آموزش کارشناسی ارشد LLM با LangChain
دانلود Master LLMs with LangChain
در این دوره، با LLM (مدل‌های زبان بزرگ)، به اعماق دنیای هوش مصنوعی مولد شیرجه خواهید زد و پتانسیل ترکیب LangChain با پایتون را بررسی میکنید. شما راه حل های اختصاصی (مانند ChatGPT) و مدل های متن باز مدرن مانند Llama و Phi را پیاده سازی خواهید کرد. از طریق پروژه‌های عملی و واقعی، برنامه‌های نوآورانه، از جمله یک دستیار مجازی سفارشی و یک ربات چت که با اسناد و ویدیوها تعامل دارد، توسعه خواهید داد. ما تکنیک های پیشرفته ای مانند RAG و عوامل را بررسی خواهیم کرد و از ابزارهایی مانند Streamlit برای ایجاد رابط های بصری استفاده خواهیم کرد. نحوه استفاده از این فناوری ها را به صورت رایگان در Google Colab و همچنین نحوه اجرای پروژه ها به صورت محلی را خواهید آموخت.
در مقدمه، با تئوری مدل‌های زبان بزرگ (LLM) و مفاهیم اساسی آن آشنا می‌شوید. علاوه بر این، ما اکوسیستم Hugging Face را بررسی خواهیم کرد که راه حل های مدرنی برای پردازش زبان طبیعی (NLP) ارائه می دهد. شما یاد خواهید گرفت که LLM ها را با استفاده از خط لوله Hugging Face و کتابخانه LangChain پیاده سازی کنید و مزایای هر رویکرد را درک کنید.
بخش دوم بر تسلط بر LangChain متمرکز است. شما یاد خواهید گرفت که به مدل های منبع باز مانند Meta's Llama و Phi مایکروسافت و همچنین LLM های اختصاصی مانند ChatGPT OpenAI دسترسی داشته باشید. ما کوانتیزاسیون مدل را برای افزایش عملکرد و مقیاس پذیری توضیح خواهیم داد. اجزای کلیدی LangChain، مانند زنجیره‌ها، قالب‌ها و ابزارها، همراه با نحوه استفاده از آنها برای توسعه راه‌حل‌های NLP قوی ارائه خواهند شد. تکنیک های مهندسی سریع پوشش داده خواهد شد تا به شما در دستیابی به نتایج دقیق تر کمک کند. مفهوم RAG (Retrieval-Augmented Generation) شامل فرآیندهای ذخیره سازی و بازیابی اطلاعات مورد بررسی قرار خواهد گرفت. شما یاد خواهید گرفت که فروشگاه های برداری را پیاده سازی کنید و اهمیت جاسازی ها و نحوه استفاده موثر از آنها را درک کنید. همچنین نحوه استفاده از RAG برای تعامل با اسناد PDF و صفحات وب را نشان خواهیم داد. بعلاوه، شما این فرصت را خواهید داشت که عوامل و ابزارهای یکپارچه را کشف کنید، مانند استفاده از LLM برای انجام جستجوهای وب و بازیابی اطلاعات اخیر. راه‌حل‌ها به صورت محلی پیاده‌سازی می‌شوند و دسترسی به مدل‌های منبع باز را حتی بدون اتصال به اینترنت امکان‌پذیر می‌سازند.
در مرحله توسعه پروژه، یاد خواهید گرفت که یک چت بات سفارشی با رابط و حافظه برای Q A ایجاد کنید. همچنین یاد خواهید گرفت که برنامه های تعاملی را با استفاده از Streamlit توسعه دهید، که ساخت رابط های بصری را آسان می کند. یک پروژه شامل توسعه یک برنامه کاربردی پیشرفته با استفاده از RAG برای تعامل با چندین سند و استخراج اطلاعات مربوطه از طریق رابط چت است. پروژه دیگری بر ساختن برنامه‌ای متمرکز خواهد بود که به طور خودکار ویدیوها را خلاصه می‌کند و به سؤالات مرتبط پاسخ می‌دهد و در نتیجه ابزار قدرتمندی برای درک فوری و خودکار ویدیو است.
مقدمه Introduction
-
محتوای دوره Course content
-
مواد درسی Course materials
-
LLM چیست؟ What are LLMs?
-
نحوه کار LLM ها 1 How LLMs work 1
-
نحوه کار LLM ها 2 How LLMs work 2
-
جاسازی ها و نشانه ها Embeddings and tokens
-
تکامل و بافت تاریخی Evolution and historical context
-
نمونه هایی از برنامه های کاربردی Examples of applications
-
چالش ها، محدودیت ها و اخلاق Challenges, limitations and ethics
-
مدل های LLM LLM models
LLM با استفاده از بغل کردن صورت LLM using Hugging Face
-
در آغوش گرفتن حساب و توکن فیس Hugging Face account and token
-
انواع مدل ها Types of models
-
نصب و پیکربندی Installation and configuration
-
پارامترهای تولید متن Parameters to text generation
-
الگوهای سریع Prompt templates
-
کاوش مهندسی سریع Exploring prompt engineering
-
فرمت پیام Message format
-
بهینه سازی با کوانتیزاسیون Optimizing with quantization
LLM با استفاده از LangChain LLM using LangChain
-
LangChain - شهود LangChain - intuition
-
نصب LangChain Installing LangChain
-
مدل های LangChain LangChain models
-
سایر مدل های منبع باز Other open source models
-
مدل های چت Chat models
-
الگوهای سریع Prompt templates
-
زنجیر و توابع سفارشی Chains and custom functions
-
پخش جریانی Streaming
-
سایر خدمات مدل Other model services
-
در حال اجرا بر روی ماشین محلی Running on local machine
-
اولاما در ماشین محلی Ollama in local machine
LangChain - RAG LangChain - RAG
-
RAG - شهود RAG - intuition
-
آماده سازی محیط Preparing the environment
-
تست با RAG Tests with RAG
-
اشکال زدایی Debugging
-
نمایه سازی - شهود Indexing - intuition
-
نمایه سازی - پیاده سازی Indexing - implementation
-
بازیابی و تولید متن - شهود Text retrieval and generation - intuition
-
بازیابی و تولید متن - پیاده سازی Text retrieval and generation - implementation
LangChain - عوامل و ابزار LangChain - Agents and Tools
-
عوامل و ابزار - شهود Agents and Tools - intuition
-
ابزار ویکی پدیا Wikipedia tool
-
ابزار سفارشی Custom tool
-
واکنش نشان دهید ReAct
-
ایجاد و اجرای عامل Creating and running the agent
-
تست با ChatGPT Tests with ChatGPT
-
تست با Tavily Tests with Tavily
-
قالب های چت Chat templates
-
آهنگر Langsmith
پروژه 1: رونویسی ویدئو Project 1: Video transcription
-
آماده سازی محیط Preparing the environment
-
رونویسی ویدیو Video transcription
-
در حال بارگذاری مدل Loading the model
-
الگوی درخواستی Prompt template
-
زنجیره، پاسخ و ترجمه Chain, response, and translation
-
خط لوله کامل Complete pipeline
-
علامت گذاری برای تجسم Markdown for visualization
پروژه 2: چت بات با حافظه و رابط Project 2: Chatbot with memory and interface
-
آماده سازی محیط Preparing the environment
-
اعلان، زنجیره و پاسخ Prompt, chain, and response
-
جلسه ایالتی State session
-
ورودی و مکالمه کاربر User input and conversation
-
کد گوگل کولب Google Colab code
پروژه 3: با اسناد خود صحبت کنید Project 3: Talk to your documents
-
آماده سازی محیط Preparing the environment
-
پانل برای انتخاب اسناد Panel to select documents
-
نمایه سازی و بازیابی Indexing and retrieval
-
زنجیره پیشرفته برای مکالمه Advanced chain for conversation
-
متغیرهای جلسه Session variables
-
گفتگو Conversation
-
کد گوگل کولب Google Colab code
اظهارات پایانی Final remarks
-
اظهارات پایانی Final remarks
-
جایزه BONUS
https://donyad.com/d/2ed6df
Jones Granatyr
استاد اولا! 10 مورد از جونز گراناتیر و ترابیلو در 10 سال گذشته است که شامل Inteligência Artificial (IA) می باشد استاد حرفه ای ، پشکیزادور و بنیانگذار پورتال IA Expert ، وب سایت com conteúdo específico sobre Inteligência Artificial. Desde que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA، como as exemplolo: یادگیری عمیق ، یادگیری ماشین ، علم داده ، Redes Neurais Artificiais، Algoritmos Genéticos، Detecção e Reconhecimento Facial، Algoritmos de cesos، Busca ، Mineração de Regras de Associação ، Sistemas Especialistas e Sistemas de Recomendação. اگر بخواهید از طریق برنامه های مختلف زبان (Python ، R e Java) و یا فن آوری های مختلف (tensorflow ، keras ، pandas ، sklearn ، opencv ، dlib ، weka ، nltk ، به عنوان مثال) استفاده کنید. با توجه به هدف اصلی و دستیابی به اطلاعات IA و مجوز فعالیت در TI و متقاضیان ، به عنوان تجدید نظر در زمینه استفاده از قوانین و مقررات و امکان مشاهده تجدید نظرهای جدید در زمینه مشروبات الکلی ارائه می شود.
Gabriel Alves
توسعه دهنده Olá ، eu me chamo گابریل آلوس و به صورت رسمی در قالب Cienscia da Computação pela Universidade do Contestado (UnC) Porto União. Curso Técnico em Informática pelo Colégio Técnico de União da Vitória (COLTEC) ، نتیجه گیری در سال 2014. ما با استفاده از زبانهای ویژه و ویژه زبانهای پایتون ، با کیفیت مناسب ترجیح می دهیم که از هیچ یک از مصالح مصنوعی Inteligência استفاده نکنید. Sou desde semper apaixonado pela computação e por temas que envolvem ciência e tecnologia.
AI Expert Academy
مربی
نمایش نظرات