강의

멘토링

커뮤니티

AI Technology

/

AI Agent Development

Agentic(Modular) RAG với LangGraph phiên bản 1 từ cơ bản đến nâng cao

Khóa học này về RAG (Retrieval-Augmented Generation) 👉 Không chỉ dừng lại ở việc giải thích khái niệm 👉 Mà còn trực tiếp xây dựng cấu trúc hoạt động thực tế 👉 Và trải nghiệm cả việc mở rộng·nâng cao - đây là khóa học tập trung vào thực hành. Bắt đầu từ ví dụ RAG đơn giản, Từng bước học tập đến mức có thể ứng dụng ngay trong công việc thực tế từ Advanced RAG → Modular RAG → đến RAG dựa trên Agent.

56 học viên đang tham gia khóa học này

Độ khó Cơ bản

Thời gian Không giới hạn

  • goodwon5937125
AI
AI
ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM
Generative AI
Generative AI
AI
AI
ChatGPT
ChatGPT
prompt engineering
prompt engineering
LLM
LLM
Generative AI
Generative AI

Bạn sẽ nhận được điều này sau khi học.

  • Hiểu rõ cấu trúc pipeline toàn bộ của RAG

  • Thấu hiểu giới hạn của Naive RAG và lý do cần thiết phải có Advanced RAG

  • # Thiết kế tách biệt có cấu trúc cho VectorDB, Retriever và Evaluation

  • Kinh nghiệm triển khai RAG dựa trên nhiều loại VectorDB như PGVector, Elasticsearch

  • Self-RAG, Corrective RAG(CRAG), mở rộng đến Supervisor Agent RAG

RAG Hoàn Hảo: Từ Cơ Bản Đến Agent

Khóa học này là khóa học thực chiến tập trung vào việc học mọi thứ về RAG (Retrieval-Augmented Generation).

Bắt đầu từ Naive RAG cơ bản, trải qua Advanced RAG, và học từng bước cho đến Agentic RAG - xu hướng mới nhất.

LangChainLangGraph giúp bạn học cách xây dựng hệ thống RAG có thể áp dụng ngay trong thực tế.

Đặc điểm của khóa học này

📌Học tập theo từng bước: Tăng dần độ khó theo thứ tự Naive → Advanced → Modular(Agentic)

📌Trải nghiệm đa dạng công cụ: Trực tiếp thao tác với nhiều Vector DB, Embedding Models, Retriever khác nhau

📌 Tìm kiếm Hybrid: Học cách kết hợp tìm kiếm vector và tìm kiếm từ khóa bằng cách sử dụng Elasticsearch

📌Công nghệ mới nhất: Bao gồm cả Agent RAG sử dụng LangGraph

📌Đánh giá hiệu suất: Học cách đánh giá hiệu suất của hệ thống RAG một cách khách quan thông qua RAGAs

Khóa học này được khuyến nghị cho những người sau đây

Nhà phát triển ứng dụng dựa trên LLM

Nếu bạn có kinh nghiệm sử dụng LLM API, thông qua khóa học này bạn có thể xây dựng dịch vụ AI cấp độ production sử dụng dữ liệu doanh nghiệp

Người mới bắt đầu học hệ thống RAG
Nếu bạn mới làm quen với RAG, bạn có thể hoàn toàn thành thạo từ cơ bản đến triển khai thực tế thông qua khóa học này

Những người quan tâm đến AI Agent
Nếu bạn quan tâm đến agent, bạn có thể triển khai Agentic RAG thực hiện các quyết định phức tạp bằng LangGraph thông qua khóa học này

Sau khi học

  • Bạn có thể xây dựng hệ thống RAG từ nhiều nguồn dữ liệu khác nhau

  • Bạn có thể lựa chọn Vector DB và Embedding Model phù hợp với đặc thù của dự án

  • Có thể áp dụng nhiều kỹ thuật khác nhau để cải thiện hiệu suất RAG

  • Bạn có thể thiết kế và triển khai RAG dựa trên agent phức tạp với LangGraph

  • Bạn có thể đánh giá định lượng và cải thiện chất lượng của hệ thống RAG

Bạn sẽ học những nội dung như thế này.

Kỹ thuật Retriever nâng cao

MultiQuery Retriever và Reranker giúp cải thiện chất lượng tìm kiếm thông qua việc học cách sử dụng chúng.

Triển khai Hybrid RAG

Elasticsearch được sử dụng để xây dựng hệ thống tìm kiếm kết hợp (hybrid search) kết hợp tìm kiếm vectortìm kiếm từ khóa (BM25).

Đánh giá hiệu suất RAG

RAGAs sử dụng framework để đo lường và cải thiện chất lượng câu trả lời của hệ thống RAG một cách khách quan.

Agent RAG sử dụng LangGraph

Vanilla RAG, Corrective RAG, Self RAG, Supervisor Agents và nhiều loại RAG dựa trên agent khác được triển khai bằng LangGraph.

Lưu ý trước khi học

Môi trường thực hành

  • Khóa học được giảng dạy dựa trên MacOS. Nếu bạn có môi trường có thể chạy Python, bạn có thể theo dõi khóa học bất kể hệ điều hành như Windows, Linux, v.v.

  • Trong khóa học, chúng tôi đã sử dụng trình soạn thảo VSCode, nhưng bạn có thể sử dụng bất kỳ trình soạn thảo nào như Cursor, PyCharm, v.v.

Tài liệu học tập

  • Cung cấp tệp nén cho mỗi phần (requirements.txt, jupyter files, v.v.).

Kiến thức cần có và lưu ý

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những người đã sử dụng LLM nhưng còn bối rối về cấu trúc RAG

  • Những người đang sử dụng LangChain/LangGraph mà không có lý do rõ ràng

  • Những người muốn biết lý do hiệu suất RAG không đạt yêu cầu

  • Những người muốn mở rộng đến RAG dựa trên Agent

Cần biết trước khi bắt đầu?

  • Trong khóa học này, chúng ta sử dụng phiên bản trả phí của Chat GPT.

  • Cần có kiến thức cơ bản về Python.

Xin chào
Đây là

379

Học viên

11

Đánh giá

2

Trả lời

4.8

Xếp hạng

3

Các khóa học

Xin chào, tôi là Cho Kyung-won, người phụ trách bài giảng này.
Tôi đã tích lũy được nhiều kinh nghiệm thực tế sâu rộng trong nhiều môi trường công nghiệp khác nhau, từ các doanh nghiệp vừa và nhỏ đến các tập đoàn lớn, bao gồm phát triển web, trí tuệ nhân tạo (AI) và xây dựng cơ sở hạ tầng AWS.

Dựa trên những kinh nghiệm này, từ năm 2022, tôi đã thực hiện các bài giảng trong lĩnh vực AI trực tiếp (offline), tiếp tục công việc giáo dục kết nối giữa thực tiễn và lý thuyết.

Chương trình giảng dạy

Tất cả

50 bài giảng ∙ (9giờ 29phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

1.028.651 ₫

Khóa học khác của goodwon5937125

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!