Khóa học
Retrieval Augmented Generation (RAG) với LangChain
Trung cấpTrình độ kỹ năng
Đã cập nhật tháng 12, 2024
PythonArtificial Intelligence3 gio12 video38 Bài tập3,150 XP17,938Giấy chứng nhận Thành tích
Tạo Tài Khoản Miễn Phí
Tiếp tục với GoogleHiển thị thêm tùy chọnhoặc
Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.
Được người học tại hàng ngàn công ty yêu thích
Đào tạo một đội ngũ?
Dùng thử cho Doanh nghiệpMô tả khóa học
Xây dựng hệ thống RAG với LangChain
Retrieval Augmented Generation (RAG) là một kỹ thuật được sử dụng để vượt qua một trong những hạn chế chính của các mô hình ngôn ngữ lớn (LLM): kiến thức hạn chế của chúng. Các hệ thống RAG tích hợp dữ liệu bên ngoài từ nhiều nguồn khác nhau vào LLM. Quá trình kết nối nhiều hệ thống khác nhau này thường rất tẻ nhạt, nhưng LangChain khiến việc này trở nên cực kỳ dễ dàng!Tìm hiểu các phương pháp phân tách và truy xuất tiên tiến nhất hiện nay
Nâng tầm kiến trúc RAG của bạn! Bạn sẽ học cách tải và tách các tệp mã nguồn, bao gồm các tệp Python và Markdown để đảm bảo rằng việc tách được “nhận biết” cú pháp mã nguồn. Bạn sẽ chia nhỏ tài liệu của mình bằng cách sử dụng token thay vì ký tự để đảm bảo rằng các tài liệu được truy xuất của bạn nằm trong cửa sổ ngữ cảnh của mô hình. Khám phá cách phân tách ngữ nghĩa có thể giúp giữ lại ngữ cảnh bằng cách phát hiện khi chủ đề trong văn bản thay đổi và phân tách tại những điểm này. Cuối cùng, hãy học cách đánh giá kiến trúc RAG của bạn một cách vững chắc với LangSmith và Ragas.Khám phá Kiến trúc Graph RAG
Hãy lật ngược kiến trúc RAG của bạn và khám phá cách các hệ thống RAG dựa trên graph, thay vì dựa trên vector, có thể nâng cao khả năng hiểu các thực thể và mối quan hệ trong tài liệu của hệ thống bạn. Bạn sẽ học cách chuyển đổi dữ liệu văn bản phi cấu trúc thành đồ thị bằng cách sử dụng LLM để thực hiện việc chuyển đổi! Sau đó, bạn sẽ lưu trữ các tài liệu đồ thị này trong cơ sở dữ liệu đồ thị Neo4j và tích hợp nó vào một hệ thống RAG rộng hơn để hoàn thiện ứng dụng.Điều kiện tiên quyết
Developing LLM Applications with LangChain1
Xây dựng ứng dụng RAG với LangChain
Khám phá cách tích hợp nguồn dữ liệu bên ngoài vào các mô hình hội thoại với LangChain. Học cách tải, chia nhỏ, nhúng, lưu trữ và truy xuất dữ liệu để dùng trong các ứng dụng LLM.
2
Cải thiện kiến trúc RAG
Khám phá các kỹ thuật hiện đại để tải, chia nhỏ và truy xuất tài liệu, bao gồm tải file Python, chia nhỏ theo ngữ nghĩa, và dùng các phương pháp truy xuất MRR và self-query. Học cách đánh giá kiến trúc RAG của bạn bằng các chỉ số và framework vững chắc.
3
Giới thiệu về Graph RAG
Khám phá cách cơ sở dữ liệu đồ thị và phương pháp truy xuất có thể khắc phục một số hạn chế của lưu trữ và truy xuất dựa trên vector truyền thống.
Retrieval Augmented Generation (RAG) với LangChain
Hoàn Thành
Nhận Giấy Chứng Nhận Hoàn Thành
Thêm chứng chỉ này vào hồ sơ LinkedIn, CV hoặc sơ yếu lý lịch của banChia sẻ trên mạng xã hội và trong đánh giá hiệu suất của banĐăng ký ngay
Tham gia cùng hơn 19 triệu học viên và bắt đầu Retrieval Augmented Generation (RAG) với LangChain ngay hôm nay!
Tạo Tài Khoản Miễn Phí
Tiếp tục với GoogleHiển thị thêm tùy chọnhoặc
Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách bảo mật và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.
Phát triển kỹ năng dữ liệu với DataCamp cho thiết bị di động
Tiến bộ mọi lúc mọi nơi với các khóa học cho thiết bị di động và thử thách lập trình 5 phút hằng ngày.