|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/lanchain/
课程评论：没有评论
**Coursera 课程总结：LangChain 与 LangGraph：使用 LLMs 和 RAG 构建 AI 代理** **课程概述:** 本课程是关于使用 Python 和 LangChain 技术栈的革命性课程，旨在帮助学习者掌握如何构建完整的生成式人工智能应用。课程深入讲解了最新的自然语言处理技术以及大规模语言模型（LLMs）的整合，提供深度实用的学习体验。 **学习内容:** 1. **入门与环境配置:** 课程介绍与开发环境的设置。 2. **LLMs 的使用:** 通过 OpenAI 模型，学习 LLMs 的实际应用，包括文本生成（completion）和对话（chat）功能。 3. **LangChain 核心概念:** * **缓存 (Caching):** 提高效率。 * **模板 (Templates):** 结构化提示。 * **链 (Chains):** 组合 LLMs 功能。 * **序列链 (Sequential Chains):** 按顺序执行多个链。 * **路由链 (Router Chains):** 根据输入选择合适的链。 * **工具 (Tools):** 集成外部功能。 * **代理 (Agents):** 让 LLMs 做出决策并执行任务。 * **ReAct 代理:** 结合推理和行动的代理。 4. **Embeddings:** 如何创建和使用文本嵌入，将文本表示为向量。 5. **Streamlit LLM Web 应用:** 使用 Streamlit 构建交互式的 Web 应用。 6. **Vectorstores 与 Pinecone:** 使用 Pinecone 存储和检索向量。 7. **RAG (Retrieval-Augmented Generation):** 实现基于语义搜索的文档问答，以法律文档为例。 8. **其他模型的使用:** 学习如何集成 Google Gemini 等替代模型。 9. **LangGraph 介绍:** LangGraph 如何作为 LangChain 的补充，构建更复杂的 AI 代理。 10. **应用实例:** 通过实际项目展示 LangGraph 和 LangChain 的应用。 **课程特色:** * **全程支持:** 提供学习过程中的全面协助。 * **终身访问:** 可随时随地复习和学习。 * **结业证书:** 证明学习成果，助力职业发展。 * **补充材料:** 提供额外资源以深化理解。
Bem-vindo ao curso de LangChain em Python! Aprenda esta tecnologia revolucionária que permite que você desenvolva aplicações completas usando IA Generativa com Grandes Modelos de Linguagem. Este curso foi cuidadosamente desenvolvido para fornecer a você um entendimento profundo e prático das mais recentes tecnologias de processamento de linguagem natural e integração de modelos de linguagem de grande escala. O que você aprenderá:1. Introdução: Apresentação do curso e configuração do ambiente.2.Uso de LLMs: Exemplos práticos de uso de modelos de linguagem (LLMs) com OpenAI, incluindo completion e chat.3. LangChain: Conceitos fundamentais e avançados: caching, templates, chains, sequential chains, router chains, tools, agents, e react agents.4. Embeddings: Criação e utilização de embeddings para representar texto em espaços vetoriais.5. Aplicação de LLM Web com Streamlit: Desenvolvimento de aplicações web interativas utilizando Streamlit e LLMs.6. Vectorstores e Pinecone: Armazenamento e recuperação de vetores com Pinecone.7. RAG (Retrieval-Augmented Generation): Implementação de busca semântica em documentos jurídicos.8. Usando Outros Modelos: Exemplos práticos com modelos alternativos, como o Gemini do Google.9.Apresentação do LangGraph: Como o LangGraph complementa o Langchain10.Exemplos de Aplicações: Desenvolvimento de aplicações usando LangGraph e LangchainVocê ainda vai ter:Suporte Completo: Estamos aqui para ajudar você em cada etapa do seu aprendizado.Acesso Vitalício: Revise e estude no seu próprio ritmo, a qualquer momento.Certificado de Conclusão: Comprove seu conhecimento e avance em sua carreira.Material Complementar: Recursos adicionais para aprofundar seu entendimento.
