Overview

Dans ce cours, tu plongeras dans le monde de l'IA générative avec les LLMs (Large Language Models), en explorant le potentiel de la combinaison de LangChain avec Python. Ce cours complet est conçu pour t'apprendre à exploiter RAPIDEMENT la puissance de la bibliothèque LangChain pour des applications LLMs. Il te permettra d'acquérir les compétences et les connaissances nécessaires pour développer des solutions LLM de pointe pour une gamme variée de sujets.Langchain est un framework pour faire évoluer les LLMs comme ChatGPT avec des sources de données externes et des APIs pour améliorer les capacités. Les composants clés de LangChain, tels que les chaînes, les modèles, les outils et les agents seront présentés, ainsi que la manière de les utiliser pour développer des solutions NLP robustes. Le concept de RAG (Retrieval-Augmented Generation) sera exploré, y compris les processus de stockage et de récupération de l'information. Tu apprendras à mettre en auvre des magasins vectoriels et à comprendre l'importance des embeddings et la manière de les utiliser efficacement. Nous montrerons également comment utiliser RAG pour interagir avec des documents PDF et des pages web. En outre, tu auras l'occasion d'explorer l'intégration d'agents et d'outils, comme l'utilisation de LLM pour effectuer des recherches sur le web et récupérer des informations récentes.En guise de projet, tu apprendras à créer un chatbot personnalisé qui cherche sur le web et dotée d'une mémoire pour les questions-réponses. De plus, tu appliqueras le RAG pour lire et questionner n'importe quel type de PDFs.Tu apprendras:Ce qu'est LangChain et comment il élargit ce que les assistants d'IA peuvent exploiterIntégrer LangChain à OpenAi, MistralAI et Hugging Face de manière transparenteL'utilisation de templates de prompt pour standardiser les requêtesConnecter des sources de données telles que des documents, des embeddings, des bases de données vectoriellesGérer le contexte et la mémoire avec les embeddingsOutils et agents pour renforcer OpenAI, par exemple l'exécution de codeUtilisation pratique de ChromaDB, la base de données vectorielle de LangChainGénération de texte en continu avec LangChainÀ la fin de ce module, tu seras équipé pour commencer à construire des applications Langchain qui connectent OpenAI ou d'autres LLMs à des données externes précieuses pour des réponses plus pertinentes.Avertissements:J'utilise à de nombreuses reprises l'API de OpenAI qui n'est pas gratuite, mais je propose et mets en place également différentes solutions gratuites (API MistralAI et modèles LLMs open-source sur Hugging Face)

Skills

Reviews