آموزش مهندسی سریع با LangChain

Prompt Engineering with LangChain

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره مقدمه ای جامع و در عین حال مختصر به LangChain، یک چارچوب قدرتمند برای برنامه های کاربردی مدل زبان بزرگ (LLM) ارائه می دهد. با شروع با اصول LLM، مدرس Harpreet Sahota ویژگی‌ها و قابلیت‌های کلیدی LangChain را بررسی می‌کند و به شما نشان می‌دهد که چگونه آن را با سیستم‌های مختلف ادغام کنید و تجربه عملی در ساخت برنامه‌های کاربردی کسب کنید. چه یک توسعه دهنده باتجربه یا مبتدی باشید، این دوره شما را با یک پایه محکم در LangChain مجهز می کند و زمینه را برای موضوعات و برنامه های پیشرفته تر فراهم می کند.

سرفصل ها و درس ها

معرفی Introduction

  • برنامه های قدرتمند مبتنی بر LLM ایجاد کنید Create powerful LLM driven applications

1. مقدمه ای بر مدل های زبان 1. Introduction to Language Models

  • مدل های زبان چیست؟ What are language models?

2. LLM و تولید متن 2. LLMs and Text Generation

  • مدل های زبان چگونه متن تولید می کنند؟ How do language models generate text?

  • مهندسی سریع Prompt engineering

  • آموزش، تنظیم دقیق و یادگیری درون متنی Training, fine-tuning, and in-context learning

  • LLMهای پایه در مقابل LLMهای تنظیم شده توسط دستورالعمل Base LLMs vs. instruction-tuned LLMs

3. اجزای LangChain 3. Components of LangChain

  • نمایندگان: به زنجیره‌ها اجازه دهید ابزارها را بر اساس دستورالعمل‌های سطح بالا انتخاب کنند Agents: Let chains choose tools based on high-level directives

  • بازیابی: رابط با داده های خاص برنامه Retrieval: Interface with application-specific data

  • زنجیره ها: دنباله ای از تماس ها را بسازید Chains: Construct sequences of calls

  • LangChain چیست؟ What is LangChain?

  • حافظه: پایداری حالت برنامه بین اجرای یک زنجیره Memory: Persist application state between runs of a chain

  • Model I/O: رابط با مدل های زبان Model I/O: Interface with language models

  • نمای کلی LangChain LangChain overview

4. مبانی ترغیب 4. Basics of Prompting

  • اصول اولیه Prompt basics

  • اصول و تاکتیک های تحریک Principles and tactics for prompting

5. Prompt Templates Deep Dive 5. Prompt Templates Deep Dive

  • انتخابگر نمونه همپوشانی N-gram N-gram overlap example selector

  • الگوهای درخواستی سفارشی Custom prompt templates

  • الگوهای درخواست چند ورودی Multi-input prompt templates

  • الگوی درخواست چت Chat prompt template

  • الگوهای اعلان جزئی Partial prompt templates

  • الگوهای سریع چند شات Few-shot prompt templates

  • مقدمه ای بر الگوهای اعلانات Introduction to prompt templates

  • درخواست ضربه صفر Zero-shot prompts

  • انتخابگر نمونه مبتنی بر طول Length-based example selector

  • انتخابگر نمونه ارتباط حاشیه ای حداکثر Max marginal relevance example selector

  • انتخابگر مثال شباهت معنایی Semantic similarity example selector

  • سریال سازی دستورات Serializing prompts

  • معرفی نمونه انتخابگرها Introduction to example selectors

  • الگوهای سریع چند شات برای چت Few-shot prompt templates for chat

  • ترکیب سریع Prompt composition

  • خط لوله سریع چت Chat prompt pipelining

  • لوله گذاری سریع Prompt pipelining

6. تکنیک های تحریک 6. Prompting Techniques

  • از خود بپرس Self-ask

  • برنامه ریزی و اجرا کنید Plan and execute

  • خود سازگاری Self-consistency

  • واکنش نشان دهید ReAct

  • زنجیره فکر Chain of thought

  • RAG RAG

  • شعله ور شدن FLARE

7. مدیریت سریع با نام PromptOps 7. Prompt Management a.k.a. PromptOps

  • شیرجه عمیق لانگ اسمیت LangSmith deep dive

  • مدیریت طول سریع برای عوامل Managing prompt length for agents

  • بررسی لانگ اسمیت LangSmith walkthrough

  • مدیریت سریع Prompt management

  • نسخه نویسی سریع در LangSmith Prompt versioning in LangSmith

  • لنگ اسمیت LangSmith

8. چشم انداز LLM 8. The LLM Landscape

  • کاربردهای مدل های زبان Applications of language models

  • چشم انداز LLM The LLM landscape

نمایش نظرات

آموزش مهندسی سریع با LangChain
جزییات دوره
5h 21m
47
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
3,264
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Harpreet Sahota Harpreet Sahota

کارشناس یادگیری عمیق، دانشمند داده، مدیر روابط با برنامه نویس

Harpreet Sahota یک متخصص یادگیری عمیق، دانشمند داده، و مدیر روابط با توسعه دهنده است.

Harpreet در حال حاضر به عنوان یک مدیر روابط با توسعه دهنده کار می کند. مدیر روابط با توسعه دهندگان یادگیری عمیق در Deci AI، به جامعه توسعه دهندگان قدرت می دهد تا با استفاده از پلت فرم یادگیری عمیق Deci، یادگیری عمیق را بر روی هر نوع سخت افزاری ایجاد و استقرار دهند. او میزبان پادکست هنرمندان علم داده است، جایی که او به مخاطبان هزاران دانشمند داده که در مراحل اولیه شغلی هستند راهنمایی می کند و راهنمایی های فنی و حرفه ای در مورد مشاغل در این زمینه ارائه می دهد. در طول سال‌ها، هارپریت در نقش‌های رهبری ارشد مختلفی از جمله مدافع توسعه‌دهنده، مربی اصلی علم داده و دانشمند ارشد داده خدمت کرده است. او دارای مدرک کارشناسی ارشد علوم ریاضی و آمار از دانشگاه ایالتی ایلینوی است.