Langchain برای مبتدیان: برنامه های GenAI LLM را در مراحل آسان بسازید

Langchain for beginners : Build GenAI LLM Apps in Easy Steps

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یک راهنمای گام به گام برای Master LangChain بیاموزید که LangChain چگونه استفاده از LLM ها را در برنامه های ما ساده می کند استفاده از OpenAI LLMS در برنامه پایتون استفاده از LLMS منبع باز مانند Mistral، Gemma در یک برنامه پایتون، LLM های منبع باز را در دستگاه محلی خود با استفاده از OLLAMA استفاده از PromptTemplates برای استفاده مجدد و ساخت اعلان های پویا درک نحوه استفاده از زبان عبارت LangChain ایجاد زنجیره های متوالی ساده و منظم با استفاده از LCEL کار با چندین LLM در یک زنجیره واحد یاد بگیرید چرا و چگونه تاریخچه گپ را حفظ کنید یاد بگیرید که جاسازی ها چیست و از مدل جاسازی ها استفاده کنید برای یافتن متن تشابه درک چیستی فروشگاه برداری و استفاده از آن برای ذخیره و بازیابی جاسازی ها درک فرآیند بازیابی (RAG) پیاده سازی (RAG) برای استفاده از داده های خودمان با LLM ها در مراحل ساده تجزیه و تحلیل تصاویر با استفاده از مدل های چند وجهی ساخت چندگانه برنامه های LLM با استفاده از Streamlit و LangChain همه در گام های ساده پیش نیازها: آگاهی از حساب OpenAI پایتون برای کار با OpenAI LLM

به LangChain برای مبتدیان خوش آمدید!

این دوره برای معرفی آرام و گام به گام LangChain طراحی شده است که شما را راهنمایی می کند

از اصول اولیه تا مفاهیم پیشرفته تر. خواه کاملاً مبتدی هستید یا دارید

تجربه با هوش مصنوعی، این دوره به شما کمک می کند تا قدرت LangChain را درک کرده و از آن استفاده کنید

ساخت برنامه های کاربردی مبتنی بر هوش مصنوعی.

اهداف دوره:

- یادگیری تدریجی: LangChain را به تدریج از موضوعات پایه تا پیشرفته با واضح و

یاد بگیرید

دستورالعمل های مختصر.

- درک جامع: بدانید که چرا LangChain ابزاری قدرتمند برای ساختن هوش مصنوعی است

برنامه‌ها و نحوه ادغام مدل‌های زبان در پروژه‌های شما.

- تجربه عملی: با ویژگی‌های ضروری LangChain مانند

تجربه عملی کسب کنید

الگوها، زنجیره‌ها، عوامل، بارکننده‌های سند، تجزیه‌کننده‌های خروجی و کلاس‌های مدل درخواست.

آنچه خواهید آموخت:

- مقدمه ای بر LangChain: با اصول اولیه LangChain شروع کنید و هسته آن را درک کنید

مفاهیم.

- بلوک‌های ساختمان LangChain: درباره الگوهای سریع، زنجیره‌ها، عوامل، بارکننده‌های سند، اطلاعات کسب کنید.

تجزیه کننده های خروجی و کلاس های مدل.

- ایجاد برنامه‌های هوش مصنوعی: ببینید چگونه این ویژگی‌ها با هم ترکیب می‌شوند تا هوشمند و انعطاف‌پذیر ایجاد کنند

- کدنویسی عملی: نمونه‌های کد را بنویسید و اجرا کنید تا درک عملی از نحوه LangChain داشته باشید

توسعه به نظر می رسد.

ساختار دوره:

- فصل های مختصر: هر فصل بر یک موضوع خاص در برنامه نویسی LangChain تمرکز می کند،

اطمینان حاصل می‌کند که درک عمیقی از هر مفهوم به دست آورده‌اید.

- یادگیری تعاملی: کد به همراه مثال های ارائه شده برای تقویت یادگیری و ساختن شما

مهارت های شما.

در پایان این دوره، شما:

بیاموزید LangChain چگونه استفاده از LLM ها را در برنامه های ما ساده می کند

از OpenAI LLM در برنامه پایتون استفاده کنید

از LLMهای منبع باز مانند Mistral، Gemma در برنامه پایتون استفاده کنید

LLMهای منبع باز را با استفاده از OLLAMA در دستگاه محلی خود اجرا کنید

از PromptTemplates برای استفاده مجدد و ساخت اعلان های پویا استفاده کنید

با نحوه استفاده از زبان عبارت LangChain آشنا شوید

زنجیره های متوالی ساده و منظم را با استفاده از LCEL

ایجاد کنید

با چندین LLM در یک زنجیره کار کنید

با چرایی و نحوه نگهداری تاریخچه گپ آشنا شوید

بیاموزید جاسازی‌ها چیست و از مدل جاسازی‌ها برای یافتن شباهت متن استفاده کنید

میدانید فروشگاه وکتور چیست و از آن برای ذخیره و بازیابی موارد جاسازی شده استفاده کنید

درک فرآیند بازیابی نسل افزوده (RAG)

(RAG) را برای استفاده از داده‌های خود با LLM در مراحل ساده پیاده‌سازی کنید

تحلیل تصاویر با استفاده از مدل‌های چند وجهی

با استفاده از Streamlit و LangChain چندین برنامه LLM بسازید

همه در مراحل ساده



سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • چگونه بهترین ها را بسازیم How to make the best

  • دانلود پروژه تکمیل شده Download Completed Project

  • درخواست های دانلود Download Prompts

اصول The Fundamentals

  • GenAI چیست What is GenAI

  • OpenAI چیست What is OpenAI

  • سایر LLM ها Other LLMs

  • لانگ چین چیست؟ What is Langchain

  • اصول The Fundamentals

راه اندازی نرم افزار Software Setup

  • راه اندازی حساب OpenAI Setup OpenAI Account

  • کلید API را تنظیم کنید Setup API Key

  • راه اندازی LLM های منبع باز Setup Open Source LLMs

Langchain در عمل Langchain in action

  • پروژه راه اندازی Setup Project

  • Langchain در عمل Langchain in action

  • از مدل های منبع باز به صورت محلی استفاده کنید Use Open Source Models Locally

  • از هوش مصنوعی Mistral استفاده کنید Use Mistral AI

  • Streamlit چیست What is Streamlit

  • از Streamlit GUI استفاده کنید Use Streamlit GUI

  • Debug را روشن کنید Turn on Debug

الگوهای درخواستی Prompt Templates

  • مقدمه Introduction

  • PromptTemplate در عمل PromptTemplate in action

  • دو جای دیگر اضافه کنید Add two more place holders

  • اعلان را بهبود بخشید Improve the prompt

  • یک برنامه راهنمای سفر ایجاد کنید Create a Travel Guide App

  • الگوی اعلان Prompt Template

  • یاور مصاحبه Interview Helper

زنجیر Chains

  • مقدمه Introduction

  • LCEL در عمل LCEL In Action

  • UseCase و Code Walkthrough UseCase and Code Walkthrough

  • زنجیره متوالی ساده Simple Sequential Chain

  • عنوان را نمایش دهید Display the title

  • مولد پست وبلاگ Blog Post Generator

  • استفاده از چندین LLM Using Multiple LLMs

  • زنجیره متوالی Sequential Chain

  • فرمت خروجی Format Output

  • مولد ایمیل بازاریابی Marketing Email Generator

  • سازماندهی فایل ها Organize Files

  • LCEL و زنجیر LCEL and Chains

حفظ تاریخچه گفتگو Maintaining ChatHistory

  • مقدمه Introduction

  • از ChatPromptTemplate استفاده کنید Use ChatPromptTemplate

  • Code Walk Through Code Walk Through

  • از StreamlitChatMessageHistory استفاده کنید Use StreamlitChatMessageHistory

  • نمایش تاریخچه Display History

  • از ChatMessageHistory استفاده کنید Use ChatMessageHistory

  • تاریخچه گفتگو ChatHistory

جاسازی ها Embeddings

  • مقدمه Introduction

  • با استفاده از مدل جاسازی Using the Embeddings Model

  • شباهت یاب Similarity Finder

  • تعبیه‌های چندگانه را دریافت کنید Get Multiple Embeddings

  • جاسازی ها Embeddings

فروشگاه های وکتور Vector Stores

  • مقدمه Introduction

  • Code Walk Through Code Walk Through

  • راهنما جستجوی شغل را پیاده سازی کنید Implement Job Search Helper

  • تست کنید Test

  • از Retriever استفاده کنید Use Retriever

  • از فروشگاه وکتور FAISS استفاده کنید Use FAISS Vector Store

RAG - کار با اسناد RAG - Working With Documents

  • RAG چیست What is RAG

  • UseCase و Code Walkthrough UseCase and Code Walkthrough

  • RAG قسمت 1 را پیاده سازی کنید Implement RAG Part 1

  • RAG قسمت 2 را پیاده سازی کنید Implement RAG Part 2

  • تست کنید Test

  • ربات History Aware RAG History Aware RAG Bot

  • تست کنید Test

  • RAG RAG

  • BOT قانونی Legal BOT

  • با سایر فرمت های فایل کار کنید Work with other File Formats

پردازش تصویر Image Processing

  • مقدمه Introduction

  • ایجاد برنامه تحلیلگر تصویر Create Image Analyzer App

  • از Streamlit استفاده کنید Use Streamlit

  • KYC Usecase KYC Usecase

  • KYC قسمت 1 KYC Part 1

  • KYC قسمت 2 KYC Part 2

  • تست کنید Test

عوامل Agents

  • مقدمه Introduction

  • Code Walk Through Code Walk Through

  • پروژه راه اندازی Setup Project

  • یک عامل ایجاد کنید Create an Agent

  • تست کنید Test

استقرار Deployment

  • مقدمه Introduction

  • به روز رسانی کد Update Code

  • به GitHub فشار دهید Push to GitHub

  • مستقر کنید Deploy

سخنرانی پاداش Bonus Lecture

  • بسته بندی کنید Wrap Up

نمایش نظرات

Langchain برای مبتدیان: برنامه های GenAI LLM را در مراحل آسان بسازید
جزییات دوره
3.5 hours
70
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
220
4.8 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bharath Thippireddy Bharath Thippireddy

شما خالق سرنوشت خود هستید