آموزش LangGraph - توسعه عاملهای هوش مصنوعی مبتنی بر مدل زبانی بزرگ با LangGraph
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- در LangGraph به مهارت برسید.
- عاملهای پیشرفته را پیادهسازی کنید.
- عاملهای Generative مبتنی بر LangGraph کاربردی و end-to-end
- یاد بگیرید چگونه کدبیس متنباز LangGraph را ناوبری کنید.
- اکوسیستم LangGraph: محیط توسعه یکپارچه و LangGraph Cloud API ،LangGraph Studio و LangGraph Cloud Managed Service
پیشنیازهای دوره
- این آموزش یک دوره مبتدی نیست. به مفاهیم قوی مهندسی نرمافزار نیاز است.
- فرض میکنیم دانشجویان با موضوعات مهندسی نرمافزار مانند LangChain، گیت، پایتون، pipenv، متغیرهای محیطی، کلاسها، تست و اشکالزدایی آشنا هستند.
توضیحات دوره
به اولین دوره یودمی درباره LangGraph خوش آمدید، قدرت عاملهای مدل زبانی بزرگ را آزاد کنید!
این دوره جامع طراحی شده است تا به شما بیاموزد چگونه بهسرعت از قدرت کتابخانه LangGraph برای اپلیکیشنهای عاملی مدل زبانی بزرگ بهره بگیرید.
این دوره شما را به مهارتها و دانشی مجهز میکند که برای توسعه راهحلهای پیشرفته عاملهای مدل زبانی بزرگ در طیف گستردهای از موضوعات به آن نیاز دارید.
لطفاً توجه داشته باشید که این دوره برای مبتدیان نیست. این دوره فرض میکند شما پیشزمینهای در مهندسی نرمافزار دارید و در پایتون و LangChain مهارت دارید. ما از محیط توسعه یکپارچه Pycharm استفاده خواهیم کرد، اما شما میتوانید از هر ویرایشگر دلخواهتان استفاده کنید، چون ما فقط از ویژگیهای اولیه محیط توسعه یکپارچه مانند اشکالزدایی و اجرای اسکریپتها استفاده میکنیم.
موضوعات تحت پوشش این دوره شامل موارد زیر است:
- LangChain
- LCEL
- LangGraph
- عاملها
- چند عاملی
- عاملهای Reflection
- عاملهای Reflexion
- LangSmith
- CrewAI در مقابل LangGraph
- Advanced RAG
- Corrective RAG
- Self RAG
- Adaptive RAG
- GPT Researcher
- اکوسیستم LangGraph:
- محیط توسعه یکپارچه LangGraph و LangGraph Studio
- LangGraph Cloud API
- LangGraph Cloud Managed Service
در طول دوره، روی تمرینهای عملی و پروژههای واقعی کار خواهید کرد تا درک خود را از مفاهیم و تکنیکهای پوششدادهشده تقویت کنید. تا پایان دوره، در استفاده از LangGraph برای ساخت اپلیکیشنهای قدرتمند، کارآمد و چندمنظوره مدل زبانی بزرگ برای طیف گستردهای از کاربردها مهارت خواهید داشت.
این آموزش یک دوره معمول نیست، بلکه یک جامعه هم هست. علاوه بر دسترسی مادامالعمر به دوره، لینکهای GitHub شامل منابع تکمیلی هوش مصنوعی، پرسشهای متداول و راهنماهای عیبیابی را هم دریافت میکنید.
این دوره برای چه کسانی مناسب است؟
- مهندسان نرمافزاری که میخواهند یاد بگیرند چگونه با LangChain اپلیکیشنهای مبتنی بر Generative AI بسازند.
- توسعهدهندگان بکاند که میخواهند یاد بگیرند چگونه با LangChain اپلیکیشنهای مبتنی بر Generative AI بسازند.
- مهندسان فولاستک که میخواهند یاد بگیرند چگونه با LangChain اپلیکیشنهای مبتنی بر Generative AI بسازند.
آموزش LangGraph - توسعه عاملهای هوش مصنوعی مبتنی بر مدل زبانی بزرگ با LangGraph
-
مقدمه 02:29
-
پیشنیازها (لطفاً پیش از شرکت در دوره این ویدئو را ببینید) 02:18
-
جامعه دوره 01:28
-
LangGraph چیست؟ 04:56
-
چرا LangGraph؟ و کاربردهای عاملهای هوش مصنوعی 16:42
-
اما صبر کنید، گرافها چه هستند؟ 03:36
-
مهندسی جریان 06:03
-
کامپوننتهای اصلی LangGraph 05:17
-
چه چیزی میسازیم؟ 01:26
-
راهاندازی پروژه 04:44
-
ایجاد زنجیره Reflector و Tweet Reviosr Chain 04:48
-
تعریف گراف LangGraph 11:27
-
[جدید] تعریف گراف LangGraph 19:17
-
ردیابی LangSmith 03:09
-
پیام شخصی 00:26
-
چه چیزی میسازیم؟ 06:52
-
راهاندازی پروژه 03:42
-
عامل Actor - نسخه 2 16:40
-
عامل Revisor 04:17
-
ToolNode - اجرای ابزارها 07:10
-
[اختیاری] عامل Tool Executor (بخش A) - زندگی قبل از ToolNode 06:48
-
[اختیاری] عامل Tool Executor (بخش B) - زندگی قبل از ToolNode 08:43
-
[اختیاری] عامل Tool Executor (بخش C) - زندگی قبل از ToolNode 04:37
-
[جدید] ساخت گراف LangGraph 11:54
-
[جدید] ردیابی گراف 07:22
-
در این بخش چه میسازیم - معماری Agentic RAG 02:39
-
بهبود کیفیت RAG با جریان Corrective RAG 01:24
-
راهاندازی کدهای پایه برای یک عامل Agentic RAG با LangGraph 04:33
-
ساختار کد 07:25
-
پایپلاین هضم داده به Vector Store در LangChain (WebLoader و ChromaDB) 06:54
-
مدیریت جریان اطلاعات در LangGraph: بررسی GraphState 01:53
-
زمینه را برای مدلهای زبانی بزرگ خود واکشی کنید: گره بازیابی LangGraph 02:04
-
ساخت فیلتر ارتباط برای RAG با خروجی ساختار یافته در LangChain 12:53
-
پیادهسازی یک گره جستجوی وب در LangGraph با Tavily API 04:53
-
ایجاد زنجیره و گره تولید مدل زبانی بزرگ برای LangGraph 05:04
-
ساخت و اجرای عامل کامل LangGraph 07:23
-
آشنایی با Self RAG 01:30
-
Self RAG - پیادهسازی 15:15
-
Adaptive RAG - پیادهسازی 11:34
-
چه چیزی میسازیم؟ ReAct AgentExecutor در LangGraph 02:20
-
شروع کنید: محیط پروژه عامل ReAct خود را راهاندازی کنید 05:09
-
کدنویسی مغز عامل: پیادهسازی ReAct Runnable 08:28
-
بلوکهای سازنده: گرههای عامل خود را در LangGraph تعریف کنید 05:52
-
به عامل ReAct خود جان ببخشید: اتصال گرهها به یک گراف 07:21
-
اجرای عامل ReAct در LangGraph با فراخوانی تابع 07:45
-
پایداری در LangGraph 03:56
-
MemorySaver + وقفهها = انسان در حلقه 06:51
-
MemorySaver 08:22
-
SqliteSaver 05:21
-
پیادهسازی اجرای ناهمزمان 09:01
-
fan-out و fan-in موازی گره با مراحل اضافی 03:16
-
برنچینگ شرطی با اجرای ناهمزمان 06:20
-
مزایای گرههای ناهمزمان در مقابل چالشها 01:03
-
مقدمه 03:04
-
LangGraph Studio (همان محیط توسعه یکپارچه LangGraph) 13:40
-
LangGraph Cloud API - راهاندازی محیط (محلی) 04:56
-
بررسی عمیق LangSmith Deployment API - دستیارها، Runs و Threads (محلی) 14:11
-
استقرار در LangSmith Deployment 06:58
-
عاملها در محیط تولید 08:33
-
تفاوت اصلی LangGraph و CrewAI 02:21
-
GPT Researcher 08:24
-
GPT Researcher - راهاندازی 02:24
-
GPT Researcher - معماری 05:53
-
معماری چندعاملی 06:17
-
تحقیقات عمیق با Assaf Elovic 29:10
-
رابط کاربری Generative 04:51
-
انسان در حلقه 05:15
-
تعامل انسان و عامل - بخش 1 05:24
-
تعامل انسان و عامل - بخش 2 03:51
-
مشکل فنی دارید؟ اول این ویدئو را ببینید، قول میدهیم کمک کند! 02:10
مشخصات آموزش
آموزش LangGraph - توسعه عاملهای هوش مصنوعی مبتنی بر مدل زبانی بزرگ با LangGraph
- تاریخ به روز رسانی: 1405/04/12
- سطح دوره:متوسط
- تعداد درس:70
- مدت زمان :07:41:15
- حجم :4.95GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy