شیرجه به دنیای لنگچین Langchain — ساخت ChatBot PDF

سلام. به این صفحه از آموزش LangChian خوش آمدید! این آموزش LangChian در زمان 3.5 ساعت و در 11 درس تهیه شده است.

هدف از این آموزش آشنایی و ساخت اپلیکیشن مبتنی بر هوش مصنوعی با استفاده از LangChain و مدل های زبانی بزرگ است.

چت بات چیست؟

چت بات‌ها، نرم‌افزارهای هوش مصنوعی هستند که طراحی شده‌اند تا با کاربران از طریق چت‌ها و ارتباطات متنی تعامل کنند. این بات‌ها معمولاً بر اساس الگوریتم‌های پیشرفته یادگیری ماشین، پردازش زبان طبیعی و مدل‌های زبانی بزرگ کار می‌کنند.

آنها می‌توانند به سوالات، درخواست‌ها و دیگر نیازهای کاربران پاسخ دهند و به آنها کمک کنند. چت بات‌ها در انواع مختلفی از کاربردها مورد استفاده قرار می‌گیرند. از جمله خدمات مشتریان، آموزش، سرگرمی، بهداشت، اخبار، معاملات مالی و … است.

این آموزش در یک نگاه:

ما در این آموزش با LangChain کار را شروع کردیم. سپس ابزار های مورد نیاز را نصب کرده و دیتابیس را راه انداختیم. بعد از آن  اطلاعات مفید را در دیتا بیس ذخیره و مدل زبانی بزرگ را نیز به اپلیکیشن اضافه کردیم.

در نهایت در این آموزش با طراحی یک UI زیبا کار را به اتمام رساندیم. چت بات ما حاضر است.

این آموزش بی نظیر است زیرا:

• کاملا پروژه محور است.
• با HuggingFace کار می‌کنیم.
• به صورت لوکال بر روی لب تاب شخصی قابل اجرا است.
• یک کاربرد جذاب از مدل‌های زبانی بزرگ می‌باشد.
• یک کاربرد جذاب از LangChain است.

کلیدواژگان

آموزش لنگچین | آموزش LangChain | ساخت ChatBot PDF | ساخت چت بات با لنگچین | ساخت ChatBot PDF با لنگچین | ساخت اپلیکیشن هوش مصنوعی | آموزش کار با لنگچین

سرفصل ها

درس صفر: معرفی دوره

درس اول: معرفی Langchain

– معرفی کلی Langchain
– زبان های برنامه نویسی LangChain
– قابلیت های Langchain

درس دوم: نصب ابزار ها (ElasticSearch – Docker)

– معرفی ElasticSearch
– معرفی Docker
– نصب ElasticSearch با استفاده از Docker

درس سوم: فلوچارت اپلیکیشن

– توضیح مفاهیم اولیه
– توضیح فلوچارت با جزئیات

درس چهارم: معرفی HuggingFace

– معرفی Model & Transformers
– توضیح HuggingFace
– سه بخش اصلی HuggingFace
– مثال : چند مدل زبانی بزرگ
– توکنایزر
– نگاهی به سایت رسمی HuggingFace
– طعم کدنویسی با HuggingFace

درس پنجم: شروع اپلیکیشن با خارج کردن متن از PDF

– توضیح مفاهیم اولیه استخراج کردن متن از PDF
– معرفی ماژول های پایتونی برای این کار
– کدنویسی و کار کردن با ماژول ها

درس ششم: ذخیره کردن در دیتابیس

– معرفی گام های اصلی برای ذخیره سازی در ElasticSearch
– راه اندازی سیستم embedding
– ذخیره کردن embedding در دیتابیس

درس هفتم: نصب مدل های Transformers & LLM

– معرفی مدل google – flan t5

درس هشتم: مهندسی Prompt

– تعریف مهندسی Prompt
– انواع مدل های مهندسی Prompt
– مثال انواع مدل های مهندسی Prompt

درس نهم: ایجاد زنجیره LangChain سوال – جواب

– معرفی و توضیح LLMChain

درس دهم: طراحی واسط گرافیک با StreamLit

– معرفی Streamlit
– نصب StreamLit

درس یازدهم: جمع بندی

– مسیری که تا اینجا آمده ایم
– ارزش های دوره
– مسیر آینده
– ایده ها
– معرفی مخزن Github