هوش مصنوعی و علم داده به فارسی
6.07K subscribers
2.41K photos
554 videos
370 files
2.57K links
DataPlusScience | هوش مصنوعی و علم داده به فارسی
اخبار، تحلیل، آموزش و ابزارهای کاربردی

🌐 DataPlusScience.ir

📩 ارتباط با ما: @Contact2Mebot

📂 کانال فایل‌ها: @Datascientists_Files

💎 بله: ble.ir/dataplusscience

💡 ایتا: eitaa.com/DataPlusScience
Download Telegram
‏🔍 مطالعات موردی LangChain از شرکت‌های بزرگ

‏بلاگ LangChain (فریم‌ورک ساخت اپلیکیشن‌های مبتنی بر LLM) بخش اختصاصی برای مطالعات موردی دارد که تجربه شرکت‌های بزرگ مثل Cisco را در پیاده‌سازی پروژه‌های مبتنی بر LangChain مستند کرده است. این منبع برای الهام‌گرفتن از الگوهای واقعی و یادگیری بهترین شیوه‌ها بسیار کاربردی است.

‏

‏🔹 شرکت‌های بزرگ: تجربه پیاده‌سازی واقعی شرکت‌هایی مثل Cisco مستند شده
‏🔸 الگوهای عملی: راه‌حل‌ها و معماری‌های استفاده‌شده در پروژه‌های واقعی قابل بررسی است
‏🔹 یادگیری تجربی: منبع مناسب برای درک چالش‌ها و راه‌حل‌های عملی در پروژه‌های LLM
‏


‏🔗 مطالعات موردی LangChain

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#مقاله #LangChain
‏🤖 گراف دانش تعاملی از کدبیس

‏ابزاری جدید، هر کدبیس را به یک گراف دانش تعاملی تبدیل می‌کند تا درک و پیمایش آن آسان‌تر شود.
‏🔗 Understand-Anything

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#معرفی #LangChain
‏📝 مستندسازی خودکار کدها با OpenWiki

‏ابزار اپن‌سورس OpenWiki که توسط تیم توسعه‌دهنده LangChain معرفی شده، فرآیند مستندسازی پروژه را کاملاً خودکار می‌کند. با این ابزار دیگر نیازی به به‌روزرسانی دستی داکیومنت‌ها پس از هر تغییر در کدبیس ندارید. جزئیات فنی و نکات لازم برای استفاده عملی در مرجع کامل آمده است.

‏این پروژه در واقع یک «حافظه شخصی» و پویا برای ایجنت‌های هوش مصنوعی (AI Agents) می‌سازد تا هم‌زمان با تغییرات کد، مستندات فنی را همیشه آپدیت و آماده استفاده نگه دارد.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#OpenWiki #LangChain
7520048000967233536_01_@DataPlusScience_7520048000967233536_01.pdf
1.3 MB
‏کتاب Building LLMs for Production

‏این کتاب مجموعه‌ای کاربردی برای یادگیری نحوه پیاده‌سازی و استقرار مدل‌های زبانی بزرگ (LLM) در محیط‌های عملیاتی است. مطالب کتاب بر مباحثی متمرکز است که برای انتقال از نمونه‌های ساده به پروژه‌های واقعی نیاز دارید.

‏مهم‌ترین سرفصل‌های این کتاب عبارتند از:
‏- مفاهیم پایه و معماری LLM
‏- مهندسی پرامپت و تامین امنیت
‏- پیاده‌سازی RAG (Retrieval-Augmented Generation) و استفاده از پایگاه‌داده‌های برداری
‏- کار با LangChain و LlamaIndex
‏- استراتژی‌های ارزیابی و بهبود خروجی مدل
‏- تکنیک‌های Fine-tuning و بهینه‌سازی استقرار
‏- ساخت و توسعه AI Agents

‏در متن کتاب، مثال‌های کدنویسی با پایتون برای بخش‌های مختلف مانند تقسیم متن (Text Splitting)، تولید Embedding و استفاده از API مدل‌هایی مثل OpenAI و Cohere ارائه شده است تا مستقیماً با چالش‌های فنی این مسیر آشنا شوید. فایل کامل کتاب در ادامه همین پست قابل دریافت است.

🔗 توضیحات و نمونه‌کد در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما


#LangChain #RAG