【Udemy中英字幕】Gen AI – LLM RAG Two in One – LangChain + LlamaIndex

Gen AI – LLM RAG 二合一 – LangChain + LlamaIndex

Gen AI – 学习使用 LLM 和矢量数据库通过 LangChain 和 LlamaIndex 框架开发 RAG 应用程序

讲师：Manas Dasgupta

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

• 能够使用 LangChain 或 LlamaIndex 开发自己的 RAG 应用程序
• 能够在 RAG 应用程序中有效地使用矢量数据库
• 为你的 RAG 应用程序制作有效的提示
• 创建代理和工具作为 RAG 应用程序的一部分
• 创建 RAG 对话机器人
• 使用 LangGraph 对 RAG 应用程序进行跟踪

探索相关主题

• 检索增强生成 (RAG)
• 数据科学
• 发展

要求

• Python 编程知识

描述

本课程利用 LangChain 和 LlamaIndex 框架的强大功能，以及 OpenAI GPT 和 Google Gemini API 以及 ChromaDB 和 Pinecone 等矢量数据库。它旨在通过深入的概念学习和实践课程，让您全面了解如何构建高级 LLM RAG 应用程序。本课程涵盖 LLM RAG 应用程序的基本方面，以清晰简洁的方式探索两个框架中的组件，例如代理、工具、链、内存、QueryPipelines、检索器和查询引擎。您还将深入研究语言嵌入和矢量数据库，从而使您能够开发高效的语义搜索和基于相似性的 RAG 应用程序。此外，本课程还涵盖各种 Prompt Engineering 技术，以提高 RAG 应用程序的效率。

包含的项目/实践列表：

1. 使用下载的网络数据和Vector DB开发会话记忆聊天机器人

2. 创建简历上传和语义简历搜索应用程序

3. 发票提取RAG 应用程序

4. 创建使用自然语言查询的结构化数据分析应用程序

5. ReAct Agent：使用 ReAct Agent 和工具创建计算器应用程序

6. 具有动态工具的文档代理：动态创建多个 QueryEngineTools 并通过代理协调查询

7. 顺序查询管道：创建简单的顺序查询管道

8. DAG 管道：开发复杂的 DAG 管道

9. 数据框管道：使用 Pandas 输出解析器和响应合成器开发复杂的数据框分析管道

10. 使用 SQL 数据库：开发 SQL 数据库提取机器人

    这种双框架方法将为您提供更广阔的 RAG 开发视角，使您能够在项目中充分利用 LangChain 和 LlamaIndex 的优势。

本课程适合哪些人：

• 软件开发人员、数据科学家、机器学习工程师、DevOps 工程师、支持工程师、测试 / QA 工程师