Parcours d'apprentissage pour Professionnels du secteur technique

Maîtrise des systèmes RAG

Ce parcours d’apprentissage de démarrage concerne les systèmes de génération augmentée de récupération (RAG). Il couvre les techniques de RAG avancées et le RAG naïf, l’intégration LlamaIndex avec javaScript, le prétraitement des données non structurées, le RAG avec graphes de connaissances et les applications RAG multimodales. Les participants acquièrent une expérience pratique des bases de données vectorielles, de la récupération dense, du reclassement basé sur encodeur croisé, de la construction de graphiques de connaissances à l’aide de Neo4j et de la création d’applications RAG prêtes pour la production avec des cadres modernes.

Compétences :

Conception et optimisation de systèmes RAG

Techniques de récupération avancées (expansion de requête, reclassement, récupération dense)

Développement d'applications RAG à l'aide de LlamaIndex et JavaScript

Fragmentation et prétraitement des données non structurées

Gestion des bases de données vectorielles

Construction de graphiques de connaissances et création de requêtes (Neo4j)

Développement d'applications RAG multimodales

Déploiement de chatbots full-stack et d'applications d'IA

Objectifs d’apprentissage

  1. Expliquer les principes et l’architecture de la génération augmentée de récupération (RAG) ainsi que la différence entre les techniques de RAG avancées et le RAG naïf.
  2. Mettre en œuvre des méthodes RAG avancées telles que l’expansion de requête, le reclassement basé sur encodeur croisé et la récupération dense afin d’améliorer la récupération d’informations et la génération de réponses.
  3. Créer et développer des applications RAG à l’aide de LlamaIndex et JavaScript, avec déploiement de chatbots full-stack et intégration de bases de données vectorielles.
  4. Prétraiter et structurer les données non structurées (PDFs, HTML, PPTX, images) pour les applications RAG et LLM à l’aide de cadres spécialisés et de stratégies de fragmentation.
  5. Intégrer des graphiques de connaissances et des données multimodales dans les systèmes RAG, en exploitant des outils comme Neo4j et GPT-4 pour permettre la récupération complexe en contexte et des workflows de recommandation.

Public cible

Ce parcours est destiné aux ingénieurs IA, aux scientifiques des données, aux développeurs logiciels et aux professionnels techniques qui souhaitent maîtriser les systèmes RAG pour leurs applications réelles. Il convient également aux personnes avec une expérience dans la programmation de base qui veulent créer, optimiser et déployer des solutions avancées d’IA augmentée de récupération à l’aide d’outils et de cadres dernier cri.

Faites de l'IA votre alliée en suivant un parcours de démarrage de l'IA