تکنیک‌های پیشرفته LangChain - تسلط به اپلیکیشن‌های RAG

آنچه یاد خواهید گرفت:

• یادگیری زبان بیان LangChain (LCEL)
• تسلط به تکنیک‌های پیشرفته RAG با فریم‌ورک LangChain
• ارزیابی پایپ‌لاین‌های RAG با فریم‌ورک RAGAS
• اعمال NeMo Guardrails برای تعاملات ایمن و قابل اطمینان هوش مصنوعی

پیش‌نیازهای دوره

• مبانی LangChain
• مهارت‌های سطح متوسط پایتون (برنامه‌نویسی شیءگرا، انواع داده، توابع، ماژول‌ها و غیره)
• آشنایی با ترمینال و داکر

توضیحات دوره

از این دوره چه انتظاری می‌رود؟

به دوره ما در مورد تکنیک‌های پیشرفته Retrieval-Augmented Generation (RAG) با فریم‌ورک LangChain خوش آمدید!

در این دوره، ما به تکنیک‌های پیشرفته برای Retrieval-Augmented Generation می‌پردازیم و از فریم‌ورک قدرتمند LangChain برای بهبود تسک‌های زبانی مبتنی بر هوش مصنوعی استفاده می‌کنیم. LangChain یک ابزار متن باز است که مدل‌های بزرگ زبانی (LLM) را به سایر کامپوننت‌ها متصل می‌کند و منبعی ضروری برای توسعه‌دهندگان و دانشمندان داده است که با هوش مصنوعی کار می‌کنند.

نکات برجسته دوره

تمرکز بر تکنیک‌های RAG: این دوره درک عمیقی از Retrieval-Augmented Generation ارائه می‌دهد و شما را در پیچیدگی‌های فریم‌ورک LangChain راهنمایی می‌کند. ما مجموعه‌ای از مباحث را از مفاهیم اولیه تا پیاده‌سازی‌های پیشرفته پوشش می‌دهیم و اطمینان حاصل می‌کنیم که دانش کاملی بدست می‌آورید.

محتوای جامع: این دوره برای توسعه‌دهندگان، مهندسان نرم‌افزار و دانشمندان داده طراحی شده است که مقداری تجربه در دنیای مدل‌های زبانی بزرگ و LangChain دارند. در طول دوره، شما موارد زیر را بررسی خواهید کرد:

• بررسی عمیق LCEL و Runnables
• چت با تاریخچه
• Indexing API
• ابزارهای ارزیابی RAG
• تکنیک‌های پیشرفته تقسیم‌بندی
• مدل‌های تعبیه‌سازی دیگر
• تدوین و بازیابی کوئری
• دوباره رتبه‌بندی با Cross-Encoder
• مسیر یابی
• عامل‌ها
• فراخوانی ابزار
• NeMo Guardrails
• یکپارچه‌سازی Langfuse

منابع اضافی

• اسکریپت‌های کمکی: اسکریپت‌هایی برای هضم داده، بازرسی و پاکسازی برای ساده‌سازی گردش کار شما
• اپلیکیشن فول‌استک و داکر: یک اپلیکیشن چت‌بات جامع با فرانت‌اند ری اکت و بک‌اند FastAPI، همراه با پشتیبانی داکر برای راه‌اندازی و استقرار آسان
• منابع اضافی برای حمایت از یادگیری شما در دسترس است.

این دوره برای چه کسانی مناسب است؟

• مهندسان نرم‌افزار و دانشمندان داده با تجربه در LangChain که می‌خواهند اپلیکیشن‌های RAG را ارتقا دهند.