Last chance: 50% off unlimited learning
Sale ends in
Opis kursu
Podnieś poziom swoich aplikacji RAG dzięki grafom
Czy masz już dość wektorów, embeddingów i aplikacji RAG opartych na wektorach? Nie szukaj dalej! W tym kursie dowiesz się, jak Graph RAG może znacząco zwiększyć dokładność i niezawodność aplikacji RAG, przechowując i wyszukując informacje w postaci węzłów i relacji. Połącz bazy danych grafowych Neo4j z LangChain, aby uzyskać naprawdę świetny sposób na pobieranie i integrowanie danych zewnętrznych z LLM.Twórz bazy danych grafowych Neo4j z nieustrukturyzowanego tekstu
Co jeśli mój zbiór danych to nieuporządkowany, nieustrukturyzowany tekst, a nie graf? Nie martw się — nauczysz się, jak korzystać z LLMs z uporządkowanymi wynikami, aby wyodrębniać encje i relacje z tekstu oraz tworzyć nowe węzły i relacje dla swojej bazy danych grafowych. Wykorzystasz bibliotekę Pydantic do definiowania precyzyjnych struktur danych, które Twój LLM wypełni wyodrębnionymi danymi tekstowymi.Połącz wektory i grafy w hybrydowym RAG
Nie musisz wybierać między wektorami a grafami — możesz korzystać z zalet obu rozwiązań! Dowiedz się, jak pobierać dane z obu źródeł w jednym przepływie pracy i jak precyzyjnie tworzyć prompt’y, aby zintegrować je w hybrydowej aplikacji RAG.Zintegruj długoterminową pamięć chatbota
Bazy grafowe, takie jak Neo4j, to nie tylko świetne bazy wiedzy do wyszukiwania informacji – możesz w nich także przechowywać długoterminowe dane, takie jak fakty o użytkownikach i ich preferencje, w formie grafów! Ta długoterminowa pamięć może być następnie przeszukiwana tak jak każda inna baza danych grafowych, aby zintegrować te preferencje i spersonalizować Twoje aplikacje.Wymagania wstępne
Program nauczania
Plan kursu
1
Pierwsze kroki z Graph RAG i Neo4j
Poznaj Graph RAG i sprawdź, jak poprawia dokładność oraz niezawodność aplikacji RAG! Przechowuj informacje jako węzły i krawędzie w bazie Neo4j, a następnie daj swojemu dużemu modelowi językowemu możliwość odpytywania bazy — aby pobierał informacje o encjach i relacjach i udzielał trafnych odpowiedzi.
- Grafy i RAG50 XP
- Tworzenie węzłów100 XP
- Tworzenie relacji100 XP
- Zapisywanie dokumentów grafu100 XP
- Odpytywanie grafu wiedzy50 XP
- Pisanie zapytań w Cypher100 XP
- Wykonywanie instrukcji Cypher100 XP
- Klauzula MERGE100 XP
- Graph RAG z Neo4j: od tekstu do Cypher50 XP
- Budowanie łańcucha text-to-Cypher100 XP
- Łańcuch pobierania danych text-to-Cypher100 XP
2
Modele grafowe i hybrydowy RAG
Aplikacje text-to-Cypher sprawdzają się w wielu sytuacjach, ale możemy zrobić jeszcze więcej! Odkryj, jak budować bazy grafowe przy użyciu różnych modeli grafowych — w tym grafów leksykalnych i dziedzinowych. Twórz indeksy wektorowe w Neo4j, by korzystać z zalet obu podejść i uruchamiać wyszukiwanie grafowe oraz wektorowe jednocześnie!
3
Poprawa jakości wyszukiwania
Choć aplikacje Graph RAG są na ogół bardziej niezawodne niż wektorowy RAG, nie są bezbłędne. W tym rozdziale nauczysz się oceniać aplikacje Graph RAG, wykrywać nieprawidłowe lub zduplikowane węzły grafu oraz integrować pamięć długoterminową, dzięki której model będzie uczyć się preferencji użytkownika z biegiem czasu.
Graph RAG z LangChain i Neo4j
Kurs
ukończony
