آموزش راهنمای جامع LangChain و مدل‌های زبانی بزرگ (LLMs) [ویدئویی] - آخرین آپدیت

دانلود The Complete LangChain & LLMs Guide [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک سفر جامع به دنیای LangChain و مدل‌های زبانی بزرگ (LLMs) است که شما را از مفاهیم پایه تا توسعه اپلیکیشن‌های پیشرفته هوش مصنوعی هدایت می‌کند. شما با راه‌اندازی پایتون، APIها و محیط‌های توسعه شروع می‌کنید تا زیربنایی محکم برای ساخت ابزارهای هوش مصنوعی داشته باشید. سپس عمیقاً وارد معماری LangChain می‌شوید و با زنجیره‌ها (Chains)، عامل‌ها (Agents)، قالب‌های پرامپت، پارسرهای خروجی و سیستم‌های حافظه آشنا می‌شوید. سرفصل‌های این دوره شامل ذخیره‌سازهای برداری (Vectorstores)، Embeddingها و پیکربندی LLMهای چندارائه‌دهنده‌ای است که با جریان‌های کاری RAG و مبانی LangGraph تکمیل می‌شود. پروژه‌های عملی مانند ربات پاسخگوی هوشمند (Smart Q&A Bot)، دستیار پژوهشی AI و اپلیکیشن تبدیل تصویر به متن، درک عملی و مهارت‌های کاربردی شما را تقویت می‌کند. با پیشروی در ماژول‌های ساختاریافته، در طراحی سیستم‌های هوش مصنوعی خودمختار، مدیریت حافظه دائمی و استریمینگ، عیب‌یابی زنجیره‌های پیچیده و سازماندهی خط لوله‌های چندگره‌ای تسلط می‌یابید. این دوره تعادلی بین تئوری و عمل ایجاد کرده تا بتوانید با اطمینان، راهکارهای هوش مصنوعی مبتنی بر LangChain را در سناریوهای واقعی پیاده‌سازی کنید. ساخت اپلیکیشن‌های هوش مصنوعی خودمختار با استفاده از LangChain و LLMs پیکربندی LLMهای چندارائه‌دهنده برای راهکارهای هوش مصنوعی منعطف طراحی قالب‌های پرامپت و مدیریت مؤثر پارس کردن خروجی‌ها پیاده‌سازی استراتژی‌های حافظه برای نشست‌های دائمی و پنجره‌ای استقرار جریان‌های کاری RAG با بازیابی ساختاریافته و ترکیبی توسعه پروژه‌های واقعی مانند دستیاران هوشمند و ربات‌های پرسش و پاسخ این دوره برای علاقه‌مندان به هوش مصنوعی، توسعه‌دهندگان نرم‌افزار و متخصصان تکنولوژی که قصد ساخت اپلیکیشن‌های هوشمند را دارند، ایده‌آل است. هیچ تجربه قبلی در LangChain مورد نیاز نیست، هرچند آشنایی با پایتون کمک‌کننده است. افرادی که به دنبال تجربه عملی با LLMها، خط لوله‌های RAG، مدیریت حافظه و پروژه‌های کاربردی AI هستند، بیشترین بهره را از این برنامه آموزشی می‌برند. راهنمای گام‌به‌گام برای راه‌اندازی محیط توسعه و ساخت ابزارهای هوش مصنوعی * اپلیکیشن‌های واقعی برای نمایش کاربرد عملی LangChain در دامنه‌های مختلف * تمرکز بر ملاحظات اخلاقی و مسائل کپی‌رایت در چشم‌انداز هوش مصنوعی

سرفصل ها و درس ها

مقدمه Introduction

  • خوش‌آمدگویی Welcome

  • مقدمه و پیش‌نیازهای دوره Introduction & Course Pre-requisites

  • ارتباط با من Connect with Me

راه‌اندازی محیط توسعه Development Environment Setup

  • راه‌اندازی OpenAI API و کلید API Setup OpenAI API - API Key

  • نصب پایتون (دستورالعمل کامل) Install Python - Full Instructions

  • راه‌اندازی VS Code و افزونه‌های پایتون Setup VS Code and Python Extensions

بررسی عمیق LangChain و LLMs LangChain and LLMs - Deep Dive

  • مدل زبانی بزرگ (LLM) چیست؟ What's an LLM

  • اکوسیستم LangChain New - LangChain Ecosystem

  • معماری LangChain نسخه V1.0 LangChain V1.0 Architecture - New

  • اجزای سازنده LangChain: کامپوننت‌ها، زنجیره‌ها و عامل‌ها LangChain Building Blocks - Components - Chains - Agents

  • پیکربندی LLM با چندین ارائه‌دهنده Multi-Provider LLM Configuration - New

قالب‌های پرامپت در LangChain LangChain Prompts Template

  • بررسی عمیق قالب‌های پرامپت و پیام‌ها Prompt Templates and Messages - Deep Dive - New

  • کار عملی با قالب‌های پرامپت Prompt Templates - Hands-On

پارسرهای LangChain LangChain Parsers

  • چرا به پارسرهای خروجی نیاز داریم؟ Why Output Parsers

  • پارسرهای خروجی و پیکربندی مدل Output Parsers, Model Configuration - New

  • کار عملی با پارسرهای خروجی Output Parsers Hands-On

  • مقدمه‌ای بر Pydantic Output Parser Pydantic Output Parser - Introduction

  • پارسرهای Pydantic Pydantic Parser

زبان بیان LangChain (LCEL) LCEL - LangChain Expression Language

  • مفاهیم LCEL و زنجیره‌های قابل اجرا (Runnable) LCEL and Runnable Chains (Concepts) - New

  • اجرای دسته‌ای (Batch) در LCEL LCEL Batch Execution - New

  • پاسخ‌های استریمینگ در LCEL LCEL Streaming Responses - New

  • بررسی شمای LCEL LCEL Schema Inspection - New

  • زنجیره‌های پایه و موازی Basic and Parallel Chains - New

  • قابلیت Passthrough Runnable Passthrough Runnable - New

  • شاخه بندی زنجیره‌ها Chain Branching - New

  • عیب‌یابی زنجیره‌ها Debugging Chains - New

حافظه در LangChain LangChain Memory

  • مقدمه‌ای بر حافظه در LangChain Memory in LangChain - Introduction - New

  • کار عملی با حافظه در LangChain Hands-On Memory in LangChain

  • مدیریت چندین نشست (Session) Multiple Sessions - New

  • هرس کردن پیام‌ها (Message Trimming) Message Trimming - New

  • حافظه پنجره‌ای (Windowed Memory) Windowed Memory - New

  • حافظه خلاصه‌ساز (Summary Memory) Summary Memory - New

  • حافظه دائمی (Persistent Memory) Persistent Memory - New

بارگذاری و تقسیم‌بندی اسناد Document Loading and Splitting

  • مروری بر بارگذارهای اسناد (Document Loaders) Document Loaders Overview - New

  • مروری بر تقسیم‌بندی اسناد Document Splitting - Overview - New

  • تقسیم‌کننده‌های Markdown و کد Markdown and Code Splitters - New

Embeddingها و ذخیره‌سازهای برداری Embeddings and Vector Stores

  • مروری بر بردارها و Embeddingها Vectors and Embeddings Overview - New

  • استفاده از OpenAI Embeddings OpenAI Embeddings - New

  • مدل‌های Embedding رایگان Free Embedding Models

  • کش کردن Embeddingها Embedding Caching - New

  • راه‌اندازی Chroma و جستجوی شباهت Chroma Setup and Similarity Search - New

  • فیلتر کردن بر اساس متادیتا Metadata Filtering - New

  • دائمی کردن ذخیره‌ساز برداری Vector Store Persistence - New

  • استفاده از ذخیره‌ساز برداری به عنوان بازیاب (Retriever) Vector Store as Retriever - New

تولید تقویت شده با بازیابی (RAG) RAG - Retrieval Augmented Generation - New

  • معماری RAG و بهترین روش‌ها RAG Architecture and Best Practices

  • خط لوله پایه RAG Basic RAG Pipeline

  • پیاده‌سازی RAG با سیستم جایگزین (Fallback) RAG with Fallback

  • پیاده‌سازی RAG با خروجی‌های ساختاریافته RAG with Structured Outputs

  • پیش‌نمایش بازیاب چند پرس‌وجو (Multi Query) Multi-Query RetrieverPreview

  • پیش‌نمایش فشرده‌سازی متنی (Contextual Compression) Contextual CompressionPreview

  • پیش‌نمایش جستجوی ترکیبی (Hybrid Search) Hybrid SearchPreview

  • بازیاب سند والد (Parent Document Retriever) Parent Document Retriever

  • ترکیب استراتژی‌های RAG Combining RAG Strategies

مبانی LangGraph LangGraph Fundamentals - New

  • مقدمه‌ای بر LangGraph و تغییر در مفهوم عامل‌ها LangGraph Introduction - Why Agents Changed

  • ساخت یک گراف ساده Simple Graph Creation

  • کاهنده‌ها (Reducers) و انباشت وضعیت Reducers and Accumulating State

  • وضعیت پیام‌ها و الگوی چت Message State - Chat Pattern

  • خط لوله‌های چندگره‌ای Multi-Node Pipelines

  • لبه‌ها و لبه‌های شرطی Edges and Conditional Edges

  • الگوهای مسیریابی (Routing) Routing Patterns

  • سیکل‌ها و حلقه‌ها Cycles and Loops

  • مداخله انسان در چرخه (Human-in-the-Loop) Human-in-the-Loop

  • کار عملی: مداخله انسان در چرخه ۱ Human in the Loop - Hands-On

  • کار عملی: مداخله انسان در چرخه ۲ Human in the Loop - Hands-On 2

پروژه ربات پاسخگوی هوشمند (Smart Q&A Bot) [Project] Smart Q&A Bot

  • مرور کلی پروژه Project Overview

  • معرفی پروژه ربات پاسخگوی هوشمند Smart Q&A Bot - Project Intro

  • پیاده‌سازی ربات پاسخگوی هوشمند Smart Q&A Bot - Implementation

پروژه دستیار پژوهشی AI [Project] AI Research Assistant

  • دستیار پژوهشی AI - بخش اول AI Research Assistant - Part 1

  • دستیار پژوهشی AI - بخش دوم AI Research Assistant - Part 2

  • دستیار پژوهشی AI - بخش سوم AI Research Assistant - Part 3

  • دستیار پژوهشی AI - بخش چهارم AI Research Assistant - Part 4

پروژه واقعی اپلیکیشن تبدیل تصویر به متن [Real-World] App - Image to Text - Legacy

  • دموی اپلیکیشن تبدیل تصویر به دستور پخت Image to Recipe App - DemoPreview

  • راه‌اندازی توکن HuggingFace و تولید متن از تصویر Setup HuggingFace Token & Generating Text from an Image

  • تبدیل متن به گفتار Text to Speech

  • تولید دستور پخت از تصویر و شرح تصویر Generating Recipes from Image - Image Captioning

  • افزودن رابط کاربری با Streamlit و نتیجه نهایی اپلیکیشن Adding a Frontend with Streamlit - Text to Recipe Application - Final Result

گام‌های بعدی Next Steps

  • گام‌های بعدی Next Steps

نمایش نظرات

آموزش راهنمای جامع LangChain و مدل‌های زبانی بزرگ (LLMs) [ویدئویی]
جزییات دوره
8h 10m
77
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
Paulo Dichone
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Paulo Dichone Paulo Dichone

توسعه دهنده و معلم

سلام! من پائولو هستم. من مدرک علوم کامپیوتر از دانشگاه Whitworth دارم و یک متخصص برنامه نویسی هستم و به آن افتخار می کنم!

من تجربه گسترده ای در توسعه برنامه Android به ویژه در برنامه موبایل (اندروید و iOS) و توسعه وب دارم. من همچنین بنیانگذار Magadistudio هستم، یک شرکت توسعه برنامه تلفن همراه مستقر در شمال غربی داخلی زیبا (WA).

من علاقه زیادی به آموزش توسعه برنامه اندروید به مردم دارم. نشان دادن طناب‌های ساخت اپلیکیشن‌های اندرویدی شگفت‌انگیز، تجربه‌ای بسیار ارزشمند است! هدف من این است که شما را به سرعت راه اندازی کنم و برنامه های اندروید بسازید.

شما آزادی را که یک توسعه‌دهنده اندروید ارائه می‌دهد، باور نمی‌کنید.

من را در توییتر @buildappswithme دنبال کنید

برنامه نویس نرم افزار/برنامه - موبایل و وب

مدرس آنلاین: 2014 - حال

علوم کامپیوتر (BS)
دانشگاه ویتورث
سپتامبر 2006 - مه 2009