دوره جامع ChatGPT و LangChain برای توسعه‌دهندگان

دوره جامع ChatGPT و LangChain برای توسعه‌دهندگان

11 : 57 : 46
0.0

تدریس توسط مدرس مطرح Stephen Grider با سابقه آموزش میلیون‌ها دانشجو بیش از 12 ساعت آموزش فشرده و عملی شامل ساخت پروژه‌هایی با پیچیدگی فزاینده پوشش کامل APIهای OpenAI، LangChain و معماری برنامه‌های هوش مصنوعی بدون نیاز به تجربه قبلی در توسعه وب – فقط آشنایی ابتدایی با پایتون کافی است

کد یاد
کدیاد

تریلر دوره

توضیحات کامل دوره

تدریس توسط مدرس مطرح Stephen Grider با سابقه آموزش میلیون‌ها دانشجو بیش از 12 ساعت آموزش فشرده و عملی شامل ساخت پروژه‌هایی با پیچیدگی فزاینده پوشش کامل APIهای OpenAI، LangChain و معماری برنامه‌های هوش...

تدریس توسط مدرس مطرح Stephen Grider با سابقه آموزش میلیون‌ها دانشجو بیش از 12 ساعت آموزش فشرده و عملی شامل ساخت پروژه‌هایی با پیچیدگی فزاینده پوشش کامل APIهای OpenAI، LangChain و معماری برنامه‌های هوش مصنوعی بدون نیاز به تجربه قبلی در توسعه وب – فقط آشنایی ابتدایی با پایتون کافی است

سرفصل‌های دوره

  • How to Get Help
    00:01:14
  • What is LangChain
    00:03:57
  • How a Typical AI-Enabled App Works
    00:09:59
  • Here It Is, This is Why We Use LangChain
    00:05:28

  • Project Overview and Setup
    00:03:20
  • Using LangChain the Simple Way
    00:02:55
  • Introducing Chains
    00:10:08
  • Adding a Chain
    00:04:10
  • Parsing Command Line Arguments
    00:02:29
  • Securing the API Key
    00:04:44
  • Connecting Chains Together
    00:02:56
  • Chains in Series with SequentialChain
    00:07:00

  • App Overview
    00:02:11
  • Receiving User Input
    00:01:59
  • Chat vs Completion Style Models
    00:10:09
  • Representing Messages with ChatPromptTemplates
    00:06:01
  • Implementing a Chat Chain
    00:04:37
  • Understanding Memory
    00:09:25
  • Using ChatBufferMemory to Store Conversations
    00:07:27
  • Saving and Extending Conversations
    00:04:43
  • Summarizations Conversation Summary Memory
    00:09:42

  • Project Overview
    00:03:28
  • Project Setup
    00:01:52
  • Loading Files with Document Loaders
    00:06:14
  • Search Criteria
    00:04:36
  • Introducing Embeddings
    00:10:31
  • The Entire Embedding Flow
    00:02:09
  • Chunking Text
    00:07:15
  • Generating Embeddings
    00:04:21

  • Introducing ChromaDB
    00:10:01
  • Building a Retrieval Chain
    00:10:32
  • What is a Retriever
    00:05:20
  • Optional Understanding Refine, MapReduce, and MapRerank
    00:28:08
  • Removing Duplicate Documents
    00:07:53
  • Creating a Custom Retriever
    00:11:12
  • Custom Retriever in Action
    00:06:01
  • Visualizing Embeddings
    00:04:34

  • App Overview
    00:04:13
  • Understanding Tools
    00:08:12
  • Understanding ChatGPT Functions
    00:10:54
  • Defining a Tool
    00:06:35
  • Defining an Agent and AgentExecutor
    00:05:51
  • Understanding Agents and AgentExecutors
    00:09:13
  • Shortcomings in ChatGPT's Assumptions
    00:04:44
  • Recovering from Errors in Tools
    00:04:27
  • Adding Table Context
    00:09:28
  • Adding a Table Description Tool
    00:05:20
  • Being Direct with System Messages
    00:02:51
  • Adding Better Descriptions for Tool Arguments
    00:06:58
  • Tools with Multiple Arguments
    00:07:12
  • Memory vs Agent Scratchpad
    00:09:24
  • Preserving Messages with Agent Executor
    00:02:37
  • Understanding Callbacks
    00:04:46
  • Implementing a Basic Callback Handler
    00:05:03
  • More Handler Implementaion
    00:11:22

  • App Overview
    00:02:26
  • Taking a Look at Mockups
    00:03:23
  • Boilerplate Setup
    00:04:43
  • How This App is Designed
    00:06:09
  • Outlining the First Feature
    00:04:00
  • Loading and Splitting From a PDF
    00:03:40
  • Testing the PDF Upload
    00:02:16
  • Introducing Pinecone
    00:06:30
  • Initializing the Pinecone Client
    00:05:53
  • Adding Documents to the Vector Store
    00:03:51

  • Why is Processing Taking Forever
    00:06:10
  • Introducing Background Jobs
    00:07:44
  • Redis Setup
    00:01:55
  • Adding in the Worker
    00:04:08
  • Queuing Up Jobs
    00:04:02
  • Updating Document Metadata
    00:07:07

  • Understanding the Apps Requirements
    00:07:58
  • Persistent Message Storage
    00:12:07
  • Introducing the Conversational Retrieval Chain
    00:10:35
  • Building the Retriever
    00:04:56
  • Custom History Objects
    00:04:43
  • Building a Custom SQL History
    00:08:52
  • Testing the Chain
    00:04:58

  • Streaming Text Generation
    00:03:57
  • Creating a Working Playground
    00:05:11
  • Experimenting with a Streaming Language Model
    00:09:10
  • Chains Don't Want to Stream
    00:06:52
  • Receiving Chunks with a Callback
    00:04:33
  • Extending a LLM Chain
    00:08:49
  • Adding a Queue for Communication
    00:07:27
  • The Chain Really Wants to Wait
    00:04:13
  • Solving the Slow Chain
    00:02:44
  • It Works!
    00:02:40
  • Ending the Loop
    00:04:58

  • Isolating the Queue and Handler
    00:03:36
  • Using a Mixin Approach
    00:04:46
  • Integrating the Streaming Code
    00:06:58
  • Testing the Streaming Setup
    00:07:06
  • Here's the Issue
    00:04:37
  • Isolating the Handler
    00:07:49
  • Streaming Complete!
    00:10:33

  • Random Component Parts
    00:04:16
  • Component Part Flow
    00:05:18
  • Partial KWArg Application
    00:06:13
  • Building Component Maps
    00:04:34
  • Randomly Picking a Component
    00:08:01
  • Generalizing Component Picking
    00:10:08
  • Collecting User Feedback
    00:05:15
  • Redis Connection Setup
    00:06:51
  • Storing Votes in Redis
    00:07:34
  • Weighted Randomness
    00:03:02
  • Extracting Scores
    00:06:29
  • Calculating the Average Score
    00:07:32
  • Selecting Components By Score
    00:04:37

  • Adding Score Observability
    00:02:44
  • Building the Score Aggregate
    00:03:48
  • Adding Another Form of Memory
    00:02:36
  • Window Memory Implementation
    00:06:09
  • Text Generation Tracing
    00:04:31
  • Langfuse Signup
    00:03:27
  • Adding in Tracing
    00:06:49
  • Understanding the Trace
    00:05:26
  • Automatic Trace Creation
    00:10:30

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

299,000 تومان
134,550 تومان
55% تخفیف
ثبت‌نام در دوره
این دوره شامل:
13 فصل آموزشی
11 : 57 : 46 ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: مشخص نیست
تاریخ انتشار: 1405/08/01
آخرین به‌روزرسانی: 2026-10-23 18:49:44
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: