Building RAG Agents with LLMs

نظرة عامة

ابنِ وكلاء توليد معزّز بالاسترجاع يجيبون من مستنداتك أنت. تصمّم خطوط معالجة باستخدام LangChain وGradio وLangServe، وتدير حالة الحوار، وتستخدم التضمينات ومخازن المتجهات، وتضيف الضوابط، وتقيّم النتائج.

ما ستتعلّمه

المحتوى التقني أدناه معروضٌ باللغة الإنجليزية كما ورد في منهاج الدورة، حفاظاً على دقّة المصطلحات.

• Compose an LLM system that can interact predictably with a user by leveraging internal and external reasoning components.
• Design a dialog management and document reasoning system that maintains state and coerces information into structured formats.
• Leverage embedding models for efficient similarity queries for content retrieval and dialog guardrailing.
• Implement, modularize, and evaluate a retrieval-augmented generation agent that can answer questions about the research papers in its dataset without any fine-tuning.

المنهاج

لمن هذه الدورة

المطوّرون وعلماء البيانات الذين يبنون مساعدات معرفية وأنظمة للإجابة عن الأسئلة من المستندات.

قبل أن تبدأ

• Introductory deep learning, with comfort with PyTorch and transfer learning preferred. Content covered by "Getting Started with Deep Learning" or "Fundamentals of Deep Learning" courses or similar experience is sufficient.
• Intermediate Python experience, including object-oriented programming and libraries. Content covered by Python Tutorial (w3schools.com) or similar experience is sufficient.