Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

LangChain Mastery: Build GenAI Apps with LangChain &Pinecone

Thành thạo LangChain: Xây dựng ứng dụng GenAI với LangChain & Pinecone

Thành thạo LangChain: Xây dựng ứng dụng GenAI với LangChain & Pinecone

Phương pháp từng bước sử dụng LangChain và Pinecone cho GenAI với LLM. Phát triển ứng dụng thực tế hỗ trợ LLM bằng Python

4.5
(4,546 đánh giá)
24,677 học viên
Giảng viên
Andrei Dumitrescu
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 349.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
10.5 giờ video
111 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 18/03/2026

Bạn sẽ học được gì

Cách sử dụng LangChain, Pinecone và OpenAI để xây dựng ứng dụng hỗ trợ LLM.
Tìm hiểu về các thành phần LangChain, bao gồm trình bao bọc LLM, mẫu lệnh (prompt template), chuỗi (chain) và tác nhân (agent).
Tìm hiểu cách sử dụng mô hình đa phương thức Google Gemini Pro Vision
Cách tích hợp mô hình AI Google Gemini Pro và Pro Vision với LangChain
Tìm hiểu về các loại chuỗi (chain) khác nhau trong LangChain, như stuff, map_reduce, refine và các tác nhân LangChain.
Nắm vững kiến thức cơ bản về embedding và kho lưu trữ dữ liệu vector.
Học cách sử dụng embedding và kho lưu trữ vector để cải thiện hiệu suất ứng dụng LangChain.
Tìm hiểu sâu về Pinecone.
Tìm hiểu về Chỉ mục (Index) Pinecone và Tìm kiếm Tương tự (Similarity Search).
Dự án: Xây dựng ứng dụng hỏi-đáp hỗ trợ LLM với giao diện web hiện đại cho tài liệu tùy chỉnh hoặc riêng tư.
Dự án: Xây dựng hệ thống tóm tắt cho tài liệu lớn bằng nhiều phương pháp và chuỗi khác nhau: stuff, map_reduce, refine hoặc LangChain Agents.
Đây sẽ là trải nghiệm Học qua Thực hành. Chúng ta sẽ cùng nhau xây dựng từng bước, từng dòng mã cho các ứng dụng thực tế (bao gồm cả giao diện front-end sử dụng Streamlit).
Bạn sẽ học cách tạo giao diện web (front-end) cho ứng dụng LLM và GenAI của mình bằng Streamlit.
Streamlit: các khái niệm chính, widget, trạng thái phiên (session state), hàm gọi lại (callback).
Học cách sử dụng Jupyter AI hiệu quả.

Yêu cầu

Yêu cầu có kinh nghiệm lập trình Python cơ bản.
Bạn cần có thể đăng ký API OpenAI với số điện thoại hợp lệ.

Đối tượng phù hợp

Dành cho lập trình viên Python muốn xây dựng ứng dụng hỗ trợ LLM bằng LangChain, Pinecone và OpenAI.
Dành cho bất kỳ ai quan tâm đến công nghệ mang tính đột phá nhất thập kỷ này.
Dành cho bất kỳ lập trình viên nào quan tâm đến AI.

Nội dung khóa học

15 phần • 111 bài giảng
1 Cách tận dụng tối đa khóa học này
2 Tham gia Cộng đồng riêng của tôi!
3 Tài nguyên khóa học
1 Demo LangChain
2 Giới thiệu về LangChain
3 Thiết lập môi trường: LangChain, Python-dotenv
4 ChatModels: GPT-3.5-Turbo và GPT-4
5 Bộ nhớ đệm (Caching) phản hồi LLM
6 Truyền phát trực tuyến (Streaming) LLM
7 Mẫu lệnh (Prompt Templates)
8 Mẫu lệnh trò chuyện (ChatPrompt Templates)
9 Cập nhật quan trọng: Xử lý lỗi không dùng nữa (Deprecation) của LLMChain
10 Chuỗi đơn giản (Simple Chains)
11 Chuỗi tuần tự (Sequential Chains)
12 Giới thiệu về Tác nhân LangChain (LangChain Agents)
13 Tác nhân LangChain trong thực tế: Python REPL
14 Công cụ LangChain: DuckDuckGo và Wikipedia
15 Tạo một Tác nhân ReAct
16 Kiểm tra Tác nhân ReAct
1 Tóm tắt ngắn về Embedding
2 Giới thiệu về Cơ sở dữ liệu Vector
3 Xác thực với Pinecone
4 Làm việc với Chỉ mục Pinecone
5 Làm việc với Vector
6 Không gian tên (Namespaces)
7 Tách và Embedding văn bản bằng LangChain
8 Chèn Embedding vào Chỉ mục Pinecone
9 Đặt câu hỏi (Tìm kiếm Tương tự)
1 Lấy Khóa API Gemini
2 Mô hình đa phương thức Gemini: Nano, Pro và Ultra
3 Cài đặt thư viện Python cho Gemini và Xác thực với Gemini
4 Tích hợp Gemini với LangChain
5 Sử dụng System Prompt và Bật chế độ Streaming
6 AI Đa phương thức với Gemini
7 Cài đặt An toàn của Gemini
1 Jupyter AI
2 Phiên bản Python
3 Giới thiệu về Jupyter AI và các Công cụ hỗ trợ lập trình khác
4 Cài đặt Jupyter AI
5 Sử dụng Jupyter AI trong JupyterLab
6 Thiết lập Jupyter AI trong Jupyter Notebook
7 Sử dụng Jupyter AI trong Jupyter Notebook
8 Sử dụng Phép nội suy cho các trường hợp sử dụng nâng cao
9 Sử dụng Jupyter AI với các Nhà cung cấp và Mô hình khác
1 Giới thiệu dự án
2 Triển khai ứng dụng ChatGPT với ChatPromptTemplates và Chains
3 Thêm bộ nhớ trò chuyện bằng ConversationBufferMemory
4 Lưu phiên trò chuyện
1 Giới thiệu dự án
2 Tải tài liệu PDF tùy chỉnh (riêng tư) của bạn
3 Tải các định dạng tài liệu khác nhau
4 Bộ tải dịch vụ công cộng và riêng tư
5 Chiến lược phân đoạn và Tách tài liệu
6 Embedding và Tải lên Cơ sở dữ liệu Vector (Pinecone)
7 Đặt câu hỏi và Nhận câu trả lời
8 Sử dụng Chroma làm Cơ sở dữ liệu Vector
9 Thêm bộ nhớ vào hệ thống RAG (Lịch sử trò chuyện)
10 Sử dụng Prompt tùy chỉnh
1 Phiên bản LangChain
2 Giới thiệu dự án và Cài đặt thư viện
3 Định nghĩa hàm
4 Tạo Thanh bên (Sidebar)
5 Đọc, Phân đoạn và Embedding dữ liệu
6 Đặt câu hỏi và Nhận câu trả lời
7 Lưu lịch sử trò chuyện
8 Xóa lịch sử Trạng thái Phiên bằng hàm Gọi lại (Callback)
1 Giới thiệu dự án
2 Phiên bản LangChain
3 Tóm tắt bằng Prompt cơ bản
4 Tóm tắt bằng Mẫu lệnh (Prompt Templates)
5 Tóm tắt bằng StuffDocumentsChain
6 Tóm tắt tài liệu lớn bằng map_reduce
7 map_reduce với Prompt tùy chỉnh
8 Tóm tắt bằng refine CombineDocumentChain
9 refine với Prompt tùy chỉnh
10 Tóm tắt bằng Tác nhân LangChain (LangChain Agents)
1 Giới thiệu dự án
2 Xây dựng ứng dụng
3 Hiển thị lịch sử trò chuyện
4 Kiểm tra ứng dụng
1 Tài nguyên phần học
2 Giới thiệu về Streamlit
3 Các khái niệm chính của Streamlit
4 Hiển thị dữ liệu trên màn hình: st.write() và Magic
5 Widget, Phần 1: text_input, number_input, button
6 Widget, Phần 2: checkbox, radio, select
7 Widget, Phần 3: slider, file_uploader, camera_input, image
8 Bố cục: Thanh bên (Sidebar)
9 Bố cục: Cột (Columns)
10 Bố cục: Bộ mở rộng (Expander)
11 Hiển thị Thanh tiến trình
12 Trạng thái Phiên (Session State)
13 Hàm Gọi lại (Callbacks)
1 README
2 Câu lệnh While và continue
3 Câu lệnh While và break
4 Cắt lát (Slicing) và Lặp Danh sách
5 List Comprehension - Phần 1
6 List Comprehension - Phần 2
7 Làm việc với Từ điển (Dictionaries)
8 Tuần tự hóa dữ liệu JSON
9 Giải tuần tự hóa dữ liệu JSON
10 Bài tập: JSON và Requests/REST API
11 Đáp án bài tập: JSON và Requests/REST API
1 Thiết lập môi trường: Jupyter Notebook
2 Thiết lập môi trường: Google Colab
3 Thiết lập Môi trường ảo với venv
4 Sử dụng Môi trường ảo trong PyCharm và VSCode
1 Bước tiếp theo là gì?
1 Chúc mừng bạn
2 QUÀ TẶNG TRI ÂN!

Giới thiệu khóa học

Fully Updated for the latest versions of LangChain, OpenaAI, and Pinecone.

Unlock the Power of LangChain and Pinecone to Build Advanced LLM Applications with Generative AI and Python!


This LangChain course is the 2nd part of “OpenAI API with Python Bootcamp”. It is not recommended for complete beginners as it requires some essential Python programming experience.

Are you ready to dive into the world of Large Language Models (LLMs) and Generative AI (GenAI)? This comprehensive course will guide you through building cutting-edge LLM applications using OpenAI or Gemini API, LangChain, and Pinecone.

By the end of this course, you'll master LangChain and Pinecone to create powerful, production-ready LLM apps in Python. You'll also develop modern web front-ends with Streamlit, bringing your AI applications to life.


In this course, you will:

  • Understand the fundamentals of LangChain for simplified LLM app development.

  • Dive into Generative AI with OpenAI and Google's Gemini.

  • Build real-world LLM applications step-by-step with Python.

  • Utilize LangChain Agents and Chains for advanced functionalities.

  • Explore Pinecone for efficient vector embeddings and similarity search.

  • Work with vector databases like Pinecone and Chroma.

  • Implement embeddings and indexing for custom document QA systems.

  • Create RAG (Retrieval-Augemented Generation) Apps with LangChain.

  • Summarize large texts using LLMs.

  • Learn Prompt Engineering best practices.

  • Create engaging front-ends using Streamlit.

  • Become proficient in using AI Coding Assistants (Jupyter AI)

  • Create LLM-Based Hands-On Projects with LangChain for the Real-Word: RAG, ChatBot, Summarization


Who should take this course?

  • Python developers interested in AI, LLMs, LangChain and LangGraph.

  • Data scientists and AI enthusiasts looking to expand their skill set.

  • Professionals aiming to leverage Generative AI (GenAI) and LangChain in real-world applications.

Don't miss out on the AI revolution! Equip yourself with the skills to build state-of-the-art LLM applications. Enroll now and stay ahead in the rapidly evolving field of AI.

Join me on this exciting journey to master LangChain, Pinecone, and Generative AI. Let's build the future together!

I look forward to seeing you in the course!

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Generative Ai
Hiển thị tất cả khoá học Langchain
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊