دوره LangChain: ایجاد ابزارهای پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره LangChain: ایجاد ابزارهای پشتیبانی تصمیم‌گیری مبتنی بر هوش مصنوعی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: LangChain

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و کاربردهای آن
• 2. آشنایی با مدل‌های زبانی بزرگ (LLMs)
• 3. مبانی زبان‌شناسی محاسباتی
• 4. مفاهیم کلیدی در پردازش زبان طبیعی (NLP)
• 5. معماری مدل‌های ترنسفورمر
• 6. آشنایی با LangChain و اجزای اصلی آن
• 7. نصب و پیکربندی LangChain
• 8. اولین گام‌ها با LangChain: ساخت یک زنجیره ساده
• 9. مدل‌های زبانی (LLMs) در LangChain
• 10. Prompt Engineering پیشرفته برای LLMs
• 11. مدیریت تاریخچه مکالمه (Memory) در LangChain
• 12. انواع Memory در LangChain
• 13. استفاده از Vector Stores برای بازیابی اطلاعات
• 14. آشنایی با Embeddings و مدل‌های آن‌ها
• 15. کار با Vector Stores محبوب (Chroma, FAISS, Pinecone)
• 16. بازیابی اطلاعات (Retrieval) در LangChain
• 17. ساخت ابزارهای جستجو (Retrievers) سفارشی
• 18. تکنیک‌های بازیابی پیشرفته
• 19. Agents و توانمندسازی آن‌ها
• 20. انواع Agents در LangChain
• 21. ابزارها (Tools) در LangChain
• 22. ساخت ابزارهای سفارشی برای Agents
• 23. استفاده از Function Calling در LangChain
• 24. Agents مبتنی بر Function Calling
• 25. کار با انواع مختلف LLM Wrappers
• 26. مدل‌های زبانی متن به متن (Text-to-Text LLMs)
• 27. مدل‌های زبانی تولید متن (Text Generation LLMs)
• 28. مدل‌های زبانی چت (Chat LLMs)
• 29. Prompt Templates و مدیریت آن‌ها
• 30. استفاده از Partial Prompt Templates
• 31. استفاده از Variables در Prompt Templates
• 32. Chains و انواع آن‌ها
• 33. Sequential Chains
• 34. Simple Sequential Chains
• 35. Transform Chains
• 36. LLM Chains
• 37. API Chains
• 38. SQL Chains
• 39. Graph Chains
• 40. Pandas DataFrames Chains
• 41. استفاده از Indexes در LangChain
• 42. Document Loaders
• 43. Text Splitters
• 44. Embeddings
• 45. Vector Stores
• 46. Retrievers
• 47. Agents as Indexes
• 48. استفاده از LangChain برای پرسش و پاسخ از اسناد
• 49. ساخت سیستم پرسش و پاسخ مبتنی بر اسناد
• 50. فهرست‌سازی اسناد با استفاده از Embeddings
• 51. بازیابی اسناد مرتبط با پرسش
• 52. تولید پاسخ با استفاده از LLMs
• 53. بهبود دقت سیستم پرسش و پاسخ
• 54. کار با اسناد حجیم و پیچیده
• 55. استفاده از LangChain برای خلاصه‌سازی متون
• 56. خلاصه‌سازی اسناد طولانی
• 57. انواع روش‌های خلاصه‌سازی
• 58. خلاصه‌سازی مبتنی بر LLMs
• 59. استفاده از LangChain برای طبقه‌بندی متون
• 60. ساخت مدل‌های طبقه‌بندی متن
• 61. استفاده از Prompt Engineering برای طبقه‌بندی
• 62. استفاده از LangChain برای استخراج اطلاعات
• 63. استخراج موجودیت‌های نام‌دار (NER)
• 64. استخراج روابط بین موجودیت‌ها
• 65. استفاده از LangChain برای ترجمه ماشینی
• 66. مبانی ترجمه ماشینی
• 67. کار با مدل‌های زبانی برای ترجمه
• 68. استفاده از LangChain برای تحلیل احساسات
• 69. تحلیل احساسات متون
• 70. کار با LLMs برای تشخیص احساسات
• 71. استفاده از LangChain برای تولید محتوا
• 72. تولید متن خلاقانه
• 73. تولید پست‌های وبلاگ
• 74. تولید ایمیل‌های بازاریابی
• 75. استفاده از LangChain برای ساخت چت‌بات‌های پیشرفته
• 76. طراحی معماری چت‌بات
• 77. مدیریت وضعیت مکالمه
• 78. ادغام با پایگاه دانش
• 79. بهبود تجربه کاربری چت‌بات
• 80. استفاده از LangChain برای پشتیبانی تصمیم‌گیری
• 81. تحلیل داده‌ها با استفاده از LLMs
• 82. ارائه پیشنهادات مبتنی بر تحلیل
• 83. پشتیبانی از تصمیم‌گیری در حوزه‌های مختلف
• 84. امنیت و ملاحظات اخلاقی در LangChain
• 85. حفاظت از داده‌ها و حریم خصوصی
• 86. جلوگیری از تولید محتوای نامناسب
• 87. ملاحظات مربوط به سوگیری در LLMs
• 88. بهینه‌سازی عملکرد و مقیاس‌پذیری LangChain
• 89. تنظیم پارامترهای LLMs
• 90. مدیریت حافظه و منابع
• 91. استفاده از LangChain در پروژه‌های واقعی
• 92. مطالعات موردی کاربردی
• 93. چالش‌ها و راهکارها در پیاده‌سازی
• 94. آینده LangChain و هوش مصنوعی مولد
• 95. روندهای نوظهور در LLMs
• 96. توسعه ابزارهای پشتیبانی تصمیم‌گیری هوشمند
• 97. چالش‌های پیش رو و فرصت‌های آینده