آموزش برنامه های محلی LLM را با استفاده از پایتون و اوللاما بسازید

دانلود Build local LLM applications using Python and Ollama

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش ایجاد برنامه های LLM در سیستم خود با استفاده از Olama و LangChain در Python | کاملاً خصوصی و ایمن دانلود و نصب Ollama برای اجرای مدل‌های LLM در دستگاه محلی خود راه‌اندازی و پیکربندی مدل Llama LLM برای استفاده محلی سفارشی کردن مدل‌های LLM با استفاده از گزینه‌های خط فرمان برای برآوردن نیازهای برنامه خاص ذخیره و استقرار نسخه‌های اصلاح‌شده مدل‌های LLM در خود محیط محلی برنامه‌های مبتنی بر پایتون را توسعه دهید که با مدل‌های Ollama به طور ایمن در تعامل هستند، از طریق Ollama REST API برای تعامل یکپارچه با سیستم‌های خارجی، مدل‌ها را فراخوانی و ادغام کنید. سازگاری OpenAI را در Ollama کاوش کنید تا عملکرد مدل‌های خود را گسترش دهید. ساخت یک سیستم Retrieval-Augmented Generation (RAG) پردازش و پرس و جو اسناد بزرگ را به طور موثر ایجاد برنامه های کاربردی LLM با استفاده از LangChain، Ollama و ابزارهایی مانند عامل ها و سیستم های بازیابی برای پاسخ به سوالات کاربر پیش نیازها: دانش پایه پایتون توصیه می شود، اما نیازی به تجربه هوش مصنوعی قبلی نیست.

اگر توسعه‌دهنده، دانشمند داده یا علاقه‌مند به هوش مصنوعی هستید و می‌خواهید مدل‌های زبان بزرگ (LLM) را به صورت محلی در سیستم خود بسازید و اجرا کنید، این دوره برای شما مناسب است. آیا می خواهید بدون ارسال داده های خود به ابر از قدرت LLM ها استفاده کنید؟ آیا به دنبال راه‌حل‌های امن و خصوصی هستید که از ابزارهای قدرتمندی مانند پایتون، اوللاما و لانگ‌چین استفاده می‌کنند؟ این دوره به شما نشان می دهد که چگونه برنامه های LLM ایمن و کاملاً کاربردی را درست بر روی دستگاه خود بسازید.

در این دوره، شما:

  • Ollama را راه اندازی کنید و مدل Llama LLM را برای استفاده محلی دانلود کنید.

  • مدل ها را سفارشی کنید و نسخه های اصلاح شده را با استفاده از ابزارهای خط فرمان ذخیره کنید.

  • برنامه‌های LLM مبتنی بر پایتون را با Olama برای کنترل کامل بر مدل‌های خود توسعه دهید.

  • از Ollama's Rest API برای ادغام مدل ها در برنامه های خود استفاده کنید.

  • از LangChain برای ایجاد سیستم‌های Retrieval-Augmented Generation (RAG) برای پردازش کارآمد اسناد استفاده کنید.

  • برنامه‌های LLM سرتاسری ایجاد کنید که با استفاده از قدرت LangChain و Ollama به سؤالات کاربر با دقت پاسخ می‌دهند.

چرا برنامه های محلی LLM بسازیم؟ به عنوان مثال، برنامه های محلی از حریم خصوصی کامل داده ها اطمینان می دهند - داده های شما هرگز از سیستم شما خارج نمی شوند. علاوه بر این، انعطاف‌پذیری و سفارشی‌سازی مدل‌های در حال اجرا به صورت محلی به این معنی است که شما بدون نیاز به وابستگی‌های ابری، کنترل کامل را در دست دارید.

در طول دوره، مدل‌هایی را با استفاده از پایتون می‌سازید، سفارشی می‌کنید، و استقرار می‌دهید، و ویژگی‌های کلیدی مانند مهندسی سریع، تکنیک‌های بازیابی، و یکپارچه‌سازی مدل را پیاده‌سازی می‌کنید—همه به راحتی در تنظیمات محلی خود.

آنچه این دوره را متمایز می کند تمرکز آن بر حفظ حریم خصوصی، کنترل و تجربه عملی با استفاده از ابزارهای پیشرفته مانند Ollama و LangChain است. در پایان، یک برنامه کاربردی LLM کاملاً کارآمد و مهارت‌هایی برای ایجاد سیستم‌های هوش مصنوعی ایمن به تنهایی خواهید داشت.

آماده ای برای ساخت برنامه های LLM خصوصی خود هستید؟ اکنون ثبت نام کنید و شروع کنید!


سرفصل ها و درس ها

شروع کار با مدل های محلی Getting started with local models

  • مقدمه Introduction

  • دانلود و نصب Olama Downloading and Installing Ollama

  • راه اندازی Olama و دانلود مدل Llama LLM Setting up Ollama and downloading Llama LLM model

  • گزینه های سفارشی سازی مدل در CMD یا ترمینال Model Customization options in CMD or terminal

  • ایجاد، ذخیره و استفاده از یک مدل Ollama اصلاح شده Creating, saving and using a modified Ollama model

استفاده از اولاما با پایتون Using Ollama with Python

  • نصب و راه اندازی پایتون Installing and Setting up Python

  • استفاده از کتابخانه اوللاما در پایتون Using Ollama library in Python

  • فراخوانی مدل با استفاده از Ollama Rest API Calling the Model using Ollama Rest API

  • سازگاری Ollama OpenAI Ollama OpenAI Compatibility

استفاده از LangChain در پایتون برای برنامه های LLM Using LangChain in Python for LLM applications

  • LangChain چیست و چرا از آن استفاده می کنیم What is LangChain and why are we using it

  • مبانی Langchain - الگوهای سریع و مدل های LLM Basics of Langchain - Prompt Templates and LLM Models

  • مبانی Langchain - قالب بندی خروجی Basics of Langchain - Formatting the output

Building Retrieval Augmented Generation - برنامه های RAG Building Retrieval Augmented Generation - RAG applications

  • مفهوم سیستم RAG نسل افزوده بازیابی Concept of Retrieval Augmented Generation RAG System

  • فرآیند RAG چیست؟ What is the RAG Process

  • بارگیری و خرد کردن سند با استفاده از LangChain و Ollama Loading and Chunking the document using LangChain and Ollama

  • جاسازی تکه ها با استفاده از LangChain و Ollama Embedding chunks using LangChain and Ollama

  • ساخت اپلیکیشن RAG کامل برای پاسخگویی به سوالات کاربران - قسمت 1 Building complete RAG application for answering user questions - Part 1

  • ساخت اپلیکیشن کامل RAG برای پاسخگویی به سوالات کاربران - قسمت 2 Building complete RAG application for answering user questions - Part 2

ساخت ابزارها و برنامه های کاربردی مبتنی بر عامل Building Tools and Agents based applications

  • درک ابزارها و عوامل Understanding Tools and Agents

  • ابزار تماس با LangChain و Llama3.1 Tools calling with LangChain and Llama3.1

  • عواملی که از LangChain و Llama3.1 استفاده می کنند Agents using LangChain and Llama3.1

نتیجه گیری Conclusion

  • در مورد گواهی شما About your certificate

  • سخنرانی پاداش Bonus lecture

نمایش نظرات

آموزش برنامه های محلی LLM را با استفاده از پایتون و اوللاما بسازید
جزییات دوره
2 hours
23
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,005
4.4 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

Start-Tech Academy Start-Tech Academy

بیش از 1،700،000+ ثبت نام | 4+ رتبه بندی شده | 160+ CountriesStart-Tech Academy یک شرکت آموزش تجزیه و تحلیل مبتنی بر فناوری است و هدف آن گردآوری شرکتهای تحلیلی و فراگیران علاقه مند است. محتوای آموزشی با کیفیت بالا به همراه کارآموزی و فرصت های پروژه به دانشجویان در شروع سفر Analytics خود کمک می کند. بنیانگذار Abhishek Bansal و Pukhraj Parikh است. Pukhraj که به عنوان مدیر پروژه در یک شرکت مشاوره آنالیز کار می کند ، چندین سال تجربه کار بر روی ابزارها و نرم افزارهای تجزیه و تحلیل را دارد. او در مجموعه های اداری MS ، رایانش ابری ، SQL ، Tableau ، SAS ، Google analytics و Python مهارت دارد. Abhishek قبل از اینکه به فن آوری های یادگیری و آموزش مانند یادگیری ماشین و هوش مصنوعی بپردازد ، به عنوان یک مالک فرآیند اکتساب در یک شرکت مخابراتی پیشرو کار می کرد.