ارتقای توسعه اپلیکیشنهای LLM با LangChain و OpenAI
✅ سرفصل و جزئیات آموزش
در این دوره به دنیای مدلهای زبانی بزرگ (LLMs) با تمرکز بر یکپارچهسازی آنها در اپلیکیشنهای کاربردی با استفاده از OpenAI APIs میپردازید. شما کشف میکنید چگونه میتوان LLMs را با کامپوننتهای بازیابی تقویت کرد، اپلیکیشنهای چت تعاملی را مستقر کرد و ایجنتهای multi-retriever را برای مدیریت داده پیشرفته ساخت.
شما به همراه مدرس سندی لو دوسکی مهارتهایی را کسب میکنید که به شما امکان ساخت ایجنتهای هوشمند را میدهد که قادر به انجام تسکهای پیچیده از جمله جستجوهای سمانتیک تا چتباتهای پرسش و پاسخ هستند و به طرز چشمگیری تجربیات کاربری را بهبود میبخشند. آیا قصد دارید در نقش کنونی خود نوآوری کنید یا پروژههای جدید هوش مصنوعی را آغاز کنید؟ این دوره دانش پایه و مهارتهای کاربردی لازم برای استفاده مؤثر از قدرت LLMs را ارائه میدهد.
ارتقای توسعه اپلیکیشنهای LLM با LangChain و OpenAI
-
ارتقای اپلیکیشنهای LLM 0:00:39
-
آنچه باید بدانید 0:02:48
-
راهاندازی و نصب 0:04:03
-
ایجاد زنجیره و رابط با LLM 0:04:12
-
تعریف و ساختار یک پرامپت 0:05:19
-
ایجاد و فراخوانی یک زنجیره (سینتکس LCEL) 0:02:54
-
کار با تجزیهگرهای خروجی 0:02:37
-
شروع سریع - نصب و راهاندازی 0:02:28
-
ایجاد تعبیهها از متن (Faiss) 0:01:34
-
کوئری در فروشگاه بردار 0:01:56
-
کوئری به عنوان retriever 0:04:59
-
RAG - بررسی و معماری 0:02:12
-
تجزیه پایپلاین RAG 0:02:50
-
راهاندازی پروژه 0:03:33
-
بارگذاری و تقسیم مستندات به قطعات 0:05:06
-
ایجاد فروشگاه بردار (Chroma) و جذب مستندات 0:05:06
-
ایجاد زنجیره - پرامپت + مدل + تجزیهگر 0:05:39
-
ایجاد زنجیره - افزودن کانتکس با یک retriever 0:04:48
-
انتقال داده با RunnablePassthrough و کوئری داده 0:03:27
-
چالش - ایجاد ایجنت سفارشی با تاریخچه 0:03:12
-
راهحل - افزودن زنجیره با تاریخچه چت 0:05:19
-
راهحل - چت بات آگاه از کانتکس و تاریخچه 0:05:49
-
راهاندازی اپلیکیشن Streamlit 0:04:16
-
ساخت طرحبندی با کامپوننتهای Streamlit 0:05:53
-
افزودن قابلیت با Streamlit 0:04:50
-
چالش - استقرار اپلیکیشن Streamlit خود 0:03:37
-
راهحل - افزودن اپلیکیشن به گیتهاب 0:03:46
-
راهحل - استقرار اپلیکیشن خود 0:05:47
-
بازیابی با تحلیل کوئری 0:01:16
-
اتصال به منبع داده و ایجاد یک ایندکس 0:04:23
-
راهاندازی تحلیل کوئری برای مدیریت منابع داده متعدد 0:05:55
-
بازیابی با تحلیل کوئری 0:05:07
-
چالش - بازیابی با منابع داده متعدد 0:03:11
-
راهحل - پرسش و پاسخ با منابع داده متعدد 0:07:13
-
شروع کار با MongoDB - ایجاد حساب 0:01:35
-
ساخت و استقرار یک خوشه رایگان 0:01:41
-
راهاندازی محیط MongoDB و اتصال به خوشه 0:06:23
-
ایجاد دسترسی ایمن به پایگاه داده (کاربر) 0:03:27
-
بارگذاری داده نمونه و ایجاد فروشگاه بردار 0:04:18
-
ایجاد ایندکس جستجوی برداری Atlas 0:04:04
-
اجرای کوئریهای جستجوی برداری 0:05:33
-
ایجاد یک زنجیره بازیابی - تعریف پرامپت 0:02:51
-
ایجاد یک زنجیره بازیابی - تعریف کانتکس 0:05:08
-
ایجاد یک زنجیره بازیابی - تجزیه و فرمتبندی نتایج 0:01:47
-
کوئری مستندات و تولید پاسخهای گسترده 0:03:33
-
استفاده از ایجنتها برای انجام اکشنها در زنجیرهها 0:01:36
-
تعریف ابزارها 0:05:37
-
انتخاب پرامپت عالی 0:01:12
-
اتصال ابزارها و ایجاد ایجنت 0:02:19
-
ایجاد و اجرای executor ایجنت 0:04:41
-
چالش - ایجاد یک ایجنت multitask 0:05:31
-
راهحل - تعریف ابزارها و توابع 0:06:09
-
معرفی LangServe - نصب و راهاندازی 0:03:35
-
ایجاد یک سرور 0:00:49
-
ایجاد مسیرها و اندپوینتها 0:05:56
-
ایجاد یک runnable برای ترکیب یک پرامپت، یک مدل و یک خروجی 0:03:35
-
چالش - استقرار یک RESTful API 0:01:39
-
راهحل - استقرار یک RESTful API 0:02:51
-
مدیریت و استقرار یک اپلیکیشن در رندر 0:01:53
-
ایجاد مخزن گیتهاب و پوش کردن پروژه شما 0:04:21
-
استقرار یک وبسرویس جدید در رندر 0:04:10
-
نتیجهگیری 0:00:28
مشخصات آموزش
ارتقای توسعه اپلیکیشنهای LLM با LangChain و OpenAI
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:مقدماتی تا متوسط
- تعداد درس:62
- مدت زمان :3:52:26
- حجم :655.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy