اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش کاربردی LangChain: ساخت برنامه‌های هوشمند با مدل‌های زبانی و قالب‌های دستور نویسی پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش کاربردی LangChain: ساخت برنامه‌های هوشمند با مدل‌های زبانی و قالب‌های دستور نویسی پیشرفته

موضوع کلی: هوش مصنوعی و توسعه نرم‌افزار

موضوع میانی: پردازش زبان طبیعی و مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و زبان طبیعی
• 2. مبانی مدل‌های زبانی بزرگ (LLMs)
• 3. معرفی LangChain و معماری آن
• 4. نصب و راه‌اندازی LangChain
• 5. ساخت اولین برنامه با LangChain
• 6. مفهوم Prompt Templates
• 7. نوشتن Prompt Templates کارآمد
• 8. استفاده از متغیرها در Prompt Templates
• 9. قالب‌های شرطی در Prompt Templates
• 10. Prompt Templates داینامیک
• 11. بهینه‌سازی Prompt Templates
• 12. مقدمه‌ای بر Components در LangChain
• 13. استفاده از LLMs در LangChain
• 14. اتصال به مدل‌های مختلف زبانی
• 15. مدل‌های زبانی سفارشی
• 16. مفهوم Chains
• 17. ساخت Chains ساده
• 18. Chains چند مرحله‌ای
• 19. Chains با منطق شرطی
• 20. Chains و Prompt Templates
• 21. استفاده از Agents
• 22. انواع Agents
• 23. ساخت Agent سفارشی
• 24. ابزارها (Tools) در LangChain
• 25. نوشتن ابزارهای سفارشی
• 26. اتصال ابزارها به Agent
• 27. مدیریت حافظه (Memory) در LangChain
• 28. انواع حافظه
• 29. حافظه مکالمه‌ای
• 30. حافظه خلاصه‌سازی
• 31. حافظه مبتنی بر کلید-مقدار
• 32. استفاده از حافظه در Chains و Agents
• 33. مقدمه‌ای بر Embeddings
• 34. نحوه کار Embeddings
• 35. استفاده از Embeddings در LangChain
• 36. Vector Stores
• 37. انواع Vector Stores
• 38. اتصال Vector Stores به LangChain
• 39. جستجوی شباهت (Similarity Search)
• 40. بازیابی اطلاعات از Vector Stores
• 41. ساخت سیستم پرسش و پاسخ بر اساس اسناد
• 42. پردازش اسناد حجیم
• 43. تقسیم‌بندی اسناد (Document Splitting)
• 44. پردازش اسناد با استفاده از LangChain
• 45. استخراج اطلاعات از اسناد
• 46. تولید خلاصه از اسناد
• 47. ساخت Chatbots تعاملی
• 48. مدیریت مکالمات پیچیده
• 49. استفاده از LangChain برای ساخت Chatbots
• 50. ارزیابی عملکرد Chatbots
• 51. مقدمه‌ای بر LLM Orchestration
• 52. کاربرد LangChain در Orchestration
• 53. ساخت برنامه‌های هوشمند با LangChain
• 54. یکپارچه‌سازی با پایگاه داده
• 55. یکپارچه‌سازی با APIهای خارجی
• 56. امنیت در برنامه‌های مبتنی بر LLM
• 57. اخلاق در هوش مصنوعی و LLMs
• 58. مسئولیت‌پذیری در توسعه نرم‌افزار هوشمند
• 59. ملاحظات قانونی و شرعی در توسعه نرم‌افزار
• 60. مقررات بانک مرکزی و رمزارزها در توسعه نرم‌افزار
• 61. چارچوب خانواده ایرانی-اسلامی در روانشناسی روابط
• 62. رعایت پروتکل‌های وزارت بهداشت در علوم پزشکی
• 63. منافع ملی در سیاست و روابط بین‌الملل
• 64. استفاده از مذهب رسمی در مباحث فقهی
• 65. پرهیز از ابتذال در هنر و سینما
• 66. مدیریت خطاها در LangChain
• 67. دیباگ کردن برنامه‌های LangChain
• 68. بهینه‌سازی عملکرد برنامه‌های LangChain
• 69. معرفی LangServe
• 70. استقرار برنامه‌های LangChain با LangServe
• 71. ساخت API برای برنامه‌های LangChain
• 72. مقدمه‌ای بر LangGraph
• 73. ساخت گراف‌های پیچیده با LangGraph
• 74. مدیریت حالت در LangGraph
• 75. کاربرد LangGraph در Agentهای پیشرفته
• 76. توسعه برنامه‌های مولد متن پیشرفته
• 77. تولید محتوا با LangChain
• 78. کاربرد LangChain در تحلیل متن
• 79. تحلیل احساسات با LangChain
• 80. استخراج موجودیت‌های نام‌دار (NER)
• 81. ساخت سیستم‌های توصیه‌گر
• 82. مقدمه‌ای بر RAG (Retrieval-Augmented Generation)
• 83. پیاده‌سازی RAG با LangChain
• 84. بهبود نتایج RAG
• 85. استفاده از LangChain برای یادگیری ماشین
• 86. مقدمه‌ای بر Data Augmentation
• 87. کاربرد LangChain در Data Augmentation
• 88. ساخت ابزارهای کمکی برای توسعه‌دهندگان
• 89. اتوماسیون وظایف تکراری
• 90. آینده LangChain و LLMs
• 91. روندهای جدید در پردازش زبان طبیعی
• 92. کاربردهای نوین هوش مصنوعی در نرم‌افزار
• 93. چالش‌های پیش رو در توسعه LLMs
• 94. نکات پایانی و جمع‌بندی
• 95. مطالعه موردی: ساخت سیستم مدیریت دانش
• 96. مطالعه موردی: ساخت دستیار برنامه‌نویس
• 97. مطالعه موردی: ساخت ابزار تحلیل اخبار
• 98. مطالعه موردی: ساخت سیستم آموزشی هوشمند
• 99. مدیریت پروژه در توسعه نرم‌افزار هوشمند
• 100. تیم‌سازی در پروژه‌های هوش مصنوعی