آموزش ساخت اولین عامل هوش مصنوعی خود با LangChain - آخرین آپدیت

دانلود Building Your First AI Agent with LangChain

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این برنامه شما را با ساخت عامل‌های ساده با LangChain آشنا می‌کند؛ دوره‌ای طراحی شده برای توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی که به دنبال ایجاد عامل‌های هوشمند مبتنی بر LangChain هستند. شما کار خود را با تسلط بر مفاهیم بنیادی هوش مصنوعی عامل‌گرا (Agentic AI) و اکوسیستم LangChain، از جمله درک معماری، اجزای کلیدی و قابلیت‌های آن آغاز خواهید کرد. سپس، به حوزه توسعه مدل‌های زبانی بزرگ (LLM) خواهید پرداخت و بر مهندسی پرامپت، مهندسی کانتکست (Context Engineering) و طراحی پرسونای مدل تمرکز خواهید کرد. شما یاد خواهید گرفت که چگونه پرامپت‌های موثر ایجاد کنید، کانتکست را برای هدایت رفتار مدل مهندسی کنید و جریان‌های کاری چندمرحله‌ای قدرتمند را با استفاده از زبان بیان لانگ‌چین (LCEL) طراحی کنید. از طریق نمایش‌های عملی، سیستم‌های عامل هوشمندی خواهید ساخت که می‌توانند با منابع داده و ابزارهای مختلف تعامل داشته باشند. با پیشرفت در دوره، توسعه عملی عامل‌ها با استفاده از create_agent را بررسی کرده و یاد می‌گیرید که چگونه عامل‌ها را با حافظه و ابزارهای خارجی تقویت کنید. همچنین یاد می‌گیرید که خروجی‌های ساختاریافته را با استفاده از Pydantic و TypedDict تولید کنید تا اطمینان حاصل شود که عامل‌های شما می‌توانند وظایف پیچیده را با دقت بالا انجام دهند. در پایان این برنامه، شما قادر خواهید بود: - اصول اصلی هوش مصنوعی عامل‌گرا و اکوسیستم LangChain را تعریف کنید. - از چارچوب create_agent در LangChain برای ساخت و شخصی‌سازی عامل‌های هوشمند استفاده کنید. - تکنیک‌های مهندسی پرامپت و مهندسی کانتکست را برای تأثیرگذاری بر رفتار مدل تحلیل کنید. - جریان‌های کاری چندمرحله‌ای و خط‌لوله‌های مقاوم در برابر خطا را با استفاده از LCEL طراحی کنید. - ابزارهای خارجی را ادغام کرده و برای حل وظایف پیچیده، خروجی‌های ساختاریافته سنتز کنید. - عامل‌ها را برای مدیریت کاربردهای دنیای واقعی، از پرس‌وجوی داده‌ها گرفته تا تولید بینش‌های عملی، بهینه کنید. این برنامه برای توسعه‌دهندگان، متخصصان حوزه فناوری و علاقه‌مندان به هوش مصنوعی که می‌خواهند وارد دنیای توسعه عامل‌های هوشمند شوند، ایده‌آل است. تجربه قبلی در برنامه‌نویسی پایتون و مفاهیم پایه هوش مصنوعی به حداکثر رساندن تجربه یادگیری شما کمک می‌کند. یادگیرندگان به یک اتصال اینترنت پایدار، یک مرورگر وب مدرن و دسترسی به ابزارهای پایتون نیاز دارند. این دوره از ابزارهای هوش مصنوعی مانند LangChain و Gemini API استفاده می‌کند که نیازی به سخت‌افزار خاص ندارند. داشتن دانش پایه از پایتون و مفاهیم هوش مصنوعی توصیه می‌شود.

سرفصل ها و درس ها

شروع کار با هوش مصنوعی عامل‌گرا و اکوسیستم LangChain Getting Started with Agentic AI and the LangChain Ecosystem

  • معرفی تخصص Specialization Introduction

  • مقدمه دوره Course Introduction

  • آشنایی با هوش مصنوعی عامل‌گرا Introduction to Agentic AI

  • مفاهیم اصلی هوش مصنوعی عامل‌گرا Core Concepts of Agentic AI

  • موارد استفاده از هوش مصنوعی عامل‌گرا در دنیای واقعی Real-World Agentic AI Use Cases

  • LangChain v1.0 چیست؟ What is LangChain v1.0?

  • بررسی عمیق معماری LangChain LangChain Architecture Deep Dive

  • اجزا و قابلیت‌های کلیدی LangChain Key Components and Capabilities of LangChain

  • آماده‌سازی محیط مدرن توسعه هوش مصنوعی Preparing a Modern AI Development Environment

  • نمایش عملی: تنظیم کلید Gemini API در AI Studio Demonstration: Gemini API Key Setup with AI Studio

  • نمایش عملی: راه‌اندازی محیط مجازی و پیکربندی کلیدهای API Demonstration: Setting up Virtual Environment and Configuring API Keys

توسعه کاربردی LLM: پرامپت‌نویسی، مهندسی کانتکست و LCEL Applied LLM Development: Prompting, Context Engineering and LCEL

  • نحوه کارکرد LLMها در LangChain How LLMs Work in LangChain

  • مقایسه ارائه‌دهندگان برتر LLM Comparing Leading LLM Providers

  • بهترین روش‌ها برای انتخاب مدل مناسب Best Practices for Choosing the Right Model

  • نمایش عملی: ساخت یک ابزار CLI مبتنی بر Gemini Demonstration: Building a Gemini-Powered CLI Tool

  • اصول مهندسی پرامپت موثر Principles of Effective Prompt Engineering

  • تکنیک‌های اصلی پرامپت‌نویسی Core Prompting Techniques

  • طراحی ورودی‌های ساختاریافته و قابل اعتماد Designing Structured and Reliable Inputs

  • نمایش عملی: ایجاد پرامپت با استفاده از قالب‌های LangChain Demonstration: Prompt Creation using LangChain's Prompt Templates

  • نمایش عملی: تسلط بر مهندسی پرامپت با LangChain - بخش اول Demonstration: Mastering Prompt Engineering with LangChain - I

  • نمایش عملی: تسلط بر مهندسی پرامپت با LangChain - بخش دوم Demonstration: Mastering Prompt Engineering with LangChain - II

  • آشنایی با مهندسی کانتکست Introduction to Context Engineering

  • انواع کانتکست در اپلیکیشن‌های مبتنی بر LLM Types of Context in LLM-driven Applications

  • نمایش عملی: بهبود پاسخ‌های مدل با مهندسی کانتکست Demonstration: Enhancing Model Responses with Context Engineering

  • نمایش عملی: تزریق کانتکست پرسونای فنی با LangChain - بخش اول Demonstration: Tech Persona Context Injection using LangChain - I

  • نمایش عملی: تزریق کانتکست پرسونای فنی با LangChain - بخش دوم Demonstration: Tech Persona Context Injection using LangChain - II

  • ساخت خط‌لوله‌ها با استفاده از LCEL Building Pipelines Using LCEL

  • الگوهای پیشرفته جریان کاری در LCEL Advanced LCEL Workflow Patterns

  • نمایش عملی: ساخت زنجیره‌ها با LCEL Demonstration: Constructing Chains with LCEL

  • نمایش عملی: طراحی جریان‌های کاری چندمرحله‌ای LCEL - بخش اول Demonstration: Designing Multi-Step LCEL Workflows - I

  • نمایش عملی: طراحی جریان‌های کاری چندمرحله‌ای LCEL - بخش دوم Demonstration: Designing Multi-Step LCEL Workflows - II

  • نمایش عملی: پیاده‌سازی خط‌لوله‌های مقاوم در برابر خطا با LCEL - بخش اول Demonstration: Implementing Error-Resilient LCEL Pipelines - I

  • نمایش عملی: پیاده‌سازی خط‌لوله‌های مقاوم در برابر خطا با LCEL - بخش دوم Demonstration: Implementing Error-Resilient LCEL Pipelines - II

توسعه عملی عامل‌ها با LangChain Practical Agent Development with LangChain

  • درک چارچوب create_agent Understanding the create_agent Framework

  • الگوهای اصلی در معماری عامل‌ها Core Patterns in Agent Architecture

  • نمایش عملی: ساخت اولین عامل LangChain خود - بخش اول Demonstration: Building Your First LangChain Agent - I

  • نمایش عملی: ساخت اولین عامل LangChain خود - بخش دوم Demonstration: Building Your First LangChain Agent - II

  • نمایش عملی: تقویت عامل‌ها با حافظه Demonstration: Enhancing Agents with Memory

  • ساخت و استفاده از ابزارها در LangChain Building and Using Tools in LangChain

  • خروجی‌های ساختاریافته با Pydantic و TypedDict Structured Outputs with Pydantic and TypedDict

  • نمایش عملی: ساخت ابزارها با استفاده از @tool Demonstration: Creating Tools with @tool

  • نمایش عملی: ادغام ابزارهای خارجی در عامل خود Demonstration: Integrating External Tools into Your Agent

  • نمایش عملی: تولید خروجی‌های ساختاریافته و تایید شده - بخش اول Demonstration: Producing Validated Structured Outputs - I

  • نمایش عملی: تولید خروجی‌های ساختاریافته و تایید شده - بخش دوم Demonstration: Producing Validated Structured Outputs - II

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

  • خلاصه‌ی دوره Course Summary

نمایش نظرات

آموزش ساخت اولین عامل هوش مصنوعی خود با LangChain
جزییات دوره
12h 3m
45
(آخرین آپدیت)
2,980
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده