Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Podstawy tworzenia w ekosystemie LangChain
Rozszerz swój zestaw narzędzi do LLM dzięki ekosystemowi LangChain, umożliwiając płynną integrację z modelami OpenAI i Hugging Face. Odkryj framework open source, który optymalizuje rzeczywiste aplikacje i pozwala tworzyć zaawansowane systemy wyszukiwania informacji, dopasowane do Twojego konkretnego przypadku użycia.Metody tworzenia chatbotów z użyciem LangChain
Wykorzystaj narzędzia LangChain do tworzenia chatbotów, porównując niuanse między otwartoźródłowymi modelami HuggingFace a zamkniętymi modelami OpenAI. Wykorzystuj szablony promptów do złożonych rozmów, tworząc fundament pod zaawansowany rozwój chatbotów.Obsługa danych i generowanie wspomagane wyszukiwaniem (RAG) z użyciem LangChain
Opanuj tokenizację i bazy wektorowe, aby zoptymalizować wyszukiwanie danych i wzbogacić interakcje z chatbotem o bogactwo zewnętrznych informacji. Wykorzystaj funkcje pamięci RAG, aby zoptymalizować różnorodne zastosowania.Zaawansowane integracje łańcuchów, narzędzi i agentów
Wykorzystaj moc łańcuchów, narzędzi, agentów, API i inteligentnego podejmowania decyzji, aby obsługiwać pełne przypadki użycia end-to-end oraz zaawansowaną obsługę wyników LLM.Debugowanie i metryki wydajności
Wreszcie opanuj debugowanie, optymalizację i ocenę wydajności, aby Twoje chatboty były tworzone z myślą o obsłudze błędów. Dodaj warstwy przejrzystości, aby ułatwić rozwiązywanie problemów.Wymagania wstępne
Program nauczania
Plan kursu
1
Wprowadzenie do LangChain i mechaniki chatbotów
Witaj w świecie frameworka LangChain do budowania aplikacji na bazie modeli LLM! Poznasz główne komponenty LangChain: modele, łańcuchy, agenty, prompty i parsery. Stworzysz chatboty z użyciem modeli open-source z Hugging Face oraz modeli komercyjnych od OpenAI, nauczysz się tworzyć szablony promptów i integrować różne strategie pamięci chatbota, aby zarządzać kontekstem i zasobami podczas rozmów.
- Ekosystem LangChain50 XP
- Modele OpenAI w LangChain!100 XP
- Modele Hugging Face w LangChain!100 XP
- Szablony promptów50 XP
- Szablony promptów i łańcuchy100 XP
- Szablony promptów czatu100 XP
- Prompting z przykładami (few-shot prompting)50 XP
- Tworzenie zbioru przykładów do few-shot prompting100 XP
- Budowanie szablonu promptu few-shot100 XP
- Implementacja promptowania few-shot100 XP
2
Łańcuchy i agenty
Czas przenieść swoje łańcuchy LangChain na wyższy poziom! Nauczysz się korzystać z LangChain Expression Language (LCEL) do elastycznego definiowania łańcuchów. Stworzysz łańcuchy sekwencyjne, w których dane przekazywane są między komponentami, umożliwiając budowanie bardziej zaawansowanych aplikacji. Zaczniesz też integrować agenty, które wykorzystują modele LLM do podejmowania decyzji.
3
Retrieval Augmented Generation (RAG)
Jednym z ograniczeń modeli LLM jest to, że ich wiedza ma określoną datę graniczną – są trenowane na danych zebranych do pewnego momentu. W tym rozdziale nauczysz się tworzyć aplikacje wykorzystujące Retrieval Augmented Generation (RAG) do integrowania zewnętrznych danych z modelami LLM. Przepływ pracy RAG obejmuje kilka procesów: dzielenie danych, tworzenie i przechowywanie osadzeń w wektorowej bazie danych oraz pobieranie najbardziej trafnych informacji do użycia w aplikacji. Opanujesz cały ten proces!
Tworzenie aplikacji LLM z LangChain
Kurs
ukończony
