Build your ultimate AI agent
Opis kursu
Twórz systemy RAG z LangChain
Retrieval Augmented Generation (RAG) to technika stosowana do przezwyciężenia jednego z głównych ograniczeń dużych modeli językowych (LLM): ich ograniczonej wiedzy. Systemy RAG integrują dane zewnętrzne z różnych źródeł do LLM-ów. Łączenie wielu różnych systemów to zwykle żmudny proces, ale LangChain sprawia, że to pestka!Poznaj najnowocześniejsze metody dzielenia i wyszukiwania
Ulepsz swoją architekturę RAG! Nauczysz się, jak wczytywać i dzielić pliki z kodem, w tym pliki Python i Markdown, aby podziały były „świadome” składni kodu. Podzielisz swoje dokumenty za pomocą tokenów zamiast znaków, aby mieć pewność, że pobrane dokumenty pozostaną w oknie kontekstu Twojego modelu. Dowiedz się, jak dzielenie semantyczne może pomóc zachować kontekst, wykrywając momenty, w których zmienia się temat w tekście, i dzieląc go w tych punktach. Wreszcie naucz się solidnie oceniać swoją architekturę RAG za pomocą LangSmith i Ragas.Odkryj architekturę Graph RAG
Odwróć swoją architekturę RAG do góry nogami i odkryj, jak systemy RAG oparte na grafach, a nie na wektorach, mogą poprawić rozumienie encji i relacji w Twoich dokumentach. Nauczysz się, jak przekształcać nieustrukturyzowane dane tekstowe w grafy za pomocą LLM-ów, aby wykonać tę transformację! Następnie zapiszesz te dokumenty grafowe w bazie danych grafowej Neo4j i zintegrujesz ją z szerszym systemem RAG, aby ukończyć aplikację.Wymagania wstępne
Program kursu
Plan kursu
1
Tworzenie aplikacji RAG z LangChain
Dowiedz się, jak integrować zewnętrzne źródła danych z modelami czatu przy użyciu LangChain. Naucz się ładować, dzielić, osadzać, przechowywać i pobierać dane na potrzeby aplikacji LLM.
- Wczytywanie dokumentów do RAG z LangChain50 XP
- Wczytywanie plików PDF do RAG100 XP
- Wczytywanie plików HTML do RAG100 XP
- Podział tekstu, osadzenia i przechowywanie wektorów50 XP
- Pierwsze kroki z podziałem tekstu100 XP
- Rekurencyjne dzielenie dokumentów100 XP
- Osadzanie i przechowywanie dokumentów100 XP
- Tworzenie łańcucha pobierania danych LCEL50 XP
- Tworzenie promptu do pobierania danych100 XP
- Budowanie łańcucha wyszukiwania100 XP
2
Ulepszanie architektury RAG
Poznaj najnowocześniejsze techniki ładowania, dzielenia i pobierania dokumentów — w tym ładowanie plików Pythona, semantyczne dzielenie tekstu oraz metody pobierania MRR i self-query. Naucz się oceniać architekturę RAG za pomocą solidnych metryk i narzędzi ewaluacyjnych.
3
Wprowadzenie do Graph RAG
Dowiedz się, jak grafowe bazy danych i pobieranie oparte na grafach pozwalają pokonać ograniczenia tradycyjnego przechowywania i wyszukiwania wektorowego.
Retrieval Augmented Generation (RAG) z LangChain
Kurs
ukończony
