|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/langchain-c/
课程评论：没有评论
课程名称：大语言模型开发训练营：LangChain实战 课程概述： 本课程旨在提供关于大型语言模型（LLM）及其开发的全面培训，涵盖从基础知识到实战应用的多个方面。 1. **课程介绍和基础知识** 介绍课程目标、内容及学习方法，同时讲解LLM的基本概念、应用与微调技术，包括相关代码实战和嵌入技术。 2. **LangChain介绍和环境准备** 介绍LangChain的概念、安装及其与OpenAI的关系，讲解基本数据类型及六大核心组件（如Model I/O、Prompt、Chains等）并进行相关示例尝鲜。 3. **Model IO：提示模版、解析模版、模型接口** 深入探讨Model I/O组件及提示模板的使用，探索语言模型的应用，包括缓存、流式API及输出解析器的多种形式。 4. **Data Connection：文档加载、转换、嵌入、查询** 介绍文档加载和转换的各种方法，讲解文本嵌入与向量数据库的整合，此外还涉及索引器的功能和应用。 5. **链的基本概念和操作** 讲解链的基本概念及应用，分类不同类型的链（如LLMChain、SQL Chain等），以及如何与外部资源协作和持久化数据。 6. **Memory的基本概念和应用** 介绍不同类型的Memory组件，讨论如何在对话中使用记忆以增强交互的上下文感和智能化。 7. **Agents的基本概念和操作** 探索代理的种类和用途，包括对话代理、工具的应用及与向量数据库的协作。 8. **异步回调和日志记录** 讲解异步回调的基本概念及应用场景，提供示例以展示如何进行记录和管理多个回调。 9. **项目实战 - Ask for PDF** 提供实际项目背景，展示组件的安装及界面设置，讲解文件上传处理，嵌入向量转换与向量数据库的写入方法。 本课程适合希望深入了解LLM及其应用开发的学习者，通过理论与实战相结合，提升他们的技术能力和实践经验。
1. 课程介绍和基础知识- 1-1 课程介绍：介绍课程的目标、内容和学习方法。- 1-2 LLM：大型语言模型（LLM）的基本概念和应用。- 1-3 LLM 微调：介绍LLM的微调技术和方法。- 1-4 LLM 微调：代码实战- 1-5 Embedding 与 LLM：讲解LLM的嵌入技术和应用。- 1-6 Embedding 与 LLM：代码实战。2. Langchain介绍和环境准备- 2-1 Langchain 概述：什么是LangChain，如何使用与安装，LangChain 与OpenAI- 2-2 Langchain 基本数据类型Shchema：Texts、Chat Messages、Documents、Examples- 2-3 Langchain 6大组件介绍：Model I/O、Prompt、Data Connection、Chains、Agents、CallBacks- 2-4 Langchain 示例尝鲜：Prompt、Prompt Template、Output Parser- 2-5 Langchain 示例尝鲜：Document Load、Text Splitters、Retrievers3. Model IO：提示模版、解析模版、模型接口- 3-1 Model I/O 组件概述：Prompt Template，ChatMessagePromptTemplate，MessagesPlaceholder- 3-2 Prompt template 探索：Partial prompt templates ，Composition- 3-3 Example Selector 探索：Example selectors，Select by length，Select by similarity- 3-4 Language Models（语言模型的应用）-上：Language Models，Caching，FakeListLLM- 3-5 Language Models（语言模型的应用）-下：Async API，Serialization，Streaming- 3-6 Output parsers（输出解析器）：List parser，Datetime parser，Auto-fixing parser4. Data Connection:文档加载、转换、嵌入、查询- 4-1 Data Connection 组件概述：介绍组件关系和组成方式。- 4-2 文档加载器-上：CSV加载、多文档加载、HTML加载。- 4-3 文档加载器-下：Json加载、PDF加载、三方数据源加载。- 4-4 文档转换器：文本切割、特征提取、问答转换、文档翻译、元数据标记。- 4-5 嵌入与向量数据库：文本嵌入、Chroma、FAISS、Milvus向量数据库。- 4-6 索引器：请求拆分、上下文压缩、元数据过滤器、时间权重。5. 链的基本概念和操作- 5-1 Chian组件概述：介绍链的基本概念和应用。- 5-2 Chain基本用法：API 异步调用、如何Debug、调用外部资源、与Memory合作、持久化- 5-3 Chain的分类- 上：LLMChain、RouterChain- 5-4 Chain的分类- 下：SequentialChain、TransformationChain- 5-5 SQL Chain - 上：连接Sqlite 数据库查询数据、根据条件进行连接查询、通过Prompt 进行table的指定- 5-6 SQL Chain - 下：显示查询的中间过程（表结构、SQL）、定制化表（关注的表和字段）+示例- 5-7 摘要应用 ：Stuff document、Map Reduce document6. Memory的基本概念和应用- 6-1 Memory组件概述：ConversationBufferMemory，ConversationBufferWindowMemory- 6-2 Memory组件分类：ConversationSummaryMemory，Vector Store-backed Memory- 6-3 Memory常见用法 - 上：客制化对话前缀，多输入Memory- 6-4 Memory常见用法 - 下：实体记忆，对话知识图谱记忆7. Agents的基本概念和操作- 7-1 Agents 组件概述：Agent补齐了LLM短板，代理，工具，代理执行器- 7-2 Agents 类型分类：Conversational Agent、OpenAI Multi Functions Agent、Self Ask with Search- 7-3 Tool 应用：Multi-input tool、Tool input schema、Human-in-the-loop Tool- 7-4 Agent 常规应用 1 ：Agent 迭代器、Agent 与向量数据库协同- 7-5 Agent 常规应用 2：Aysnc API、自定义Agent8. 异步回调和日志记录- 8-1 异步回调：介绍异步回调的基本概念和应用。- 8-2 Callbacks 的应用场景：Async callback、Logging to file、Multiple callback handlers、Token Counter9. 项目实战-Ask for PDF- 9-1 项目背景介绍：项目功能和架构设计。- 9-2 组件安装和UI展示：PIP 安装组件、Streamlit 界面设置- 9-3 文件上传和处理：Streamlit组件上传文件、Text_Splitter切割文件- 9-4 向量转化和向量数据库写入：Embedding 向量转换， FAISS 向量数据库写入
