- Créer et déployer des agents
- Conception et personnalisation de Chatbots
- Création d'un agent personnalisé
- Maîtriser la compréhension du code et de l'écosystème LangChain
Introduction
- Présentation de Langchain
- Installation et configuration de Langchain
- Construire une application de modèle de langage : LLM
- LLM : Obenir des prédictions à partir d'un modèle de langage
- Modèles d'invite : gérer les invites pour les LLM
- Chaînes : Combinez les LLM et les invites dans des flux de travail en plusieurs étapes
- Appeler dynamiquement des chaînes en fonction de l'entrée de l'utilisateur
- Ajouter un état aux chaînes et aux agents
- Obtenir des messages complets à partir d'un modèle de chat
Modèles
- Les types de modèles
- Les grands modèles de langage (LLM)
- Les modèles de chat
- Les modèles d'intégration de texte
- Instructions
- Mise en route
- Modèles d'invite LLM
- Modèles d'invite de chat
- Sélecteurs d'exemples
- Mémoire
- Charger des documents à partir de diverses sources
- Une vue d'ensemble et différents types de Text Splitters
- Agents d'action
- AgentFinish
- Agent Executor
- Agents autonomes
- Simulations d'agents
Chatbots
- Recréer une expérience de type ChatGPT grâce à ChatGPT Clone
- Utiliser différents types de Conversation Memory
- Créer un agent optimisé pour la conversation
- Créer un assistant vocal à l'aide de LangChain
Compréhension du code
- Indexez la base du code
- Intégration et magasin du code
- Construire le Retriever
- Construire la chaîne conversationnelle
- Définir une liste de question à poser pour générer des réponses contextuelles
L'évaluation dans LangChain
- Analyse comparative des agents
- Agent VectorDB Question Answering Benchmarking
- Modèle d'analyse comparative
- LLM Mathématiques
- Évaluation d'une chaîne OpenAPI
- Utilisation des ensembles de données de visage étreignant
Attestation de formation
Non certifiante
Sans niveau spécifique