After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Grundläggande för utveckling i LangChain-ekosystemet
Utöka din LLM-verktygslåda med LangChains ekosystem, vilket möjliggör sömlös integration med modeller från OpenAI och Hugging Face. Upptäck ett ramverk med öppen källkod som optimerar verkliga tillämpningar och låter dig skapa sofistikerade informationssökningssystem som är unika för ditt användningsområde.Metoder för att skapa chattbotar med LangChain
Använd LangChain-verktyg för att utveckla chattbotar och jämför nyanserna mellan HuggingFaces öppen källkod-modeller och OpenAIs slutna modeller. Använd promptmallar för komplexa konversationer och lägg grunden för avancerad chatbotutveckling.Datahantering och Retrieval Augmentation Generation (RAG) med LangChain
Bemästra tokenisering och vektordatabaser för optimerad datahämtning, och berika chatbotinteraktioner med en mängd extern information. Använd RAG-minnesfunktioner för att optimera olika användningsområden.Avancerade integrationer för kedjor, verktyg och agenter
Utnyttja kraften i kedjor, verktyg, agenter, API:er och intelligent beslutsfattande för att hantera kompletta end-to-end-användningsfall och avancerad hantering av LLM-utdata.Felsökning och prestandamått
Slutligen blir du skicklig på felsökning, optimering och prestandautvärdering, så att dina chattbotar utvecklas med robust felhantering. Lägg till lager av transparens för felsökning.Förkunskapskrav
Kursplan
Kursöversikt
1
Introduktion till LangChain och chattbot-mekanik
Välkommen till LangChain-ramverket för att bygga applikationer med LLM:er! Du lär dig om de viktigaste komponenterna i LangChain – modeller, kedjor, agenter, promptar och parsers. Du skapar chattbotar med både öppna modeller från Hugging Face och proprietära modeller från OpenAI, bygger promptmallar och integrerar olika minnestrategier för chattbotar för att hantera kontext och resurser under konversationer.
- LangChain-ekosystemet50 XP
- OpenAI-modeller i LangChain!100 XP
- Hugging Face-modeller i LangChain!100 XP
- Promptmallar50 XP
- Promptmallar och kedjor100 XP
- Promptmallar för chatt100 XP
- Few-shot-promptning50 XP
- Skapa uppsättningen med few-shot-exempel100 XP
- Bygg few-shot-promptmallen100 XP
- Implementera few-shot-promptning100 XP
2
Kedjor och agenter
Nu tar vi LangChain-kedjorna till nästa nivå! Du lär dig att använda LangChain Expression Language (LCEL) för att definiera kedjor med större flexibilitet. Du skapar sekventiella kedjor där indata skickas mellan komponenter för att bygga mer avancerade applikationer. Du börjar också integrera agenter som använder LLM:er för beslutsfattande.
3
Retrieval Augmented Generation (RAG)
En begränsning med LLM:er är att deras kunskap har ett slutdatum, eftersom de tränats på data fram till en viss tidpunkt. I det här kapitlet lär du dig att skapa applikationer som använder Retrieval Augmented Generation (RAG) för att integrera extern data med LLM:er. RAG-arbetsflödet innehåller flera olika steg – bland annat att dela upp data, skapa och lagra inbäddningar i en vektordatabas samt hämta den mest relevanta informationen för användning i applikationen. Du får lära dig att behärska hela arbetsflödet!
Utveckla LLM-applikationer med LangChain
Kurs
slutförd
