Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
Lleva tus aplicaciones RAG al siguiente nivel con grafos
¿Ya estás cansado de los vectores, los embeddings y las aplicaciones RAG vectoriales? ¡No busques más! En este curso, descubrirás cómo Graph RAG puede mejorar enormemente la precisión y la fiabilidad de las aplicaciones de RAG al almacenar y consultar información en forma de nodos y relaciones. Combina las bases de datos de grafos Neo4j con LangChain y obtendrás una forma realmente increíble de recuperar e integrar datos externos con LLMs.Crea bases de datos de grafos Neo4j a partir de texto no estructurado
¿Y si mi conjunto de datos es texto no estructurado y desordenado en lugar de un grafo? No te asustes—aprenderás a usar LLM con salidas estructuradas para extraer entidades y relaciones del texto, y crear nuevos nodos y relaciones para tu base de datos de grafos. Utilizarás la biblioteca Pydantic para definir estructuras de datos estrictas que tu LLM deberá completar con los datos de texto extraídos.Combina vectores y grafos para RAG híbrido
¡No tienes que elegir entre vectores y grafos—puedes tener lo mejor de ambos mundos! Descubre cómo puedes recuperar datos de ambas fuentes en un único flujo de trabajo y construir cuidadosamente prompts para integrarlos en una aplicación RAG híbrida.Integra la memoria a largo plazo del chatbot
¡Las bases de datos de grafos como Neo4j no solo son útiles como bases de conocimiento para la recuperación, sino que también puedes almacenar información a largo plazo, como datos y preferencias de usuario, en forma de grafos! Esta memoria a largo plazo puede consultarse después igual que cualquier otra base de datos de grafos para integrar estas preferencias y personalizar sus aplicaciones.Requisitos previos
Programa de formación
Contenido del curso
1
Primeros pasos con Graph RAG y Neo4j
Aprende cómo Graph RAG puede mejorar la precisión y la fiabilidad de las aplicaciones RAG. Almacena información como nodos y aristas en una base de datos Neo4j y dale a tu LLM la capacidad de consultarla para recuperar información de entidades y relaciones y así ofrecer respuestas fundamentadas.
- Grafos y RAG50 XP
- Crear nodos100 XP
- Crear relaciones100 XP
- Guardar documentos de grafo100 XP
- Consultar un grafo de conocimiento50 XP
- Escribir sentencias Cypher100 XP
- Ejecutar sentencias Cypher100 XP
- La cláusula MERGE100 XP
- Graph RAG de texto a Cypher con Neo4j50 XP
- Crear una cadena de text-to-Cypher100 XP
- Cadena de recuperación de Text-to-Cypher100 XP
2
Modelos de grafos y RAG híbrido
Las aplicaciones de Text-to-Cypher funcionan bien en muchos casos, ¡pero podemos ir un paso más allá! Descubre cómo construir bases de datos de grafos usando distintos modelos de grafo, incluidos los grafos léxicos y de dominio. Crea índices vectoriales en Neo4j para tener lo mejor de ambos mundos y ejecutar a la vez recuperación por grafo y por vectores.
3
Mejorar la calidad de la recuperación
Aunque las aplicaciones de Graph RAG suelen ser más fiables que las de vector RAG, no son infalibles. En este capítulo aprenderás a evaluar tus aplicaciones de Graph RAG, detectar nodos de grafo incorrectos o duplicados e integrar memoria a largo plazo para que las preferencias del usuario se aprendan con el tiempo.
Graph RAG con LangChain y Neo4j
Curso
completado
