After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Fundament voor ontwikkeling in het LangChain-ecosysteem
Breid je LLM-toolkit uit met het LangChain-ecosysteem, waarmee je naadloos kunt integreren met OpenAI- en Hugging Face-modellen. Ontdek een open-source framework dat echte toepassingen optimaliseert en je in staat stelt om geavanceerde information retrieval-systemen te creëren die uniek zijn voor je use case.Chatbot-creatiemethodologieën met behulp van LangChain
Gebruik LangChain-tools om chatbots te ontwikkelen en vergelijk de nuances tussen de open-sourcemodellen van HuggingFace en de gesloten-sourcemodellen van OpenAI. Gebruik prompt-sjablonen voor complexe gesprekken en leg zo de basis voor geavanceerde chatbotontwikkeling.Gegevensverwerking en Retrieval Augmentation Generation (RAG) met LangChain
Beheers tokenisatie en vectordatabases voor geoptimaliseerde gegevensopvraging, en verrijk chatbot-interacties met een schat aan externe informatie. Maak gebruik van RAG-geheugenfuncties om diverse use cases te optimaliseren.Geavanceerde integraties van ketens, tools en agenten
Maak gebruik van de kracht van ketens, tools, agenten, API's en intelligente besluitvorming om volledige end-to-end use-cases en geavanceerde LLM-outputafhandeling te realiseren.Debuggen en prestatiemetingen
Word tenslotte bedreven in debuggen, optimalisatie en prestatie-evaluatie, zodat je chatbots ontwikkeld worden met aandacht voor foutafhandeling. Voeg lagen van transparantie toe voor probleemoplossing.Vereisten
Curriculum
Cursusoverzicht
1
Introductie tot LangChain & chatbotmechaniek
Welkom bij het LangChain-framework voor het bouwen van applicaties met LLM’s! Je leert over de belangrijkste onderdelen van LangChain, waaronder modellen, chains, agents, prompts en parsers. Je bouwt chatbots met zowel open-sourcemodellen van Hugging Face als propriëtaire modellen van OpenAI, maakt promptsjablonen en integreert verschillende geheugenstrategieën voor chatbots om context en resources tijdens gesprekken te beheren.
- Het LangChain-ecosysteem50 XP
- OpenAI-modellen in LangChain!100 XP
- Hugging Face-modellen in LangChain!100 XP
- Prompt-templates50 XP
- Prompttemplates en chaining100 XP
- Chatprompt-sjablonen100 XP
- Few-shot prompting50 XP
- De few-shot-voorbeelden maken100 XP
- Een few-shot prompttemplate bouwen100 XP
- Few-shot prompting implementeren100 XP
2
Chains en agents
Tijd om je LangChain-chains naar een hoger niveau te tillen! Je leert de LangChain Expression Language (LCEL) gebruiken om chains flexibeler te definiëren. Je maakt sequentiële chains, waarbij invoer tussen componenten wordt doorgegeven om geavanceerdere applicaties te bouwen. Ook begin je met het integreren van agents, die LLM’s gebruiken voor besluitvorming.
3
Retrieval Augmented Generation (RAG)
Een beperking van LLM’s is dat ze een kennisafbakening hebben doordat ze zijn getraind op data tot een bepaald moment. In dit hoofdstuk leer je applicaties bouwen die Retrieval Augmented Generation (RAG) gebruiken om externe data met LLM’s te integreren. De RAG-workflow bestaat uit meerdere stappen, zoals data opsplitsen, embeddings maken en opslaan met een vectordatabank, en de meest relevante informatie ophalen voor gebruik in de applicatie. Je leert de volledige workflow beheersen!
LLM-toepassingen ontwikkelen met LangChain
Cursus
voltooid
