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

  • جمع‌بندی نهایی دوره Course Summary

نمایش نظرات

آموزش پیاده‌سازی خط لوله‌های پیشرفته Agentic AI با LangChain
جزییات دوره
10h 40m
36
(آخرین آپدیت)
377
- 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