After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Створюйте RAG-системи за допомогою LangChain
Retrieval Augmented Generation (RAG) — це техніка, яка використовується для подолання одного з головних обмежень великих мовних моделей (LLMs): їхніх обмежених знань. Системи RAG інтегрують зовнішні дані з різних джерел у LLM. Цей процес підключення кількох різних систем зазвичай є виснажливим, але LangChain робить його надзвичайно простим!Опануйте найсучасніші методи розбиття та пошуку
Підвищте рівень своєї RAG-архітектури! Ви навчитеся завантажувати та розділяти файли коду, зокрема файли Python і Markdown, щоб розбиття було «усвідомленим» щодо синтаксису коду. Ви розділятимете свої документи за допомогою токенів, а не символів, щоб гарантувати, що отримані документи залишатимуться в межах контекстного вікна вашої моделі. Дізнайтеся, як семантичне розбиття може допомогти зберегти контекст, виявляючи моменти, коли тема в тексті змінюється, і розбиваючи текст у цих точках. Нарешті, навчіться надійно оцінювати свою RAG-архітектуру за допомогою LangSmith і Ragas.Відкрийте для себе архітектуру Graph RAG
Переверніть свою архітектуру RAG з ніг на голову та дізнайтеся, як графові, а не векторні системи RAG можуть покращити розуміння вашою системою сутностей і зв’язків у ваших документах. Ви навчитеся перетворювати неструктуровані текстові дані на графи за допомогою LLM, щоб виконувати перетворення! Потім ви збережете ці графові документи в графовій базі даних Neo4j і інтегруєте її в ширшу систему RAG, щоб завершити застосунок.Попередні вимоги
Навчальний план
Зміст курсу
1
Створення RAG-застосунків з LangChain
Дізнайтеся, як інтегрувати зовнішні джерела даних у чат-моделі з LangChain. Навчіться завантажувати, ділити, вбудовувати, зберігати та отримувати дані для використання в застосунках на основі LLM.
- Завантаження документів для RAG у LangChain50 XP
- Завантаження PDF-файлів для RAG100 XP
- Завантаження HTML‑файлів для RAG100 XP
- Розбиття тексту, вкладення (embeddings) та векторне зберігання50 XP
- Початок роботи з поділом тексту100 XP
- Рекурсивне розбиття документів100 XP
- Створення вкладень і зберігання документів100 XP
- Побудова ланцюжка пошуку в LCEL50 XP
- Створення підказки для отримання даних100 XP
- Створення ланцюжка отримання даних (retrieval chain)100 XP
2
Поліпшення архітектури RAG
Ознайомтеся з найсучаснішими методами завантаження, поділу та отримання документів: завантаження Python-файлів, семантичний поділ, а також методи пошуку MRR і self-query. Навчіться оцінювати свою архітектуру RAG за допомогою надійних метрик і фреймворків.
3
Вступ до Graph RAG
Дізнайтеся, як графові бази даних і пошук у них допомагають подолати обмеження традиційного зберігання та отримання даних на основі векторів.
Retrieval Augmented Generation (RAG) з LangChain
Курс
завершено
