Gen AI – 使用LangChain进行RAG应用程序开发
学习使用 Open AI GPT 和矢量数据库开发 RAG 应用程序的 LangChain，包括 Capstone 项目
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
- LLM RAG 应用程序开发基础
- LLM 框架与 LangChain
- 使用 Open AI GPT API 开发 RAG 应用程序
- 及时工程技术
- 针对您的 RAG 应用的工程优化提示
- LangChain 加载器和拆分器
- 使用链和 LCEL（LangChain 表达语言）
- 使用检索器、代理和工具
- 会话记忆
- 具有各种源类型和业务用途的多个 RAG 项目
要求
- 基础Python语言
- 无需数据科学经验
描述
本课程使用 Open AI GPT API、LangChain LLM 框架和矢量数据库，旨在帮助您学习 Langchain 并建立扎实的概念和动手能力，以便能够开发 RAG 应用程序和项目。本课程涵盖了学习 LLM 和框架（如代理、工具、链、检索器、输出解析器、加载器和拆分器等）的所有基本方面，并提供了足够的动手编码。它还深入探讨了语言嵌入和矢量数据库的概念，以帮助您开发高效的语义搜索和基于语义相似性的 RAG 应用程序。我们还将介绍多种 Prompt Engineering 技术，使您的 RAG 应用程序更高效。
包含的项目清单：
SQL RAG：将自然语言转换为 SQL 语句并应用于 MySQL 数据库以提取所需的结果。
具有会话内存的 RAG：使用会话内存创建简单的 RAG 应用程序。
简历分析：加载简历文档并从文档中提取基于 JSON 的关键信息。
对话式 HR 聊天机器人：创建一个全面的 HR 聊天机器人，该机器人能够使用加载到 Vector DB 中的 HR 政策和程序数据库中的答案进行响应，并保留像 ChatGPT 一样的对话记忆。使用 Streamlit 构建 UI。
结构化数据分析：将结构化数据加载到 Pandas Dataframe 中并使用 Few-Shot ReAct Agent 执行复杂的分析。
发票数据提取器：上传多张发票并将关键信息提取为 CSV 格式。使用 Streamlit 构建 UI。
对于每个项目，您将学到：
– 商业问题
– 使用什么LLM和LangChain组件
– 分析结果
– 您可以使用类似的方法解决哪些其他类似的用例。
顶点项目：
您还将有机会在课程结束时完成一个 Capstone 项目。这将帮助您更好地学习 Langchain 并从头开始开发 RAG 应用程序。
本课程适合谁：
- 任何渴望利用法学硕士的力量将 Gen AI 功能融入其项目和产品的软件开发人员
- 软件开发人员希望实现软件工程流程的自动化
如果你有能力，请务必支持课程的原创作者，这是他们应得的报酬！
本站收取的费用，仅用来维持网站正常运行的必要支出，从本站下载任何内容，说明你已经知晓并同意此条款。
