دوره آموزشی فشرده LangChain - آخرین آپدیت
دانلود LangChain Crash Course
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
به دوره آموزشی LangChain خوش آمدید
به دوره آموزشی LangChain خوش آمدید. LangChain یک فریمورک طراحی شده برای ساخت برنامههای کاربردی است که توسط مدلهای زبانی بزرگ (LLMs) پشتیبانی میشوند. این فریمورک ابزارها و انتزاعهایی را فراهم میکند تا ادغام LLMها در برنامهها را آسانتر کند، و امکان انجام وظایفی مانند پاسخ به سوالات، تولید متن، نسلدهی افزوده بازیابی (RAG)، چتباتها و موارد دیگر را فراهم میکند.
موارد استفاده از LangChain
در اینجا برخی از موارد استفاده از LangChain آورده شده است:
- پاسخ به سوالات: ساخت سیستمهایی که با بازیابی اطلاعات مرتبط و تولید پاسخ با استفاده از LLMها به سوالات پاسخ میدهند.
- چتباتها: ایجاد عوامل مکالمهای که میتوانند در طول تعاملات، زمینه را حفظ کنند.
- نسلدهی افزوده بازیابی (RAG): ترکیب بازیابی اسناد مرتبط با تولید متن برای پاسخهای دقیقتر و آگاه از زمینه.
- خلاصهسازی متن: تولید خلاصههایی از اسناد یا مقالات طولانی.
- تولید کد: ساخت ابزارهایی که کد را بر اساس توضیحات زبان طبیعی تولید میکنند.
- دستیارهای شخصی: ایجاد دستیارهای مجازی که میتوانند وظایفی مانند زمانبندی، پیشنویس ایمیل یا بازیابی اطلاعات را انجام دهند.
درسهای دوره
LangChain – مقدمه
- LangChain - مقدمه، ویژگیها و موارد استفاده
- Chaining در LangChain چیست
LangChain – اجزا
- اجزا/ماژولهای LangChain
- Preprocessing Component of LangChain (اجزای پیشپردازش LangChain)
- Models Component of LangChain (اجزای مدلهای LangChain)
- Prompts Component of LangChain (اجزای Prompts LangChain)
- Memory Component of LangChain (اجزای حافظه LangChain)
- Chains Component of LangChain (اجزای زنجیرههای LangChain)
- Indexes Component of LangChain (اجزای ایندکسها LangChain)
- Agents Component of LangChain (اجزای عوامل LangChain)
LangChain با RAG
- LangChain با RAG - فرآیند
- LangChain با RAG - مثال نهایی کدنویسی
آنچه یاد خواهید گرفت
- یادگیری LangChain از ابتدا
- درک گردش کار LangChain
- خلاصه کردن چندین سند PDF با استفاده از LangChain و RAG
- درک chaining در LangChain
- آشنایی با اجزای LangChain با مثال
- بارگیری و تجزیه اسناد PDF
- تقسیم اسناد به قطعات
- تنظیم مدلهای تعبیهسازی
- یادگیری ایجاد یک فروشگاه برداری از قطعات سند
- تنظیم یک LLM محلی
- یادگیری ایجاد یک زنجیره QA
این دوره برای چه کسانی است
- کسانی که میخواهند سفر هوش مصنوعی خود را آغاز کنند
- علاقهمندان مبتدی به هوش مصنوعی
- یادگیری LangChain با RAG
- کسانی که میخواهند chaining در LangChain را درک کنند
- کسانی که میخواهند چندین سند PDF را خلاصه کنند
توجه: ما Google Colab Notebook را که در کلاس اجرا کردیم، پیوست کردهایم.
سرفصل ها و درس ها
Lessons-درس ها Lessons
-
About Course-درباره دوره About Course
-
LangChain - Introduction, Features, and Use Cases-لنگچین – مقدمه، ویژگی ها و موارد استفاده LangChain - Introduction, Features, and Use Cases
-
What is Chaining in LangChain-چینینگ در لنگچین چیست What is Chaining in LangChain
-
Components/ Modules of LangChain-اجزا/ ماژول های لنگچین Components/ Modules of LangChain
-
Preprocessing Component of LangChain-اجزای پیش پردازش لنگچین Preprocessing Component of LangChain
-
Models Component of LangChain-اجزای مدل های لنگچین Models Component of LangChain
-
Prompts Component of LangChain-اجزای Prompts لنگچین Prompts Component of LangChain
-
Memory Component of LangChain-اجزای Memory لنگچین Memory Component of LangChain
-
Chains Component of LangChain-اجزای Chains لنگچین Chains Component of LangChain
-
Indexes Component of LangChain-اجزای Indexes لنگچین Indexes Component of LangChain
-
Agents Component of LangChain-اجزای Agents لنگچین Agents Component of LangChain
-
LangChain with RAG - Process-لنگچین با RAG – فرآیند LangChain with RAG - Process
-
LangChain with RAG - Final Coding Example-لنگچین با RAG – مثال نهایی کدنویسی LangChain with RAG - Final Coding Example
https://donyad.com/d/49240e
Amit Diwan
مربی شرکتی
من آمیت دیوان هستم. من به دانشآموزان، مهندسان و متخصصان فنآوریهای متنوعی از جمله Python، Java، SQL، MongoDB و غیره آموزش دادهام.
نمایش نظرات