تسلط به LangChain - کاربردیترین دوره برای ساخت اپلیکیشنهای هوش مصنوعی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مبانی مدلهای زبانی بزرگ (LLMs) و LangChain را درک میکنید تا پایهای قوی برای اپلیکیشنهای هوش مصنوعی بسازید.
- تسلط به مفاهیم اصلی مانند زنجیرهها، حافظه، مدلها، قالبهای پرامپت و تجزیهگرهای خروجی به صورت ویژوال و با زبانی ساده
- مهارت در مهندسی پرامپت و تجزیه خروجی مهارت تا پاسخهای هوش مصنوعی را برای یوزکیسهای متنوع هدایت کنید.
- پیادهسازی بازیابی نسل افزوده (RAG) برای مدیریت داده و سپس بررسی تکنیکهای پیشرفته RAG، از جمله ترجمه کوئری، کوئری چندگانه و ایندکسگذاری
- ساخت سیستمهای هوش مصنوعی قوی stateful با گردشکارهای چندایجنتی و قابلیتهای تعامل بلادرنگ LangGraph
- استقرار و بهینهسازی اپلیکیشنهای هوش مصنوعی با LangSmith و اطمینان از نظارت و اشکالزدایی موثر
- ایجاد اپلیکیشنهای هوش مصنوعی تعاملی با استفاده از Streamlit و تقویت تعامل و تجربه کاربر
پیشنیازهای دوره
- برنامهنویسی اولیه پایتون
- علاقه به ساخت اپلیکیشنهای واقعی هوش مصنوعی
توضیحات دوره
این دوره با آخرین نسخه LangChain 0.3 ایجاد شده و شامل LangSmith نیز میباشد.
به دوره «تسلط به LangChain - کاربردیترین دوره برای ساخت اپلیکیشنهای هوش مصنوعی» خوش آمدید. این دوره به گونهای طراحی شده که تجربهای کامل و عملی از LangChain به شما ارائه داده و همه موارد از مفاهیم پایهای تا اپلیکیشنهای پیشرفته هوش مصنوعی را پوشش دهد. چه بخواهید ابزارهای هوش مصنوعی محور بسازید، گردشکارهای داده را خودکار کنید یا از جدیدترین فناوری LLM استفاده کنید، این دوره شما را در هر مرحله راهنمایی خواهد کرد.
خودتان را برای تجربه عملی و تعاملی آماده کنید که درک شما از LangChain را متحول خواهد کرد. با روش ساده سه مرحلهای ما - دلیل، چیستی و چگونگی - یاد خواهید گرفت که چگونه LangChain را برای حل چالشهای واقعی به کار ببرید.
مخاطبان دوره
- افراد تازهکار در LLM و GenAI اما از صنعت IT - اگر با دنیای IT آشنا هستید اما مشتاق Generative AI و مدلهای زبانی بزرگ جدید هستید، از سطوح ابتدایی شروع کرده و تا انتها به شما کمک خواهیم کرد تا اپلیکیشنهای پیشرفته بسازید.
- تغییردهندگان شغلی - اگر از یک حوزه دیگر به IT منتقل میشوید و میخواهید وارد Generative AI شوید، این دوره پایهای قوی با مهارتهای کاربردی برای شروع حرفه شما فراهم میکند.
- یادگیرندگانی با کمی تجربه در GenAI - برای کسانی که قبلاً در GenAI تجربه داشتهاند و میخواهند LangChain را عمیقا یاد بگیرند، این دوره درک و مهارتهای شما را به سطح بعدی خواهد برد.
- توسعهدهندگان باتجربه هوش مصنوعی - اگر قبلاً اپلیکیشنهای GenAI ساختهاید اما از منابع پراکنده اطلاعات جمعآوری کردهاید، این دوره راهنمای ساختاریافته و جامع برای ساخت اپلیکیشنهای هوش مصنوعی به روش صحیح را ارائه خواهد داد.
آنچه یاد خواهید گرفت:
از طریق پروژههای عملی، به مهارتهای اساسی در LangChain و اکوسیستم LangChain تسلط خواهید یافت. آنچه را که پوشش میدهیم:
درک مبانی LLM و هوش مصنوعی
- با اصول اولیه هوش مصنوعی شروع میکنید، LLMs، نحوه کار آنها، پرامپتها، توکنها و موارد دیگر را پوشش میدهید تا یک پایه قوی ایجاد کنید.
شروع کار با LangChain
- محیط خود را راهاندازی میکنید، اولین کد GenAI خود را مینویسید و مزایای LangChain را کشف میکنید.
مدلها
- درباره مدلهای چت، LLMs و استفاده از توکنها یاد میگیرید و روی پروژههای عملی کار میکنید.
پرامپتها و تجزیهگرهای خروجی
- به ایجاد پرامپت و تجزیه خروجی، از جمله مدیریت جیسان برای یوزکیس واقعی تسلط مییابید.
Streamlit برای اپلیکیشنهای هوش مصنوعی
- یک رابط کاربری کاربرپسند برای اپلیکیشنهای هوش مصنوعی خود با Streamlit میسازید.
زنجیرهها
- زنجیرههای LangChain و Runnables را بررسی میکنید و اپلیکیشنهایی مانند تحلیگر ویدئو، تقویتکننده رزومه و مولد ایمیل میسازید.
حافظه
- یاد میگیرید که چگونه حافظه را در LangChain مدیریت کنید و جریان مکالمه را در اپلیکیشنها بهبود بخشید.
مهندسی پرامپت
- به تکنیکهای پیشرفته مهندسی پرامپت عمیقتر میپردازید.
یوزکیسهای واقعی LLM
- اپلیکیشنهای عملی LLM را بررسی کرده و درک میکنید که کجا GenAI بیشترین ارزش را اضافه میکند.
RAG - کار با داده خود
- پیادهسازی بازیابی نسل افزوده با ابزارهایی مانند ربات پرسش و پاسخ، خلاصهساز سند و ابزار مقایسه
LangSmith - اشکالزدایی و ارزیابی
- یاد میگیرید که چگونه اپلیکیشنهای LangChain را با استفاده از LangSmith اشکالزدایی و مشاهده کنید.
RAG پیشرفته
- RAG را با کوئریهای چندگانه و ایندکسگذاری گسترش میدهید و اپلیکیشنهای پیچیدهتری میسازید.
Callbacks
- پیادهسازی callbacks برای بهینهسازی و نظارت بر گردشکارهای اپلیکیشن
استقرار و اشتراکگذاری اپلیکیشنهای هوش مصنوعی
- اپلیکیشنهای هوش مصنوعی خود را در Streamlit Cloud و Hugging Face Spaces مستقر میکنید و پروژههای خود را به صورت یکپارچه به اشتراک میگذارید.
ساختار و مزایای دوره
- مزیت عمده دوره سادگی آن است - مفاهیم پیچیده به توضیحات آسان برای درک تقسیم شدهاند که هم نظریه و هم اپلیکیشنهای عملی را برای تمامی یادگیرندگان قابل دسترسی میسازد.
- یادگیری پروژه محور - هر بخش شامل پروژههای تعاملی است که به شما امکان میدهد که مفاهیم را مستقیماً در سناریوهای واقعی به کار ببرید.
- مسیر یادگیری ساختاریافته - از مبانی به مباحث پیشرفته برای درک جامع، آنها به صورت ترتیبی سازماندهی شدهاند.
در پایان دوره قادر خواهید بود:
- اپلیکیشنهای LangChain را طراحی، اشکالزدایی و مستقر کنید که برای حل مشکلات واقعی متناسب شدهاند.
- تکنیکهای مهندسی پرامپت موثر را پیاده کرده و گردشکارهای پیچیده را با ایجنتها مدیریت کنید.
- رابطهای کاربری پویا و کاربرپسند را با Streamlit ایجاد کرده و کانتکس را در اپلیکیشنهای هوش مصنوعی مدیریت کنید.
- اپلیکیشنهای خود را با LangSmith بهینهسازی کرده و راهحلهای خود را با اطمینان مستقر کنید.
به ما بپیوندید و از همین امروز شروع به ساخت اپلیکیشنهای قدرتمند هوش مصنوعی کنید.
این دوره برای چه کسانی مناسب است؟
- افراد تازهکار در LLM و GenAI از صنعت IT
- تغییردهندگان شغلی
- یادگیرندگان با کمی تجربه در GenAI
- توسعهدهندگان باتجربه هوش مصنوعی
تسلط به LangChain - کاربردیترین دوره برای ساخت اپلیکیشنهای هوش مصنوعی
-
خوش آمدگویی 02:10
-
مباحث دوره 05:35
-
چگونه از این دوره نهایت استفاده را ببریم؟ 01:57
-
چتجیپیتی و OpenAI 07:35
-
مدلها و یادگیری ماشین 06:47
-
درک مبانی LLM و هوش مصنوعی - آزمون 1 None
-
هوش مصنوعی و Generative AI 04:54
-
مدل زبانی بزرگ (LLM) 05:19
-
پرامپتها و توکنها 04:27
-
درک مبانی LLM و هوش مصنوعی - آزمون 2 None
-
(اختیاری) چتجیپیتی پشت صحنه چگونه کار میکند؟ 04:45
-
(اختیاری) یادگیری نظارت شده و نظارت نشده 04:58
-
خلاصه - درک مبانی LLM و هوش مصنوعی 00:41
-
نوشتن اولین کد GenAI - بخش 1 24:38
-
نوشتن اولین کد GenAI - بخش 2 09:44
-
LangChain چیست؟ 06:30
-
شروع کار با LangChain - آزمون 1 None
-
نوشتن اولین کد LangChain 06:30
-
مزایای LangChain 04:18
-
شروع کار با LangChain - آزمون 2 None
-
خلاصه - شروع کار با LangChain 00:29
-
گردش کار اپلیکیشن LLM 02:01
-
مدلها - مدل چت 06:42
-
مدل چت در مقابل LLM 03:27
-
دسترسی به مدلهای متن باز 06:17
-
ساخت اپلیکیشن توضیحدهنده مفهوم مالی با استفاده از LangChain None
-
راهحل تمرین 1 - اپلیکیشن توضیحدهنده مفهوم مالی 07:59
-
استفاده از توکن 10:54
-
مدلها - آزمون 1 None
-
خلاصه - مدلها 00:34
-
پرامپتها 04:54
-
قالب پرامپت 10:20
-
قالب چندشات 06:40
-
پرامپتها و تجزیهگرهای خروجی - آزمون 1 None
-
اپلیکیشن - اپلیکیشن سفر 07:45
-
پنجره کاتکس و محدودیت توکن 07:00
-
سلکتورهای مثال 07:44
-
تجزیهگرهای خروجی 13:18
-
پرامپتها و تجزیهگرهای خروجی - آزمون 2 None
-
خلاصه - پرامپتها و تجزیهگرهای خروجی 00:30
-
Streamlit چیست؟ 06:27
-
LangChain با Streamlit 06:06
-
اپلیکیشن - سیستم QA مالی با Streamlit 07:31
-
اپلیکیشن - سیستم QA مالی ریفکتور شده با Streamlit 08:29
-
اپلیکیشن - اپلیکیشن نوشتن اسکریپت برای رسانههای اجتماعی 09:59
-
Streamlit برای اپلیکیشنهای هوش مصنوعی - آزمون 1 None
-
خلاصه - Streamlit برای اپلیکیشنهای هوش مصنوعی 00:41
-
مقدمهای بر زنجیرهها 06:49
-
Runnable 07:09
-
RunnableSequence 08:13
-
زنجیرههای متوالی 06:26
-
RunnablePassthrough 10:34
-
زنجیرهها - آزمون 1 None
-
خلاصه - زنجیرهها 00:37
-
چرا در اپلیکیشنهای هوش مصنوعی به حافظه نیاز داریم؟ 03:38
-
افزودن حافظه در اپلیکیشنهای هوش مصنوعی 17:16
-
حافظه - آزمون 1 None
-
حافظه با سشنها 12:15
-
حافظه با سشنهای کاربر 04:02
-
حافظه - آزمون 2 None
-
خلاصه - حافظه 00:34
-
مقدمهای بر مهندسی پرامپت 06:36
-
تمرین 1 - مهندسی پرامپت None
-
بنچمارکینگ یک پرامپت خوب 03:28
-
تمرین 2 - مهندسی پرامپت None
-
تکنیکهای مهندسی پرامپت - بخش 1 10:12
-
تکنیکهای مهندسی پرامپت - بخش 2 09:31
-
مهندسی پرامپت - آزمون 1 None
-
تمرین 3 - مهندسی پرامپت None
-
خلاصه - مهندسی پرامپت 00:42
-
بخش 1 - یوزکیسها با بیشترین کاربرد 06:57
-
بخش 2 - یوزکیسها با بیشترین کاربرد 07:50
-
خلاصه - یوزکیسهای واقعی LLM 00:26
-
نیاز به یکپارچهسازی داده در اپلیکیشنهای هوش مصنوعی 02:42
-
استراتژیهای مدیریت داده در اپلیکیشنهای هوش مصنوعی 07:38
-
بررسی گردشکار RAG 08:18
-
آمادهسازی داده 11:25
-
بردارها و تعبیهها 04:31
-
RAG - کار با داده خود - آزمون 1 None
-
سلکتورهای مثال 00:37
-
بررسی ایندکسگذاری 07:23
-
قطعهبندی یا تقسیم مستندات 08:53
-
بررسی پایگاه داده برداری 07:44
-
بازیابی 06:08
-
تولید 07:20
-
انواع زنجیرهها 12:46
-
خلاصه - RAG - کار با داده خود 01:04
-
بررسی و راهاندازی LangSmith 08:58
-
اشکالزدایی اپلیکیشن RAG - بخش 1 - ربات پرسش و پاسخ المپیک 07:08
-
LangSmith - اشکالزدایی اپلیکیشنهای LLM - آزمون 1 None
-
قابلیت مشاهده 05:53
-
LangSmith - اشکالزدایی اپلیکیشنهای LLM - آزمون 2 None
-
خلاصه - LangSmith - اشکالزدایی اپلیکیشنهای LLM 00:36
-
RAG بررسی شده تا به الان 01:19
-
اطلاعات بیشتر درباره پایگاه داده برداری 03:59
-
ترجمه کوئری - کوئری چندگانه 05:09
-
کد کوئری چندگانه 10:24
-
کوئری چندگانه با ورودیهای متعدد 03:36
-
ترجمه کوئری - RAG Fusion 11:52
-
ترجمه کوئری - تجزیه 10:52
-
خلاصه - RAG پیشرفته 00:34
-
مقدمهای بر Callbacks 02:34
-
Callbacks زمان درخواست 09:43
-
Constructor callbacks 02:27
-
Callbacks - آزمون 1 None
-
استقرار در Streamlit Cloud 04:02
-
استقرار در Hugging Face 05:00
مشخصات آموزش
تسلط به LangChain - کاربردیترین دوره برای ساخت اپلیکیشنهای هوش مصنوعی
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:مقدماتی
- تعداد درس:107
- مدت زمان :09:30:51
- حجم :3.94GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy