تطوير تطبيقات LangChain

دليل عملي لبناء تطبيقات AI باستخدام LangChain

برمجة الذكاء الاصطناعى وتعلم الآلة 4.6(59)3 ساعات و33 دقيقة18 درساقسمان

ماذا ستتعلم؟

فهم أساسيات OpenAI API واستخدامه المتقدم
بناء نماذج LangChain باستخدام OpenAI وGemini
تصميم قوالب الأوامر Prompt Templates
استخدام التعلم بالأمثلة Few-Shot Learning
تنظيم المخرجات باستخدام Output Parsing
بناء سلاسل LangChain
إضافة الذاكرة إلى التطبيقات
استخدام Hugging Face مع LangChain
تلخيص فيديوهات يوتيوب بالنماذج اللغوية

عن الدورة

يشرح هذا الكورس تطوير تطبيقات LangChain، أي بناء تطبيقات ذكاء اصطناعي تعتمد على النماذج اللغوية الكبيرة LLMs. يبدأ بمقدمة ثم أساسيات OpenAI API وطرقه المتقدمة، وبعدها نماذج LangChain باستخدام OpenAI وباستخدام Gemini. بعد ذلك تتعلم قوالب الأوامر Prompt Templates، والتعلم بالأمثلة Few-Shot Learning، وتنظيم المخرجات Output Parsing، وسلاسل LangChain، والذاكرة في LangChain عبر جزأين. وينتقل الكورس إلى Hugging Face: مقدمة عنه، واستخدامه مع LangChain، ونماذجه، ودمجه مع LangChain. كما يتضمن مشروعا لتلخيص فيديوهات يوتيوب على جزأين، ثم المشاريع المستخدمة في الكورس. يناسب الكورس المبرمجين والمهتمين بتطبيقات الذكاء الاصطناعي، ويفضل أن تكون لديك معرفة أساسية بلغة بايثون. وفي النهاية ستكون قادرا على بناء تطبيق بسيط يربط النماذج اللغوية بالأدوات، وتنظيم مخرجاته، وإضافة الذاكرة إليه، واستخدام نماذج من Hugging Face داخل مشروعك.

نتائج متوقعة من الدورة

القدرة على بناء تطبيقات ذكاء اصطناعي عملية باستخدام LangChain.
تنفيذ مشاريع حقيقية تعتمد على LLMs من البداية حتى التشغيل.
استخدام HuggingFace مع LangChain في تطبيقات واقعية.
تحليل المخرجات وتنظيمها باستخدام تقنيات Output Parsing.

تقييمات المتدربين

التقييمات هنا من المتدربين الذين اشتروا الدورة وأكملوا 50٪ من المحتوى على الأقل — لا توجد تقييمات من شخص لم يطلع على المحتوى.

4.6

★★★★★

59 تقييم

5★

4★

3★

2★

1★

محتوى الدورة

تطوير تطبيقات LangChain

17 درس

مقدمة الكورسيعرض خريطة كورس LangChain: فهم Large Language Models وOpenAI API وتكلفة الطلبات، ثم Prompt Engineering وOutput Parsers وChains وأنواع Memory، وختاما استخدام Hugging Face ودمجه مع LangChain.2:59
أساسيات OpenAI APIيشرح تثبيت مكتبة OpenAI وإنشاء عميل بمفتاح API، ثم إرسال رسالة بدورين هما system وuser، وفهم حساب التكلفة بالتوكن، واستخراج الرد من نتيجة النموذج.10:57
OpenAI API المتقدميجمع استدعاء OpenAI API في دالة واحدة تستقبل رسالة المستخدم ورسالة system واسم النموذج وTemperature وأقصى عدد توكن، ثم يجربها بتعليمات تغير لهجة الرد.12:18
نماذج LangChain باستخدام OpenAIيشرح استخدام نماذج OpenAI عبر LangChain: تثبيت المكتبة، ضبط Temperature، بناء قالب Prompt لتحويل بريد شكوى إلى أسلوب معين، قراءة بيانات التوكن في الرد، وعرض الرد كلمة بكلمة بالـ streaming.12:19
نماذج LangChain باستخدام Geminiيشرح استخدام نماذج Gemini من جوجل داخل LangChain: تثبيت مكتبة langchain-google-genai، الحصول على مفتاح API، إعادة تجربة قالب البريد نفسه، ومقارنة جودة الرد عند التحويل إلى نموذج أقوى.9:26
قوالب الأوامر (Prompt Templates)يشرح Prompt Templates في LangChain: تعريف قالب بمتغيرات إدخال مثل الأسلوب ونص البريد، ثم ملء المتغيرات بـ format للحصول على الرسالة النهائية وإرسالها إلى النموذج.9:36
التعلّم بالأمثلة (Few‑Shot Learning)يشرح تقنية Few-Shot Learning: إعطاء النموذج أمثلة، مثل الدولة وعاصمتها، ليتعلم الصيغة المطلوبة، ثم بناء FewShotPromptTemplate من الأمثلة وقالب الأساس وsuffix لإدخال دولة جديدة.14:26
تنظيم المخرجات (Output Parsing)يشرح تنظيم مخرجات النموذج بـ Output Parsing: تعريف ResponseSchema لتحديد الحقول المطلوبة من نص تقييم، مثل الهدية ومدة التوصيل والسعر، لاستخراجها بصيغة JSON أو قاموس.16:00
سلاسل LangChainيشرح Chains في LangChain: سلسلة أساسية تربط النموذج بالقالب لاقتراح اسم لمنتج، ثم سلاسل متتابعة تمرر ناتج كل خطوة إلى التالية، مثل تلخيص الاسم، مع تسمية مخرجات كل سلسلة.14:27
الذاكرة في LangChain (الجزء الأول)يشرح لماذا لا يتذكر النموذج الرسائل السابقة، ثم يستخدم ConversationChain مع ConversationBufferMemory لحفظ كل المحادثة، وConversationBufferWindowMemory لتذكر آخر عدد محدد من الرسائل فقط.14:32
الذاكرة في LangChain (الجزء الثاني)يشرح نوعين من الذاكرة في LangChain: ConversationTokenBufferMemory التي تحتفظ بالمحادثة حتى حد معين من التوكن، وConversationSummaryMemory التي تخزن ملخصا يتحدث مع كل رسالة.7:47
مقدمة إلى Hugging Faceيقدم منصة Hugging Face المفتوحة المصدر ونماذجها المجانية المبنية على Transformers، ويجرب في Google Colab مهام pipeline مثل توليد النص بنموذج GPT-2 وتصنيف النص لتحليل المشاعر وصحة القواعد.16:00
استخدام Hugging Face مع LangChainيطبق مهام Sequence-to-Sequence بـ pipeline في Hugging Face، مثل ترجمة نص من العربية إلى لغة أخرى وتوليد سؤال من سياق معين، مع تعديل معاملات مثل أقصى طول للمخرجات.13:41
نماذج Hugging Faceيشرح تحميل النموذج والـ tokenizer كلا على حدة في Hugging Face بدل pipeline، وتحويل النص إلى tokens، وتمريرها إلى النموذج، ثم فك ترميز الناتج إلى نص مقروء.15:15
تلخيص فيديوهات يوتيوب (الجزء الأول)يبني الجزء الأول من مشروع تلخيص فيديو يوتيوب: استخراج معرف الفيديو من الرابط، وجلب الـ transcript بمكتبة youtube-transcript-api، ودمج أجزاء النص في نص واحد.20:16
تلخيص فيديوهات يوتيوب (الجزء الثاني)يكمل مشروع تلخيص يوتيوب بتقسيم الـ transcript الطويل إلى أجزاء بعدد حروف محدد، وتلخيص كل جزء بنموذج summarization، ثم تجميع الملخصات وتشغيل المشروع كاملا من الرابط إلى الملخص.15:41
دمج Hugging Face مع LangChainيشرح دمج نماذج Hugging Face مع LangChain: تحميل نموذج خفيف من Alibaba وتغليفه كـ pipeline لتوليد النص بضبط أقصى عدد توكن وTemperature، ثم ربطه بقالب Prompt في chain لكتابة وصفة أكلة.7:48