لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش LangChain برای هوش مصنوعی مولد: استفاده از OpenAI LLM در پایتون
LangChain For Generative AI: Using OpenAI LLMs in Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
نحوه اتصال LangChain را به OpenAI برای کار با LLM در پایتون از طریق مثال های عملی بیاموزید. آموزش کار با Langchain در Python یاد بگیرید چگونه Langchain Agents بسازید آموزش نحوه کار embeddings و نحوه کار با فروشگاه برداری در Langchain درک نحوه کار مدل های زبان بزرگ (LLM) و embeddings آموزش اتصال Langchain به مجموعه API OpenAI پیش نیازها :تجربه برنامه نویسی کم. این دوره برای مبتدیان است
این دوره برای توانمندسازی توسعه دهندگان طراحی شده است، این راهنمای جامع رویکردی عملی برای ادغام LangcChain با OpenAI و استفاده موثر از مدل های زبان بزرگ (LLM) در پایتون ارائه می دهد.
در مرحله اولیه دوره، درک قوی از Langchain، عملکردها و اجزای آن، و نحوه هم افزایی آن با منابع داده و LLMها به دست خواهید آورد. ما به طور خلاصه به درک LLM ها، معماری، فرآیند آموزش و کاربردهای مختلف آن ها خواهیم پرداخت. ما محیط شما را با راهنمای نصب عملی و نمونه «Hello World» با استفاده از Google Colab راهاندازی میکنیم.
متعاقباً، مدلهای LangChain را بررسی میکنیم که انواع مختلفی مانند LLM، مدلهای چت و جاسازیها را پوشش میدهد. ما شما را از طریق بارگیری مدل گپ OpenAI، اتصال LangChain به مدلهای Huggingface Hub و استفاده از جاسازیهای متن OpenAI راهنمایی میکنیم.
این دوره به جنبه اساسی Prompting Parsing در LangChain، با تمرکز بر بهترین شیوهها، جداکنندهها، قالبهای ساختاریافته، و استفاده مؤثر از مثالها و Chain of Though Reasoning (CoT) پیشرفت میکند.
بخشهای زیر بر مفاهیم حافظه، زنجیرهبندی، و شاخصها در LangChain تمرکز میکنند و شما را قادر میسازد تا تعاملات پیچیده را به راحتی مدیریت کنید. ما نحوه تنظیم حافظه یک ربات چت، اهمیت Chaining، و ابزار Document Loaders Vector Stores را مطالعه خواهیم کرد.
در نهایت، با نمایش یک عامل ساده و مراحل ساخت یک Arxiv Summarizer Agent، به اجرای عملی LangChain Agents خواهید پرداخت.
در پایان این دوره، شما در استفاده از LangChain با OpenAI LLM در پایتون مهارت خواهید داشت که جهشی قابل توجه در سفر توسعهدهنده شما را رقم میزند. برای تقویت برنامه های LLM خود آماده اید؟ در این دوره جامع به ما بپیوندید!
سرفصل ها و درس ها
مقدمه ای بر Langchain و LLMs
Introduction to Langchain & LLMs
Langchain چیست؟
What is Langchain?
درک LLM
Understanding LLMs
نصب Langchain & Hello World Example
Installing Langchain & Hello World Example
مدل های Langchain
Langchain Models
انواع مختلف مدل های پشتیبانی شده
Different Types of Supported Models
کار با مدل های LLM
Working with LLM Models
مدل های چت در Langchain
Chat Models In Langchain
تعبیه ها چیست؟
What Are Embeddings?
استفاده از OpenAI Text Embeddings برای تحلیل احساسات
Using OpenAI Text Embeddings to Analyze Sentiment
نوت بوک Google Colab برای مدل های Langchain
Google Colab Notebook For Langchain Models
پیشنهاد و تجزیه در Langchain
Prompting & Parsing In Langchain
بهترین روشها - قالببندی، چند اعلان شات و CoT
Prompting Best Practices - Formatting, Few Shot Prompting, & CoT
با استفاده از الگوهای اعلان داخلی Langchain
Using Langchain's Built-in Prompt Templates
تجزیه کننده های خروجی در Langchain
Output Parsers in Langchain
دفترچه یادداشت Google Colab برای الگوهای درخواستی و تجزیه کننده های خروجی
Google Colab Notebook for Prompt Templates & Output Parsers
حافظه، زنجیرهسازی و شاخصها
Memory, Chaining, & Indexes
مدیریت حافظه چت بات در Langchain
Managing Chatbot Memory in Langchain
زنجیر زدن چیست؟
What is Chaining?
چگونه در Langchain زنجیره بسازیم
How To Build Chains in Langchain
لودرها و وکتورهای اسناد Langchain
Langchain Document Loaders & Vectorstores
نمایندگان Langchain
Langchain Agents
نمایندگان Langchain چیست؟
What are Langchain Agents?
کار با نمایندگان Langchain
Working With Langchain Agents
ساخت یک عامل خلاصه کننده Arxiv
Building An Arxiv Summarizer Agent
نوت بوک Google Colab برای نمایندگان Langchain
Google Colab Notebook for Langchain Agents
پرس و جو از داده های شما با استفاده از مدل های چت
Querying Your Data Using Chat Models
لودرهای سند برای انواع داده ها و منابع مختلف
Document Loaders For Different Data Types & Sources
تقسیم اسناد: بررسی روش های مختلف
Document Splitting: Exploring Different Methods
خلاصه در فروشگاه های وکتور
Recap on Vector Stores
روش های بازیابی پیشرفته
Advanced Retrieval Methods
پرس و جو از داده های خود با مدل های چت
Querying Your Data with Chat Models
پروژه هایی برای بکارگیری روش های پرس و جوی پیشرفته
Projects For Applying Advanced Querying Methods
افزایش مقیاس ربات تحقیقاتی Arxiv ما
Scaling Up Our Arxiv Research Bot
استفاده از یوتیوب به عنوان منبع داده برای مدلهای چت بات
Utilizing YouTube as a Data Source for Chatbot Models
اتصال چت بات ما به ویکی پدیا
Hooking Up Our Chatbot to Wikipedia
نمایش نظرات