آموزش ساخت اپلیکیشن با ابزارهای هوش مصنوعی: ChatGPT، Semantic Kernel و Langchain
Building Apps with AI Tools: ChatGPT, Semantic Kernel, and Langchain
ابزارهای جدید مجهز به هوش مصنوعی طرز فکر ما را در مورد برنامه‌ها تغییر می‌دهند. و اگر توسعه‌دهنده‌ای هستید که به دنبال ادغام گردش کار خود هستید، زمان آن رسیده که مهارت‌های موجود خود را افزایش دهید. در این دوره آموزشی، مدرس دنیس لینکوف مروری بر نحوه ساخت اپلیکیشن ها و ادغام ابزارهای متن باز و هیجان انگیز مانند ChatGPT، Semantic Kernel و LangChain ارائه می دهد.
با نحوه اتصال به ChatGPT API برای شروع ساخت برنامه های کاربردی با کد آشنا شوید. Denys اصول اولیه توسعه اپلیکیشن با Semantic Kernel را به شما نشان می‌دهد، از قالب‌بندی گرفته تا استدلال زنجیره‌ای از فکر، درخواست و OpenAI Whisper برای متن به گفتار. در پایان این دوره، همچنین فرصتی خواهید داشت که جستجوی سند مهارت‌های جدید خود را با LangChain و آزمایش برنامه‌های ChatGPT امتحان کنید.
معرفی Introduction
-
استفاده از GPT برای ساخت نرم افزار (در حال انجام) Using GPT to build software (In progress)
-
تنظیم محیط خود Setting up your environment
1. اتصال به ChatGPT API 1. Connecting to the ChatGPT API
-
مقدمه ای بر ChatGPT و پارامترهای آن Introduction to ChatGPT and its parameters
-
اتصال به ChatGPT API Connecting to the ChatGPT API
2. یک ربات تخفیف 2. A Discount Bot
-
تحلیل احساسات Sentiment analysis
-
ارائه تخفیف از طریق UI Providing a discount through a UI
-
چالش: دور کردن مشتریان بی ادب Challenge: Turning rude customers away
-
راه حل: دور کردن مشتریان بی ادب Solution: Turning rude customers away
3. ساخت با هسته معنایی 3. Building with Semantic Kernel
-
خلاصه کننده ساده با Semantic Kernel A simple summarizer with Semantic Kernel
-
فرمت کردن داده های خود با یادگیری چند شات Formatting your data with few-shot learning
-
ادغام استدلال زنجیره‌ای از فکر در برنامه شما Integrating chain-of-thought reasoning into your app
-
آموزش استفاده از Whisper برای متن به گفتار Learning to use Whisper for text to speech
-
چالش: ایجاد یک کتابدار "با صدای بلند فکر می کند". Challenge: Creating a "thinking out loud" librarian
-
راه حل: ایجاد یک کتابدار «با صدای بلند فکر کردن». Solution: Creating a "thinking out loud" librarian
4. جستجوی سند ساختمان با LangChain 4. Building Document Search with LangChain
-
ساخت یک زنجیره سریع ساده با LangChain Building a simple prompt chain with LangChain
-
پاسخ به سوالات با وکتور DB Answering questions with a vector DB
-
جستجوی معنایی و تعبیه‌ها Semantic search and embeddings
-
استخراج اطلاعات کلیدی از سوال شما Extracting key information from your question
-
چالش: کتابدار با کتابخانه Challenge: A librarian with a library
-
راه حل: یک کتابدار با یک کتابخانه Solution: A librarian with a library
5. آزمایش برنامه های ChatGPT 5. Testing ChatGPT Apps
-
تولید داده های نمونه با ChatGPT Generating sample data with ChatGPT
-
تست های مولد مبتنی بر هوش مصنوعی Generative AI–powered tests
-
ارزیابی عملکرد سریع GenAI Evaluating GenAI prompt performance
-
امنیت چارچوب LLM LLM framework security
-
چالش: ایجاد مجموعه آزمایشی GenAI برای کتابدار شما Challenge: Building a GenAI test suite for your librarian
-
راه حل: یک مجموعه آزمایشی GenAI برای کتابدار خود بسازید Solution: Building a GenAI test suite for your librarian
نتیجه Conclusion
-
مراحل بعدی Next steps
https://donyad.com/d/3d4481
Denys Linkov
رهبری ML در Voiceflow
تیم Denys روی درک زبان طبیعی، پردازش زبان طبیعی مولد، MLOps و مکالمه کار می کند کشف و افزایش داده ها Denys به ایجاد جوامع فناوری پر رونق و پایدار با تمرکز بر توسعه جوانان و آینده کار کمک می کند. دنیس دارای لیسانس علوم کامپیوتر از دانشگاه تورنتو است، با تعدادی از گروه های جوانان به عنوان مربی و سخنران کار کرده است، و به مقیاس TU20، یک گروه فناوری جوانان پیشرو در هالتون، انتاریو کمک کرده است.
نمایش نظرات