|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/langchain-for-beginners-build-genai-llm-apps-in-easy-steps/
课程评论：没有评论
课程名称：Langchain 入门：轻松构建 GenAI LLM 应用 课程概述：LangChain 已迅速成为构建基于大型语言模型（LLMs）实际应用的重要框架。本课程旨在帮助您入门 LangChain，并通过清晰简单的示例逐步掌握其强大功能。无论您是 Python 开发者、AI 爱好者，还是对 LLM 感到好奇的人，这门课程将为您提供构建智能应用所需的工具和信心，能够使用 OpenAI 和开源模型。 您将学到的内容： - LangChain 的基本概念及其如何简化 LLM 集成。 - 使用 OpenAI LLM 在 Python 中生成和处理自然语言。 - 在自己的应用中使用开源 LLM，如 Mistral 和 Gemma。 - 使用 Ollama 在本地计算机上运行开源模型。 - 使用 PromptTemplates 构建动态提示。 - 理解并应用 LangChain 表达语言（LCEL）。 - 创建简单和常规的顺序链以控制工作流程逻辑。 - 在单个链中使用多个 LLM 以实现灵活响应。 - 维护和使用聊天历史，创建上下文感知的应用。 - 学习嵌入技术并应用于文本相似度测量。 - 理解向量存储并使用它们存储和搜索嵌入。 - 学习检索增强生成（RAG）工作流程。 - 使用 LangChain 和自己的数据简单实现 RAG。 - 使用多模态模型分析图像。 - 使用 Streamlit 和 LangChain 构建现实世界中的 LLM 应用。 适合人群： - 探索 AI 和 LLM 集成的 Python 开发者。 - 希望使用 LLM 构建聊天机器人、助手或智能工具的任何人。 - 从事 NLP、搜索、RAG 或代理工作流程的专业人士。 - 有兴趣于 AI 应用开发的学生、爱好者或初学者。 先决条件： - 基本的 Python 理解。 - 无需具备 LLM 或 LangChain 的先前经验，课程将逐步教授。 课程结束时，您将能够： - 自信地使用 LangChain 处理 OpenAI 和开源模型。 - 结构化和构建 LLM 工作流程。 - 实现 RAG、聊天历史和图像理解等强大功能。 - 使用 Streamlit 和 LangChain 部署功能齐全的应用。 - 使用云和本地 LLM 构建自己的智能应用。 如果您渴望学习如何在自己的项目中使用 LLM，通过简单的步骤和实际示例，这正是您入门的完美课程。立即注册，让您的 LLM 创意与 LangChain 一起实现。
LangChain has quickly become one of the most important frameworks for building real-world applications using large language models (LLMs). This course is designed to help you get started with LangChain and progressively master its powerful features, all through clear and simple examples.Whether you're a Python developer, an AI enthusiast, or someone curious about LLMs, this course will give you the tools and confidence to build intelligent applications using both OpenAI and open-source models.What You'll Learn• What LangChain is and how it simplifies integrating LLMs into applications• Use OpenAI LLMs in Python to generate and process natural language• Use open-source LLMs like Mistral and Gemma in your own apps• Run open-source models locally on your machine using Ollama• Build dynamic prompts using PromptTemplates• Understand and apply the LangChain Expression Language (LCEL)• Create simple and regular sequential chains to control workflow logic• Use multiple LLMs within a single chain for flexible responses• Maintain and use chat history to create context-aware apps• Learn about embeddings and apply them to measure text similarity• Understand vector stores and use them to store and search embeddings• Learn the Retrieval-Augmented Generation (RAG) workflow• Implement RAG with your own data using LangChain in simple steps• Analyze images using multi-modal models• Build real-world LLM-powered apps using Streamlit and LangChainWho This Course Is For• Python developers exploring AI and LLM integration• Anyone looking to build chatbots, assistants, or smart tools using LLMs• Professionals working on NLP, search, RAG, or agentic workflows• Students, hobbyists, or beginners interested in AI application developmentPrerequisites• Basic understanding of Python• No prior experience with LLMs or LangChain needed - everything is taught step by stepBy the End of This Course, You Will Be Able To:• Confidently use LangChain to work with OpenAI and open-source models• Structure and build LLM workflows using chains and tools• Implement powerful features like RAG, chat history, and image understanding• Deploy fully functional apps using Streamlit and LangChain• Build your own intelligent apps using both cloud and local LLMsIf you've been wanting to learn how to work with LLMs in your own projects - using simple steps and real examples - this is the perfect course to get started.Enroll now and bring your LLM ideas to life using LangChain.
