PickAClass · الذكاء الاصطناعي، التكنولوجيا والهندسة · الذكاء الاصطناعي التوليدي والتعلم العميق

تطوير تطبيقات LLM

تعلم بناء تطبيقات مدعومة بنماذج اللغة الكبيرة (LLM) باستخدام أطر عمل مثل LangChain وLlamaIndex. قم بتطوير روبوتات الدردشة وأنظمة الإجابة على الأسئلة والوكلاء باستخدام تقنية الجيل المعزز بالاسترجاع (RAG).

89 courses

تطوير تطبيقات LLM

LangChain Fundamentals: بناء تطبيقات الاسترجاع - التوليد المعزز

بناء مسارات عمل الذكاء الاصطناعي باستخدام LangChain ونماذج اللغة الكبيرة مفتوحة المصدر

بناء تطبيقات الذكاء الاصطناعي من المفهوم إلى النشر

ربط الذكاء الاصطناعي بالبيانات المخصصة باستخدام RAG

الذكاء الاصطناعي للمطورين: دمج نماذج اللغة الكبيرة (LLMs) مع واجهات برمجة التطبيقات (APIs) والموجهات

بناء تطبيقات الذكاء الاصطناعي التوليدي بدون كود باستخدام Dify

مقدمة إلى RAG: AI Answers from Your Documents (الذكاء الاصطناعي يجيب من مستنداتك)

تطوير تطبيقات واجهة برمجة التطبيقات (API) باستخدام DeepSeek و Tongyi

تطبيقات ماجستير القانون في البيانات: بناء مساعد تحليلي لـ RAG

مراقبة وكلاء AI: LangSmith و Langfuse

أساسيات قابلية الملاحظة لـ AI Agent باستخدام Langfuse

أساسيات تقييم وكلاء AI باستخدام LangSmith

بناء تطبيقات GraphRAG باستخدام LlamaIndex

أساسيات Agentic RAG: بناء وكلاء AI باستخدام LangGraph

بناء وكلاء AI باستخدام LlamaIndex و RAG

LangGraph Studio: بناء وتصحيح سير عمل وكلاء AI

LangChain و LangGraph: بناء وكلاء ذكاء اصطناعي ذوي حالة (Stateful)

أساسيات مسارات RAG و LLMOps

بناء حزمة ذكاء اصطناعي محلية خاصة: LLMs و RAG مستضافة ذاتياً

بناء تطبيقات LLM باستخدام TypeScript و LangChain.js

تطوير الذكاء الاصطناعي باستخدام Java: LangChain4j و Spring AI

مخرجات LLM المهيكلة: JSON و Pydantic والتحقق من الصحة

استدعاء وظائف LLM: ربط الذكاء الاصطناعي بـ APIs وقواعد البيانات

أساسيات LlamaIndex: بناء وكلاء الذكاء الاصطناعي وتطبيقات RAG