آموزش LangChain & LLMs - کلاس Master Autonomous AI Tools ایجاد کنید

LangChain & LLMs - Build Autonomous AI Tools Masterclass

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تسلط بر توسعه هوش مصنوعی: پروژه های عملی و بینش عمیق با Python، LangChain و OpenAI LLMs پیشرفته درک LangChain و LLM: عمیقاً در عملکردها و مکانیسم های اصلی آنها غوطه ور شوید. ماژول های LangChain Master: تجزیه کننده ها، حافظه، روترها و تعامل آنها را درک کنید. ایجاد ابزار عملی: آموزش ساخت ابزار با استفاده از LangChain، Embeddings و Document Splitting. برنامه‌های هوش مصنوعی دنیای واقعی Craft: برنامه‌هایی مانند Bill Extractor و Multi-doc Chatbot توسعه دهید. بهینه سازی عملکرد هوش مصنوعی: بهترین شیوه ها را برای پیاده سازی کارآمد و مقیاس پذیر LangChain بیاموزید. پیش نیازها: مقداری تجربه برنامه نویسی مورد نیاز است ما در این دوره از پایتون استفاده خواهیم کرد. اگرچه برای این دوره نیازی به دانستن پایتون ندارید، اما باید تجربه برنامه نویسی داشته باشید

به راهنمای نهایی ساخت ابزارهای هوش مصنوعی مستقل با استفاده از LangChain، OpenAI API و LLM خوش آمدید.

چه یک مبتدی هوش مصنوعی باشید و چه از علاقه مندان به فناوری که مشتاق ارتقای مهارت های خود هستید، این دوره به شما کمک می کند تا از قدرت مدل های زبان بزرگ (LLM) مانند GPT-4 برای ایجاد برنامه های کاربردی نسل بعدی استفاده کنید.


با این دوره جامع که برای تازه کارها و حرفه ای های با تجربه طراحی شده است، عمیقاً در دنیای متحول کننده LangChain و مدل های زبان بزرگ (LLM) شیرجه بزنید.

این برنامه درسی با طراحی دقیق، سفری گام به گام در جنبه‌های منحصربه‌فرد LangChain به شما ارائه می‌دهد - از درک لایه‌های پیچیده آن، مانند تجزیه‌کننده‌ها، حافظه، و روترها تا تسلط بر ابزارهایی که ارائه می‌دهد مانند Vectorstores و Embeddings.


اما ما در تئوری متوقف نمی‌شویم.


رویکرد عملی ما تضمین می‌کند که دانش جدید خود را از طریق برنامه‌های کاربردی در دنیای واقعی به کار می‌گیرید.

دریابید که چگونه اطلاعات مهم را با یک برنامه استخراج صورتحساب استخراج کنید، کاربران را از طریق یک Chatbot چند سندی درگیر کنید، و تصاویر را به داده های متنی تبدیل کنید.


آنچه خواهید آموخت:

  • به اعماق دنیای LangChain و LLM شیرجه بزنید.

  • قفل رمز و راز مدل‌های زبان بزرگ (LLM) و کاربرد آن‌ها را باز کنید.

  • چندین پروژه واقعی بسازید که پتانسیل واقعی LangChain و LLM ها را به نمایش می گذارد.

  • از مطالعات موردی دقیق در صنایع مختلف بینش به دست آورید.

در پایان این دوره، شما فقط LangChain را متوجه نخواهید شد. شما آماده خواهید بود که آن را در سناریوهای مختلف پیاده سازی کنید، و مرزهای آنچه با هوش مصنوعی ممکن است را کنار بگذارید.


سرفصل ها و درس ها

معرفی Introduction

  • خوش آمدی Welcome

  • مقدمه و پیش نیاز دوره Introduction & Course Pre-requisites

  • آنچه در این دوره خواهید ساخت - نسخه ی نمایشی What You'll Build in this Course - Demo

  • با من ارتباط برقرار کن Connect with Me

دانلود منابع دوره Download Course Resources

  • کد دانلود Download Code

راه اندازی محیط توسعه Development Environment Setup

  • راه اندازی OpenAI API - کلید API Setup OpenAI API - API Key

  • Python را نصب کنید - دستورالعمل های کامل Install Python - Full Instructions

  • راه اندازی کد VS و برنامه های افزودنی پایتون Setup VS Code and Python Extensions

LangChain و LLMs - Deep Dive LangChain and LLMs - Deep Dive

  • LLM چیست؟ What's an LLM

  • LangChain Deep Dive - چگونه کار می کند و مزایای آن LangChain Deep Dive - How it Works and Benefits

  • تنظیم محیط پایتون در مقابل کد Setup Python Environment VS Code

  • بلوک های ساختمان LangChain - اجزاء - زنجیره ها - عوامل LangChain Building Blocks - Components - Chains - Agents

  • انواع مدل زبان LangChain LangChain Language Model Types

  • انواع مدل زبان LangChain LangChain Language Model Types

ایست بازرسی Checkpoint

  • ایست بازرسی - اوضاع چطور است؟ Checkpoint - How are Things?

الگوی درخواست LangChain LangChain Prompts Template

  • الگوی سریع LangChain - مقدمه و انگیزه LangChain Prompt Template - Introduction and Motivation

  • الگوهای سریع - عملی Prompt Templates - Hands-on

تجزیه کننده های LangChain LangChain Parsers

  • تجزیه کننده ها - مقدمه Parsers - Introduction

  • تجزیه کننده های خروجی - عملی Output Parsers - Hands-on

  • تجزیه کننده خروجی Pydantic - مقدمه Pydantic Output Parser - Introduction

  • تجزیه کننده Pydantic Pydantic Parser

  • خلاصه بلوک های ساختمان LangChain LangChain Building Blocks Summary

حافظه و زنجیرهای LangChain LangChain Memory and Chains

  • حافظه LangChain - مقدمه LangChain Memory - Introduction

  • Memory Hands-On - ConversationBufferMemory Memory Hands-On - ConversationBufferMemory

  • زنجیره های LangChain - مقدمه LangChain Chains - Introduction

  • LLMCchain Hands-on LLMChain Hands-on

  • متغیرهای ورودی LLMChain - عملی LLMChain Input Variables - Hands-on

  • زنجیره متوالی دست در Sequential Chain Hands-on

  • برنامه Streamlit - Lallaby Generator - نسخه ی نمایشی Streamlit Application - Lullaby Generator - Demo

  • برنامه لالایی با Streamlit - عملی Lullaby Application with Streamlit - Hands-on

روترهای LangChain، بارگیری اسناد و تقسیم اسناد LangChain Routers, Document Loading and Document Splitting

  • زنجیره های روتر - مقدمه و عملی - قسمت 1 Router Chains - Introduction and Hands-on - Part 1

  • زنجیر روتر - دستی - قسمت 2 Router Chains - Hands-on - Part 2

  • بارگیری سند LangChain - بارگیری یک فایل PDF LangChain Document Loading - Loading a PDF File

  • تقسیم اسناد - یک مرور کلی Document Splitting - An Overview

  • CharacterTextSplitter - عملی CharacterTextSplitter - Hands-on

  • RecursiveCharacterTextSplitter - عملی RecursiveCharacterTextSplitter - Hands-on

LangChain Embeddings and Vectorstores LangChain Embeddings and Vectorstores

  • Vectorstore & Embeddings - نمای کلی Vectorstore & Embeddings - Full Overview

  • آزمون تعبیه‌ها و تشابه معنایی - عملی Embeddings and Semantic Similarity Test - Hands-on

  • ذخیره جاسازی‌ها در Chroma DB & Similarity Search Saving Embeddings to Chroma DB & Similarity Search

  • LangChain Retrievers LangChain Retrievers

LangChain Agents - Deep Dive LangChain Agents - Deep Dive

  • عوامل - مقدمه Agents - Introduction

  • عوامل - انگیزه و ایجاد یک ابزار برای یک نماینده Agents - Motivation & Creating a Tool for an Agent

  • ابزار ریاضی داخلی و آزمایش یک نماینده Built-in Math Tool & Testing an Agent

  • افزودن یک ابزار دانش عمومی برای نماینده ما Adding a General Knowledge Tool for Our Agent

  • انواع عوامل Agents Types

  • نگاهی به الگوی اعلان نمایندگان Looking Into the Agents Prompt Template

  • عامل مکالمه و حافظه - عملی Conversational Agent and Memory - Hands-on

  • LangChain Docstore Agent LangChain Docstore Agent

  • Self-Ask-with-Search Agent Self-Ask-with-Search Agent

  • آنچه تا کنون آموخته ایم - خلاصه What We've Learned So Far - Recap

برنامه [دنیای واقعی] - استخراج کننده PDF [REAL-WORLD] App - PDF Extractor

  • Bill Extractor - معرفی پروژه و توابع Setpu Bill Extractor - Project Introduction and Functions Setpu

  • راه اندازی و تست Front-end Front-end Setup and Testing

برنامه [دنیای واقعی] - تولید کننده خبرنامه [REAL-WORLD] App - Newsletter Generator

  • نسخه ی نمایشی سازنده خبرنامه Newsletter Generator Demo

  • عملکرد جستجو را با کلید Serper API و تست تنظیم کنید Setup the Search Function with Serper API Key and Testing

  • انتخاب بهترین عملکرد مقالات و تست Picking the Best Articles Function and Testing

  • خلاصه مقاله Article Summary

  • رفع اشکال Libmagic پایتون Fixing a Python Libmagic Bug

  • تولید خبرنامه Generating the Newsletter

  • ایجاد Frontend با Streamlit - نتیجه نهایی Creating the Frontend with Streamlit - Final Result

برنامه [دنیای واقعی] - Chatbot چند سندی [REAL-WORLD] App - Multi-document Chatbot

  • Document Chatbot - Resumé Analyzer Bot Document Chatbot - Resumé Analyzer Bot

  • چت بات را با LangChain QAChain مستند کنید Document Chatbot with LangChain QAChain

  • چت بات چند سندی با Streamlit - چت بات کامل Multi-Document Chatbot with Streamlit - Full Chatbot

برنامه [دنیای واقعی] - تصویر به متن [REAL-WORLD] App - Image to Text

  • برنامه Image to Recipe - نسخه ی نمایشی Image to Recipe App - Demo

  • راه اندازی نشانه HuggingFace و تولید متن از یک تصویر Setup HuggingFace Token & Generating Text from an Image

  • متن به گفتار Text to Speech

  • ایجاد دستور العمل از تصویر - شرح تصویر Generating Recipes from Image - Image Captioning

  • افزودن Frontend با Streamlit - متن به دستور غذا - نتیجه نهایی Adding a Frontend with Streamlit - Text to Recipe Application - Final Result

مراحل بعدی Next Steps

  • مراحل بعدی Next Steps

نمایش نظرات

آموزش LangChain & LLMs - کلاس Master Autonomous AI Tools ایجاد کنید
جزییات دوره
8.5 hours
68
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
308
4.8 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

Paulo Dichone  Software Engineer, AWS Cloud Practitioner   Instructor Paulo Dichone Software Engineer, AWS Cloud Practitioner Instructor

Android، Flutter، AWS، پرفروش ترین مربی