کتاب ساخت و توسعه برنامه‌های کاربردی با LangChain برای مدل‌های زبانی بزرگ با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت و توسعه برنامه‌های کاربردی با LangChain برای مدل‌های زبانی بزرگ

موضوع کلی: هوش مصنوعی و توسعه نرم‌افزار

موضوع میانی: توسعه برنامه‌های کاربردی مبتنی بر مدل‌های زبانی بزرگ (LLMs)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و مدل‌های زبانی بزرگ
  • 2. اصول برنامه‌نویسی با مدل‌های زبانی بزرگ
  • 3. معرفی LangChain: چارچوبی برای ساخت برنامه‌های LLM
  • 4. نصب و پیکربندی LangChain
  • 5. کار با مدل‌های زبانی در LangChain
  • 6. مدیریت اعلان‌ها (Prompts) در LangChain
  • 7. الگوهای اعلان و تکنیک‌های پیشرفته
  • 8. زنجیره‌ها (Chains): ترکیب مدل‌های زبانی
  • 9. انواع زنجیره‌ها در LangChain
  • 10. زنجیره‌های ساده و زنجیره‌های سفارشی
  • 11. کار با ورودی‌ها و خروجی‌های زنجیره
  • 12. مدل‌های زبانی و ابزارهای جانبی
  • 13. مفهوم ابزارها (Tools) در LangChain
  • 14. اتصال LLMها به ابزارهای خارجی
  • 15. جستجوی وب با استفاده از ابزارها
  • 16. ماشین‌حساب و ابزارهای عملیاتی
  • 17. مدیریت حافظه در LangChain
  • 18. انواع حافظه برای حفظ زمینه مکالمه
  • 19. حافظه کوتاه‌مدت و بلندمدت
  • 20. پیاده‌سازی حافظه در زنجیره‌ها
  • 21. کار با شاخص‌ها (Indexes) و پایگاه‌های دانش
  • 22. مفهوم شاخص‌ها برای سازماندهی داده
  • 23. ذخیره‌سازی و بازیابی اطلاعات
  • 24. استفاده از پایگاه‌های داده برداری (Vector Databases)
  • 25. اتصال LangChain به پایگاه‌های داده برداری
  • 26. پرس‌وجو از داده‌های خارجی با LLMها
  • 27. ساخت ربات‌های پرسش و پاسخ
  • 28. کار با اسناد و فایل‌ها در LangChain
  • 29. بارگذاری و پردازش انواع فایل‌ها
  • 30. تقسیم‌بندی متن (Text Splitting)
  • 31. ایجاد و مدیریت Embeddingها
  • 32. جستجوی معنایی در اسناد
  • 33. ساخت برنامه‌های کاربردی پیچیده با LangChain
  • 34. مدیریت جریان کار (Agent)
  • 35. مفهوم عامل‌ها و تصمیم‌گیری خودکار
  • 36. انواع عامل‌ها در LangChain
  • 37. پیاده‌سازی عامل‌های مبتنی بر ابزار
  • 38. استفاده از ابزارهای تخصصی در عامل‌ها
  • 39. طراحی عامل‌های هوشمند برای وظایف مختلف
  • 40. ارزیابی عملکرد عامل‌ها
  • 41. کار با LLMهای سفارشی
  • 42. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
  • 43. استفاده از مدل‌های زبانی تخصصی
  • 44. ادغام مدل‌های زبانی چندوجهی
  • 45. امنیت و حریم خصوصی در برنامه‌های LLM
  • 46. مدیریت داده‌های حساس
  • 47. پیشگیری از سوءاستفاده از LLMها
  • 48. ملاحظات اخلاقی در توسعه برنامه‌های LLM
  • 49. کاربرد LangChain در صنایع مختلف
  • 50. ساخت دستیارهای مجازی هوشمند
  • 51. توسعه سیستم‌های توصیه‌گر
  • 52. پردازش خودکار اسناد و گزارش‌ها
  • 53. تولید محتوای خلاقانه
  • 54. ساخت ابزارهای آموزشی مبتنی بر LLM
  • 55. کاربرد در حوزه سلامت و پزشکی (با رعایت چارچوب رسمی)
  • 56. کاربرد در حوزه مالی و بانکی (بدون ربا)
  • 57. بهینه‌سازی عملکرد برنامه‌های LLM
  • 58. تکنیک‌های Prompt Engineering پیشرفته
  • 59. استفاده از Chain-of-Thought Prompting
  • 60. Self-Consistency در Prompting
  • 61. Few-shot Learning با LangChain
  • 62. کار با Embeddings پیشرفته
  • 63. Fine-tuning مدل‌های زبانی برای وظایف خاص
  • 64. استفاده از تکنیک‌های Retrieval-Augmented Generation (RAG)
  • 65. بهینه‌سازی پایگاه‌های داده برداری
  • 66. مدیریت هزینه‌های اجرای برنامه‌های LLM
  • 67. مقایسه LangChain با چارچوب‌های مشابه
  • 68. معماری‌های جدید در توسعه برنامه‌های LLM
  • 69. مباحث پیشرفته در Agent Frameworks
  • 70. کار با LangGraph برای گراف‌های پیچیده
  • 71. ساخت سیستم‌های چند عاملی
  • 72. توسعه برنامه‌های LLM مقیاس‌پذیر
  • 73. پایش و مدیریت برنامه‌های LLM در محیط عملیاتی
  • 74. استفاده از LangChain برای توسعه بازی‌های مبتنی بر LLM
  • 75. کاربرد در ترجمه ماشینی پیشرفته
  • 76. توسعه ابزارهای تحلیل احساسات
  • 77. ساخت سیستم‌های خلاصه‌سازی پیشرفته
  • 78. استفاده از LangChain در تحقیق و توسعه
  • 79. آموزش و توسعه منابع انسانی با LLM
  • 80. کاربرد در مدیریت دانش سازمانی
  • 81. ساخت داشبوردهای هوشمند با LLM
  • 82. توسعه ابزارهای برنامه‌ریزی و زمان‌بندی
  • 83. کاربرد در بهینه‌سازی فرآیندهای کسب‌وکار
  • 84. توسعه سیستم‌های پشتیبانی مشتری هوشمند
  • 85. ساخت ابزارهای تحلیل داده‌های پیچیده
  • 86. کاربرد در حوزه حقوقی (با رعایت چارچوب رسمی)
  • 87. توسعه ابزارهای آموزش زبان با LLM
  • 88. ساخت سیستم‌های تشخیص الگوهای پیچیده
  • 89. کاربرد در بهینه‌سازی مصرف انرژی
  • 90. توسعه ابزارهای پیش‌بینی و تحلیل روندها
  • 91. ساخت سیستم‌های مدیریت ارتباط با مشتری (CRM) مبتنی بر LLM
  • 92. کاربرد در حوزه کشاورزی (با رعایت چارچوب رسمی)
  • 93. توسعه ابزارهای نظارت و پایش
  • 94. ساخت سیستم‌های مدیریت بحران با LLM
  • 95. کاربرد در حوزه حمل‌ونقل و لجستیک
  • 96. توسعه ابزارهای طراحی و مهندسی
  • 97. ساخت سیستم‌های هوشمند برای شهرها
  • 98. کاربرد در حوزه گردشگری و هتلداری
  • 99. توسعه ابزارهای تحلیل بازار
  • 100. ساخت سیستم‌های یادگیری مادام‌العمر
تگ‌ها: LangChain LLM برنامه‌نویسی پایتون توسعه اپلیکیشن توسعه‌دهنده نرم‌افزار مدل‌های زبانی بزرگ هوش مصنوعی هوش مصنوعی مولد یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.