لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
LangChain در Azure - ساخت برنامه های کاربردی LLM مقیاس پذیر
LangChain on Azure - Building Scalable LLM Applications
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
پیمایش در چشمانداز Azure: مسیری از برنامههای هوش مصنوعی پایه تا میکروسرویسهای مقیاسپذیر ساختار حساب Azure و مدیریت گروه منابع مدیریت فایلها در فضای ابری با Blob Storage Azure Cognitive Search & PgVector بهعنوان پایگاههای داده بردار استفاده از PgVector و Indexing API برای بازیابی دادههای حاوی Man. Azure Container Registry استقرار و نظارت بر خدمات برنامه Azure Azure Functions and Event Grid برای معماری رویداد محور اعمال تدابیر امنیتی برای محافظت از سرویس ها و پایگاه های داده برنامه Azure پیش نیازها: مهارت های پایتون متوسط (OOP، انواع داده ها، توابع، ماژول ها و غیره) آشنایی با ترمینال دانش پایه داکر دانش پایه تا متوسط LangChain - VectorStores، RAG، Agents و غیره.
با این دوره جامع به عمق برنامه های Azure و Large Language Model (LLM) بروید. این دوره با راهاندازی اولیه ساختارها و گروههای منابع حساب Azure، حرکت به سمت مدیریت عملی Azure Blob Storage، شما را به مهارتهای ضروری برای پیمایش و استفاده از پیشنهادات گسترده Azure مجهز میکند.
سپس ما به فروشگاههای برداری مختلف مانند Azure Cognitive Search و PgVector میپردازیم و مزایا و معایب آنها را با هم مقایسه میکنیم. شما یاد خواهید گرفت که چگونه داده های خام را تکه تکه کنید، آن ها را جاسازی کنید و در فروشگاه برداری وارد کنید. یک فرآیند معمولی Retrieval Augmented Generation (RAG) در فروشگاه برداری انجام میشود که عمدتاً از نوتبوکهای Jupyter برای این بخش از دوره استفاده میکند.
پس از پرداختن به اصول اولیه، از نوتبوکها به استفاده از docker-compose به خدمات اسپینآپ محلی تبدیل میشویم. ما عمیقاً به نحوه عملکرد این خدمات خواهیم پرداخت.
مرحله بعدی، استقرار این سرویسها در فضای ابری است، جایی که با سرویسهای جدیدی مانند رجیستری کانتینر و سرویس برنامه آشنا میشویم.
هنگامی که برنامههای وب راهاندازی شدند، یک فرآیند نمایهسازی رویداد محور با Blob Triggers، Event Grid، و توابع Azure اجرا میکنیم تا اسناد را بر اساس تغییرات در Blob Storage فهرستبندی کنیم.
فصلهای پایانی اقدامات امنیتی اساسی، مانند راهاندازی دیوار آتش برای پایگاه داده و محدودیتهای دسترسی مبتنی بر IP را پوشش میدهند.
این دوره برای افرادی با دانش پایه در Python، Docker و LangChain طراحی شده است و برای هر کسی که به دنبال ساخت برنامههای کاربردی واقعی با معماری درجه تولید است، که فراتر از برنامههای زمین بازی ساده با Streamlit است، مناسب است.
سرفصل ها و درس ها
مقدمه
Introduction
قبل از شروع ...
Before we start...
پیش نیازهای این دوره
Prerequisites for this course
آنچه در این دوره می سازیم
What we build in this course
این دوره در مورد چه چیزی نیست
What this course is NOT about
معماری نرم افزار
Software Architecture
نصب نرم افزارهای مورد نیاز
Installation of required software
نصب داکر
Installation of Docker
نصب Azure CLI
Installation of the Azure CLI
نصب کد ویژوال استودیو
Installation of Visual Studio Code
مایکروسافت Azure Basics
Microsoft Azure Basics
یک حساب Microsoft Azure ایجاد کنید
Create a Microsoft Azure Account
اشتراک و سلسله مراتب لاجوردی
Subscription & the Azure Hierarchy
یک گروه منابع ایجاد کنید
Create a Resource Group
جستجوی شناختی Azure
Azure Cognitive Search
یک سرویس جستجوی شناختی Azure ایجاد کنید
Create an Azure Cognitive Search Service
venv، هسته نوت بوک Jupyter و متغیرهای محیطی را تنظیم کنید
Set up venv, Jupyter Notebook kernel, and environment variables
نحوه ایجاد ایندکس و درج داده در ACS با استفاده از Python SDK
How to Create an Index and Insert Data in ACS using the Python SDK
LangChain و ACS
LangChain & ACS
ذخیره سازی Blob
Blob Storage
درک و پیاده سازی Blob Storage: تئوری و راه اندازی در Azure
Understanding and Implementing Blob Storage: Theory and Setup on Azure
ذخیره سازی Blob با Azure Python SDK: آپلود، حذف و مدیریت داده ها
Blob Storage with the Azure Python SDK: Uploading, Deleting, and Managing Data
API PgVector & Indexing
PgVector & Indexing API
راه اندازی PgVector با پایگاه داده Azure برای سرور انعطاف پذیر PostgreSQL
Setup PgVector with Azure Database for PostgreSQL flexible server
نمایه سازی API با PgVector
Indexing API with PgVector
نمایه سازی API در ترکیب با Blob Storage
Indexing API in combination with Blob Storage
بازیابی با زبان بیان LangChain
Retrieval with the LangChain Expression Language
بازیابی با LCEL از PgVector
Retrieval with LCEL from PgVector
شروع محلی خدمات با بررسی docker-compose و Code
Local Start of Services with docker-compose & Code walkthrough
راه اندازی سرویس ها با docker-compose
Setup of Services with docker-compose
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.
نمایش نظرات