دوره آموزشی
دوبله زبان فارسی
مبتدی به متخصص در LangChain: ساخت اپلیکیشن های GenAI با LangChain
✅ سرفصل و جزئیات آموزش
همه ویژگی های LangChain را یاد بگیرید و اپلیکیشن های Generative AI دارای حافظه، RAG، ابزارها، ایجنت ها و غیره را با LangChain بسازید.
آنچه یاد خواهید گرفت
- اصول اساسی LangChain و کاربرد آن در مدل های Generative AI را کشف کنید.
- به ایجاد و استفاده از قالب های Prompt، از جمله قالب های Prompt چت و قالب های few-shot prompt برای بهینه سازی تعاملات با AI مسلط شوید.
- ساختار زنجیره های پیچیده مانند LLMChains و زنجیره های متوالی توسعه دهید تا کارایی اپلیکیشن های مبتنی بر AI را بهبود بخشید.
- جریان های اجرای پویا مانند Runnables و زنجیره های مبتنی بر LCEL، از جمله کنترل جریان اجرا و مسیریابی پویا را پیاده سازی کنید.
- از حافظه در LangChain برای ساخت AI مکالمه ای پیشرفته که می تواند تعاملات با کاربر در سراسر سشن ها را به یاد داشته و یادآوری کند استفاده کنید.
- یک اپلیکیشن Retrieval-Augmented Generation (RAG)، شامل خواندن سند، تقسیم بندی، تعبیه سازی و بازیابی داده از یک پایگاه داده برداری ایجاد کنید.
- ابزارها و ایجنت های سفارشی، از جمله ایجنت های دارای حافظه طراحی کرده و در اپلیکیشن های LangChain خود برای توسعه قابلیت های آن ها یکپارچه سازی کنید.
- یک رابط کاربری گرافیکی (GUI) برای اپلیکیشن های Generative AI خود با Streamlit ساختاردهی کنید که امکان تعاملات کاربرپسند با مدل های AI شما را فراهم می کنند.
توضیحات دوره
آنچه در این دوره خواهید دید:
- اولین اپلیکیشن LangChain خود را توسعه داده و یک محیط توسعه قوی راه اندازی کنید.
- به استفاده از قالب های Prompt، زنجیره ها و Runnables برای ایجاد تعاملات متنوع با AI مسلط شوید.
- جریان های اجرای پویا و تجزیه خروجی را برای بهبود مدل های AI خود پیاده سازی کنید.
- از قدرت حافظه در LangChain برای ساخت AI مکالمه ای با حفظ زمینه استفاده کنید.
- یک پایپ لاین RAG کاملا کاربردی برای به حداکثر رساندن ارزش فرآیندهای بازیابی داده خود ایجاد کنید.
- ابزارها و ایجنت های سفارشی ساخته و یاد بگیرید چگونه آن ها را در اپلیکیشن های خود یکپارچه سازی کنید.
- بر اپلیکیشن های خود با LangSmith نظارت کرده و آن ها را بهینه سازی کنید.
- رابط های کاربرپسند برای اپلیکیشن های AI خود با Streamlit طراحی کنید.
این دوره برای چه کسانی مناسب است؟
- توسعه دهندگان AI آینده که می خواهند اپلیکیشن های Generative AI پیشرفته با LangChain ساخته و مستقر کنند.
- دانشمندان داده که می خواهند مدل های AI خود را با حافظه، retrieval-augmented generation (RAG) و یکپارچه سازی های ابزار سفارشی بهبود بخشند.
- مهندسان نرم افزاری که می خواهند به LangChain برای ایجاد اپلیکیشن های مبتنی بر AI پویا و تعاملی مسلط شوند.
- علاقه مندان به فناوری که می خواهند جدیدترین فریمورک ها و تکنیک های توسعه راه حل های AI پیشرفته را بررسی کنند.
- محققان AI علاقه مند به اعمال ویژگی های LangChain برای بهبود سیستم های بازیابی داده و AI مکالمه ای
- مدیران محصولی که می خواهند قابلیت های LangChain را برای رهبری موثر توسعه محصول مبتنی بر AI درک کنند.
مبتدی به متخصص در LangChain: ساخت اپلیکیشن های GenAI با LangChain
-
مقدمه و منابع دوره 04:30
-
LangChain چیست و چرا از آن استفاده کنیم؟ 05:46
-
نمایش اپلیکیشن های مبتنی بر LangChain 07:50
-
راه اندازی محیط توسعه 10:28
-
اولین اپلیکیشن LangChain خود را ایجاد کنید 10:04
-
تفاوت مدل های LLM و مدل های چت 07:33
-
پارامترها مدل برای سفارشی سازی مدل های LLM 05:13
-
تولید تصویر و ابزارهای دیگر 02:24
-
آشنایی با قالب های Prompt در LangChain 04:22
-
ایجاد یک قالب Prompt 08:22
-
قالب های Prompt چت 04:37
-
قالب Few shot prompt 06:39
-
آشنایی با زنجیره ها در LangChain 07:38
-
LLMChain - زنجیره عمومی 05:49
-
زنجیره های یوتیلیتی - زنجیره ریاضی LLM 08:32
-
زنجیره های متوالی 06:49
-
Pipe operator 08:47
-
درک Runnables - درس تئوری 05:19
-
Runnable Passthrough ،Runnable Parallel و Runnable Lambda 05:45
-
مثال: کنترل جریان اجرا با LCEL 11:32
-
درک مسیریابی پویای جریان 04:42
-
پیاده سازی مسیریابی پویا 10:31
-
آشنایی با Output Parsers 03:27
-
Stroutputparser - خروجی رشته 02:12
-
Structured Output Parser 04:23
-
CSV Parser و DateTime Parser 06:13
-
آشنایی با حافظه در LangChain 05:59
-
Conversation Buffer Memory 09:14
-
سفارشی سازی حافظه - کلید حافظه و افزودن پیام ها 04:13
-
زنجیره مکالمه 03:37
-
Conversation Buffer Window Memory 03:50
-
Conversation Summary Memory 04:05
-
Runnable with Message History 05:36
-
درک مفاهیم RAG 09:12
-
خواندن اسناد - RAG گام 1 08:11
-
ایجاد تقسیم بندی ها - RAG گام 2 07:02
-
تعبیه سازی - RAG گام 3 07:21
-
ذخیره در پایگاه داده برداری - RAG گام 4 07:26
-
بازیابی و ساخت اپلیکیشن کامل RAG 09:42
-
آشنایی با ابزارها و ایجنت ها 06:54
-
ابزار سفارشی خود را بسازید 10:47
-
ابزارهای In-built - بررسی DuckDuckGo Search و ویکی پدیا 07:19
-
ایجنت ها در LangChain 09:19
-
ایجاد ایجنت دارای حافظه 04:25
-
آشنایی با LangSmith 03:37
-
اجرای اپلیکیشن و نظارت با LangSmith 07:00
-
Streamlit چیست؟ 05:11
-
ساخت GUI برای اپلیکیشن GenAI با Streamlit 07:49
مشخصات آموزش
مبتدی به متخصص در LangChain: ساخت اپلیکیشن های GenAI با LangChain
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:48
- مدت زمان :05:18:40
- حجم :2.06GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy