Introducci贸n a LangChain

1

Desarrollo de aplicaciones con LLM utilizando LangChain

2

Estructura y m贸dulos de LangChain

3

Uso de modelos Open Source de Hugging Face

4

Uso de modelos de OpenAI API

5

Prompt templates de LangChain

6

Cadenas en LangChain

7

Utility chains

8

RetrievalQA chain

9

Foundational chains

Quiz: Introducci贸n a LangChain

Casos de uso de LangChain

10

Casos de uso de LangChain

11

驴C贸mo utilizar LangChain en mi equipo?

Quiz: Casos de uso de LangChain

Manejo de documentos con 铆ndices

12

驴C贸mo manejar documentos con 铆ndices en LangChain?

13

La clase Document

14

Document Loaders: PDF

15

Document Loaders: CSV con Pandas DataFrames

16

Document Loaders: JSONL

17

Document Transformers: TextSplitters

18

Proyecto de Chatbot: configuraci贸n de entorno para LangChain y obtenci贸n de datos

19

Proyecto de Chatbot: creaci贸n de documents de Hugging Face

Quiz: Manejo de documentos con 铆ndices

Embeddings y bases de datos vectoriales

20

Uso de embeddings y bases de datos vectoriales con LangChain

21

驴C贸mo usar embeddings de OpenAI en LangChain?

22

驴C贸mo usar embeddings de Hugging Face en LangChaing?

23

Chroma vector store en LangChain

24

Proyecto de Chatbot: ingesta de documents en Chroma

25

RetrievalQA: cadena para preguntar

26

Proyecto de Chatbot: cadena de conversaci贸n

27

Proyecto de Chatbot: RetrievalQA chain

Quiz: Embeddings y bases de datos vectoriales

Chats y memoria con LangChain

28

驴Para qu茅 sirve la memoria en cadenas y chats?

29

Uso de modelos de chat con LangChain

30

Chat prompt templates

31

ConversationBufferMemory

32

ConversationBufferWindowMemory

33

ConversationSummaryMemory

34

ConversationSummaryBufferMemory

35

Entity memory

36

Proyecto de Chatbot: chat history con ConversationalRetrievalChain

Quiz: Chats y memoria con LangChain

Evoluci贸n del uso de LLM

37

LangChain y LLM en evoluci贸n constante

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Adquiere por un a帽o todos los cursos, escuelas y certificados por un precio especial.

Antes: $249

Currency
$219/a帽o

Paga en 4 cuotas sin intereses

Paga en 4 cuotas sin intereses
Comprar ahora

Termina en:

0D
23H
58M
33S

Cadenas en LangChain

6/37
Recursos

Aportes 3

Preguntas 0

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

Una cadena conjunta informaci贸n en un proceso que responde a una pregunta. Ejemplificando: se puede tener al inicio de la cadena un proceso de limpieza de datos y en la segunda parte de la cadena se podr铆a recibir un promt e informaci贸n del usuario para responder una pregunta.

Hay dos tipos de cadenas:

  • Utility: Son cadenas que ya tienen un proposito muy especifico (Generar resumenes a partir de texto, responder preguntas)
  • Foundational: Estas est谩n creadas a partir de cadenas fundacionales. (LLM, Transdormation)

En pocas palabras: Las cadenas permiten combinar varios componentes para crear una sola aplicaci贸n coherente. Por ejemplo, podemos crear una cadena que tome la entrada del usuario, la formate茅 con una plantilla de prompt y luego env铆e la respuesta a un LLM. Las cadenas simplifican y hacen m谩s modular la implementaci贸n de aplicaciones complejas.

  1. Importancia de las Cadenas en Language Chain:
    • Conjuntan informaci贸n en un proceso que culmina en m贸dulo de lenguaje respondiendo preguntas.
    • Ejemplo: Proceso de limpieza de datos al inicio, luego recibir prompt e informaci贸n del usuario para resolver una pregunta.
  2. Formas de Utilizar Cadenas:
    • Uniendo diferentes cadenas peque帽as.
    • Usando una cadena que por s铆 misma sea 煤til.
  3. Tipos de Cadenas:
    • Utility (de utilidad):
      • Funciones con prop贸sito espec铆fico.
      • Ejemplos: generar resumen, resolver preguntas, crear conversaciones con o sin memoria.
      • Creadas a partir de cadenas fundacionales.
    • Fundacionales:
      • Ejemplo: cadenas de LLM.
      • Permiten integrar un prompt o indicaci贸n con un modelo de lenguaje/chat (e.g., GPT 3.5 de OpenAI).
      • Se pueden combinar con cadenas de transformaci贸n que limpian el texto para insertarlo en la cadena de LLM.
  4. Combinaci贸n de Cadenas:
    • Usar 鈥渟ecuencial鈥 como envoltorio para juntar cadenas y lograr un objetivo espec铆fico.
    • Resultado: cadena de utilidad.