Corso
Retrieval Augmented Generation (RAG) con LangChain
IntermedioLivello di competenza
Aggiornato 12/2024
PythonArtificial Intelligence3 h12 video38 Esercizi3,150 XP16,433Attestato di conseguimento
Crea il tuo account gratuito
o
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.Preferito dagli studenti di migliaia di aziende
Training a Team?
Try for BusinessDescrizione del corso
Costruisci sistemi RAG con LangChain
Il Retrieval Augmented Generation (RAG) è un modo per risolvere uno dei problemi principali dei modelli linguistici di grandi dimensioni (LLM): il fatto che non sanno tutto. I sistemi RAG mettono insieme dati esterni da un sacco di fonti diverse nei modelli di linguaggio grande (LLM). Questo processo di collegamento di più sistemi diversi di solito è noioso, ma LangChain lo rende un gioco da ragazzi!Scopri i metodi più avanzati di suddivisione e recupero
Migliora la tua architettura RAG! Imparerai come caricare e dividere i file di codice, compresi quelli Python e Markdown, per assicurarti che le divisioni "riconoscano" la sintassi del codice. Dividerai i tuoi documenti usando token invece che caratteri per assicurarti che i documenti recuperati rimangano nella finestra di contesto del tuo modello. Scopri come la divisione semantica può aiutarti a mantenere il contesto, individuando i punti in cui cambia l'argomento nel testo e dividendo il testo in questi punti. Infine, impara a valutare bene la tua architettura RAG con LangSmith e Ragas.Scopri l'architettura Graph RAG
Ribalta la tua architettura RAG e scopri come i sistemi RAG basati su grafici, invece che su vettori, possono migliorare la comprensione del tuo sistema delle entità e delle relazioni nei tuoi documenti. Imparerai come trasformare dati di testo non strutturati in grafici usando gli LLM per fare la traduzione! Poi, salverai questi documenti grafici in un database grafico Neo4j e li integrerai in un sistema RAG più ampio per completare l'applicazione.Prerequisiti
Developing LLM Applications with LangChain1
Building RAG Applications with LangChain
Discover how to integrate external data sources into chat models with LangChain. Learn how to load, split, embed, store, and retrieve data for use in LLM applications.
2
Improving the RAG Architecture
Discover state-of-the-art techniques for loading, splitting, and retrieving documents, including loading Python files, splitting semantically, and using MRR and self-query retrieval methods. Learn to evaluate your RAG architecture using robust metrics and frameworks.
3
Introduction to Graph RAG
Discover how graph databases and retrieval can overcome some of the limitations of traditional vector-based storage and retrieval.
Retrieval Augmented Generation (RAG) con LangChain
Corso completato
Ottieni Attestato di conseguimento
Aggiungi questa certificazione al tuo profilo LinkedIn, al curriculum o al CVCondividila sui social e nella valutazione delle tue performanceIscriviti Ora
Unisciti a oltre 19 milioni di studenti e inizia Retrieval Augmented Generation (RAG) con LangChain oggi!
Crea il tuo account gratuito
o
Continuando, accetti i nostri Termini di utilizzo, la nostra Informativa sulla privacy e che i tuoi dati siano conservati negli Stati Uniti.Aumenta le tue competenze sui dati con l'app di DataCamp
Avanza ovunque ti trovi con i nostri corsi per dispositivi mobili e le nostre sfide di programmazione quotidiane da 5 minuti.