After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Основы разработки в экосистеме LangChain
Расширьте свой набор инструментов для LLM с помощью экосистемы LangChain, обеспечивая бесшовную интеграцию с моделями OpenAI и Hugging Face. Откройте для себя фреймворк с открытым исходным кодом, который оптимизирует реальные приложения и позволяет создавать сложные системы поиска информации, уникальные для вашего сценария использования.Методологии создания чат-ботов с использованием LangChain
Используйте инструменты LangChain для разработки чат-ботов, сравнивая нюансы между открытыми моделями HuggingFace и закрытыми моделями OpenAI. Используйте шаблоны промптов для сложных диалогов, закладывая основу для разработки продвинутых чат-ботов.Обработка данных и генерация с дополненным поиском (RAG) с использованием LangChain
Освойте токенизацию и векторные базы данных для оптимизированного поиска данных, обогащая взаимодействие с чат-ботами большим объемом внешней информации. Используйте функции памяти RAG для оптимизации различных сценариев использования.Продвинутые интеграции цепочек, инструментов и агентов
Используйте возможности цепочек, инструментов, агентов, API и интеллектуального принятия решений, чтобы решать комплексные сквозные сценарии и продвинутую обработку результатов LLM.Отладка и показатели производительности
Наконец, овладейте отладкой, оптимизацией и оценкой производительности, чтобы ваши чат-боты были разработаны с учетом обработки ошибок. Добавьте уровни прозрачности для устранения неполадок.Предварительные требования
Программа
Структура курса
1
Введение в LangChain и механику чат-ботов
Добро пожаловать в мир фреймворка LangChain для создания приложений на основе LLM! Вы познакомитесь с основными компонентами LangChain: моделями, цепочками, агентами, промптами и парсерами. Вы создадите чат-боты на базе открытых моделей Hugging Face и проприетарных моделей OpenAI, научитесь составлять шаблоны промптов и интегрировать различные стратегии памяти чат-бота для управления контекстом и ресурсами в ходе диалога.
- Экосистема LangChain50 XP
- Модели OpenAI в LangChain!100 XP
- Модели Hugging Face в LangChain!100 XP
- Шаблоны запросов50 XP
- Шаблоны запросов и цепочки100 XP
- Шаблоны чат-промптов100 XP
- Промптинг с примерами (few-shot prompting)50 XP
- Создание набора примеров для метода few-shot100 XP
- Создание шаблона few-shot промпта100 XP
- Реализация few-shot промптинга100 XP
2
Цепочки и агенты
Пришло время поднять уровень ваших цепочек LangChain! Вы научитесь использовать LangChain Expression Language (LCEL) для гибкого определения цепочек. Вы будете создавать последовательные цепочки, в которых данные передаются между компонентами для построения более сложных приложений. Также вы начнёте работать с агентами, которые используют LLM для принятия решений.
3
Retrieval Augmented Generation (RAG)
Одно из ограничений LLM — наличие временного порога знаний, поскольку модели обучаются на данных лишь до определённого момента. В этой главе вы научитесь создавать приложения, использующие Retrieval Augmented Generation (RAG) для интеграции внешних данных с LLM. Рабочий процесс RAG включает несколько этапов: разбиение данных, создание и хранение эмбеддингов в векторной базе данных, а также извлечение наиболее релевантной информации для использования в приложении. Вы освоите весь этот процесс от начала до конца!
Разработка LLM-приложений с помощью LangChain
Курс
завершён
