După ce am parcurs aceste cursuri, mă simt încrezător să creez vizualizări și tablouri de bord profesionale
Shoebur RahmanSpecialist în achiziții, Giz Bangladesh
Descrierea cursului
Fundamente pentru dezvoltarea în ecosistemul LangChain
Îmbogățește-ți setul de instrumente pentru LLM-uri cu ecosistemul LangChain, permițând integrarea fără probleme cu modelele OpenAI și Hugging Face. Descoperiți un framework open-source care optimizează aplicațiile din lumea reală și vă permite să creați sisteme sofisticate de regăsire a informațiilor, unice pentru cazul dvs. de utilizare.Metodologii de creare a chatboturilor folosind LangChain
Utilizează instrumentele LangChain pentru a dezvolta chatboți, comparând nuanțele dintre modelele open-source de la HuggingFace și modelele closed-source de la OpenAI. Utilizați șabloane de prompt pentru conversații complexe, punând bazele dezvoltării avansate a chatboturilor.Gestionarea datelor și generarea augmentată prin recuperare (RAG) folosind LangChain
Stăpânește tokenizarea și bazele de date vectoriale pentru o recuperare optimizată a datelor, îmbogățind interacțiunile cu chatbotul cu o multitudine de informații externe. Utilizați funcțiile de memorie RAG pentru a optimiza diverse cazuri de utilizare.Integrări avansate Chain, Tool și Agent
Folosește puterea lanțurilor, instrumentelor, agenților, API-urilor și a luării inteligente a deciziilor pentru a gestiona cazuri de utilizare complete, de la cap la coadă, și procesarea avansată a rezultatelor LLM.Depanare și metrici de performanță
În cele din urmă, devino competent în depanare, optimizare și evaluarea performanței, asigurându-te că chatboturile tale sunt dezvoltate pentru gestionarea erorilor. Adaugă straturi de transparență pentru depanare.Cerințe prealabile
Programă
Planul cursului
1
Introducere în LangChain și mecanica chatbot-urilor
Bun venit în framework-ul LangChain pentru construirea de aplicații pe baza LLM-urilor! Vei învăța despre principalele componente ale LangChain, inclusiv modele, lanțuri, agenți, prompt-uri și parsere. Vei crea chatbot-uri folosind atât modele open-source de la Hugging Face, cât și modele proprietare de la OpenAI, vei crea șabloane de prompt și vei integra diferite strategii de memorie pentru chatbot-uri, în vederea gestionării contextului și a resurselor în cadrul conversațiilor.
- Ecosistemul LangChain50 XP
- Modele OpenAI în LangChain!100 XP
- Modele Hugging Face în LangChain!100 XP
- Șabloane de prompturi50 XP
- Șabloane de prompt și înlănțuire100 XP
- Șabloane de prompt pentru chat100 XP
- Prompting cu exemple50 XP
- Crearea setului de exemple pentru few-shot prompting100 XP
- Construirea șablonului de prompt cu few-shot100 XP
- Implementarea few-shot prompting100 XP
2
Lanțuri și agenți
Este momentul să treci la nivelul următor cu lanțurile LangChain! Vei învăța să folosești LangChain Expression Language (LCEL) pentru a defini lanțuri cu mai multă flexibilitate. Vei crea lanțuri secvențiale, în care datele de intrare sunt transmise între componente pentru a construi aplicații mai avansate. De asemenea, vei începe să integrezi agenți, care utilizează LLM-uri pentru luarea deciziilor.
3
Retrieval Augmented Generation (RAG)
O limitare a LLM-urilor este că au o dată-limită a cunoștințelor, deoarece sunt antrenate pe date până la un anumit moment. În acest capitol, vei învăța să creezi aplicații care utilizează Retrieval Augmented Generation (RAG) pentru a integra date externe cu LLM-uri. Fluxul de lucru RAG include câteva procese distincte: divizarea datelor, crearea și stocarea embedding-urilor într-o bază de date vectorială și recuperarea celor mai relevante informații pentru utilizarea în aplicație. Vei învăța să stăpânești întregul flux de lucru!
Developing LLM Applications with LangChain
Curs
finalizat
