【Udemy中英字幕】Java Spring AI, Neo4J, and OpenAI for Knowledge Graph RAG

用于知识图谱 RAG 的 Java Spring AI、Neo4J 和 OpenAI

使用 Spring AI、Neo4J 和 Temporal 实现具有向量相似性和知识图谱的 RAG（检索增强生成）

讲师：Timotius Pamungkas

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 了解生成式 AI 的检索增强生成 (RAG)
• 了解知识图谱及其如何增强 RAG 以形成 GraphRAG
• 使用 OpenAI、Spring Boot 3 和 Spring AI 实现检索增强生成 (RAG)
• 使用 Neo4j 实现知识图谱 RAG

探索相关主题

• 检索增强生成 (RAG)
• 软件工程
• 发展

要求

• Java 编程基础
• Spring Boot 编程基础
• 对使用 OpenAI 等大型语言模型的基本理解

描述

利用检索增强生成 (RAG) 和知识图谱增强您的生成 AI 专业知识

检索增强生成 (RAG) 是一种强大的方法，它利用生成式 AI 来访问大型语言模型 (LLM) 预训练数据以外的信息，同时避免过度依赖这些模型来获取事实内容。RAG 的有效性取决于快速识别和向 LLM 提供最相关上下文的能力。知识图谱可以改进 RAG 系统，提高性能、准确性、可追溯性和完整性。

带有知识图谱的 RAG（也称为 GraphRAG）是提高生成式 AI 能力的有效方法。通过这门终极课程将您的 AI 技能提升到一个新的水平，旨在帮助您利用知识图谱和 RAG 系统释放 LLM 的潜力。

在本课程中，你将学习：

• RAG 系统简介：了解为什么检索增强生成是增强 AI 的突破性工具。

• 知识图谱基础：掌握知识图谱的基础知识，包括其结构和数据关系。了解这些图谱如何增强 RAG 的数据建模。

• 从头开始实现 GraphRAG：使用知识图谱构建一个功能齐全的 RAG 系统。使用 LLM 提取和组织信息。

• 从多个数据源构建知识：学习将知识图谱与非结构化和结构化数据源相结合。

• 查询知识图谱：获得领先工具和技术的实践经验。

技术亮点：

• Spring AI：来自著名 Java Spring 的一项新技术，可帮助工程师轻松使用各种生成式 AI 和大型语言模型

• Open AI：每个人都喜欢的创新型生成式人工智能。大型语言模型和人工智能的突破性工具。

• Neo4J：图形数据库和矢量存储，可轻松与 Spring AI 集成以形成 RAG 和知识图谱

• Temporal：一个工作流编排平台，帮助工程师构建可靠的 GrahRAG 管道。

掌握先进的人工智能技术在当今快节奏、数据驱动的世界中具有重要优势。本课程提供切实可行的见解，以提升您的职业生涯或在您的领域进行创新。

本课程适合哪些人：

• 软件开发人员/工程师（尤其是 Java Spring）
• 人工智能爱好者
• 技术主管/经理