Domine LLMs com LangChain

Neste curso, você se aprofundará no universo da IA Generativa com LL Ms (Large Language Models), explorando o potencial da combinação entre LangChain e Python. Você implementará soluções proprietárias (ChatGPT) e modelos open source modernos, como Llama e Phi. Por meio de projetos práticos e reais, você desenvolverá aplicações inovadoras, incluindo um assistente virtual personalizado e um chatbot que interage com documentos e vídeos. Vamos explorar técnicas avançadas como RAG e agentes, além de utilizar ferramentas como Streamlit para criar interfaces intuitivas. Você aprenderá a utilizar essas tecnologias gratuitamente no Google Colab e também a executar os projetos em ambiente local.Na introdução, você será apresentado à teoria dos Grandes Modelos de Linguagem (LL Ms) e seus conceitos fundamentais. Além disso, será explorado o ecossistema da Hugging Face, que oferece soluções modernas de Processamento de Linguagem Natural (PLN). Você aprenderá a implementar LL Ms utilizando tanto o pipeline da Hugging Face quanto a biblioteca LangChain, compreendendo as vantagens de cada abordagem.Na segunda parte, será abordado o domínio da LangChain. Você aprenderá a acessar modelos de código aberto, como o Llama da Meta e o Phi da Microsoft, além de LL Ms proprietárias, como o ChatGPT da OpenAI. Será explicado como realizar a quantização de modelos, com o objetivo de melhorar a performance e a escalabilidade. Também serão apresentados os principais componentes do LangChain, como chains, templates e tools, e como utilizá-los para desenvolver soluções robustas em PLN. Técnicas de engenharia de prompt serão abordadas para ajudar a obter resultados mais precisos. O conceito de RAG (Retrieval-Augmented Generation) será explorado, incluindo o processo de armazenamento e recuperação de informações. Você aprenderá a implementar bancos de dados vetoriais (vector stores) e entenderá a importância dos embeddings e como utilizá-los de forma eficaz. Também será mostrado como usar RAG para inter