Desarrollar aplicaciones LLM con LangChain
Descubre cómo crear aplicaciones con IA usando LLMs, prompts, cadenas y agentes en LangChain.
Comience El Curso Gratis3 horas10 vídeos33 ejercicios
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas
Preferido por estudiantes en miles de empresas
Descripción del curso
Bases para desarrollarse en el ecosistema LangChain
Aumenta tu conjunto de herramientas LLM con el ecosistema de LangChain, permitiendo una integración perfecta con los modelos OpenAI y Hugging Face. Descubre un marco de trabajo de código abierto que optimiza las aplicaciones del mundo real y te permite crear sofisticados sistemas de recuperación de información exclusivos para tu caso de uso.Metodologías de Creación de Chatbot utilizando LangChain
Utiliza las herramientas LangChain para desarrollar chatbots, comparando los matices entre los modelos de código abierto de HuggingFace y los modelos de código cerrado de OpenAI. Utiliza plantillas de avisos para conversaciones intrincadas, sentando las bases para el desarrollo avanzado de chatbot.Manejo de Datos y Generación de Aumento de la Recuperación (RAG) mediante LangChain
Domina la tokenización y las bases de datos vectoriales para una recuperación de datos optimizada, enriqueciendo las interacciones del chatbot con una gran cantidad de información externa. Utiliza las funciones de memoria RAG para optimizar diversos casos de uso.Integraciones avanzadas de cadenas, herramientas y agentes
Utiliza la potencia de las cadenas, las herramientas, los agentes, las API y la toma de decisiones inteligente para manejar casos de uso completos de extremo a extremo y la gestión avanzada de la salida LLM.Depuración y métricas de rendimiento
Por último, hazte experto en depuración, optimización y evaluación del rendimiento, asegurándote de que tus chatbots están desarrollados para la gestión de errores. Añade capas de transparencia para solucionar problemas.Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Ingeniero asociado de IA para desarrolladores
Ir a la pistaDesarrollo de aplicaciones de IA
Ir a la pista- 1
Introducción a la mecánica de LangChain y Chatbot
Gratuito¡Bienvenido al marco LangChain para crear aplicaciones en LLMs! Conocerás los principales componentes de LangChain, como los modelos, las cadenas, los agentes, los avisos y los analizadores sintácticos. Crearás chatbots utilizando modelos de código abierto de Hugging Face y modelos propios de OpenAI, crearás plantillas de avisos e integrarás distintas estrategias de memoria de chatbot para gestionar el contexto y los recursos durante las conversaciones.
El ecosistema LangChain50 xp¡Modelos Hugging Face en LangChain!100 xp¡Modelos OpenAI en LangChain!100 xpEstrategias de incitación para chatbots50 xpPlantillas y encadenamiento de preguntas100 xpPlantillas de mensajes de chat100 xpGestionar la memoria del modelo de chat50 xpIntegrar un historial de mensajes de chatbot100 xpCrear una memoria intermedia100 xpImplantar una memoria recapitulativa100 xp - 2
Cadenas y agentes
¡Es hora de subir de nivel tus cadenas LangChain! Aprenderás a utilizar el Lenguaje de Expresión LangChain (LCEL) para definir cadenas con mayor flexibilidad. Crearás cadenas secuenciales, en las que las entradas se pasan entre componentes para crear aplicaciones más avanzadas. También empezarás a integrar agentes, que utilizan LLMs para tomar decisiones.
Cadenas secuenciales50 xpConstruir indicaciones para cadenas secuenciales100 xpCadenas secuenciales con LCEL100 xpIntroducción a los agentes LangChain50 xp¿Qué es un agente?50 xpAgentes ReAct100 xpHerramientas personalizadas para agentes50 xpDefinir una función para el uso de herramientas100 xpCrear herramientas personalizadas100 xpIntegrar herramientas personalizadas con los agentes100 xp - 3
Generación Aumentada de Recuperación (RAG)
Una limitación de LLMs es que tienen un corte de conocimiento debido a que se entrenan con datos hasta cierto punto. En este capítulo, aprenderás a crear aplicaciones que utilicen la Generación Aumentada de Recuperación (RAG) para integrar datos externos con LLMs. El flujo de trabajo de RAG contiene algunos procesos diferentes, como dividir los datos, crear y almacenar las incrustaciones utilizando una base de datos vectorial, y recuperar la información más relevante para utilizarla en la aplicación. ¡Aprenderás a dominar todo el flujo de trabajo!
Integrar cargadores de documentos50 xpPDF cargadores de documentos100 xpCSV cargadores de documentos100 xpHTML cargadores de documentos100 xpDividir datos externos para recuperarlos50 xpDividir por caracteres100 xpDividir recursivamente por caracteres100 xpDividir HTML100 xpRAG almacenamiento y recuperación mediante bases de datos vectoriales50 xpPreparar los documentos y la base de datos vectorial100 xpConstruir una plantilla de solicitud de recuperación100 xpCrear una cadena RAG100 xp¡Recapitulación!50 xp
Empresas
¿Entrenar a 2 o más personas?
Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y másEn las siguientes pistas
Ingeniero asociado de IA para desarrolladores
Ir a la pistaDesarrollo de aplicaciones de IA
Ir a la pistacolaboradores
Audio grabado por
Jonathan Bennion
Ver MásAI Engineer & LangChain Contributor
¿Qué tienen que decir otros alumnos?
¡Únete a 14 millones de estudiantes y empieza Desarrollar aplicaciones LLM con LangChain hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.