After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Підніміть рівень своїх RAG-застосунків за допомогою графів
Вам уже набридли вектори, ембеддинги та векторні RAG-застосунки? Не шукайте далі! У цьому курсі ви дізнаєтеся, як Graph RAG може значно підвищити точність і надійність RAG-застосунків, зберігаючи та виконуючи запити до інформації у вигляді вузлів і зв’язків. Поєднайте графові бази даних Neo4j із LangChain — і ви отримаєте справді чудовий спосіб отримання та інтеграції зовнішніх даних з LLMs.Створюйте графові бази даних Neo4j з неструктурованого тексту
Що, якщо мій набір даних — це хаотичний неструктурований текст, а не граф? Не панікуйте—ви навчитеся використовувати LLM із структурованими виходами для вилучення сутностей і зв’язків із тексту та створення нових вузлів і зв’язків для вашої графової бази даних. Ви використовуватимете бібліотеку Pydantic для визначення строгих структур даних, які ваша LLM заповнюватиме витягнутими текстовими даними.Поєднуйте вектори та графи для гібридного RAG
Вам не потрібно обирати між векторами та графами—ви можете отримати найкраще з обох світів! Дізнайтеся, як можна отримувати дані з обох джерел в одному робочому процесі та ретельно створювати запити, щоб інтегрувати їх у гібридний RAG-додаток.Інтегруйте довготривалу пам’ять чатбота
Графові бази даних, як-от Neo4j, корисні не лише як бази знань для пошуку — у них також можна зберігати довготривалу інформацію, наприклад факти про користувачів і їхні вподобання, у вигляді графів! Потім до цієї довготривалої пам’яті можна звертатися так само, як і до будь-якої іншої графової бази даних, щоб інтегрувати ці вподобання та персоналізувати ваші застосунки.Попередні вимоги
Навчальний план
Зміст курсу
1
Початок роботи з Graph RAG і Neo4j
Дізнайтеся, як Graph RAG підвищує точність і надійність RAG-застосунків! Зберігайте інформацію як вузли та ребра в базі даних Neo4j і надайте вашій LLM змогу робити до неї запити, щоб отримувати відомості про сутності та їхні зв'язки й формувати обґрунтовані відповіді.
- Графи та RAG50 XP
- Створення вузлів100 XP
- Створення зв'язків100 XP
- Збереження графових документів100 XP
- Запити до графа знань50 XP
- Написання інструкцій Cypher100 XP
- Виконання інструкцій Cypher100 XP
- Оператор MERGE100 XP
- Text-to-Cypher Graph RAG з Neo4j50 XP
- Створення ланцюжка text-to-Cypher100 XP
- Ланцюжок Text-to-Cypher для отримання даних100 XP
2
Графові моделі та гібридний RAG
Text-to-Cypher-застосунки добре працюють у багатьох випадках, але ми можемо досягти кращого! Дізнайтеся, як будувати графові бази даних із використанням різних графових моделей, зокрема лексичних і предметних графів. Створіть векторні індекси Neo4j, щоб поєднати обидва підходи й одночасно виконувати графовий і векторний пошук!
3
Покращення якості пошуку
Хоча Graph RAG загалом надійніший за векторний RAG, він теж не бездоганний. У цьому розділі ви навчитеся оцінювати ваші Graph RAG-застосунки, виявляти помилкові або дубльовані вузли графа та інтегрувати довготривалу пам'ять, щоб з часом враховувати вподобання користувачів.
Graph RAG з LangChain і Neo4j
Курс
завершено
