Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Bygg RAG-system med LangChain
Retrieval Augmented Generation (RAG) är en teknik som används för att övervinna en av de största begränsningarna hos stora språkmodeller (LLM): deras begränsade kunskap. RAG-system integrerar extern data från en mängd olika källor i LLM:er. Den här processen att koppla samman flera olika system är vanligtvis tidskrävande, men LangChain gör det enkelt!Lär dig moderna metoder för uppdelning och hämtning
Ta din RAG-arkitektur till nästa nivå! Du lär dig hur du laddar och delar upp kodfiler, inklusive Python- och Markdown-filer, för att säkerställa att uppdelningarna är "syntaxmedvetna". Du delar upp dina dokument med hjälp av tokens i stället för tecken för att säkerställa att de hämtade dokumenten håller sig inom modellens kontextfönster. Upptäck hur semantisk uppdelning kan hjälpa till att bevara sammanhang genom att upptäcka när ämnet i texten skiftar och dela vid dessa punkter. Slutligen lär du dig att utvärdera din RAG-arkitektur robust med LangSmith och Ragas.Upptäck Graph RAG-arkitekturen
Vänd upp och ner på din RAG-arkitektur och upptäck hur grafbaserade, snarare än vektorbaserade, RAG-system kan förbättra ditt systems förståelse för entiteterna och relationerna i dina dokument. Du kommer att lära dig hur du omvandlar ostrukturerad textdata till grafer med hjälp av LLM:er för att göra översättningen! Sedan lagrar du dessa grafdokument i en Neo4j-grafdatabas och integrerar den i ett bredare RAG-system för att slutföra applikationen.Förkunskapskrav
Kursplan
Kursöversikt
1
Bygga RAG-applikationer med LangChain
Lär dig hur du integrerar externa datakällor i chattmodeller med LangChain. Du får lära dig att läsa in, dela upp, bädda in, lagra och hämta data för användning i LLM-applikationer.
- Läsa in dokument för RAG med LangChain50 XP
- Läsa in PDF-filer för RAG100 XP
- Ladda HTML-filer för RAG100 XP
- Textdelning, inbäddningar och vektorlagring50 XP
- Kom igång med textdelning100 XP
- Rekursiv uppdelning av dokument100 XP
- Bädda in och lagra dokument100 XP
- Bygga en LCEL-hämtningskedja50 XP
- Skapa hämtningsprompten100 XP
- Bygg upp hämtningskedjan100 XP
2
Förbättra RAG-arkitekturen
Utforska moderna tekniker för att läsa in, dela upp och hämta dokument – till exempel att läsa in Python-filer, dela upp text semantiskt samt använda MRR och self-query-hämtning. Du lär dig också att utvärdera din RAG-arkitektur med hjälp av robusta mätvärden och ramverk.
3
Introduktion till Graph RAG
Lär dig hur grafdatabaser och grafbaserad hämtning kan övervinna vissa begränsningar hos traditionell vektorbaserad lagring och hämtning.
Retrieval Augmented Generation (RAG) med LangChain
Kurs
slutförd
