Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Bringen Sie Ihre RAG-Anwendungen mit Graphen auf das nächste Level
Haben Sie genug von Vektoren, Embeddings und Vektor-RAG-Anwendungen? Schauen Sie nicht weiter! In diesem Kurs erfahren Sie, wie Graph RAG die Genauigkeit und Zuverlässigkeit von RAG-Anwendungen erheblich verbessern kann, indem Informationen in Form von Knoten und Beziehungen gespeichert und abgefragt werden. Kombinieren Sie Neo4j-Graphdatenbanken mit LangChain, und Sie erhalten eine wirklich großartige Möglichkeit, externe Daten mit LLMs abzurufen und zu integrieren.Erstellen Sie Neo4j-Graphdatenbanken aus unstrukturiertem Text
Was, wenn mein Datensatz eher aus unstrukturiertem, unübersichtlichem Text als aus einem Graphen besteht? Keine Panik—Sie lernen, wie Sie LLMs mit strukturierten Ausgaben verwenden, um Entitäten und Beziehungen aus Text zu extrahieren und neue Knoten und Beziehungen für Ihre Graphdatenbank zu erstellen. Sie werden die Pydantic-Bibliothek nutzen, um strikte Datenstrukturen zu definieren, die Ihr LLM mit extrahierten Textdaten befüllen soll.Vektoren und Graphen für hybrides RAG kombinieren
Sie müssen sich nicht zwischen Vektoren und Graphen entscheiden—Sie können das Beste aus beiden Welten haben! Entdecken Sie, wie Sie aus beiden Datenquellen in einem einzigen Workflow abrufen und Prompts sorgfältig erstellen können, um sie in eine hybride RAG-Anwendung zu integrieren.Langzeitgedächtnis für Chatbots integrieren
Graphdatenbanken wie Neo4j sind nicht nur als Wissensdatenbanken für Retrieval nützlich, Sie können auch langfristige Informationen wie Nutzerfakten und Präferenzen als Graphen speichern! Dieser Langzeitspeicher kann dann wie jede andere Graphdatenbank abgefragt werden, um diese Präferenzen zu integrieren und Ihre Anwendungen zu personalisieren.Voraussetzungen
Lernprogramm
Kursübersicht
1
Erste Schritte mit Graph RAG und Neo4j
Lerne, wie Graph RAG die Genauigkeit und Zuverlässigkeit von RAG-Anwendungen verbessern kann! Speichere Informationen als Knoten und Kanten in einer Neo4j-Datenbank und gib deinem LLM die Fähigkeit, sie abzufragen, damit es Entitäten- und Beziehungsinformationen abrufen und fundierte Antworten geben kann.
- Graphs und RAG50 XP
- Knoten erstellen100 XP
- Beziehungen erstellen100 XP
- Graph-Dokumente speichern100 XP
- Eine Wissensgraph-Abfrage durchführen50 XP
- Cypher-Anweisungen schreiben100 XP
- Cypher-Anweisungen ausführen100 XP
- Die MERGE-Klausel100 XP
- Text-zu-Cypher Graph RAG mit Neo4j50 XP
- Eine Text-zu-Cypher-Chain erstellen100 XP
- Text-zu-Cypher Retrieval-Chain100 XP
2
Graphmodelle und Hybrid-RAG
Text-to-Cypher-Anwendungen funktionieren in vielen Situationen gut, aber wir können noch mehr herausholen! Entdecke, wie du Graphdatenbanken mit unterschiedlichen Graphmodellen konstruierst, darunter lexikalische und Domain-Graphen. Erstelle Neo4j-Vektorindizes, damit du das Beste aus beiden Welten nutzen und Graph- und Vektorabruf gleichzeitig ausführen kannst!
3
Abrufqualität verbessern
Auch wenn Graph-RAG-Anwendungen im Allgemeinen zuverlässiger sind als Vector RAG, sind sie nicht unfehlbar. In diesem Kapitel lernst du, deine Graph-RAG-Anwendungen zu evaluieren, falsche oder doppelte Graphknoten zu erkennen und Langzeitgedächtnis zu integrieren, damit Nutzerpräferenzen über die Zeit erlernt werden können.
Graph RAG mit LangChain und Neo4j
Kurs
abgeschlossen
