Accéder au contenu principal
AccueilPython

Cours

Développement d'applications LLM avec LangChain

IntermédiaireNiveau de compétence
Actualisé 01/2026
Découvrez comment créer des applications alimentées par l'IA en utilisant des LLM, des invites, des chaînes et des agents dans LangChain.
Commencer le cours gratuitement
PythonArtificial Intelligence
3 h
10 vidéos
33 Exercices
2,750 XP
46,560
Certificat de formation

Créez votre compte gratuitement

Continuer avec GoogleAfficher plus d’options

ou


En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.

Apprécié par des utilisateurs provenant de milliers d'entreprises

Group

Former une équipe ?

Essayez pour les entreprises

Description du cours

Les bases du développement de l'écosystème LangChain

Augmentez votre boîte à outils LLM avec l'écosystème de LangChain, permettant une intégration transparente avec les modèles OpenAI et Hugging Face. Découvrez un framework open-source qui optimise les applications du monde réel et vous permet de créer des systèmes de recherche d'information sophistiqués et uniques en leur genre.

Méthodologies de création de chatbot à l'aide de LangChain

Utilisez les outils LangChain pour développer des chatbots, en comparant les nuances entre les modèles open-source de HuggingFace et les modèles fermés d'OpenAI. Utilisez des modèles d'invite pour des conversations complexes, en jetant les bases d'un développement avancé du chatbot.

Traitement des données et génération d'augmentation de la recherche (RAG) à l'aide de LangChain

Maîtrisez la tokenisation et les bases de données vectorielles pour optimiser la récupération des données, en enrichissant les interactions du chatbot d'une multitude d'informations externes. Utilisez les fonctions de mémoire de RAG pour optimiser divers cas d'utilisation.

Intégrations avancées de chaînes, d'outils et d'agents

Utilisez la puissance des chaînes, des outils, des agents, des API et de la prise de décision intelligente pour gérer les cas d'utilisation de bout en bout et le traitement avancé des sorties LLM.

Débogage et mesures de performance

Enfin, devenez compétent en matière de débogage, d'optimisation et d'évaluation des performances, en veillant à ce que vos chatbots soient développés pour gérer les erreurs. Ajoutez des couches de transparence pour résoudre les problèmes.

Prérequis

Introduction to Embeddings with the OpenAI APIPrompt Engineering with the OpenAI API
1

Introduction à LangChain et au fonctionnement des chatbots

Bienvenue dans le framework LangChain pour concevoir des applications sur les LLM. Vous découvrirez les principaux composants de LangChain, notamment les modèles, les chaînes, les agents, les prompts et les analyseurs syntaxiques. Vous créerez des chatbots à l'aide de modèles open source de Hugging Face et de modèles propriétaires d'OpenAI, vous créerez des modèles de prompts instantanés et intégrerez différentes stratégies de mémoire pour les chatbots afin de gérer le contexte et les ressources pendant les conversations.
Commencer le chapitre
2

Chaînes et agents

Il est temps de passer au niveau supérieur avec vos chaînes LangChain ! Vous apprendrez à utiliser le LangChain Expression Language (LCEL) pour définir des chaînes avec plus de flexibilité. Vous allez créer des chaînes séquentielles, dans lesquelles les entrées sont transmises entre les composants afin de créer des applications plus avancées. Vous commencerez également à intégrer des agents qui utilisent les LLM pour la prise de décision.
Commencer le chapitre
3

Génération à enrichissement contextuel (RAG)

Une des limites des LLM réside dans le fait qu'ils ont une connaissance limitée, car ils ont été entraînés à partir de données collectées jusqu'à un certain point. Dans ce chapitre, vous apprendrez à créer des applications qui utilisent la Génération à enrichissement contextuel (RAG) pour intégrer des données externes à des modèles de langage naturel (LLM). Le flux de travail RAG comprend plusieurs processus différents, notamment la division des données, la création et le stockage des intégrations à l'aide d'une base de données vectorielle, ainsi que la récupération des informations les plus pertinentes pour une utilisation dans l'application. Vous apprendrez à maîtriser l'ensemble du processus de travail.
Commencer le chapitre
Développement d'applications LLM avec LangChain
Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performance
S'inscrire maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Développement d'applications LLM avec LangChain dès aujourd'hui !

Créez votre compte gratuitement

Continuer avec GoogleAfficher plus d’options

ou


En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.