آموزش LlamaIndex- برنامه های کاربردی LLM را با LlamaIndex توسعه دهید

LlamaIndex- Develop LLM powered applications with LlamaIndex

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: LlamaIndex را با ساخت سریع یک برنامه مولد Ai LLM در دنیای واقعی بیاموزید LLM (Python) در LlamaIndex ماهر شوید برنامه هوش مصنوعی مولد مبتنی بر LlamaIndex را به پایان برسانید نظریه مهندسی سریع: زنجیره فکر، واکنش، چند شات تحریک و درک LlamaIndex چگونه است ساخته شده در زیر هود درک نحوه پیمایش در پایگاه کد منبع باز LlamaIndex تئوری مدل های زبان بزرگ برای مهندسین نرم افزار Vectorestores/Vector Databases (Pinecone, FAISS,) Retrieval Augmentation Generation (RAG) پیش نیازها:این دوره مبتدی نیست. مفاهیم اولیه مهندسی نرم‌افزار مورد نیاز است. من فرض می‌کنم دانش‌آموزان با موضوعات مهندسی نرم‌افزار آشنا هستند مانند: git، python، pipenv، متغیرهای محیطی، کلاس‌ها، آزمایش و اشکال‌زدایی بدون نیاز به تجربه یادگیری ماشینی.

به اولین دوره آموزشی LlamaIndex Udemy خوش آمدید - آزادسازی قدرت LLM!
این دوره جامع برای آموزش نحوه استفاده سریع از قدرت کتابخانه LlamaIndex برای برنامه های LLM طراحی شده است.
این دوره شما را با مهارت ها و دانش لازم برای توسعه راه حل های پیشرفته LLM برای طیف متنوعی از موضوعات.

لطفاً توجه داشته باشید که این دوره برای مبتدیان نیست. در این دوره فرض می شود که شما سابقه مهندسی نرم افزار دارید و به پایتون مسلط هستید. من از Pycharm IDE استفاده خواهم کرد، اما شما می توانید از هر ویرایشگری که می خواهید استفاده کنید، زیرا ما فقط از ویژگی های اصلی IDE مانند اشکال زدایی و اجرای اسکریپت ها استفاده می کنیم.

در این دوره، شما سفری را از ابتدا آغاز خواهید کرد. ساختن یک برنامه کاربردی مبتنی بر LLM در دنیای واقعی با استفاده از LlamaIndex.
ما این کار را با ساختن برنامه اصلی انجام خواهیم داد:

راهنمای اسناد - ربات چت را روی اسناد بسته پایتون ایجاد کنید. (و بیش از هر داده دیگری که می خواهید)



مباحث ارائه شده در این دوره عبارتند از:

  • LlamaIndex

  • نسل تقویت بازیابی

  • Vectorstores (Pinecone)

  • Node Parers- TextSplitters

  • QueryEngines، ChatEngines

  • Streamlit (برای رابط کاربری)

  • نمایندگان، استدلال LLM

  • ReAct

  • تجزیه کننده های خروجی

  • LLMs: چند نمايش، زنجيره فكر، درخواست ReAct


در طول دوره، روی تمرینات عملی و پروژه های دنیای واقعی کار خواهید کرد تا درک خود را از مفاهیم و تکنیک های تحت پوشش تقویت کنید. در پایان دوره، شما در استفاده از LlamaIndex برای ایجاد برنامه های قدرتمند، کارآمد و همه کاره LLM برای طیف وسیعی از کاربردها مهارت خواهید داشت.


این فقط یک دوره نیست، بلکه یک دوره آموزشی نیز هست. انجمن. همراه با دسترسی مادام العمر به دوره، این موارد را دریافت خواهید کرد:

  1. تخصیص پشتیبانی 1 در 1 عیب یابی با من

  2. پیوندهای Github با منابع اضافی هوش مصنوعی، سؤالات متداول، راهنمای عیب‌یابی

  3. دسترسی به انجمن انحصاری Discord برای ارتباط با سایر فراگیران

  4. بدون هزینه اضافی برای به روز رسانی و بهبود مستمر دوره


سلب مسئولیت

  1. لطفاً توجه داشته باشید که این دوره برای مبتدیان نیست. این دوره فرض می‌کند که شما پیش‌زمینه مهندسی نرم‌افزار دارید و به پایتون مسلط هستید.
    من از Pycharm/VSCode IDE استفاده خواهم کرد، اما شما می‌توانید از هر ویرایشگری که می‌خواهید استفاده کنید، زیرا ما فقط از ویژگی‌های اصلی IDE مانند اشکال زدایی و در حال اجرا اسکریپت ها.


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • معرفی Introduction

  • معرفی Introduction

  • Llamaindex چیست؟ What is Llamaindex

  • Llamaindex چیست؟ What is Llamaindex

  • Llamaindex چیست؟ What is Llamaindex

  • سرور اختلاف دوره Course's discord server

  • سرور اختلاف دوره Course's discord server

  • سرور اختلاف دوره Course's discord server

معرفی Introduction

معرفی Introduction

GIST of LlamaIndex با اسکریپت LlamaIndex "سلام جهان" خود شروع کنید THE GIST of LlamaIndex Get started with your "hello world" LlamaIndex Script

  • راه اندازی پروژه (Pycharm) Project Setup (Pycharm)

  • راه اندازی پروژه (Pycharm) Project Setup (Pycharm)

  • راه اندازی پروژه (Pycharm) Project Setup (Pycharm)

  • اولین شاخص LlamaIndex شما Your First LlamaIndex Index

  • اولین شاخص LlamaIndex شما Your First LlamaIndex Index

  • اولین شاخص LlamaIndex شما Your First LlamaIndex Index

  • ورود سریع Quick Check In

  • ورود سریع Quick Check In

  • ورود سریع Quick Check In

GIST of LlamaIndex با اسکریپت LlamaIndex "سلام جهان" خود شروع کنید THE GIST of LlamaIndex Get started with your "hello world" LlamaIndex Script

GIST of LlamaIndex با اسکریپت LlamaIndex "سلام جهان" خود شروع کنید THE GIST of LlamaIndex Get started with your "hello world" LlamaIndex Script

کمک مدارک Documentation helper

  • ما چه می سازیم؟ What are we building?

  • ما چه می سازیم؟ What are we building?

  • ما چه می سازیم؟ What are we building?

  • نظریه تولید افزایش بازیابی (RAG): فروشگاه‌های برداری، جاسازی‌ها Retrieval Augmentation Generation (RAG) Theory: Vectorstores, Embeddings

  • نظریه تولید افزایش بازیابی (RAG): فروشگاه‌های برداری، جاسازی‌ها Retrieval Augmentation Generation (RAG) Theory: Vectorstores, Embeddings

  • نظریه تولید افزایش بازیابی (RAG): فروشگاه‌های برداری، جاسازی‌ها Retrieval Augmentation Generation (RAG) Theory: Vectorstores, Embeddings

  • دانلود اسناد LlamaIndex Downloading the LlamaIndex Documentation

  • دانلود اسناد LlamaIndex Downloading the LlamaIndex Documentation

  • دانلود اسناد LlamaIndex Downloading the LlamaIndex Documentation

  • راه اندازی محیط توسعه ما Setting up our development environment

  • راه اندازی محیط توسعه ما Setting up our development environment

  • راه اندازی محیط توسعه ما Setting up our development environment

  • انتزاعات اصلی LlamaIndex: کلاس های وارداتی خط لوله LlamaIndex core abstractions: Pipeline imported classes

  • انتزاعات اصلی LlamaIndex: کلاس های وارداتی خط لوله LlamaIndex core abstractions: Pipeline imported classes

  • انتزاعات اصلی LlamaIndex: کلاس های وارداتی خط لوله LlamaIndex core abstractions: Pipeline imported classes

  • بارگیری و تکه تکه کردن اسناد LlamaIndex در گره های LlamaIndex Loading and Chunkifying the LlamaIndex docs into LlamaIndex nodes

  • بارگیری و تکه تکه کردن اسناد LlamaIndex در گره های LlamaIndex Loading and Chunkifying the LlamaIndex docs into LlamaIndex nodes

  • بارگیری و تکه تکه کردن اسناد LlamaIndex در گره های LlamaIndex Loading and Chunkifying the LlamaIndex docs into LlamaIndex nodes

  • بلع گره های LlamaIndex در فروشگاه بردار Pinecone Ingestion the LlamaIndex nodes in Pinecone vectorstore

  • بلع گره های LlamaIndex در فروشگاه بردار Pinecone Ingestion the LlamaIndex nodes in Pinecone vectorstore

  • بلع گره های LlamaIndex در فروشگاه بردار Pinecone Ingestion the LlamaIndex nodes in Pinecone vectorstore

  • QueryEngine و Retrieval Augmentation با LlamaIndex QueryEngine & Retrieval Augmentation with LlamaIndex

  • QueryEngine و Retrieval Augmentation با LlamaIndex QueryEngine & Retrieval Augmentation with LlamaIndex

  • QueryEngine و Retrieval Augmentation با LlamaIndex QueryEngine & Retrieval Augmentation with LlamaIndex

  • Frontend جریان روشن Streamlit Frontend

  • Frontend جریان روشن Streamlit Frontend

  • Frontend جریان روشن Streamlit Frontend

  • استنادها و گره های منبع فهرست Citations and Listing source nodes

  • استنادها و گره های منبع فهرست Citations and Listing source nodes

  • استنادها و گره های منبع فهرست Citations and Listing source nodes

  • Node Post Processors-SentenceEmbeddingOptimizer، DuplicatePostProcessor Node Post Processors- SentenceEmbeddingOptimizer, DuplicatePostProcessor

  • Node Post Processors-SentenceEmbeddingOptimizer، DuplicatePostProcessor Node Post Processors- SentenceEmbeddingOptimizer, DuplicatePostProcessor

  • Node Post Processors-SentenceEmbeddingOptimizer، DuplicatePostProcessor Node Post Processors- SentenceEmbeddingOptimizer, DuplicatePostProcessor

کمک مدارک Documentation helper

کمک مدارک Documentation helper

پیاده سازی LlamaIndex- زیر کاپوت و قطعات داخلی LlamaIndex Implementation- Under the hood and internals

  • زیر کاپوت- بازیابی Under the hood- Retrieval

  • زیر کاپوت- بازیابی Under the hood- Retrieval

  • زیر کاپوت- بازیابی Under the hood- Retrieval

  • زیر کاپوت- نسل تقویتی Under the hood- Augmentation Generation

  • زیر کاپوت- نسل تقویتی Under the hood- Augmentation Generation

  • زیر کاپوت- نسل تقویتی Under the hood- Augmentation Generation

پیاده سازی LlamaIndex- زیر کاپوت و قطعات داخلی LlamaIndex Implementation- Under the hood and internals

پیاده سازی LlamaIndex- زیر کاپوت و قطعات داخلی LlamaIndex Implementation- Under the hood and internals

LlamaIndex ReAct Agents LlamaIndex ReAct Agents

  • معرفی عوامل Introduction to agents

  • معرفی عوامل Introduction to agents

  • معرفی عوامل Introduction to agents

  • راه اندازی محیط توسعه عامل Setting up agent development environment

  • راه اندازی محیط توسعه عامل Setting up agent development environment

  • راه اندازی محیط توسعه عامل Setting up agent development environment

  • اولین مامور ما - مامور هایکو Our First Agent - Haiku Agent

  • اولین مامور ما - مامور هایکو Our First Agent - Haiku Agent

  • اولین مامور ما - مامور هایکو Our First Agent - Haiku Agent

  • عامل سیستم عامل Operating System Agent

  • عامل سیستم عامل Operating System Agent

  • عامل سیستم عامل Operating System Agent

  • LlamaIndex ReAct داخلی - زیر کاپوت LlamaIndex ReAct internals - Under the hood

  • LlamaIndex ReAct داخلی - زیر کاپوت LlamaIndex ReAct internals - Under the hood

  • LlamaIndex ReAct داخلی - زیر کاپوت LlamaIndex ReAct internals - Under the hood

  • عوامل در تولید Agents In Production

  • عوامل در تولید Agents In Production

  • عوامل در تولید Agents In Production

  • عامل فراخوانی تابع LlamaIndex LlamaIndex Function Calling Agent

  • عامل فراخوانی تابع LlamaIndex LlamaIndex Function Calling Agent

  • عامل فراخوانی تابع LlamaIndex LlamaIndex Function Calling Agent

LlamaIndex ReAct Agents LlamaIndex ReAct Agents

LlamaIndex ReAct Agents LlamaIndex ReAct Agents

پروژه مهندسی سریع Prompt Engineering Thoery

  • GIST از LLM The GIST of LLMs

  • GIST از LLM The GIST of LLMs

  • GIST از LLM The GIST of LLMs

  • Prompt چیست؟ ترکیب یک اعلان رسمی What is a Prompt? Composition of a formal prompt

  • Prompt چیست؟ ترکیب یک اعلان رسمی What is a Prompt? Composition of a formal prompt

  • Prompt چیست؟ ترکیب یک اعلان رسمی What is a Prompt? Composition of a formal prompt

  • درخواست شات صفر Zero Shot Prompting

  • درخواست شات صفر Zero Shot Prompting

  • درخواست شات صفر Zero Shot Prompting

  • چند شات باعث Few Shot Prompting

  • چند شات باعث Few Shot Prompting

  • چند شات باعث Few Shot Prompting

  • تحریک زنجیره ای از فکر Chain of Thought Prompting

  • تحریک زنجیره ای از فکر Chain of Thought Prompting

  • تحریک زنجیره ای از فکر Chain of Thought Prompting

  • واکنش نشان دهید ReAct

  • واکنش نشان دهید ReAct

  • واکنش نشان دهید ReAct

  • نکات سریع مهندسی Prompt Engineering Quick Tips

  • نکات سریع مهندسی Prompt Engineering Quick Tips

  • نکات سریع مهندسی Prompt Engineering Quick Tips

پروژه مهندسی سریع Prompt Engineering Thoery

پروژه مهندسی سریع Prompt Engineering Thoery

بخش عیب یابی Troubleshooting Section

  • مشکل فنی دارید؟ ابتدا این را تماشا کنید. من قول می دهم این کمک خواهد کرد! Have a technical issue? WATCH THIS FIRST. I Promise this will help!

  • مشکل فنی دارید؟ ابتدا این را تماشا کنید. من قول می دهم این کمک خواهد کرد! Have a technical issue? WATCH THIS FIRST. I Promise this will help!

  • مشکل فنی دارید؟ ابتدا این را تماشا کنید. من قول می دهم این کمک خواهد کرد! Have a technical issue? WATCH THIS FIRST. I Promise this will help!

بخش عیب یابی Troubleshooting Section

بخش عیب یابی Troubleshooting Section

LangChain LangChain

  • کوپن های دوره LanChain + LangChain چیست What is LanChain + LangChain Course Coupons

  • کوپن های دوره LanChain + LangChain چیست What is LanChain + LangChain Course Coupons

  • کوپن های دوره LanChain + LangChain چیست What is LanChain + LangChain Course Coupons

LangChain LangChain

LangChain LangChain

بسته بندی Wrapping Up

  • چشم انداز توسعه برنامه LLM LLM Application Development landscape

  • چشم انداز توسعه برنامه LLM LLM Application Development landscape

  • چشم انداز توسعه برنامه LLM LLM Application Development landscape

  • دوره تموم شده؟ بعدش چی میشه Finished course? Whats next!

  • دوره تموم شده؟ بعدش چی میشه Finished course? Whats next!

  • دوره تموم شده؟ بعدش چی میشه Finished course? Whats next!

بسته بندی Wrapping Up

بسته بندی Wrapping Up

ابزارهای مفید هنگام توسعه برنامه های LLM Useful tools when developing LLM Applications

  • LangChain Hub - بارگیری ها از انجمن درخواست می شود LangChain Hub - Downloads prompt from the community

  • LangChain Hub - بارگیری ها از انجمن درخواست می شود LangChain Hub - Downloads prompt from the community

  • LangChain Hub - بارگیری ها از انجمن درخواست می شود LangChain Hub - Downloads prompt from the community

  • TextSplitting زمین بازی TextSplitting Playground

  • TextSplitting زمین بازی TextSplitting Playground

  • TextSplitting زمین بازی TextSplitting Playground

ابزارهای مفید هنگام توسعه برنامه های LLM Useful tools when developing LLM Applications

ابزارهای مفید هنگام توسعه برنامه های LLM Useful tools when developing LLM Applications

نمایش نظرات

نظری ارسال نشده است.

آموزش LlamaIndex- برنامه های کاربردی LLM را با LlamaIndex توسعه دهید
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
4.5 hours
39
Udemy (یودمی) udemy-small
20 آبان 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
1,024
4.8 از 5
دارد
دارد
دارد

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Eden Marco Eden Marco

پرفروش ترین مربی

Eden Marco Eden Marco

پرفروش ترین مربی

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.