- عنوان کتاب: LangChain for Life Sciences and Healthcare
- نویسنده: Ivan Reznikov
- حوزه: فناوریهای زیست محیطی
- سال انتشار: 2025
- تعداد صفحه: 678
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 9.54 مگابایت
در زمان انتشار این کتاب، ما در حال گذار از استدلالگران به عاملها هستیم. این کتاب به شما این امکان را میدهد که حتی فراتر بروید و عاملها و نوآوران چندعاملی خود را توسعه دهید که قادر به خلق ایدههای جدید و طوفان فکری باشند. این کتاب به دو بخش تقسیم شده است. بخش اول به آمادهسازی صحنه اختصاص دارد: فصل 1 چشمانداز هوش مصنوعی مولد مدرن را بررسی میکند. فصل 2 در مورد نحوه کار مدلهای زبانی بزرگ بحث میکند. فصل 3 نحوه استفاده از اجزای LangChain را آموزش میدهد. فصل 4 توهمات، زمان استفاده از آنها و نحوه اجتناب از آنها را شرح میدهد. فصل 5 روشهایی را کشف میکند که برنامههای LangChain میتوانند تحقیقات عمومی را با یک ماشین مناظره سرعت بخشند و تیمهای ساده LangGraph را به نمایش میگذارد. بخش دوم به تحقیق، حوزههای علوم زیستی و ساخت برنامههای تجاری اختصاص دارد: فصل 6 مدلهای شیمیایی تنظیمشده دقیق را بررسی میکند و نحوه ساخت دستیاران هوش مصنوعی شیمی چندمنظوره را آموزش میدهد. فصل 7 تیمهای تحقیقاتی را با یک عضو تیم AlphaFold، عوامل تولید DNA و بسیاری موارد دیگر توسعه میدهد و پس از آن یک مدل استدلال DeepSeek را روی دادههای بیولوژیکی تنظیم میکند. فصل ۸ به بررسی چگونگی تولید مولکولهایی با ویژگیهای از پیش تعیینشده با استفاده از رمزگذارهای خودکار متغیر میپردازد و به ادغام فناوریهای گراف با هوش مصنوعی مولد میپردازد. فصل ۹ یک تیم قدرتمند LangGraph از ابرعاملهای مختلف هوش مصنوعی ایجاد میکند که مسئول تبدیل گفتار به متن، بازیابی دادههای جدول، تولید گزارشها و انجام استدلال فرضیه هستند. فصل ۱۰ با بحث در مورد محافظها و بهترین شیوهها در مورد حریم خصوصی دادهها، امنیت و انطباق، بررسی برخی از جایگزینها مانند LlamaIndex، CrewAI و AutoGen و ایجاد برنامههای هوش مصنوعی مولد تولید زنده با LangChain و افزونههای آن، کتاب را به پایان میرساند.
At the time of this book’s publication, we’re moving from reasoners to agents. This book will allow you to go even further and develop your own agents and multi-agent innovators, capable of creating new ideas and brainstorming. The book is separated into two parts. Part I is dedicated to setting the stage: Chapter 1 surveys the modern generative AI landscape. Chapter 2 discusses how large language models work. Chapter 3 teaches how to use LangChain components. Chapter 4 describes what hallucinations are, when to use them, and how to avoid them. Chapter 5 discovers ways in which LangChain applications can speed up general research with a debate machine and showcases simple LangGraph teams. Part II is dedicated to research, life science domains, and building commercial applications: Chapter 6 examines fine-tuned chemical models and teaches how to build multifunctional chemistry AI assistants. Chapter 7 develops research teams with an AlphaFold team member, DNA generation agents, and many more, followed by fine-tuning a DeepSeek reasoning model on biological data. Chapter 8 explores how to generate molecules with preset characteristics using variational autoencoders and looks into merging graph technologies with generative AI. Chapter 9 builds a powerful LangGraph team of different AI superagents, responsible for speech-totext, retrieving table data, generating reports, and performing hypothesis reasoning. Chapter 10 concludes the book by discussing guardrails and best practices regarding data privacy, security, and compliance, looking into some alternatives such as LlamaIndex, CrewAI, and AutoGen, and creating live-time production generative AI applications with LangChain and its add-ons.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
نظرات کاربران