نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
برنامه های کاربردی با LangChain، Pinecone، و OpenAI. ساخت برنامه های وب با Streamlit. امروز به انقلاب هوش مصنوعی بپیوندید! نحوه استفاده از LangChain، Pinecone و OpenAI برای ساخت برنامه های کاربردی LLM. در مورد اجزای LangChain، از جمله بستهبندیهای LLM، قالبهای سریع، زنجیرهها و عاملها بیاموزید. در مورد انواع مختلف زنجیره های موجود در LangChain مانند چیزها، map_reduce، refine و LangChain agents بیاموزید. درک کاملی از جاسازیها و ذخیرهسازی دادههای برداری به دست آورید. با نحوه استفاده از جاسازیها و ذخیرههای داده برداری برای بهبود عملکرد برنامههای LangChain خود آشنا شوید. شیرجه عمیق در کاج. درباره شاخص های Pinecone و جستجوی شباهت بیاموزید. پروژه: یک برنامه پاسخگویی به سوالات مبتنی بر LLM با یک صفحه جلویی مدرن مبتنی بر وب برای اسناد سفارشی یا خصوصی بسازید. پروژه: ایجاد یک سیستم خلاصه سازی برای اسناد بزرگ با استفاده از روش ها و زنجیره های مختلف: stuff، map_reduce، refine یا LangChain Agents. این یک تجربه یادگیری از طریق انجام خواهد بود. ما با هم، گام به گام، خط به خط، برنامه های کاربردی دنیای واقعی (از جمله فرانت اند با استفاده از Streamlit) خواهیم ساخت. شما یاد خواهید گرفت که چگونه با استفاده از Streamlit، رابط های وب (فرانت اند) برای LLM و برنامه های هوش مصنوعی تولیدی خود ایجاد کنید. Streamlit: مفاهیم اصلی، ویجتها، وضعیت جلسه، تماسها. پیش نیازها: تجربه اولیه برنامه نویسی پایتون الزامی است. باید بتوانید با یک شماره تلفن معتبر در OpenAI API ثبت نام کنید.
Master LangChain، Pinecone، و OpenAI. با LangChain برنامههای کاربردی مبتنی بر LLM بسازید.
با استفاده از Streamlit، صفحههای جلویی قدرتمند مبتنی بر وب برای برنامههای تولیدی خود ایجاد کنید.
انقلاب هوش مصنوعی اینجاست و جهان را تغییر خواهد داد! در چند سال آینده، کل جامعه توسط هوش مصنوعی تغییر شکل خواهد داد.
در پایان این دوره، شما درک کاملی از اصول LangChain، Pinecone و OpenAI خواهید داشت. همچنین میتوانید با استفاده از Streamlit در پایتون خالص، فرانتاندهای مدرن ایجاد کنید.
این دوره LangChain قسمت دوم "OpenAI API with Python Bootcamp" است. برای مبتدیان کاملاً توصیه نمی شود زیرا به تجربه ضروری برنامه نویسی پایتون نیاز دارد.
در حال حاضر، تلاش، دانش و پول شرکتهای بزرگ فناوری در سراسر جهان در حال سرمایهگذاری در هوش مصنوعی است.
در این دوره آموزشی، نحوه ساخت برنامه های کاربردی پیشرفته LLM با LangChain را خواهید آموخت.
LangChain چیست؟
LangChain یک چارچوب منبع باز است که به توسعه دهندگانی که با هوش مصنوعی کار می کنند اجازه می دهد تا مدل های زبان بزرگ (LLM) مانند GPT-4 را با منابع محاسباتی و داده های خارجی ترکیب کنند. ساخت و استقرار برنامههای هوش مصنوعی که هم مقیاسپذیر و هم کارآمد هستند را آسان میکند.
همچنین ورود به حوزه هوش مصنوعی را برای افراد با پیشینههای مختلف تسهیل میکند و امکان استقرار هوش مصنوعی را به عنوان یک سرویس فراهم میکند.
در این دوره، ما به اجزای LangChain، بستههای LLM، Chains و Agents خواهیم پرداخت. ما عمیقاً به جاسازیها و پایگاههای داده برداری مانند Pinecone میپردازیم.
این یک تجربه یادگیری با انجام خواهد بود. ما با پایتون، LangChain و OpenAI با هم، گام به گام، خط به خط، برنامه های LLM در دنیای واقعی را می سازیم. برنامهها کامل خواهند شد و ما همچنین دارای یک برنامه وب مدرن با استفاده از Streamlit خواهیم بود.
ما یک برنامه پاسخگویی به سؤالات مبتنی بر LLM با استفاده از LangChain، Pinecone، و OpenAI برای اسناد سفارشی یا خصوصی توسعه خواهیم داد. با این کار تعداد نامحدودی از موارد استفاده عملی باز می شود.
ما همچنین یک سیستم خلاصه سازی خواهیم ساخت که یک ابزار ارزشمند برای هر کسی است که نیاز به خلاصه کردن حجم زیادی از متن دارد. این شامل دانشجویان، محققان و متخصصان تجارت می شود.
من به افزودن پروژه های جدید که مشکلات مختلف را حل می کنند ادامه خواهم داد. این دوره، و فناوریهایی که در آن پوشش میدهد، همیشه در حال توسعه و بهروزرسانی مداوم خواهند بود.
موضوعات تحت پوشش این دوره آموزشی "LangChain، Pinecone و OpenAI" عبارتند از:
مبانی LangChain
تنظیم محیط با Dotenv: LangChain، Pinecone، OpenAI
مدل های LLM (Wrappers): GPT-3
مدلهای چت: GPT-3.5-Turbo و GPT-4
الگوهای درخواست LangChain
زنجیره های ساده
زنجیره های متوالی
معرفی نمایندگان LangChain
نمایندگان LangChain در عمل
جاسازی های برداری
مقدمه ای بر پایگاه های داده برداری
غواصی در کاج
غواصی در Chroma
تقسیم و جاسازی متن با استفاده از LangChain
درج جاسازیها در فهرست کاج
پرسیدن سوالات (جستجوی مشابه) و دریافت پاسخ (GPT-4)
ایجاد فرانتاند برای LLM و برنامههای هوش مصنوعی با استفاده از Streamlit
مهارت هایی که به دست می آورید به شما امکان می دهد برنامه های هوش مصنوعی دنیای واقعی را بسازید و به کار بگیرید. من نمی توانم به شما بگویم که چقدر هیجان زده هستم که همه این فناوری های پیشرفته را به شما آموزش دهم.
اکنون سوار شوید تا جا نمانید.
من شما را در دوره می بینم!
سرفصل ها و درس ها
شروع شدن
Getting Started
چگونه از این دوره بیشترین بهره را ببرید
How to Get the Most Out of This Course
به انجمن خصوصی من بپیوندید!
Join My Private Community!
منابع دوره
Course Resources
شیرجه عمیق به LangChain و Pinecone
Deep Dive into LangChain and Pinecone
نسخه ی نمایشی LangChain
LangChain Demo
مقدمه ای بر LangChain
Introduction to LangChain
تنظیم محیط: LangChain، Pinecone و Python-dotenv
Setting Up the Environment: LangChain, Pinecone, and Python-dotenv
پروژه شماره 2: ساختن یک فرانت اند برای برنامه پرسش-پاسخ با استفاده از Streamlit
Project #2: Building a Front-End for the Question-Answering App Using Streamlit
معرفی پروژه و نصب کتابخانه
Project Introduction and Library Installation
تعریف توابع
Defining Functions
ایجاد نوار کناری
Creating the Sidebar
خواندن، خرد کردن، و جاسازی داده ها
Reading, Chunking, and Embedding Data
سوال پرسیدن و جواب گرفتن
Asking Questions and Getting Answers
ذخیره تاریخچه چت
Saving the Chat History
پاک کردن تاریخچه وضعیت جلسه با استفاده از توابع برگشت به تماس
Clearing Session State History Using Callback Functions
پروژه شماره 3: خلاصه کردن با LangChain و OpenAI
Project #3: Summarizing With LangChain and OpenAI
معرفی پروژه
Project Introduction
خلاصه کردن با استفاده از یک دستور اولیه
Summarizing Using a Basic Prompt
خلاصه کردن با استفاده از Prompt Templates
Summarizing using Prompt Templates
خلاصه کردن با استفاده از StuffDocumentsChain
Summarizing Using StuffDocumentsChain
خلاصه کردن اسناد بزرگ با استفاده از map_reduce
Summarizing Large Documents Using map_reduce
map_reduce با درخواست های سفارشی
map_reduce With Custom Prompts
خلاصه کردن با استفاده از CombineDocumentChain اصلاح شده
Summarizing Using the refine CombineDocumentChain
با درخواست های سفارشی اصلاح کنید
refine With Custom Prompts
خلاصه کردن با استفاده از LangChain Agents
Summarizing Using LangChain Agents
پروژه شماره 4: ساخت یک برنامه ChatGTP سفارشی با LangChain و Streamlit
Project #4: Building a Custom ChatGTP App with LangChain and Streamlit
معرفی پروژه
Project Introduction
ساخت اپلیکیشن
Building the App
نمایش تاریخچه چت
Displaying the Chat History
تست اپلیکیشن
Testing the App
[پیوست]: ایجاد رابط های وب برای برنامه های LLM با استفاده از Streamlit
[Appendix]: Creating Web Interfaces for LLM Applications Using Streamlit
بخش منابع
Section Resources
مقدمه ای بر Streamlit
Introduction to Streamlit
مفاهیم اصلی Streamlit
Streamlit Main Concepts
نمایش داده ها روی صفحه: st.write() و Magic
Displaying Data on the Screen: st.write() and Magic
ابزارک ها، قسمت 1: متن_ورودی، عدد_ورودی، دکمه
Widgets, Part 1: text_input, number_input, button
ابزارک ها، قسمت 2: چک باکس، رادیو، انتخاب کنید
Widgets, Part 2: checkbox, radio, select
ابزارک ها، قسمت 3: نوار لغزنده، فایل_آپلودکننده، دوربین_ورودی، تصویر
Widgets, Part 3: slider, file_uploader, camera_input, image
طرح بندی: نوار کناری
Layout: Sidebar
چیدمان: ستون ها
Layout: Columns
چیدمان: گسترش دهنده
Layout: Expander
نمایش نوار پیشرفت
Displaying a Progress Bar
وضعیت جلسه
Session State
تماس های تلفنی
Callbacks
بعد چه می شود؟
What's Next?
[پیوست]: برنامه نویسی پایتون
[Appendix]: Python Programming
README
README
در حالی که و ادامه بیانیه ها
While and continue Statements
بیانیههای while و break
While and break Statements
فهرست برش و تکرار
List Slicing and Iteration
درک لیست - قسمت 1
List Comprehension - Part 1
درک لیست - قسمت 2
List Comprehension - Part 2
کار با دیکشنری ها
Working with Dictionaries
سریال سازی داده های JSON
JSON Data Serialization
JSON Deserialization
JSON Data Deserialization
تکلیف: JSON و Requests/REST API
Assignment: JSON and Requests/REST API
پاسخ تکلیف: JSON و Requests/REST API
Assignment Answer: JSON and Requests/REST API
بخش پاداش
BONUS SECTION
تبریک می گویم
Congratulations
جایزه: با تشکر از شما هدیه!
BONUS: THANK YOU GIFT!
نمایش نظرات