لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
Gen AI - توسعه برنامه RAG با استفاده از LangChain [ویدئو]
Gen AI - RAG Application Development using LangChain [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره با مقدمه ای بر مفاهیم اصلی مدل های زبان بزرگ و چارچوب LangChain آغاز می شود. شما با اصول اولیه شکلدهی درخواستها و تنظیم محیط خود شروع میکنید، و پس از آن یک نمایش کد برای تقویت درک خود انجام میدهید. بخش اول با یک مسابقه برای آزمایش دانش جدید شما به پایان می رسد.
با حرکت رو به جلو، به مفاهیم اساسی LangChain می پردازیم. شما در مورد الگوهای سریع، الگوهای درخواست چت و پیچیدگی های کار با عوامل و ابزارها آشنا خواهید شد. همانطور که پیشرفت می کنید، این دوره موضوعات پیشرفته ای مانند بارگذار اسناد، تجزیه کننده های خروجی، جاسازی زبان و پایگاه های داده برداری را پوشش می دهد. برنامه های کاربردی، مانند ایجاد اولین برنامه RAG (نسل تقویت شده) شما، برای افزایش تجربه یادگیری شما یکپارچه شده اند.
بخش آخر بر برنامه ها و پروژه های RAG در دنیای واقعی تمرکز دارد. شما روی پروژههای متنوعی کار خواهید کرد، از جمله یکپارچهسازی دادههای SQL، حافظه مکالمه، برنامههای جستجوی CV، و چترباتهای جستجوی وبسایت. در پایان دوره، شما در تجزیه و تحلیل داده های ساخت یافته با استفاده از زبان طبیعی و ایجاد برنامه های کاربردی مبتنی بر هوش مصنوعی ماهر خواهید بود و آماده به کارگیری این مهارت ها در سناریوهای دنیای واقعی هستید. فرمولبندی و پیادهسازی دستورات برای مدلهای زبان
عوامل و ابزارها را در چارچوب LangChain توسعه دهید و از آنها استفاده کنید
ادغام و مدیریت لودرهای سند و تجزیه کننده های خروجی
ایجاد و استفاده از جاسازی های زبان و پایگاه داده های برداری
برنامه های Retrieval-Augmented Generation (RAG) را بسازید و استقرار دهید
تجزیه و تحلیل داده های ساخت یافته با استفاده از تکنیک های پردازش زبان طبیعی این دوره برای متخصصان فنی و توسعه دهندگان با درک اولیه از مفاهیم پایتون و هوش مصنوعی طراحی شده است. آشنایی با پردازش زبان طبیعی امتیاز محسوب می شود اما الزامی نیست. برای کسانی که به دنبال تعمیق دانش خود در مورد مدلهای زبان بزرگ و چارچوب LangChain هستند، عالی است. معرفی جامع LangChain و مدل های زبان بزرگ * کاوش عمیق دستورات، عامل ها و ابزارها * موضوعات پیشرفته از جمله جاسازی های زبان و پایگاه های داده برداری
سرفصل ها و درس ها
معرفی
Introduction
مقدمه دوره
Introduction to the Course
مقدمه ای بر مدل های زبان بزرگ
Introduction to Large Language Models
مقدمه ای بر چارچوب LangChain
Introduction to LangChain Framework
مقدمه ای بر Prompts
Introduction to Prompts
راه اندازی محیط
Environment Setup
کد نسخه ی نمایشی - روش های ساده برای تشکیل یک Prompt و استفاده از آن برای زنجیره با یک مدل
Code Demo - Simple ways of forming a Prompt and using it to Chain with a Model
مفاهیم اساسی LangChain
LangChain Fundamental Concepts
شروع به کار با الگوی درخواست و الگوی اعلان چت
Getting Started with Prompt Template and Chat Prompt Template
کار با عوامل و ابزار
Working with Agents and Tools
عوامل و ابزار - پیشرفته
Agents and Tools - Advanced
لودرها و شکاف کننده های اسناد
Document Loaders and Splitters
کار با تجزیه کننده های خروجی
Working with Output Parsers
جاسازی های زبان و پایگاه های داده برداری
Language Embeddings and Vector Databases
اولین برنامه RAG ما با استفاده از Vector DB
Our First RAG Application using a Vector DB
انواع زنجیره - موارد، نقشه-کاهش و پالایش
Chain Types - Stuff, Map-Reduce and Refine
LCEL - زبان بیان LangChain
LCEL - LangChain Expression Language
برنامه ها و پروژه های RAG
RAG Applications and Projects
کار با SQL Data - RAG App
Working with SQL Data - RAG App
RAG با حافظه مکالمه
RAG with Conversational Memory
یک برنامه آپلود CV و جستجوی CV ایجاد کنید
Create a CV Upload and CV Search Application
یک ربات گفتگوی گفتگوی پرس و جوی وب سایت - پروژه ایجاد کنید
Create a Website Query Conversational Chatbot - Project
تجزیه و تحلیل داده های ساخت یافته از CSV/Excel با استفاده از زبان طبیعی
Analysis of Structured Data from a CSV/Excel using Natural Language
برنامه استخراج فاکتور RAG
Invoice Extraction RAG Application
نمایش نظرات