لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Gen AI - توسعه برنامه RAG با استفاده از LangChain
- آخرین آپدیت
Gen AI - RAG Application Development using LangChain
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
توسعه برنامههای قدرتمند RAG با استفاده از APIهای Open AI GPT، چارچوب LangChain LLM و پایگاههای داده برداری. Chains و LCEL (LangChain Expression Language) با استفاده از Retreivers، Agents و Tools حافظه مکالمه پروژه های RAG چندگانه با انواع منبع و کاربرد تجاری
این دوره آموزشی در مورد توسعه برنامههای RAG با استفاده از APIهای Open AI GPT، چارچوب LangChain LLM و پایگاههای داده برداری در نظر گرفته شده است تا به زبانآموزانی که میخواهند یک مهارت مفهومی و عملی قوی ایجاد کنند، قادر به حل پروژههای اتوماسیون RAG باشند که به آنها داده شده است. . این دوره تمام جنبه های اولیه LLM و چارچوب ها مانند Agents، Tools، Chains، Retrievers، Output Parsers، Loader و Splitters و غیره را به شیوه ای بسیار کامل با کدنویسی دستی کافی پوشش می دهد. همچنین در مفاهیم جاسازیهای زبانی و پایگاههای داده برداری به شما کمک میکند تا جستجوی معنایی کارآمد و برنامههای RAG مبتنی بر شباهت معنایی را توسعه دهید. ما همچنین چندین تکنیک مهندسی سریع را پوشش خواهیم داد که برنامه های RAG شما را کارآمدتر می کند.
لیست پروژه های شامل:
SQL RAG: زبان طبیعی را به دستورات SQL تبدیل کنید و در پایگاه داده MySQL خود اعمال کنید تا نتایج دلخواه را استخراج کنید.
RAG با حافظه مکالمه: یک برنامه RAG ساده با حافظه مکالمه ایجاد کنید.
تجزیه و تحلیل CV: یک سند CV را بارگیری کنید و اطلاعات کلیدی مبتنی بر JSON را از سند استخراج کنید.
گفتگوی HR Chatbot : یک چت ربات جامع منابع انسانی ایجاد کنید که قادر به پاسخگویی از یک پایگاه داده خط مشی منابع انسانی و رویه بارگذاری شده در یک DB بردار باشد و حافظه مکالمه مانند ChatGPT را حفظ کند. ایجاد رابط کاربری با استفاده از Streamlit.
تجزیه و تحلیل دادههای ساختاریافته: دادههای ساختیافته را در یک Pandas Dataframe بارگیری کنید و از یک عامل ReAct Few-Shot برای انجام تحلیلهای پیچیده استفاده کنید.
استخراج کننده داده های فاکتور: چندین فاکتور را آپلود کرده و اطلاعات کلیدی را در قالب CSV استخراج کنید. ایجاد رابط کاربری با استفاده از Streamlit.
برای هر پروژه، یاد خواهید گرفت:
- مشکل کسب و کار
- چه اجزای LLM و LangChain استفاده می شود
- نتایج را تجزیه و تحلیل کنید
- موارد استفاده مشابه دیگری که می توانید با رویکردی مشابه حل کنید، چیست.
سرفصل ها و درس ها
معرفی
Introduction
مقدمه دوره
Introduction to the Course
مقدمه دوره
Introduction to the Course
مقدمه ای بر مدل های زبان بزرگ
Introduction to Large Language Models
مقدمه ای بر مدل های زبان بزرگ
Introduction to Large Language Models
مقدمه ای بر چارچوب LangChain
Introduction to LangChain Framework
مقدمه ای بر چارچوب LangChain
Introduction to LangChain Framework
مقدمه ای بر Prompts
Introduction to Prompts
مقدمه ای بر Prompts
Introduction to Prompts
راه اندازی محیط
Environment Setup
راه اندازی محیط
Environment Setup
کد نسخه ی نمایشی - روش های ساده برای تشکیل یک Prompt و استفاده از آن برای زنجیره با یک مدل
Code Demo - Simple ways of forming a Prompt and using it to Chain with a Model
کد نسخه ی نمایشی - روش های ساده برای تشکیل یک Prompt و استفاده از آن برای زنجیره با یک مدل
Code Demo - Simple ways of forming a Prompt and using it to Chain with a Model
معرفی
Introduction
مفاهیم اساسی LangChain
LangChain Fundamental Concepts
شروع کار با الگوی درخواستی و الگوی درخواست چت
Getting Started with prompt Template and Chat Prompt Template
شروع کار با الگوی درخواستی و الگوی درخواست چت
Getting Started with prompt Template and Chat Prompt Template
کار با عوامل و ابزار
Working with Agents and Tools
کار با عوامل و ابزار
Working with Agents and Tools
عوامل و ابزار - پیشرفته
Agents and Tools - Advanced
عوامل و ابزار - پیشرفته
Agents and Tools - Advanced
لودرها و شکاف کننده های اسناد
Document Loaders and Splitters
لودرها و شکاف کننده های اسناد
Document Loaders and Splitters
کار با تجزیه کننده های خروجی
Working with Output Parsers
کار با تجزیه کننده های خروجی
Working with Output Parsers
جاسازی های زبان و پایگاه های داده برداری
Language Embeddings and Vector Databases
جاسازی های زبان و پایگاه های داده برداری
Language Embeddings and Vector Databases
اولین برنامه RAG ما با استفاده از Vector DB
Our first RAG Application using a Vector DB
اولین برنامه RAG ما با استفاده از Vector DB
Our first RAG Application using a Vector DB
انواع زنجیره - موارد، نقشه-کاهش و پالایش
Chain Types - Stuff, Map-Reduce and Refine
انواع زنجیره - موارد، نقشه-کاهش و پالایش
Chain Types - Stuff, Map-Reduce and Refine
LCEL - زبان بیان LangChain
LCEL - LangChain Expression Language
LCEL - زبان بیان LangChain
LCEL - LangChain Expression Language
مفاهیم اساسی LangChain
LangChain Fundamental Concepts
برنامه ها و پروژه های RAG
RAG Applications and Projects
کار با SQL Data - RAG App
Working with SQL Data - RAG App
کار با SQL Data - RAG App
Working with SQL Data - RAG App
RAG با حافظه مکالمه
RAG with Conversational Memory
RAG با حافظه مکالمه
RAG with Conversational Memory
یک برنامه آپلود CV و جستجوی CV ایجاد کنید
Create a CV Upload and CV Search Application
یک برنامه آپلود CV و جستجوی CV ایجاد کنید
Create a CV Upload and CV Search Application
یک ربات گفتگوی گفتگوی پرس و جوی وب سایت - پروژه ایجاد کنید
Create a Website Query Conversational Chatbot - Project
یک ربات گفتگوی گفتگوی پرس و جوی وب سایت - پروژه ایجاد کنید
Create a Website Query Conversational Chatbot - Project
تجزیه و تحلیل داده های ساخت یافته از CSV/Excel با استفاده از زبان طبیعی
Analysis of Structured Data from a CSV/Excel using Natural Language
تجزیه و تحلیل داده های ساخت یافته از CSV/Excel با استفاده از زبان طبیعی
Analysis of Structured Data from a CSV/Excel using Natural Language
برنامه استخراج فاکتور RAG
Invoice Extraction RAG Application
برنامه استخراج فاکتور RAG
Invoice Extraction RAG Application
برنامه ها و پروژه های RAG
RAG Applications and Projects
نمایش نظرات