After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, 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
Curriculum
Structura 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
