Logo de Mydra
Artificial Intelligence
DeepLearning.AI logo

DeepLearning.AI

Grafos de Conocimiento para RAG

  • hasta 1 hora
  • Intermedio

Este curso te enseña cómo aprovechar los grafos de conocimiento dentro de las aplicaciones de generación aumentada por recuperación (RAG). Aprenderás a usar el lenguaje de consulta Cypher de Neo4j para gestionar y recuperar datos almacenados en grafos de conocimiento, y construir un sistema de preguntas y respuestas utilizando Neo4j y LangChain.

  • Grafos de Conocimiento
  • Cypher
  • Neo4j
  • Búsqueda de Similitud Vectorial
  • Recuperación de Datos

Resumen

En este curso, aprenderás los conceptos básicos de cómo los grafos de conocimiento almacenan datos utilizando nodos y aristas, usar el lenguaje de consulta Cypher de Neo4j para recuperar información, agregar un índice vectorial a un grafo de conocimiento, y construir un grafo de conocimiento de documentos de texto desde cero. También explorarás técnicas avanzadas para conectar múltiples grafos de conocimiento y usar consultas complejas para la recuperación integral de datos. Al final del curso, estarás bien equipado para usar grafos de conocimiento para descubrir conocimientos más profundos en tus datos y mejorar el rendimiento de los LLMs con contexto estructurado y relevante.

  • Web Streamline Icon: https://streamlinehq.com
    Online
    ubicación del curso
  • Layers 1 Streamline Icon: https://streamlinehq.com
    Inglés
    idioma del curso
  • A tu propio ritmo
    formato del curso
  • Clases En vivo
    entregado en línea

¿Para quién es este curso?

Desarrolladores

Cualquiera que quiera entender cómo funcionan los grafos de conocimiento, cómo construirlos y crear mejores aplicaciones RAG.

Científicos de Datos

Profesionales que buscan mejorar sus habilidades en estructurar relaciones de datos complejas y construir aplicaciones de IA poderosas.

Entusiastas de la IA

Individuos interesados en aprovechar los grafos de conocimiento para mejorar el rendimiento de los modelos de lenguaje grande (LLMs).

Este curso te enseñará cómo aprovechar los grafos de conocimiento para mejorar el rendimiento de los LLMs con contexto estructurado y relevante. Aprenderás a usar el lenguaje de consulta Cypher de Neo4j y construir un sistema de preguntas y respuestas utilizando Neo4j y LangChain. Ideal para desarrolladores, científicos de datos y entusiastas de la IA que buscan mejorar sus habilidades en estructurar relaciones de datos complejas.

Requisitos Previos

1 / 3

  • Familiaridad con LangChain

  • Comprensión básica de estructuras de datos

  • Experiencia con lenguajes de consulta

¿Qué aprenderás?

Introducción a los Grafos de Conocimiento
Entender los conceptos básicos de cómo los grafos de conocimiento almacenan datos utilizando nodos para representar entidades y aristas para representar relaciones entre nodos.
Usando Cypher con Neo4j
Usar el lenguaje de consulta Cypher de Neo4j para recuperar información de un grafo divertido de datos de películas y actores.
Búsqueda de Similitud Vectorial
Agregar un índice vectorial a un grafo de conocimiento para representar datos de texto no estructurados y encontrar textos relevantes utilizando la búsqueda de similitud vectorial.
Construyendo un Grafo de Conocimiento
Construir un grafo de conocimiento de documentos de texto desde cero, utilizando documentos financieros y de inversión disponibles públicamente como caso de uso de demostración.
Técnicas Avanzadas
Explorar técnicas avanzadas para conectar múltiples grafos de conocimiento y usar consultas complejas para la recuperación integral de datos.
Consultas Avanzadas de Cypher
Escribir consultas avanzadas de Cypher para recuperar información relevante del grafo y formatearla para su inclusión en tu solicitud a un LLM.

Conozca a su instructor

  • Andreas Kollegger

    No hay biografía disponible

Próximos cohortes

  • Fechas

    comienza ahora

Libre