Beginning of dialog window. Escape will cancel and close the window.
End of dialog window.
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
در حال بارگزاری، لطفا صبر کنید...
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
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.
نمایش نظرات