نویسنده(های): ویکرام بات
در ابتدا منتشر شد به سمت هوش مصنوعی.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
در این وبلاگ، به ایجاد یک برنامه تعاملی Gradio می پردازیم که به کاربران امکان می دهد یک فایل CSV را آپلود کنند و داده های آن را با استفاده از یک مدل هوش مصنوعی مکالمه ای که توسط create_pandas_dataframe_agent LangChain و Llama 3.2 از Ollama طراحی شده است، جستجو کنند. این راهنما بر ساخت یک برنامه محلی متمرکز است که در آن کاربر می تواند CSV ها را آپلود کند، درباره داده ها سؤال بپرسد و پاسخ ها را در زمان واقعی دریافت کند.
کد کامل این اپلیکیشن را می توانید در مخزن گیت هاب بیابید.
Gradio یک جایگزین قدرتمند برای Streamlit است که بسیاری از ویژگی های جدید را ارائه می دهد که ساختمان سازی را ایجاد می کند یادگیری ماشینی برنامه های کاربردی آسان Gradio با رابط های ساده و قابلیت های یکپارچه سازی چشمگیر برتر است. برخی از ویژگی‌های برجسته عبارتند از پشتیبانی بومی برای انواع داده‌های مختلف (مانند تصاویر، صدا و متن)، به‌روزرسانی‌های پویا UI، و ادغام آسان با کتابخانه‌های محبوب مانند TensorFlow، PyTorch و LangChain.
در این آموزش، ما از Create_pandas_dataframe_agent تجربی LangChain استفاده می کنیم که به ما امکان می دهد CSV های ساده را بدون نیاز به پیاده سازی سیستم های پیچیده Retrieval-Augmented Generation (RAG) تجزیه و تحلیل کنیم. این آن را برای کاربرانی که می‌خواهند به سرعت داده‌های CSV را به صورت مکالمه و بدون هزینه‌های سربار ساختن یک سیستم RAG کامل استعلام کنند، ایده‌آل می‌کند.
علاوه بر این، Ollama ما را قادر می سازد تا کل سیستم را به صورت محلی اجرا کنیم، با استفاده از… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی