loading...

دوره جامع ChatGPT و LangChain برای توسعه‌دهندگان

<ul> <li>تدریس توسط مدرس مطرح Stephen Grider با سابقه آموزش میلیون&zwnj;ها دانشجو</li> <li>بیش از 12 ساعت آموزش فشرده و عملی</li> <li>شامل ساخت پروژه&zwnj;هایی با پیچیدگی فزاینده</li> <li>پوشش کامل APIهای OpenAI، LangChain و معماری برنامه&zwnj;های هوش مصنوعی</li> <li>بدون نیاز به تجربه قبلی در توسعه وب &ndash; فقط آشنایی ابتدایی با پایتون کافی است</li> </ul>

قیمت: 299,000 تومان 149,500 تومان

قیمت ارزی (تتر):

X
11 : 57 : 46
118 جلسه
13 فصل
2 سال پشتیبانی

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

Let's Start - Dive In Here!
  • How to Get Help

    منتشرشده 00:01:14
  • What is LangChain

    منتشرشده 00:03:57
  • How a Typical AI-Enabled App Works

    منتشرشده 00:09:59
  • Here It Is, This is Why We Use LangChain

    منتشرشده 00:05:28
  • ChatGPT and LangChain Integration
  • Project Overview and Setup

    منتشرشده 00:03:20
  • Using LangChain the Simple Way

    منتشرشده 00:02:55
  • Introducing Chains

    منتشرشده 00:10:08
  • Adding a Chain

    منتشرشده 00:04:10
  • Parsing Command Line Arguments

    منتشرشده 00:02:29
  • Securing the API Key

    منتشرشده 00:04:44
  • Connecting Chains Together

    منتشرشده 00:02:56
  • Chains in Series with SequentialChain

    منتشرشده 00:07:00
  • Deep Dive into Interactions with Memory Management
  • App Overview

    منتشرشده 00:02:11
  • Receiving User Input

    منتشرشده 00:01:59
  • Chat vs Completion Style Models

    منتشرشده 00:10:09
  • Representing Messages with ChatPromptTemplates

    منتشرشده 00:06:01
  • Implementing a Chat Chain

    منتشرشده 00:04:37
  • Understanding Memory

    منتشرشده 00:09:25
  • Using ChatBufferMemory to Store Conversations

    منتشرشده 00:07:27
  • Saving and Extending Conversations

    منتشرشده 00:04:43
  • Summarizations Conversation Summary Memory

    منتشرشده 00:09:42
  • Adding Context with Embedding Techniques
  • Project Overview

    منتشرشده 00:03:28
  • Project Setup

    منتشرشده 00:01:52
  • Loading Files with Document Loaders

    منتشرشده 00:06:14
  • Search Criteria

    منتشرشده 00:04:36
  • Introducing Embeddings

    منتشرشده 00:10:31
  • The Entire Embedding Flow

    منتشرشده 00:02:09
  • Chunking Text

    منتشرشده 00:07:15
  • Generating Embeddings

    منتشرشده 00:04:21
  • Custom Document Retrievers
  • Introducing ChromaDB

    منتشرشده 00:10:01
  • Building a Retrieval Chain

    منتشرشده 00:10:32
  • What is a Retriever

    منتشرشده 00:05:20
  • Optional Understanding Refine, MapReduce, and MapRerank

    منتشرشده 00:28:08
  • Removing Duplicate Documents

    منتشرشده 00:07:53
  • Creating a Custom Retriever

    منتشرشده 00:11:12
  • Custom Retriever in Action

    منتشرشده 00:06:01
  • Visualizing Embeddings

    منتشرشده 00:04:34
  • Empower ChatGPT with Tools and Agents
  • App Overview

    منتشرشده 00:04:13
  • Understanding Tools

    منتشرشده 00:08:12
  • Understanding ChatGPT Functions

    منتشرشده 00:10:54
  • Defining a Tool

    منتشرشده 00:06:35
  • Defining an Agent and AgentExecutor

    منتشرشده 00:05:51
  • Understanding Agents and AgentExecutors

    منتشرشده 00:09:13
  • Shortcomings in ChatGPT's Assumptions

    منتشرشده 00:04:44
  • Recovering from Errors in Tools

    منتشرشده 00:04:27
  • Adding Table Context

    منتشرشده 00:09:28
  • Adding a Table Description Tool

    منتشرشده 00:05:20
  • Being Direct with System Messages

    منتشرشده 00:02:51
  • Adding Better Descriptions for Tool Arguments

    منتشرشده 00:06:58
  • Tools with Multiple Arguments

    منتشرشده 00:07:12
  • Memory vs Agent Scratchpad

    منتشرشده 00:09:24
  • Preserving Messages with Agent Executor

    منتشرشده 00:02:37
  • Understanding Callbacks

    منتشرشده 00:04:46
  • Implementing a Basic Callback Handler

    منتشرشده 00:05:03
  • More Handler Implementaion

    منتشرشده 00:11:22
  • Pinecone as a Vector Database
  • App Overview

    منتشرشده 00:02:26
  • Taking a Look at Mockups

    منتشرشده 00:03:23
  • Boilerplate Setup

    منتشرشده 00:04:43
  • How This App is Designed

    منتشرشده 00:06:09
  • Outlining the First Feature

    منتشرشده 00:04:00
  • Loading and Splitting From a PDF

    منتشرشده 00:03:40
  • Testing the PDF Upload

    منتشرشده 00:02:16
  • Introducing Pinecone

    منتشرشده 00:06:30
  • Initializing the Pinecone Client

    منتشرشده 00:05:53
  • Adding Documents to the Vector Store

    منتشرشده 00:03:51
  • Distributed Text Generation with Celery
  • Why is Processing Taking Forever

    منتشرشده 00:06:10
  • Introducing Background Jobs

    منتشرشده 00:07:44
  • Redis Setup

    منتشرشده 00:01:55
  • Adding in the Worker

    منتشرشده 00:04:08
  • Queuing Up Jobs

    منتشرشده 00:04:02
  • Updating Document Metadata

    منتشرشده 00:07:07
  • Custom Message Histories
  • Understanding the Apps Requirements

    منتشرشده 00:07:58
  • Persistent Message Storage

    منتشرشده 00:12:07
  • Introducing the Conversational Retrieval Chain

    منتشرشده 00:10:35
  • Building the Retriever

    منتشرشده 00:04:56
  • Custom History Objects

    منتشرشده 00:04:43
  • Building a Custom SQL History

    منتشرشده 00:08:52
  • Testing the Chain

    منتشرشده 00:04:58
  • Streaming Text Generation
  • Streaming Text Generation

    منتشرشده 00:03:57
  • Creating a Working Playground

    منتشرشده 00:05:11
  • Experimenting with a Streaming Language Model

    منتشرشده 00:09:10
  • Chains Don't Want to Stream

    منتشرشده 00:06:52
  • Receiving Chunks with a Callback

    منتشرشده 00:04:33
  • Extending a LLM Chain

    منتشرشده 00:08:49
  • Adding a Queue for Communication

    منتشرشده 00:07:27
  • The Chain Really Wants to Wait

    منتشرشده 00:04:13
  • Solving the Slow Chain

    منتشرشده 00:02:44
  • It Works!

    منتشرشده 00:02:40
  • Ending the Loop

    منتشرشده 00:04:58
  • Extending LangChain
  • Isolating the Queue and Handler

    منتشرشده 00:03:36
  • Using a Mixin Approach

    منتشرشده 00:04:46
  • Integrating the Streaming Code

    منتشرشده 00:06:58
  • Testing the Streaming Setup

    منتشرشده 00:07:06
  • Here's the Issue

    منتشرشده 00:04:37
  • Isolating the Handler

    منتشرشده 00:07:49
  • Streaming Complete!

    منتشرشده 00:10:33
  • Self-Improving Text Generation
  • Random Component Parts

    منتشرشده 00:04:16
  • Component Part Flow

    منتشرشده 00:05:18
  • Partial KWArg Application

    منتشرشده 00:06:13
  • Building Component Maps

    منتشرشده 00:04:34
  • Randomly Picking a Component

    منتشرشده 00:08:01
  • Generalizing Component Picking

    منتشرشده 00:10:08
  • Collecting User Feedback

    منتشرشده 00:05:15
  • Redis Connection Setup

    منتشرشده 00:06:51
  • Storing Votes in Redis

    منتشرشده 00:07:34
  • Weighted Randomness

    منتشرشده 00:03:02
  • Extracting Scores

    منتشرشده 00:06:29
  • Calculating the Average Score

    منتشرشده 00:07:32
  • Selecting Components By Score

    منتشرشده 00:04:37
  • Implementing Tracing and Observability
  • Adding Score Observability

    منتشرشده 00:02:44
  • Building the Score Aggregate

    منتشرشده 00:03:48
  • Adding Another Form of Memory

    منتشرشده 00:02:36
  • Window Memory Implementation

    منتشرشده 00:06:09
  • Text Generation Tracing

    منتشرشده 00:04:31
  • Langfuse Signup

    منتشرشده 00:03:27
  • Adding in Tracing

    منتشرشده 00:06:49
  • Understanding the Trace

    منتشرشده 00:05:26
  • Automatic Trace Creation

    منتشرشده 00:10:30
  • پیشنیاز های دوره چه چیزهایی هستند؟

    • ندارد

    نظرات دانشجویان

    مدرس دوره

    کدیاد پلاس (Codeyad Plus)