دوره جامع ChatGPT و LangChain برای توسعهدهندگان
اگر به دنبال ساخت اپلیکیشنهای هوشمند با استفاده از ChatGPT و LangChain هستید، این دوره کاملترین گزینه برای شماست. در این آموزش فشرده از یودمی، با تدریس Stephen Grider، یاد میگیرید چطور ChatGPT را به صورت حرفهای در اپلیکیشنهای واقعی خود ادغام کنید و از قابلیتهای قدرتمند LangChain برای ساخت زنجیرههای پیچیده تولید متن استفاده کنید.
از سطح پایه تا پروژههای پیشرفته مثل "چت با PDF"، همه چیز به صورت عملی آموزش داده میشود؛ حتی اگر تجربه توسعه وب نداشته باشید، باز هم میتوانید از این دوره بهره ببرید.
💡 آنچه در این دوره میآموزید
✅ ادغام ChatGPT با LangChain در اپهای واقعی
✅ ساخت زنجیرههای تولید متن با کامپوننتهای LangChain
✅ پیادهسازی بازخورد خودکار کاربران برای بهبود پاسخها
✅ آموزش چتبات با RAG (تولید تقویتشده)
✅ استریم کردن پاسخها از سرور به مرورگر
✅ ساخت اپلیکیشن چت با PDF همراه با آپلود، احراز هویت و مشاهده تعامل کاربران
✅ استفاده از پلاگینهای OpenAI برای اتصال به پایگاهداده و اجرای کد
✅ درک دقیق تمام خطوط کد برای توسعهگر واقعی بودن
👥 این دوره مناسب چه کسانی است؟
- مهندسان نرمافزار که میخواهند هوش مصنوعی را وارد پروژههای خود کنند
- برنامهنویسان پایتون علاقهمند به LLM و اتوماسیون پیشرفته
- توسعهدهندگان وب که دنبال ساخت اپلیکیشنهای AI-powered هستند
- علاقهمندان به LangChain و چتباتهای شخصیسازیشده
✅ ویژگیهای برجسته 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 مصنوعی
- بدون نیاز به تجربه قبلی در توسعه وب – فقط آشنایی ابتدایی با پایتون کافی است
سرفصل های دوره
How to Get Help
What is LangChain
How a Typical AI-Enabled App Works
Here It Is, This is Why We Use LangChain
Project Overview and Setup
Using LangChain the Simple Way
Introducing Chains
Adding a Chain
Parsing Command Line Arguments
Securing the API Key
Connecting Chains Together
Chains in Series with SequentialChain
App Overview
Receiving User Input
Chat vs Completion Style Models
Representing Messages with ChatPromptTemplates
Implementing a Chat Chain
Understanding Memory
Using ChatBufferMemory to Store Conversations
Saving and Extending Conversations
Summarizations Conversation Summary Memory
Project Overview
Project Setup
Loading Files with Document Loaders
Search Criteria
Introducing Embeddings
The Entire Embedding Flow
Chunking Text
Generating Embeddings
Introducing ChromaDB
Building a Retrieval Chain
What is a Retriever
Optional Understanding Refine, MapReduce, and MapRerank
Removing Duplicate Documents
Creating a Custom Retriever
Custom Retriever in Action
Visualizing Embeddings
App Overview
Understanding Tools
Understanding ChatGPT Functions
Defining a Tool
Defining an Agent and AgentExecutor
Understanding Agents and AgentExecutors
Shortcomings in ChatGPT's Assumptions
Recovering from Errors in Tools
Adding Table Context
Adding a Table Description Tool
Being Direct with System Messages
Adding Better Descriptions for Tool Arguments
Tools with Multiple Arguments
Memory vs Agent Scratchpad
Preserving Messages with Agent Executor
Understanding Callbacks
Implementing a Basic Callback Handler
More Handler Implementaion
App Overview
Taking a Look at Mockups
Boilerplate Setup
How This App is Designed
Outlining the First Feature
Loading and Splitting From a PDF
Testing the PDF Upload
Introducing Pinecone
Initializing the Pinecone Client
Adding Documents to the Vector Store
Why is Processing Taking Forever
Introducing Background Jobs
Redis Setup
Adding in the Worker
Queuing Up Jobs
Updating Document Metadata
Understanding the Apps Requirements
Persistent Message Storage
Introducing the Conversational Retrieval Chain
Building the Retriever
Custom History Objects
Building a Custom SQL History
Testing the Chain
Streaming Text Generation
Creating a Working Playground
Experimenting with a Streaming Language Model
Chains Don't Want to Stream
Receiving Chunks with a Callback
Extending a LLM Chain
Adding a Queue for Communication
The Chain Really Wants to Wait
Solving the Slow Chain
It Works!
Ending the Loop
Isolating the Queue and Handler
Using a Mixin Approach
Integrating the Streaming Code
Testing the Streaming Setup
Here's the Issue
Isolating the Handler
Streaming Complete!
Random Component Parts
Component Part Flow
Partial KWArg Application
Building Component Maps
Randomly Picking a Component
Generalizing Component Picking
Collecting User Feedback
Redis Connection Setup
Storing Votes in Redis
Weighted Randomness
Extracting Scores
Calculating the Average Score
Selecting Components By Score
Adding Score Observability
Building the Score Aggregate
Adding Another Form of Memory
Window Memory Implementation
Text Generation Tracing
Langfuse Signup
Adding in Tracing
Understanding the Trace
Automatic Trace Creation
پیشنیاز های دوره چه چیزهایی هستند؟
- ندارد
نظرات دانشجویان
مدرس دوره
