لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش پیادهسازی خط لولههای پیشرفته Agentic AI با LangChain
- آخرین آپدیت
دانلود Applied Agentic AI Pipelines with LangChain
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره آموزشی به بررسی تکنیکهای پیشرفته برای طراحی خط لولههای (Pipelines) عاملهای هوشمند با استفاده از LangChain میپردازد و توسعهدهندگان و علاقهمندان به هوش مصنوعی را به مهارتهای لازم برای ساخت سیستمهای AI مقیاسپذیر، قابل اعتماد و کارآمد مجهز میکند. شما ابتدا با تسلط بر قابلیتهای اصلی LangChain، از جمله مهندسی جریانهای کاری پیشرفته، اصلاح خروجیها و تبدیل دادهها برای سیستمهای عامل (Agent Systems) شروع خواهید کرد.
در ادامه، وارد مبحث ابزارسازی هوشمند خواهید شد و نحوه پیادهسازی استدلالهای چندمرحلهای، جریانهای کاری مبتنی بر ReAct و ارکستراسیون پیچیده ابزارها را خواهید آموخت. همچنین تکنیکهای پیشرفته بازیابی (Retrieval)، استدلال چند-پرسشی (Multi-query) و معماریهای حافظه تطبیقی را بررسی میکنید تا سیستمهایی بسازید که قادر به مدیریت دادههای پویا و بلادرنگ در چندین مرحله باشند.
در پایان این برنامه، شما قادر خواهید بود:
- مفاهیم بنیادی LangChain و نقش آن در طراحی عاملهای هوشمند را تعریف کنید.
- بر Runnableها، تبدیل دادهها و تکنیکهای پیشرفته مدیریت خطا در LangChain مسلط شوید.
- مسیریابی هوشمند ابزارها و استدلالهای چندگانه (Multi-hop) را با استفاده از جریانهای کاری ReAct پیادهسازی کنید.
- سیستمهای بازیابی چند-پرسشی قدرتمند با حافظه تطبیقی و استراتژیهای بازیابی ترکیبی بسازید.
- خط لولههای پرسوجوی دانش را با ویژگیهای خود-اصلاحگر برای دستیابی به بینشهای دقیقتر بهینه کنید.
- سیستمهای عامل حالتدار (Stateful) و مقیاسپذیر با حافظه پایدار و مسیریابی برداری طراحی کنید.
این دوره برای توسعهدهندگانی طراحی شده است که علاقهمند به ساخت اپلیکیشنهای قدرتمند مبتنی بر عامل (Agent-driven) با استفاده از LangChain هستند. داشتن پیشزمینه در زبان پایتون، یادگیری ماشین و مفاهیم پایه هوش مصنوعی، تجربه یادگیری شما را بهبود میبخشد.
دانشجویان به اتصال پایدار اینترنت، یک مرورگر وب مدرن و دسترسی به مستندات و ابزارهای LangChain نیاز دارند. نصب سختافزار یا نرمافزار خاصی مورد نیاز نیست.
به ما بپیوندید تا پیشروترین متدهای طراحی عاملهای هوشمند با LangChain را کاوش کرده و تخصص لازم برای ساخت نسل بعدی سیستمهای هوش مصنوعی را کسب کنید.
سرفصل ها و درس ها
مهندسی جریان کاری پیشرفته و تکنیکهای قابلیت اطمینان
Advanced Workflow Engineering and Reliability Techniques
معرفی تخصص
Specialization Introduction
معرفی دوره
Course Introduction
طراحی توالیهای Runnable، منطق شاخهای و اجرای موازی
Designing Runnable Sequences, Branching Logic, and Parallel Execution
دمو: ایجاد یک RunnableSequence برای غنیسازی دادهها
Demonstration: Creating a RunnableSequence for Data Enrichment
دمو: پیادهسازی مسیریابی شرطی با RunnableBranch
Demonstration: Implementing Conditional Routing with RunnableBranch
استفاده از OutputFixingParser، تکنیکهای مدیریت خطا و تلاشهای مجدد خودکار
OutputFixingParser, Error Handling Techniques, and Automated Retries
دمو: اصلاح خودکار خروجیهای JSON نامعتبر - بخش اول
Demonstration: Auto-Correcting Invalid JSON Outputs - I
دمو: اصلاح خودکار خروجیهای JSON نامعتبر - بخش دوم
Demonstration: Auto-Correcting Invalid JSON Outputs - II
دمو: اعمال منطق Retry برای افزایش قابلیت اطمینان خط لوله
Demonstration: Applying Retry Logic for Pipeline Reliability
جریانهای کاری TransformChain، نرمالسازی دادهها و استراتژیهای پسپردازش
TransformChain Workflows, Data Normalization, and Post-Processing Strategies
دمو: ساخت خط لوله نرمالسازی متن
Demonstration: Building a Text Normalization Pipeline
دمو: ایجاد پردازشگر امتیازدهی و رتبهبندی
Demonstration: Creating a Scoring and Ranking Processor
ابزارسازی هوشمند، استدلال ReAct و بازیابی چند مرحلهای
Intelligent Tooling, ReAct Reasoning, and Multi-Step Retrieval
استراتژیهای مسیریابی چند-ابزاری، مدیریت جایگزین (Fallback) و اولویتبندی
Multi-Tool Routing Strategies, Fallback Handling, and Prioritization
دمو: ساخت یک مسیریاب ابزار هوشمند - بخش اول
Demonstration: Building an Intelligent Tool Router - I
دمو: ساخت یک مسیریاب ابزار هوشمند - بخش دوم
Demonstration: Building an Intelligent Tool Router - II
حلقه تفکر-عمل-مشاهده و بهبودهای ReAct
Thought–Action–Observation Loop and ReAct Enhancements
دمو: پیادهسازی جریان کاری ReAct چند-گامه - بخش اول
Demonstration: Implementing a Multi-Hop ReAct Workflow - I
دمو: پیادهسازی جریان کاری ReAct چند-گامه - بخش دوم
Demonstration: Implementing a Multi-Hop ReAct Workflow - II
دمو: افزودن تاییدیه به زنجیره ابزارهای ReAct - بخش اول
Demonstration: Adding Verification to ReAct Tool-Chaining - I
دمو: افزودن تاییدیه به زنجیره ابزارهای ReAct - بخش دوم
Demonstration: Adding Verification to ReAct Tool-Chaining - II
دمو: افزودن تاییدیه به زنجیره ابزارهای ReAct - بخش سوم
Demonstration: Adding Verification to ReAct Tool-Chaining - III
بازیابی چند-پرسشی، تکنیکهای ادغام (Fusion) و استدلال چند-گامه
Multi-Query Retrieval, Fusion Techniques, and Multi-Hop Reasoning
دمو: تولید گسترشهای چند-پرسشی با متد Fusion - بخش اول
Demonstration: Generating Multi-Query Expansions with Fusion - I
دمو: تولید گسترشهای چند-پرسشی با متد Fusion - بخش دوم
Demonstration: Generating Multi-Query Expansions with Fusion - II
دمو: ساخت زنجیره استدلال RAG چند-گامه - بخش اول
Demonstration: Building a Multi-Hop RAG Reasoning Chain - I
دمو: ساخت زنجیره استدلال RAG چند-گامه - بخش دوم
Demonstration: Building a Multi-Hop RAG Reasoning Chain - II
معماریهای حافظه، مسیریابی برداری و خط لولههای دانش
Memory Architectures, Vector Routing, and Knowledge Pipelines
معماری حافظه برداری و تکنیکهای مسیریابی تطبیقی
Vector Memory Architecture and Adaptive Routing Techniques
دمو: ساخت ذخیرهساز حافظه برداری با انتخاب تطبیقی - بخش اول
Demonstration: Building a Vector Memory Store with Adaptive Selection - I
دمو: ساخت ذخیرهساز حافظه برداری با انتخاب تطبیقی - بخش دوم
Demonstration: Building a Vector Memory Store with Adaptive Selection - II
سیستمهای حافظه ترکیبی با کانتکست لایهبندی شده
Hybrid Memory Systems with Layered Context
دمو: ترکیب انواع حافظه برای بازیابی ترکیبی - بخش اول
Demonstration: Combining Memory Types for Composite Retrieval - I
دمو: ترکیب انواع حافظه برای بازیابی ترکیبی - بخش دوم
Demonstration: Combining Memory Types for Composite Retrieval - II
ابزارهای دانش و رتبهبندی متادیتا
Knowledge Tools and Metadata Ranking
دمو: ساخت خط لوله پرسوجوی دانش خود-اصلاحگر - بخش اول
Demonstration: Building a Self-Correcting Knowledge Query Pipeline - I
دمو: ساخت خط لوله پرسوجوی دانش خود-اصلاحگر - بخش دوم
Demonstration: Building a Self-Correcting Knowledge Query Pipeline - II
جمعبندی دوره و ارزیابی
Course Wrap-Up and Assessment
نمایش نظرات