Trilhas de aprendizado para Profissionais técnicos
Domínio de sistema de RAG
Esta trilha de aprendizado para iniciantes explora sistemas de Geração aumentada de recuperação (RAG), abordando técnicas iniciantes e avançadas de RAG, integração do LlamaIndex com JavaScript, pré-processamento de dados não estruturados, conhecimento de RAG aprimorada por gráfico e aplicações de RAG multimodal. Os alunos obtêm experiência prática com bancos de dados de vetores, recuperação de passagens densas, reordenação de cross-encoder, construção de gráfico de conhecimento usando Neo4j e criação de aplicações de RAG prontas para produção com estruturas modernas.
Objetivos de aprendizado
- Explicar os princípios e arquitetura de Geração aumentada de recuperação (RAG), distinguindo entre técnicas iniciantes e avançadas de RAG.
- Implementar métodos avançados de RAG como expansão de consulta, reordenação de cross-encoder e recuperação de passagens densas para melhorar a recuperação de informações e a geração de respostas.
- Criar e implantar aplicações de RAG usando LlamaIndex e JavaScript, incluindo desenvolvimento de chatbot full-stack e integração com bancos de dados de vetores.
- Pré-processar e estruturar dados não estruturados (PDFs, HTML, PPTX, imagens) para aplicações de RAG e LLM usando estruturas especializadas e estratégias de agrupamento.
- Integrar gráficos de conhecimento e dados multimodais em sistemas de RAG, usando ferramentas como Neo4j e GPT-4 para permitir fluxos de trabalho de recomendação e recuperação complexos e dependentes do contexto.
Público-alvo
Esta trilha foi criada para engenheiros de IA, cientistas de dados, desenvolvedores de software e profissionais técnicos que querem dominar sistemas de RAG para aplicações reais. Ela é adequada para pessoas com conhecimento básico que querem criar, otimizar e implantar soluções de IA com geração aumentada de recuperação, usando ferramentas e estruturas de ponta.