LLM با LangChain
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- چگونه میتوان منابع دادهٔ خارجی، از جمله کتابها و اسناد را، در مدلهای زبانی بزرگی مانند GPT ادغام کرد تا توانایی پرسشوپاسخ آنها فراتر از دادههای اولیه آموزششان بهبود یابد؟
- اصول ساخت اپلیکیشن های مجهز به LLM با استفاده از فریمورک LangChain، که به شما امکان میدهد از پتانسیل کامل هوش مصنوعی در پروژههای سفارشی استفاده کنید.
- تکنیکهای استفاده از Pinecone و OpenAI با Python برای ایجاد اپلیکیشن های پرسش و پاسخ پیچیده، بهبود مهارتهای فنی و درک ابزارهای مدرن هوش مصنوعی
- راهنمایی گامبهگام برای استقرار اپلیکیشن های هوش مصنوعی مقیاسپذیر و با عملکرد بالا، آمادهسازی شما برای ایجاد پروژهای مناسب برای پورتفولیو تنها در 3 ساعت
چرا LangChain را یاد بگیریم؟
فریمورک LangChain یک فریمورک متنباز است که به توسعهدهندگان فعال در حوزه هوش مصنوعی اجازه میدهد مدلهای زبانی بزرگ (LLM) مانند GPT-4 را با منابع خارجی محاسباتی و داده ترکیب کنند.
این فریمورک ساخت و استقرار اپلیکیشن های هوش مصنوعی را که هم مقیاسپذیر و هم پرسرعت هستند، آسان میکند. LangChain نقطه ورود عالی به حوزه هوش مصنوعی برای افراد با پیشزمینههای مختلف است و امکان استقرار هوش مصنوعی به عنوان سرویس را فراهم میکند. این ابزار تقریباً بینهایت مورد استفاده عملی دارد!
چرا Pinecone را یاد بگیریم؟
پایگاه داده Pinecone یک دیتابیس برداری پیشرفته است که به طور خاص برای یادگیری ماشین و اپلیکیشن های هوش مصنوعی طراحی شده است.
این ابزار به توسعهدهندگان و دانشمندان داده امکان میدهد تا حجم زیادی از دادههای برداری با ابعاد بالا را که اغلب توسط مدلهای هوش مصنوعی مانند الگوریتمهای یادگیری عمیق تولید میشوند، به طور کارآمد ذخیره، مدیریت و جستجو کنند.
با یادگیری Pinecone، شما توانایی ساخت سیستمهای پیشرفته جستجو، پیشنهاد و شخصیسازی را به دست میآورید که میتوانند کوئریهای پیچیده را مدیریت کرده و نتایج بسیار مرتبط را به صورت بلادرنگ برگردانند.
این فناوری برای هر کسی که به دنبال ساخت اپلیکیشن های هوش مصنوعی است، حیاتی است!
صبر کنید... پروژه چیست؟
یکی از رایجترین جملاتی که از دانشجویان میشنویم این است: "من میخواهم پروژههای بیشتری بسازم!".
ما عاشق شنیدن این جمله هستیم، زیرا ساخت پروژه واقعاً بهترین راه برای یادگیری است. و پروژههای منحصر به فرد و چالشبرانگیز واقعاً میتوانند پورتفولیوی شما را برای کارفرمایان احتمالی متمایز کنند.
اما همچنین... وقتی واقعاً چیزی واقعی میسازید، حس خیلی خوبی دارد!
به همین دلیل ما پروژههای ZTM را ایجاد کردهایم. مجموعهای از پروژههای جامع پورتفولیو و تمرینی که میتوانید از آنها برای ارتقای دانش، یادگیری مهارتهای جدید، ساخت پورتفولیو و گاهی حتی فقط برای تفریح استفاده کنید!
چه چیزهای دیگری باید بدانم؟
با عضویت در ZTM، شما نه تنها به تمام دورهها، بایتها و پروژههای ما دسترسی خواهید داشت.
بلکه به کلاس آنلاین و زنده انجمن اختصاصی نیز ملحق میشوید تا در کنار هزاران دانشجو، فارغالتحصیل، منتور، دستیار آموزشی و مدرس یاد بگیرید.
مهمتر از همه، شما از یک متخصص صنعت (Andrei) آموزش خواهید دید که تجربه واقعی در دنیای واقعی با LangChain و Pinecone دارد. او دقیقاً اطلاعاتی را که در نقش خود استفاده میکند به شما میآموزد.
توسعه اپلیکیشن های LLM با LangChain
-
مقدمه 05:24
-
سوالات متداول Byte None
-
منابع دوره None
-
تمرین: آشنایی با همکلاسیها و مدرس None
-
تعیین هدف زنجیره یادگیری خود None
-
مقدمهای بر LangChain 07:15
-
راهاندازی محیط: LangChain و Python-dotenv 07:05
-
ChatModelها: GPT-3.5-Turbo و GPT-4 06:29
-
کش کردن پاسخهای LLM 04:56
-
استریمینگ LLM 02:57
-
الگوهای Prompt 05:35
-
ChatPromptTemplate 05:54
-
Chainهای ساده 06:55
-
Chainهای متوالی 07:14
-
مقدمهای بر Agentهای LangChain 04:00
-
Agentهای LangChain در عمل: Python REPL 07:40
-
ابزارهای LangChain: آموزش DuckDuckGo و ویکیپدیا 11:07
-
ایجاد یک React Agent 13:29
-
تست React Agent 04:49
-
مروری کوتاه بر Embeddingها 01:52
-
مقدمهای بر دیتابیسهای برداری 06:57
-
احراز هویت در Pinecone 04:26
-
کار با ایندکسهای Pinecone 09:23
-
کار با بردارها 08:42
-
Namespaces 06:43
-
تقسیمبندی و Embedding متن با استفاده از LangChain 09:19
-
درج Embeddingها در ایندکس Pinecone 08:49
-
پرسش سوال (جستجوی شباهت) 07:53
-
معرفی پروژه 06:08
-
بارگذاری اسناد PDF سفارشی (خصوصی) شما 07:27
-
بارگذاری فرمتهای مختلف اسناد 05:12
-
لودرهای سرویس عمومی و خصوصی 04:37
-
استراتژیهای Chunking و تقسیمبندی اسناد 06:38
-
نکته: نسخههای کتابخانه LangChain و Pinecone None
-
Embedding و آپلود در پایگاه داده برداری (Pinecone) 11:17
-
پرسش و دریافت پاسخ 10:33
-
استفاده از Chroma به عنوان پایگاه داده برداری 11:10
-
افزودن حافظه به سیستم RAG (تاریخچه چت) 09:25
-
استفاده از یک Prompt سفارشی 08:09
-
گام بعدی چیست؟ None
-
بررسی این پروژه! None
مشخصات آموزش
توسعه اپلیکیشن های LLM با LangChain
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:None
- تعداد درس:41
- مدت زمان :04:00:00
- حجم :609.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy